Nas mais diversas áreas, uma decisão pode ser tomada com base em várias opiniões. A ideia de combinar diversas perspectivas de pessoas geralmente leva a construção de um panorama muito mais amplo para a escolha e tomada de decisões de sucesso. Mas como isso poderia ser aplicado à uma multidão de Inteligências Artificiais (IAs)?
Philip Tetlock, professor de administração na Wharton School da Universidade da Pensilvânia, e um grupo de pesquisadores descobriram através de um estudo (“Wisdom of the Silicon Crowd: LLM Ensemble Prediction Capabilities Rival Human Crowd Accuracy“), que a combinação de previsões de diferentes sistemas de Inteligência Artificial (IA) pode atingir uma precisão comparável à dos previsores humanos.
O acadêmico disse ao jornal de negócios da Wharton School que os resultados se tratam de “uma mudança de paradigma”. Para ele, as previsões de IA não estão apenas combinando com a experiência humana, “elas estão mudando completamente a forma como pensamos sobre previsões”.
Como isso funciona?
No documento, Tetlock e seu parceiros de estudo contam que a combinação de previsões de vários modelos de IAs aumentou significativamente sua precisão. Tetlock e seu grupo testaram o método em cenários do mundo real, com prompts cuidadosamente criados, os quais os modelos de IAs não encontraram durante os testes. Isso garantiu que a IA não estivesse apenas colhendo informações já conhecidas. O mais curioso está em como os erros se equilibram, e a partir daí, a combinação de IAs cancela as inconsistências em suas previsões trazendo o melhor resultado.
O estudo também descobriu que as previsões de IA foram muito melhoradas (entre 17% e 28%) quando constituídas por informações de humanos. Para Tetlock, as melhores previsões surgem quando a intuição humana encontra a precisão da máquina. A pesquisa revelou que os melhores resultados vieram da média das previsões humanas e de IA, em vez de confiar totalmente na IA para sintetizá-las. “A chave para a resolução é a confiança com clareza. Aposte no que é provável e recue onde não é”, sintetizou Tetlock.
Juntos, somos melhores
Contudo o resultado do estudo nos mostra que, embora a IA esteja avançando, a inteligência humana ainda desempenha um papel decisivo na criação de previsões mais precisas e de alto risco. Um dos grandes desafios para uma maior autonomia da IA se dá no intervalo de tempo entre seus dados de treinamento e os eventos que ela está prevendo. Quando esse período é longo, essa falta de conhecimento atualizado reduz sua precisão. Comparado com a inteligência humana, é como se nos distanciássemos dos acontecimentos do mundo, parássemos de estudar e, ao voltarmos para uma conversa com amigos, não soubéssemos como analisar o mundo com maior conhecimento e emitir uma opinião mais precisa.
Para Daniel Lázaro, líder de Data & AI na Accenture para América Latina, esse caminho da combinação entre IAs e inteligência humana é fundamental para potencializar o poder de ambas e auxiliar organizações nas tomadas de decisões. “Juntos, podemos alcançar resultados muito superiores do que trabalhando isoladamente. A IA pode processar grandes volumes de dados, identificar padrões complexos e automatizar tarefas repetitivas, enquanto os humanos trazem criatividade, intuição, pensamento crítico e capacidade de tomar decisões complexas em contextos ambíguos”.
Nesse sentido, o professor Philip Tetlock reforça, “isso é apenas o começo”. E à medida que refinamos sistemas de LLMs, as IAs não apenas se tornarão mais precisas, mas, certamente, mudarão a forma como tomaremos decisões no futuro.
Principais insights do estudo
- A integração das previsões de diferentes sistemas de IA resulta em estimativas tão precisas quanto as feitas por especialistas humanos, proporcionando uma alternativa mais ágil e econômica para realizar previsões;
- Os resultados mais eficazes são alcançados quando as previsões geradas pela IA são combinadas com percepções humanas, evidenciando a importância da intuição humana no processo de tomada de decisões;
- Conjuntos de sistemas de IA se destacam na correção de erros, mas enfrentam desafios como a utilização de dados desatualizados.