São Paulo — InkDesign News — Ida Silfverskiöld, uma economista e programadora autodidata, compartilha sua experiência em machine learning e inteligência artificial, destacando a importância de uma abordagem generalista em um campo que muitas vezes valoriza a especialização.
Arquitetura de modelo
De acordo com Silfverskiöld, “as pessoas veem os generalistas como tendo conhecimento raso, mas os generalistas também podem aprofundar-se” (
“People see generalists as having shallow knowledge, but generalists can also dig deep.”
— Ida Silfverskiöld, Economista e Engenheira de Software
). Este enfoque interdisciplinar permite a análise abrangente de parâmetros como tecnologia, custo e mercado, essencial para o desenvolvimento de sistemas de inteligência artificial.
Treinamento e otimização
A profissional ressalta a importância dos “sistemas de avaliação”. Para Silfverskiöld, é fundamental que “se um produto será utilizado por muitas pessoas, garanta que você tenha algumas métricas em vigor” (
“If a product will be used by a lot of people, make sure you have some in place.”
— Ida Silfverskiöld, Economista e Engenheira de Software
). Ela defende que as métricas devem ser personalizadas para cada caso de uso. No desenvolvimento de assistentes de código, é importante medir a taxa de aceitação dos desenvolvedores e a completude das interações.
Resultados e métricas
Os desafios enfrentados pelos seus clientes variam frequentemente, sendo um padrão a busca por soluções personalizadas. Silfverskiöld afirma que a construção interna de sistemas pode ser complicada e, segundo estudos, muitos projetos falham (
“a maioria das empresas está procurando algo customizado, o que é ótimo para consultores, mas construir internamente é repleto de complexidades”
— Ida Silfverskiöld, Economista e Engenheira de Software
). A criação de métricas eficazes em sistemas de retrieval-augmented generation (RAG) é um tópico de seu interesse atual, evidenciando cada vez mais a importância de uma implementação cuidadosa.
A combinação de habilidades diversas e uma abordagem generalista pode ser um diferencial crucial em um setor em rápida evolução, moldando o futuro da inteligência artificial. O foco em sistemas de agentic AI e a exploração de modelos menores são estratégias a serem consideradas para aprimorar o desenvolvimento de soluções de AI.
Fonte: (Towards Data Science – AI, ML & Deep Learning)
