Diogo Almeida, um dos pesquisadores que ajudaram a construir as fundações do ChatGPT no paper do InstructGPT, está apostando em um caminho divergente para a inteligência artificial. Sua nova empresa, a TypeSafe AI, acaba de lançar um modelo chamado Jev que, por design, não sabe escrever. A proposta, segundo reportagem do site espanhol Xataka, é justamente essa sua principal vantagem competitiva.

Enquanto modelos de linguagem como o GPT-4 geram respostas token por token, em um processo computacionalmente caro, o Jev foi desenhado para outra finalidade: receber dados não estruturados e devolver uma decisão clara, acompanhada de um grau de probabilidade. A tese é que, para muitas aplicações de back-end — como análise de fraude ou moderação de conteúdo —, a explicação em linguagem natural é um luxo desnecessário. O que importa é a decisão binária ou categórica, entregue de forma instantânea e barata.

Uma IA para as máquinas

A arquitetura do Jev sacrifica a capacidade de gerar texto para otimizar velocidade e custo. A TypeSafe AI alega que seu modelo pode ser de 20 a 200 vezes mais rápido e de 40 a 400 vezes mais barato que LLMs convencionais para tarefas de decisão. O preço reflete essa eficiência: US$ 42 por bilhão de tokens de entrada, com os tokens de saída sendo gratuitos por serem “baratos demais para medir”.

Na prática, isso permite que o Jev opere em cenários de alta frequência, como um agente jogando o game Doom, tomando cerca de dez decisões por segundo a um custo de US$ 7 por hora, ou navegando entre artigos da Wikipedia. O nome “Jev” é uma referência ao economista William Stanley Jevons e sua famosa teoria paradoxal, que postula que o aumento da eficiência no uso de um recurso tende a aumentar, e não diminuir, seu consumo total. A aposta é que o mesmo ocorrerá com os tokens de IA.

Decisões, não alucinações?

A TypeSafe afirma que o Jev tem uma taxa de alucinação de 0%. A garantia vem da própria arquitetura: se um desenvolvedor define que as respostas possíveis são apenas “baixo”, “médio” ou “alto”, o modelo é incapaz de gerar uma quarta opção ou entregar um formato incorreto. Contudo, a empresa reconhece que isso não impede o modelo de errar a decisão — escolher “baixo” quando o correto seria “alto”. A técnica para calibrar a confiança nessas escolhas, batizada de RLCD (Reinforcement Learning for Calibrated Decisions), ainda carece de validação independente.

O ceticismo no mercado é palpável. Críticos, como o CEO da Replit, Amjad Masad, questionam se a abordagem é de fato revolucionária, uma vez que LLMs atuais já podem ser instruídos a gerar saídas estruturadas como arquivos JSON. A leitura, no entanto, é que o Jev não busca substituir o ChatGPT, mas sim complementá-lo. Ele se posiciona como uma camada de decisão para sistemas automatizados, onde a comunicação é de máquina para máquina.

O movimento da TypeSafe sugere uma especialização iminente no mercado de IA. Em vez de um único modelo generalista que faz tudo, o futuro pode pertencer a um ecossistema de IAs com diferentes arquiteturas, cada uma otimizada para uma função específica — algumas para conversar com humanos, outras para conversar apenas com software.

Com reportagem de Brazil Valley

Source · Xataka