São Paulo — InkDesign News —
Pesquisadores estão investindo continuamente em métodos de machine learning e inteligência artificial (AI) para criar soluções inovadoras que integram de forma mais eficaz a tecnologia em nossas vidas diárias.
Contexto da pesquisa
Atualmente, a comunidade científica tem explorado abordagens como Redes Neurais Convolucionais (CNN) e Modelos de Linguagem de Grande Escala (LLM) para desenvolver produtos que melhorem a interação humana com os dispositivos tecnológicos. A crescente demanda por inovações em AI tem levado pesquisadores a reavaliar as interfaces tradicionais, buscando métodos mais intuitivos e acessíveis.
Método proposto
Recentemente, um grupo de cientistas na Universidade de São Paulo desenvolveu um modelo de LLM voltado para assistentes digitais. Este modelo utiliza um conjunto de dados diversificado, incluindo conversas humanas, para treinar a máquina a entender nuances e contextos, aumentando sua eficácia em interações. Os benchmarks usados incluem o GLUE e o SQuAD, que medem a acuracidade e a capacidade de compreensão de linguagem.
“A solução que apresentamos é capaz de aprender de forma contínua, adaptando-se ao comportamento do usuário ao longo do tempo.”
(“The solution we presented is able to learn continuously, adapting to user behavior over time.”)— Dr. José Silva, Pesquisador, Universidade de São Paulo
Resultados e impacto
Os resultados preliminares indicam que o modelo alcançou 95% de acuracidade em tarefas de compreensão de linguagem, superando modelos anteriores. Além disso, os testes mostraram que 80% dos participantes preferiram a nova interface àquelas já disponíveis no mercado. Este avanço não apenas promete melhorar a eficiência das interações com assistentes virtuais, mas também abre caminho para aplicações em áreas como educação e saúde.
“Estamos apenas no início de uma revolução tecnológica onde a AI poderá ser integrada em diferentes contextos sociais.”
(“We are just at the beginning of a technological revolution where AI can be integrated into different social contexts.”)— Ana Carolina, Professora, Instituto de Tecnologia de São Paulo
Os próximos passos envolvem a implementação de testes em larga escala e o envolvimento de usuários para colete de feedback, visando cada vez mais a experiência personalizada.
Fonte: (TechXplore – Machine Learning & AI)
