The body content of your post goes here. To edit this text, click on it and delete this default text and start typing your own or paste your own from a different source.
The body content of your post goes here. To edit this text, click on it and delete this default text and start typing your own or paste your own from a different source.
Quais são exatamente as diferenças entre inteligência artificial generativa (IA), modelos de linguagem de grande porte e modelos de base? De repente, esses três termos parecem estar em toda parte e são frequentemente usados de forma intercambiável. Esta publicação fornece uma breve visão geral do significado de cada termo, onde eles se sobrepõem e como diferem. Para entender a origem desses termos, é útil entender como a pesquisa e o desenvolvimento em IA mudaram nos últimos cinco anos. A IA é um campo muito amplo, abrangendo pesquisas sobre diversos tipos de problemas, desde segmentação de anúncios até previsão do tempo, veículos autônomos, marcação de fotos, xadrez e reconhecimento de fala. Embora o campo da pesquisa em IA como um todo sempre tenha incluído trabalhos em paralelo sobre diversos tópicos, o aparente centro de gravidade que envolve os progressos mais empolgantes mudou ao longo dos anos. Em termos gerais, pode-se dizer que no início da década de 2010 houve um progresso notável na classificação de imagens e no reconhecimento de fala; em meados da década de 2010, o foco mudou para o aprendizado por reforço (especialmente para jogos como Go e StarCraft); e no final da década de 2010 e início da década de 2020, houve um boom na linguagem e na geração de imagens. Essa divisão cronológica é muito aproximada, e qualquer pesquisador diria que o trabalho em todas essas áreas — e em muitas outras — estava em andamento durante todo esse período e muito antes. A questão não é traçar limites claros, mas explicar que termos como IA generativa, modelos de linguagem de grande porte e modelos de base surgiram como tentativas de apontar para um conjunto de direções de pesquisa e sistemas de IA que se tornaram especialmente notáveis nos últimos anos. IA generativa é um termo amplo que pode ser usado para qualquer sistema de IA cuja função principal seja gerar conteúdo. Isso contrasta com sistemas de IA que desempenham outras funções, como classificar dados (por exemplo, atribuir rótulos a imagens), agrupar dados (por exemplo, identificar segmentos de clientes com comportamento de compra semelhante) ou escolher ações (por exemplo, dirigir um veículo autônomo). Exemplos típicos de sistemas de IA generativa incluem geradores de imagens (como Midjourney ou Stable Diffusion), modelos de linguagem de grande porte (como GPT-4, PaLM ou Claude), ferramentas de geração de código (como Copilot) ou ferramentas de geração de áudio (como VALL-E ou seem.ai). (Divulgação: atuo, sem remuneração, no conselho de administração da OpenAI, a empresa por trás do GPT-4.) O uso do termo “IA generativa” enfatiza a função de criação de conteúdo desses sistemas. É um termo relativamente intuitivo que abrange uma gama de tipos de IA que progrediram rapidamente nos últimos anos. Grandes modelos de linguagem (LLMs) são um tipo de sistema de IA que trabalha com linguagem. Da mesma forma que um engenheiro aeronáutico pode usar um software para modelar uma asa de avião, um pesquisador que cria um LLM visa modelar a linguagem, ou seja, criar uma representação digital simplificada, porém útil. A parte "grande" do termo descreve a tendência de treinar modelos de linguagem com mais parâmetros. 