São Paulo — InkDesign News — A utilização de machine learning em serviços de busca e inteligência artificial (IA) continua avançando com o lançamento da plataforma Gemini pelo Google, que integra dados exclusivos de busca para aprimorar seus modelos e mantém diferenças estratégicas no acesso a informações para outras empresas do setor.
Contexto da pesquisa
Google iniciou em 2024 a oferta de um serviço de “grounding” de resposta, que permite modelos de IA verificar resultados de web como base para melhorar acurácia, disponível via sua plataforma Vertex AI. No entanto, recursos-chave, como o Knowledge Graph e a OneBox, permanecem exclusivos para o próprio sistema Gemini, da Alphabet Inc., conforme relatado em documentos de tribunal e testemunhos recentes de Liz Reid, chefe de busca do Google.
Método proposto
A abordagem do Gemini se baseia em um vasto conjunto de dados extraídos das buscas, complementado por recursos estruturados que descrevem relações entre entidades e fornecem resultados instantâneos para algumas consultas, como scores esportivos e informações de voos. O grounding para parceiros externos ocorre por meio da integração dos resultados de busca via Vertex AI, que, embora similar em dados web, não oferece esses recursos agregados exclusivos do Gemini.
Resultados e impacto
Segundo Reid, a diferença de acesso reflete um equilíbrio entre segurança de dados e inovação, já que a proposta do Departamento de Justiça dos EUA para compartilhamento amplo dos dados do Google poderia representar riscos de segurança e distração de cerca de 2.000 engenheiros, conforme estimativa preliminar. A estratégia reflete ainda um cenário competitivo tenso, com outras empresas como Anthropic, Meta e OpenAI buscando alternativas para grounding em IA.
“O departamento de justiça propõe um compartilhamento extenso e invasivo que daria à concorrência um enorme tesouro de dados e provavelmente os tornaria alvo de hackers.”
(“The justice department’s data-sharing proposal—which she called “extensive and invasive”—would provide rivals with “a huge treasure trove of data” that would likely make them the target of hackers.”)— Liz Reid, Chefe de Busca, Google
Os desenvolvimentos apontam para uma crescente complexidade na integração de IA e buscas, com impactos significativos na construção de modelos que combinam aprendizado profundo com dados estruturados e em larga escala. A continuidade das pesquisas deverá explorar maneiras de equilibrar acesso e segurança, além de ampliar benchmarks e métricas de avaliação dos modelos.
Saiba mais em machine learning e deep learning.
Fonte: (TechXplore – Machine Learning & AI)
