Novo modelo experimental resolve quebra-cabeças complexos internamente, reduzindo custos de computação.
A inteligência artificial pode conseguir raciocinar sem precisar colocar cada etapa em palavras, conforme um novo estudo experimental. Sistemas atuais costumam gerar longas cadeias de texto antes de dar uma resposta, o que consome bastante poder de computação.
Um sistema experimental chamado BDH-CQ foi desenvolvido para testar se a inteligência artificial realmente precisa da linguagem natural em todas as etapas do raciocínio. A pesquisa demonstra que o modelo consegue resolver problemas complexos de forma interna, conforme informação divulgada por sciencenews.
Especialistas avaliam que a abordagem pode tornar o uso de modelos de linguagem mais barato e eficiente, embora ressaltem a necessidade de mais testes para comparar a arquitetura com outras tecnologias do mercado de tecnologia.
Como funciona o raciocínio sem palavras na inteligência artificial
Durante a fase de testes, o modelo BDH-CQ utiliza exemplos visuais para atualizar uma memória de tamanho fixo, em vez de reexaminar tudo o que já viu. A CEO da empresa de inteligência artificial Pathway, Zuzanna Stamirowska, explica que o modelo resolve os problemas internamente, sem converter cada etapa em linguagem.
A cientista da computação destaca que nada do processo intermediário é transformado em palavras durante a execução da consulta. Essa característica diferencia o sistema dos métodos tradicionais de raciocínio passo a passo baseados em tokens textuais.
Desempenho em testes de inteligência artificial
O modelo BDH-CQ resolveu cerca de três em cada dez quebra-cabeças na base de avaliação pública ARC-AGI-1 ao receber duas tentativas. Os testes medem a capacidade de inferir regras visuais a partir de exemplos e aplicá-las a novos desafios, de maneira semelhante a exames aplicados a estudantes humanos.
A cientista Zuzanna Stamirowska aponta que o sistema lidou bem com tarefas envolvendo movimento de formas, mas enfrentou dificuldades com mudanças de cores. Pesquisadores como Yuntian Deng, da Universidade de Waterloo, e Jonas Geiping, do ELLIS Institute Tübingen, consideram o resultado interessante para a eficiência.
Redução de custos operacionais com modelos compactos
A principal vantagem apontada pelos pesquisadores é a diminuição no consumo de recursos computacionais e nos custos operacionais das consultas. Cada consulta no modelo BDH-CQ custa cerca de 0,00070 dólar, o que representa aproximadamente um onze avos do valor estimado para o GPT-5.6 Luna.
Yuntian Deng avalia que modelos especializados de menor porte representam um caminho promissor para a eficiência, embora a falta de etapas escritas torne a inspeção do raciocínio interno mais difícil para os cientistas que estudam o comportamento dos algoritmos.
Perguntas Frequentes
O que é o modelo de inteligência artificial BDH-CQ?
O BDH-CQ é um sistema experimental de inteligência artificial projetado para resolver quebra-cabeças lógicos sem gerar etapas intermediárias em linguagem natural.
Como a inteligência artificial consegue raciocinar sem palavras?
O modelo utiliza os exemplos fornecidos para atualizar uma memória interna de tamanho fixo, processando a solução internamente antes de entregar a resposta final.
Quais são as vantagens de raciocinar sem usar linguagem natural?
A principal vantagem é a redução significativa no consumo de poder computacional, barateando o custo por consulta em comparação com modelos tradicionais.