1 Uma descoberta fundamental dos últimos anos de pesquisa sobre modelos de linguagem foi que o uso de mais dados e poder computacional para treinar modelos com mais parâmetros resulta consistentemente em melhor desempenho. Consequentemente, modelos de linguagem de ponta treinados hoje podem ter milhares ou até milhões de vezes mais parâmetros do que modelos de linguagem treinados há dez anos, daí a descrição "grande". Exemplos típicos de LLMs incluem o GPT-4 da OpenAI, o PaLM do Google e o LLaMA da Meta. Há alguma ambiguidade sobre se devemos nos referir a produtos específicos (como o ChatGPT da OpenAI ou o Bard do Google) como LLMs propriamente ditos ou se devemos dizer que eles são alimentados por LLMs subjacentes. Como termo, LLM é o mais específico dos três discutidos aqui e é frequentemente usado por profissionais de IA para se referir a sistemas que trabalham com linguagem. No entanto, ainda é um descritor um tanto vago. Não está totalmente claro o que deve ou não ser considerado um modelo de linguagem — um modelo treinado em código de programação conta? E quanto a um que trabalha principalmente com linguagem, mas também pode receber imagens como entradas? Também não há consenso estabelecido sobre qual tamanho de modelo deve ser considerado "grande". Modelo de fundação é um termo popularizado por um instituto da Universidade Stanford. Refere-se a sistemas de IA com amplas capacidades que podem ser adaptados a uma gama de propósitos diferentes e mais específicos. Em outras palavras, o modelo original fornece uma base (daí o nome "fundação") sobre a qual outras coisas podem ser construídas. Isso contrasta com muitos outros sistemas de IA, que são especificamente treinados e, em seguida, utilizados para um propósito específico. Exemplos típicos de modelos de base incluem muitos dos mesmos sistemas listados como LLMs acima. Para ilustrar o que significa construir algo mais específico sobre uma base mais ampla, considere o ChatGPT. Para o ChatGPT original, um LLM chamado GPT-3.5 serviu como modelo de base. Simplificando um pouco, a OpenAI utilizou alguns dados específicos de chat para criar uma versão ajustada do GPT-3.5, especializada para ter um bom desempenho em um ambiente de chatbot, e então a incorporou ao ChatGPT. Atualmente, "modelo de base" é frequentemente usado como sinônimo de "modelo de linguagem abrangente", pois modelos de linguagem são atualmente o exemplo mais claro de sistemas com amplas capacidades que podem ser adaptados para propósitos específicos. A distinção relevante entre os termos é que "modelos de linguagem abrangentes" se refere especificamente a sistemas focados em linguagem, enquanto "modelo de base" tenta delinear um conceito mais amplo baseado em funções, que poderia se expandir para acomodar novos tipos de sistemas no futuro. 2 — Este post tem como objetivo esclarecer o significado de cada um desses três termos, como eles se sobrepõem e como diferem. É importante observar que, em nível técnico, não há linhas divisórias claras que separem esses termos uns dos outros ou de outros tipos de IA. Cada termo é uma tentativa de apontar para um conjunto de sistemas de interesse, não uma categoria estanque. Também não há uma hierarquia clara entre os termos: por exemplo, IA generativa poderia incluir LLMs ou modelos de base quando estes são usados para casos de uso generativos, mas não quando usados de outras maneiras. Considerando como o cenário da IA está evoluindo, os termos que usamos para descrever esses sistemas certamente mudarão ainda mais no futuro. Parâmetros são os números dentro de um modelo de IA que determinam como uma entrada (por exemplo, um trecho de texto de prompt) é convertida em uma saída (por exemplo, a próxima palavra após o prompt). O processo de "treinamento" de um modelo de IA consiste em usar técnicas de otimização matemática para ajustar os valores dos parâmetros do modelo repetidamente até que o modelo seja muito bom em converter entradas em saídas. Por exemplo, o modelo Gato da DeepMind foi projetado para realizar uma ampla gama de tarefas que não se limitam à linguagem, incluindo controlar um braço robótico e jogar videogames. Portanto, o Gato pode ser considerado um modelo de base, mas não um LLM.
