Sha·Sajadiye, responsável pelo projeto AI Index do Instituto de Inteligência Artificial da Universidade de Stanford, afirmou recentemente em uma entrevista que, se a Coreia do Sul deseja alcançar o objetivo de se tornar uma das três principais potências globais em IA, não deve competir diretamente com os Estados Unidos e a China no campo dos modelos gerais de grande escala, mas deve focar no desenvolvimento de modelos específicos para a indústria.
Sha·Sajadiye destacou que a Coreia do Sul possui uma competitividade evidente em termos de patentes de IA per capita, formação de talentos, semicondutores, engenharia robótica e hardware, já cumprindo as condições necessárias para fazer parte do grupo de liderança do ecossistema de IA. No entanto, ele também afirmou que a Coreia do Sul ainda não conseguiu transformar essas vantagens em competitividade de modelos de classe mundial; embora modelos específicos para o idioma coreano tenham sido lançados, ainda não atingiram o topo dos testes de referência globais.
A Coreia do Sul precisa focar no desenvolvimento de modelos específicos para a indústria
Sha·Sajadiye acredita que o maior obstáculo que a Coreia do Sul precisa superar é a escala. Os Estados Unidos e a China dominam a competição de modelos gerais de grande escala devido ao seu vasto mercado interno e enormes investimentos, tornando difícil para a Coreia do Sul seguir o mesmo caminho. Ele sugere que a Coreia do Sul combine suas vantagens em software, semicondutores e hardware para desenvolver modelos específicos que se destaquem em setores como manufatura, ciência e serviços públicos.
Em relação ao projeto nacional de modelos básicos de IA, à IA para todos e ao projeto de modelos de IA específicos para cibersegurança promovido pelo governo sul-coreano, Sha·Sajadiye fez uma avaliação positiva. Ele enfatizou que o conceito de IA soberana é mais amplo do que simplesmente ter modelos básicos nacionais, devendo abranger elementos como infraestrutura, dados, modelos, aplicações e talentos. A Coreia do Sul já possui uma parte considerável das condições necessárias para isso, e o próximo passo é conectar os modelos de IA nacionais com a infraestrutura, dados, serviços e talentos para formar um ecossistema completo.
Quanto à questão da avaliação de modelos, Sha·Sajadiye apontou que os testes de referência existentes têm limitações, incluindo a falta de transparência nos dados de treinamento que afeta a credibilidade da avaliação, bem como a rápida perda de distinção dos testes. Ele sugere a inclusão de avaliações preditivas nos critérios de avaliação, ou seja, prever o desempenho e os riscos do modelo antes de sua implementação em cenários reais, ao mesmo tempo equilibrando a transparência da avaliação e o risco de otimização das empresas em relação às questões de teste.
Sha·Sajadiye também revelou que o plano do AI Index reforça indicadores como IA física, modelos mundiais, literacia em educação de IA e efeitos econômicos e de emprego. Ele afirmou que o campo da IA física precisa medir a capacidade dos robôs de executar tarefas em ambientes reais e examinar a responsabilidade em caso de acidentes e sistemas regulatórios, ao mesmo tempo em que considera incluir o nível de educação em hardware e robótica na avaliação. Além disso, a capacidade dos cidadãos comuns de usar a IA de forma eficaz e responsável também deve se tornar um novo objeto de avaliação.