Descobre como a IA generativa cria conteúdos originais como texto, imagens e áudio, transformando as indústrias com aplicações inovadoras.
A Inteligência Artificial (IA) generativa é um subconjunto da inteligência artificial (IA) centrado na criação de sistemas que podem gerar novos conteúdos, como texto, imagens, áudio, código ou dados sintéticos. Ao contrário dos modelos de IA discriminativos que aprendem a classificar ou a prever com base nos dados de entrada (por exemplo, identificar objectos numa imagem), os modelos generativos aprendem os padrões e as distribuições subjacentes num conjunto de dados para produzir resultados novos e originais que se assemelham aos dados de treino. Avanços recentes, em particular com modelos como o Generative Pre-trained Transformers (GPT) e modelos de difusão, permitiram a criação de conteúdos altamente realistas e complexos.
Os modelos de IA generativa funcionam normalmente através da aprendizagem de uma representação da distribuição de probabilidades dos dados de treino. Em seguida, pode recolher amostras desta distribuição aprendida para gerar novos pontos de dados. As arquitecturas comuns incluem:
Embora ambos sejam ramos da IA, a IA generativa e a visão por computador (CV) têm objectivos fundamentalmente diferentes.
Conforme discutido durante o YOLO Vision 2024, os modelos de IA generativa são muitas vezes significativamente maiores (milhares de milhões de parâmetros) em comparação com modelos CV eficientes concebidos para análise em tempo real (como Ultralytics YOLOv8com modelos que começam com alguns milhões de parâmetros). A IA generativa requer recursos computacionais substanciais para formação e inferência, ao passo que muitos modelos CV são optimizados para implementação em hardware padrão ou dispositivos de ponta.
No entanto, estes domínios estão a cruzar-se cada vez mais. A IA generativa pode ajudar a CV através da criação de dados sintéticos para treinar modelos de deteção ou segmentação, especialmente para cenários raros, melhorando potencialmente a robustez e o desempenho do modelo.
A IA generativa tem inúmeras aplicações em vários domínios:
O poder da IA generativa também traz desafios éticos significativos. Estes incluem o potencial para gerar desinformação ou conteúdos nocivos, a criação de deepfakes convincentes, questões relacionadas com os direitos de autor e a propriedade intelectual dos conteúdos gerados, e preconceitos inerentes aprendidos com os dados de treino. Para resolver estes problemas, é necessário considerar cuidadosamente a ética da IA, a transparência e quadros regulamentares sólidos. Desenvolver e implementar estas tecnologias de forma responsável é crucial. Para gerir e treinar os teus próprios modelos de IA, considera plataformas como o Ultralytics HUB.