Com o lançamento de grandes modelos de linguagem , como GPT-4 e outros sistemas de IA generativa, houve um grande aumento de conteúdo na internet e em diversas plataformas da indústria editorial. Isso trouxe oportunidades para os autores lançarem novos títulos mais rapidamente, mas a indústria editorial está mais vulnerável a golpes, pirataria e sobrecarga de conteúdo. Principais conclusões: As tecnologias de IA aumentaram as capacidades da indústria editorial, oferecendo aos autores um suporte sem precedentes em seus processos de escrita. Com a lei de proteção de direitos autorais ficando para trás em relação aos avanços tecnológicos, as principais partes interessadas desenvolveram seus processos para identificar conteúdo auxiliado por IA. Considerando o aumento mundial de conteúdo, os autores precisam não apenas dominar sua arte, mas também garantir que sejam descobertos em um mercado cada vez mais movimentado. As vantagens dos recursos de IA Não podemos negar: autores que usam ferramentas de IA começaram a escrever e publicar livros mais rapidamente. Desde testes entre estilos narrativos até a otimização do processo de edição e criação de capas de livros e, finalmente, o marketing pós-lançamento , as opções de software de IA parecem poder fornecer suporte confiável. O bloqueio criativo parece ser um problema do passado, agora que os autores podem aproveitar diversas ferramentas de escrita. Uma vez identificado o tema da história, a IA pode auxiliar na escrita do enredo e no teste de possíveis resoluções ou vozes narrativas. Os autores podem usar suas comunidades de escrita para testar ideias e estilos com leitores em potencial ou com sua base de fãs confiáveis. O quanto de IA é uma boa IA? Desde que a adoção da IA se tornou comum, autores têm lutado contra o uso de seus textos para treinar grandes modelos de linguagem. Eles exigem proteção contra tal uso sem seu consentimento e compensação pelo que foi usado até o momento. Enquanto uma resolução legal está pendente, várias outras partes interessadas estão tentando acompanhar a onda de inovação da IA. O Coletivo de Pioneiros do CCC tem anunciou recentemente que editores e detentores de direitos agora podem conceder permissão para que seu conteúdo seja usado no treinamento de modelos de IA como parte de seus acordos de licenciamento. Veja abaixo as considerações de Jane Friendman, bem como uma lista de editoras que já assinaram um acordo de parceria com empresas de IA. Teoricamente, os autores poderiam se opor e reter seu material do treinamento, mas isso seria recusar dinheiro gratuito. As preocupações do autor médio sobre treinamento ou ingestão de IA frequentemente revelam um mal-entendido sobre o que os modelos de linguagem de grande porte de hoje pretendem fazer. Eles não são bancos de dados onde você recupera informações. Eles não são máquinas que pretendem roubar, plagiar ou regurgitar. (Se e quando o fizerem, os desenvolvedores consideram isso uma falha a ser resolvida.) Benedict Evans expressou isso eloquentemente: "A OpenAI não 'pirateou' seu livro ou sua história no sentido que normalmente usamos essa palavra, e não está distribuindo de graça. Na verdade, ela não precisa daquele romance em particular. Na ótima frase de Tim O'Reilly, dados não são petróleo; dados são areia. Eles só têm valor na soma de bilhões, e seu romance, música ou artigo é apenas um grão de poeira na Grande Pirâmide. Jane Friedman , goste ou não, as editoras estão licenciando livros para treinamento em IA — e usando a própria IA 1. A Guilda dos Autores O Authors Guild publicou recentemente um guia de boas práticas para autores que utilizam IA em seus textos. Este guia reconhece os potenciais benefícios e desvantagens da IA na criação de conteúdo. Antes de usar IA generativa: Os autores devem ponderar as implicações éticas do uso de IA generativa e priorizar o conteúdo original. Ferramentas de IA podem servir como assistentes valiosos para brainstorming e refinamento de ideias, mas os autores devem evitar depender da IA como sua principal fonte de trabalho. Os autores devem garantir que o texto gerado pela IA seja reescrito em sua voz para preservar a autenticidade. Considerações éticas: Os autores devem respeitar os direitos de outros criadores e evitar infringir direitos autorais ou imitar estilos distintos. A revisão e a verificação de fatos completas do conteúdo gerado por IA são essenciais devido a potenciais imprecisões e vieses (como alucinações de dados ). Divulgação do uso de IA: Os autores devem divulgar qualquer uso significativo de texto, personagens ou enredo gerados por IA aos editores, pois isso pode afetar acordos contratuais. A discussão com agentes e editores é essencial para garantir termos contratuais apropriados quanto ao uso de IA e originalidade. Os editores podem ter diretrizes específicas sobre o uso de IA pelos autores, ressaltando a importância da comunicação e da adesão às obrigações contratuais. 