O impacto da inteligência artificial (IA) na sociedade é cada vez mais irrefutável. De algoritmos capazes de vencer humanos nos jogos mais complexos – sejam eles clássicos, como o Go, ou modernos, como o Starcraft 2 – até métodos para melhorar a medicina diagnóstica, praticamente todas as áreas do conhecimento vem sendo impactadas, de diferentes maneiras, por essas novas tecnologias.

Não só isso, mas esses métodos e técnicas também vem permeando o mundo dos negócios, muitas vezes sendo utilizados por empresas em processos dos quais nem ficamos sabendo, como a análise de crédito, a prevenção à fraude, e até a cybersegurança. As estatísticas recentes já falam em mais de 30% das empresas utilizando tecnologia de I.A. em seus processos do dia-a-dia de maneira irreversível.

Ao mesmo tempo, estamos vendo uma concentração cada vez maior do conhecimento sobre essa tecnologia nas mãos de algumas poucas grandes empresas. Na área de inteligência artificial, estamos deixando de ter um ambiente de inovação aberta, liderado por pesquisas acadêmicas com resultados divulgados e abertos para que todos possam usufruir das inovações, e caminhando para um ambiente de inovação fechada, aonde alguns poucos controlam o direcionamento e a evolução dessa tecnologia tão importante. As razões para isso são diversas, e os riscos são altos.

 

Custos

O primeiro motivo para essa concentração de conhecimento é o custo de desenvolvimento das novas técnicas e algoritmos. Os modelos de crédito mais sofisticados desenvolvidos em instituições financeiras hoje utilizam centenas, ou, no máximo, alguns milhares de parâmetros de entrada para calcular uma resposta e classificar os indivíduos. O GPT-3, modelo de produção de texto a partir de informações contextuais desenvolvido pela OpenAI, utiliza mais de 175 bilhões de parâmetros. Estamos falando de algo 100 bilhões de vezes maior e mais complexo do que o “estado da arte” em um dos mercados com a maior maturidade de dados do mundo.

O aumento de complexidade traz, naturalmente, um aumento no custo de desenvolvimento e manutenção destes modelos. Para realizar o processamento necessário para treinar um modelo dessa magnitude, são necessárias milhões de horas de computação. Mesmo com a expansão da computação em nuvem, e da redução do custo de processamento, esses milhões de horas se traduzem em centenas de milhares de dólares. Poucas empresas no mundo podem arcar com esse tipo de custo, e as empresas que operam as maiores nuvens públicas de computação – Amazon, Google e Microsoft – tem uma vantagem desleal nesse ponto.

Além do custo de computação, existe também um custo significativo de mão-de-obra especializada para o desenvolvimento desses modelos. As grandes empresas de tecnologia passaram a última década atraindo os especialistas em I.A. com salários gigantescos, que praticamente ninguém no mercado – muito menos as faculdades e institutos de pesquisa – podem bancar. A concentração dos especialistas e dos pesquisadores nessas grandes empresas faz com que a maioria das inovações e novidades na área também estejam concentradas nestes mesmos lugares.

 

Dados

Um outro ponto importante de lembrar é que praticamente todos esses modelos de inteligência artificial modernos são extremamente data hungry, ou seja, dependem de gigantescos volumes de dados para funcionar corretamente. Não só isso, mas alguns dos modelos desenvolvidos só existem por causa do enorme volume de informações gerado por indivíduos e empresas hoje.

Infelizmente, a maior parte dos grandes conjuntos de dados está concentrado hoje nas mãos das grandes empresas de tecnologia. Quem quer trabalhar com o estado da arte de algoritmos de recomendação de produtos tem que trabalhar na Amazon; quem quer trabalhar no estado da arte de visão computacional tem que trabalhar no Google ou na Microsoft; e por aí vai. O monopólio das chamadas Big Techs não é só de diferentes tecnologias, mas também dos dados gerados por seus usuários. Uma vez que os dados estão concentrados, os pesquisadores, que precisam de acesso aos dados para desenvolver seu trabalho, vão naturalmente buscar trabalhar nas empresas que tem as informações.

 

Conclusões

Todos os fatores mencionados geram um ciclo – virtuoso para as grandes empresas, mas vicioso para a sociedade – de concentração cada vez maior da tecnologia e do conhecimento em algumas poucas empresas da iniciativa privada. O problema mais óbvio dessa concentração é a redução da inovação. Quanto mais concentrada uma área, menor as chances de entrada no mercado de novas empresas, e menor a probabilidade de inovações revolucionárias surgirem. Esse, no entanto, não é o único problema.

Em um mundo aonde a I.A. assume um papel cada vez mais importante no nosso dia-a-dia, a sociedade em geral precisa ter capacidade de supervisão e regulamentação sobre as áreas aonde essa tecnologia vem sendo utilizada. A iniciativa privada está longe de ter os melhores incentivos para se policiar com relação ao uso indevido, mas se ela concentra a tecnologia, acabamos sem escolha. Sem escolha, e com modelos que discriminam candidatos à vagas de emprego, rostos de diferentes etnias, ou que são simplesmente racistas.

A questão do acesso à inteligência artificial e a democratização dessa tecnologia vai muito além de um tema econômico. É um assunto de cunho social, que necessita de iniciativas e políticas públicas com escopo global para minimizar os riscos para a sociedade como um todo. A revolução está aí, e acelerando cada vez mais? Até quando vamos esperar para nos mexer?

BigDataCorp