AESE insight #132 - AESE Business School - Formação de Executivos
  • Área pessoal
  • MyAESE
  • AESE
  • Empresas
  • Professores
  • Alumni
  • English
AESE Business School - Formação de Executivos
  • Executive MBA
  • Programas Executivos
    • Global Executive | EDGE
    • Alta Direção | PADE
    • Direção de Empresas | PDE
    • Gestão e Liderança | PGL
    • Gestão Executiva | DEEP online
  • Programas Setoriais
    • Cadeia Agroalimentar | GAIN
    • Construir o futuro | PEF
    • Direção em Saúde | PADIS
    • Energia | AMEG
    • Estratégias de Gestão | CRI
    • Gestão e Liderança em Saúde | GLS
    • Health Business Strategy | HBS
    • Líderes no feminino | OSA
    • Mobilidade | GSM
    • Organizações Sociais | GOS
    • Summer School
  • Short Programs
    • AI & Analytics
    • Digital & Operações
    • Estratégia
    • Finanças
    • Inovação & Serviços
    • Liderança
    • Marketing & Vendas
  • Customizados
  • Search
  • Menu

AESE insight #132 > Thinking ahead

Artigos e Recomendações de leitura

Jorge Costa Silva

Investigador na Iniciativa de Inteligência Artificial da AESE Business School

Por que é que a IA se engana tanto?

Com o lançamento do ChatGPT, em novembro de 2023, o nosso contacto com a Inteligência Artificial (IA) passou para outro nível. Para muitos de nós, o uso deste tipo de ferramentas tornou-se um hábito diário. Por exemplo, um estudo recente, realizado conjuntamente por professores da AESE Business School e do Instituto Superior Técnico, revelou que 70% dos gestores nacionais utilizam a IA Generativa (isto é, o ChatGPT ou aplicações semelhantes) várias vezes por semana, no seu contexto profissional.

Por esta razão, já há muito percebemos que a IA se engana bastante. E podemos questionar-nos: como é possível que algo que parece saber tanto sobre tantos temas diferentes e complexos, cometa, ao mesmo tempo, erros grosseiros e infantis? A resposta a esta interrogação pode ajudar-nos a usar a IA Generativa com maior eficácia.

Em primeiro lugar, a IA não tem qualquer noção sobre a verdade do que está a dizer. É como uma pessoa que decorou um texto, do qual não compreende o significado de uma só palavra. Efetivamente, a IA Generativa “leu” um acervo gigantesco de informação (páginas da Internet, livros, etc.) e aprendeu a completar frases de acordo com esse material.

Para dar um exemplo hipotético (ou talvez não tanto), imaginemos que metade das páginas da Internet do mundo inteiro dizem que o melhor jogador de futebol é o Cristiano Ronaldo. E que a outra metade diz essa distinção deve ser dada ao Lionel Messi. Desta forma (e simplificando), se perguntarmos várias vezes ao ChatGPT quem é o melhor jogador de futebol de mundo, responderá metade das vezes “Ronaldo” e a outra metade “Messi”. Em suma, o ChatGPT responde de acordo com a distribuição estatística da informação a que teve acesso, não de acordo com a informação que é, de facto, verdadeira.

Por outro lado, a AI Generativa é como um cérebro cuja memória ficou parada no tempo. O ChatGPT (tal como as outras aplicações semelhantes) vai tendo cérebros sucessivamente mais elaborados: são os chamados modelos, nos quais se sintetiza e estrutura a informação a que tiveram acesso. Ora, todos esses modelos partilham uma mesma característica: só conhecem a informação que estava disponível à data da sua criação. Se um modelo é criado, digamos, no final de 2024, nada do que aconteceu em 2025 é do seu conhecimento.

Este problema, que nas primeiras versões do ChatGPT era muito significativo, está agora mitigado, porque estas aplicação já fazem pesquisas na Internet, mediante as quais obtêm informação mais atualizada. Contudo, ainda continua a ser motivo de erros. Uma sugestão prática: ao fazer uma pergunta, procure perceber se a aplicação começa a usar a Internet ou recorre apenas ao seu conhecimento estático. Isso pode fazer toda a diferença.

Há mais razões para os erros da IA, mas hoje ficamos por estas duas. Tendo-as em mente, podemos tirar mais partido da IA Generativa.



Publicado na Líder Magazine

Inovação na Europa: a falta do mercado único

Luís Cabral
Professor da Universidade de Nova Iorque e colaborador da AESE Business School e da Nova SBE

Ritmo, Fluxo e Tempo: O Que a Música Ensina à Gestão de Filas e Espera

Miguel Guerreiro
Professor da Área de Operações e Diretor do Programa de Direção de Empresas da AESE Business School

A arte de pintar um quadro em cinco minutos

Pedro Alvito
Professor da Área de Política de Empresa da AESE Business School

Balance operational efficiency with resilience to weather geopolitical storms

Mike Rosenberg
Professor de Gestão Estratégica do IESE Business School e Professor convidado da AESE Business School

As recomendações de leitura

Agentic AI use cases: Beyond the digital storefront

Hack yourself: Reimagine your job and start experimenting with AI at work

We need diversity in our social ecosystem too

Tip of the week

“Without a sense of urgency, people won’t give that extra effort needed to make change happen.” John P. Kotter, Leading Change

Contactos

InstagramLinkedinYoutube
2024 Copyright AESE Business School :: Todos os direitos reservados :: Usamos cookies para darmos a melhor experiência no nosso site. Ao continuar a sua navegação iremos assumir que não tem nenhuma objeção com a utilização de cookies.
  • Contactos
  • Media Kit
  • Política de privacidade
  • Notas legais e lei aplicável
2024 Copyright AESE Business School :: Todos os direitos reservados :: Usamos cookies para darmos a melhor experiência no nosso site. Ao continuar a sua navegação iremos assumir que não tem nenhuma objeção com a utilização de cookies.


Pedido de informação enviado com sucesso.

Scroll to top