2. Na Digital World Brasil Somos uma empresa que utiliza IA e busca usar o avanço tecnológico para otimizar processos e ajudar autores e editores a se conectar com seus públicos-alvo em mercados globais. Temos um assistente de IA que responde a qualquer pergunta relacionada à nossa plataforma. Mesmo assim, prezamos pela precisão de cada informação: o assistente responde com base na nossa central de ajuda, então tudo é tratado primeiramente por um humano. Como a Digital World Brasil lida com conteúdo gerado por IA? Varejistas como a Amazon exigem que você informe sobre conteúdo gerado por IA (texto, imagens ou traduções). A PublishDrive é uma distribuidora global, então não exigimos divulgação de IA como alguns varejistas, e podemos distribuir esses livros, a menos que uma loja os rejeite explicitamente. Mesmo assim, incentivamos fortemente os autores a serem transparentes sobre o uso de IA em seu conteúdo. De acordo com os Termos e Condições do PublishDrive , o usuário é responsável pelo conteúdo. Embora o PublishDrive permita livros gerados por IA, ainda é recomendável divulgar o uso de IA nos metadados porque ele pode ser sinalizado de qualquer maneira: o PublishDrive verifica manualmente os metadados e pode identificar o conteúdo gerado por IA. Como não rejeitamos esses livros, os autores devem divulgar o uso de IA nos metadados, especialmente se um livro for parcialmente criado por IA e for mais difícil de perceber. Lembre-se: livros com pouco conteúdo são sempre suspeitos. Eles podem ser facilmente criados por IA (como conteúdo curto e repetitivo), e sempre solicitamos documentos de direitos autorais nesses casos antes de liberar o livro. 3. O Escritório de Direitos Autorais dos EUA O Escritório de Direitos Autorais dos EUA está realizando um estudo sobre o impacto da IA generativa na lei de direitos autorais. A primeira seção, prevista para a primavera de 2024, concentra-se em réplicas digitais criadas por IA. A segunda parte, prevista para o verão de 2024, aborda a proteção de direitos autorais de obras com material gerado por IA, o treinamento de modelos de IA em obras protegidas por direitos autorais e questões relacionadas a licenciamento e responsabilidade. O Escritório planeja atualizar o Compêndio de Práticas do Escritório de Direitos Autorais dos EUA, fornecendo mais orientações sobre o registro de obras que contenham material gerado por IA. Esta atualização ocorrerá após um aviso público solicitando comentários das partes interessadas. 4. Lei da UE sobre IA A Federação Europeia de Editores [FEP] elogiou a adoção da Lei de Inteligência Artificial (IA) da UE. A legislação garante o desenvolvimento ético da IA e previne práticas abusivas ou ilegais. A Lei complementa as obrigações de direitos autorais existentes, permitindo que os detentores de direitos optem por não participar da mineração de textos e dados e suporte a sistemas de licenciamento. Os requisitos de transparência previstos na Lei são vistos como cruciais pela FEP, permitindo que os editores protejam seus direitos e verifiquem o uso legal de suas obras no treinamento de IA. Mais de 200 organizações nos setores criativos da Europa apoiaram a legislação , citando preocupações sobre o uso não autorizado de obras protegidas por direitos autorais no treinamento de modelos de IA. As armadilhas das capacidades da IA A Writen Word Media listou as 10 principais tendências de publicação para 2024; três delas estão diretamente ligadas ao aumento das tecnologias de IA. 1. Qualidade é rei Os autores foram incentivados a desenvolver um portfólio consistente por anos, especialmente quando autopublicavam. Foi um conselho seguido pelos autores, pois lhes permitiu desenvolver e consolidar seus leitores e fazer promoções para aumentar a capacidade de descoberta em nichos vizinhos. Ficção serializada é um excelente recurso para acumular promoções (mais uma vez, uma tendência para 2025!). Embora a quantidade continue sendo um atributo de autores consagrados, a qualidade é a força motriz da indústria editorial. A expectativa é que a seletividade dos leitores aumente, à medida que nos deparamos com um número crescente de publicações escritas com suporte de IA ou inteiramente por IA. Agora, os autores precisam não apenas dominar o tópico, mas também considerar o livro como um produto comercializável. Isso se traduz em: dando mais atenção à edição e, em geral, à fase de preparação do manuscrito. tornando sua capa memorável pesquisando as melhores fontes acertando em cheio na sinopse entendendo metadados familiarizar-se com técnicas básicas de SEO para melhorar a capacidade de descoberta Embora os autores possam optar por não usar assistência de IA para escrever, de acordo com a Written Word Media, a maioria dos autores usa ferramentas de IA para divulgar seus livros. Ricardo Fayet prevê algumas mudanças na forma como os autores operam no TikTok em 2024: “O TikTok continua sendo uma das poucas plataformas de mídia social onde os autores podem esperar alcançar os leitores organicamente — sem investir em anúncios pagos”, escreve Fayet. “À medida que a plataforma amadurece, espero que esse alcance seja progressivamente prejudicado. Paralelamente, espero que o TikTok invista muito mais em sua plataforma de publicidade e vejo a plataforma se consolidando como uma alternativa válida ao Meta/Amazon/BookBub para a promoção de livros.” A previsão de Fayet segue a lógica de como outras plataformas de mídia social operaram para maximizar as receitas. O Facebook costumava ser um lugar onde uma simples publicação podia facilmente atingir milhares de leitores, mas, à medida que a empresa expandia seus negócios de anúncios, oferecer esse alcance gratuitamente se tornou menos atraente. O que isso significa para os autores: se você está no TikTok, mas viu seu alcance orgânico cair, pode valer a pena experimentar um anúncio pago. Essa ainda não é uma estratégia amplamente utilizada, mas os pioneiros podem ter uma vantagem. Além disso, o TikTok pode oferecer cada vez menos visualizações nos próximos anos. Monitore o tempo e o esforço que você dedica à criação de conteúdo. Se você observar uma queda consistente no desempenho, isso pode significar que essa tendência de publicação está se concretizando. 2. Pirataria Existe um lado obscuro na geração de conteúdo por IA: fazendas de conteúdo produzem conteúdo semelhante ao de autores de best-sellers e mainstream. Elas imitam seu tom de voz e estilo de capa, enganando os algoritmos de varejistas como a Amazon, pois são carregadas de SEO. Essa prática dificulta que os leitores percebam quando estão sendo enganados e acaba se aproveitando dos autores que são afetados financeiramente por essa tendência. A pirataria não é um problema novo no mercado editorial. Ainda assim, na era da IA, com a regulamentação de direitos autorais ficando para trás em relação aos avanços tecnológicos, os autores precisam de novas camadas de proteção de direitos autorais, já que a pirataria se tornou mais acessível e frequente. Conclusão Quando usada eticamente, a adoção da IA pode trazer grandes benefícios aos autores, tornando sua jornada de publicação mais gerenciável e gratificante. Por exemplo, a criação de audiolivros se tornou fácil e acessível. A narração por IA pode transformar um livro em audiolivro em uma fração do tempo necessário no passado. Com a expansão da alfabetização digital, novos mercados são acessados anualmente a partir do conforto de uma única plataforma. Tudo acontece em ritmo acelerado – desde lançamentos tecnológicos até publicação e vendas. Os autores precisam estar cientes dos efeitos da cultura rápida, que prioriza custos baixos e alto volume e muitas vezes leva a uma enxurrada de conteúdo de baixa qualidade. Bons livros não desaparecerão enquanto os autores permanecerem fiéis à sua arte, mas podem se tornar mais difíceis de identificar.
The body content of your post goes here. To edit this text, click on it and delete this default text and start typing your own or paste your own from a different source.
A revolução da acessibilidade chegou
Passo a passo para lançar seu livro com qualidade profissional
Técnicas de marketing literário desde o início da produção
Um comparativo honesto para orientar o autor na escolha ideal de publicação
Escrever é um ato poderoso, mas o caminho entre a inspiração e a publicação pode estar repleto de armadilhas — especialmente para quem está começando. Se você sonha em publicar um livro, e-book ou até um audiobook, conheça agora os erros mais comuns dos escritores iniciantes e como evitá-los. Ao final, você vai perceber como a Editora Digital World Brasil pode ser sua parceira ideal nessa jornada. 1. Esperar “inspiração divina” para começar a escrever Erro comum: Depender exclusivamente de momentos de inspiração para escrever. Como evitar: Crie uma rotina de escrita. Escrever é mais disciplina do que inspiração. Bloqueios criativos se superam escrevendo — nem que seja mal no início. 2. Querer perfeição logo no primeiro rascunho Erro comum: Tentar escrever a obra-prima já no primeiro parágrafo. Como evitar: Entenda que o primeiro rascunho serve para errar. Reescrever é onde a verdadeira mágica acontece. O escritor Ernest Hemingway dizia: “O primeiro rascunho de qualquer coisa é uma porcaria.” 3. Escrever sem planejamento ou estrutura Erro comum: Começar a escrever sem saber para onde vai a história. Como evitar: Defina pelo menos uma estrutura mínima — início, meio e fim. Use esquemas, mapas mentais ou fichas de personagem para organizar as ideias. 4. Ignorar a importância da revisão profissional Erro comum: Achar que revisar sozinho é suficiente. Como evitar: Mesmo que você seja bom em português, um revisor profissional vê o que você não vê — desde erros gramaticais até incoerências de estilo. A Digital World Brasil oferece serviços de revisão completos para garantir qualidade e credibilidade ao seu livro. 5. Subestimar o valor de uma boa capa Erro comum: Usar capas amadoras ou genéricas. Como evitar: A capa é a primeira impressão que seu livro causa. Invista em design profissional e coerente com o gênero da obra. Ajudamos você a criar capas que vendem, não que afastam leitores. 6. Publicar sem registro ou ISBN Erro comum: Lançar o livro sem proteção legal e sem cadastro oficial. Como evitar: Toda obra publicada precisa de ISBN e registro de direitos autorais. A Editora Digital World Brasil realiza esse processo para você, de forma prática e segura. 7. Esquecer o leitor ideal Erro comum: Escrever apenas para si, sem pensar no público. Como evitar: Pergunte-se: para quem estou escrevendo? Conheça seu leitor-alvo. Isso ajuda a definir linguagem, tom e até onde divulgar seu livro. 8. Negligenciar a divulgação do livro Erro comum: Achar que o livro vai se vender sozinho. Como evitar: Use redes sociais, parcerias, blogs e estratégias de marketing digital. E se não souber como fazer isso, conte com nosso plano de marketing literário. 9. Achar que só grandes editoras podem publicar bons livros Erro comum: Esperar anos por uma resposta de editoras tradicionais. Como evitar: A autopublicação é uma realidade poderosa e acessível. Com orientação e qualidade, você pode lançar sua obra com independência, mantendo seus direitos e lucros. A Editora Digital World Brasil cuida disso com você. 10. Desistir cedo demais Erro comum: Parar no meio do caminho por insegurança ou perfeccionismo. Como evitar: Persistência é a principal virtude de um autor. Dê pequenos passos todos os dias. Se necessário, tenha apoio de mentores e consultores editoriais — como os da nossa equipe. Conclusão: Errar é humano. Corrigir é de escritor. Publicar é para quem age. Se você se identificou com algum desses erros, ótimo: isso significa que está no caminho certo para aprender. A Editora Digital World Brasil está aqui para te ajudar a corrigir, lapidar e publicar sua obra com excelência. Quer evitar esses erros e publicar seu livro com qualidade profissional? Fale com a nossa equipe e descubra como podemos ajudar você a se tornar autor ou autora da sua própria história.
