O que é um agente de IA? Cientista explica nova ferramenta da inteligência artificial

Brian O'Neill - The Conversation - 10/01/2025

Será que a IA está criando um processo de pensamento fora das nossas mentes?
[Imagem: Gerado por IA/DALL-E]

O que são agentes de IA?

Interagir com as ferramentas de inteligência artificial (IA) como o ChatGPT pode ser divertido e às vezes útil, mas o próximo nível da IA cotidiana vai além de responder perguntas: Os agentes de IA vão realizar tarefas para você.

As principais empresas de tecnologia, incluindo OpenAI, Microsoft, Google e Salesforce, lançaram ou anunciaram recentemente planos para desenvolver e lançar agentes de IA. Elas afirmam que essas inovações trarão uma eficiência inédita aos processos técnicos e administrativos subjacentes aos sistemas utilizados nos cuidados de saúde, robótica, jogos e outros negócios.

Agentes de IA simples podem ser ensinados a responder a perguntas padrão enviadas por e-mail. Os mais avançados podem reservar passagens aéreas e hotéis para viagens de negócios transcontinentais. O Google recentemente demonstrou aos repórteres o Projeto Marinheiro, uma extensão para o navegador Chrome que consegue raciocinar sobre o texto e as imagens na tela.

Na demonstração, o agente ajudou a planejar uma refeição adicionando itens a um carrinho de compras no site de uma rede de supermercados, encontrando até substitutos quando determinados ingredientes não estavam disponíveis. Ainda é necessário o envolvimento de uma pessoa para finalizar a compra, mas o agente pode ser instruído a realizar todas as etapas necessárias até esse ponto.

Em certo sentido, você é um agente. Você realiza ações em seu mundo todos os dias em resposta às coisas que vê, ouve e sente.

Mas o que exatamente é um agente de IA? Como cientista da computação, ofereço esta definição: Os agentes de IA são ferramentas tecnológicas que podem aprender muito sobre um determinado ambiente e depois - com algumas instruções simples de um ser humano - trabalhar para resolver problemas ou executar tarefas específicas nesse ambiente.

Já conseguimos criar máquinas que aprendem, mas ainda estamos longe do que a ficção científica previu.
[Imagem: Gerado por IA/Gemini]

Regras e objetivos

Um termostato inteligente é um exemplo de agente muito simples. Sua capacidade de perceber o ambiente está limitada a um termômetro que indica a temperatura. Quando a temperatura em uma sala cai abaixo de um determinado nível, o termostato inteligente responde aumentando o aquecimento.

Um antecessor familiar dos agentes de IA atuais é o Roomba. O aspirador robô aprende o formato de uma sala de estar acarpetada, por exemplo, e quanta sujeira há no carpete. Ele então toma medidas com base nessas informações. Depois de alguns minutos, o carpete está limpo.

O termostato inteligente é um exemplo do que os pesquisadores de IA chamam de agente reflexo simples. Ele toma decisões, mas essas decisões são simples e baseadas apenas no que o agente percebe naquele momento. O aspirador robô é um agente baseado em objetivos com um objetivo único: Limpar todo o chão que puder acessar. As decisões que ele toma - quando virar, quando levantar ou baixar as escovas, quando voltar à base de carga - estão todas a serviço desse objetivo.

Um agente baseado em objetivos é bem-sucedido simplesmente por atingir seu objetivo através de quaisquer meios necessários. Contudo, os objetivos podem ser alcançados de diversas maneiras, algumas das quais podem ser mais ou menos desejáveis do que outras.

Muitos dos agentes de IA atuais são baseados em utilidade, o que significa que eles dão maior consideração a como atingir seus objetivos. Eles avaliam os riscos e benefícios de cada abordagem possível antes de decidir como proceder. Eles também são capazes de considerar metas conflitantes e decidir qual delas é mais importante para alcançar. Eles vão além dos agentes baseados em objetivos, selecionando ações que consideram as preferências exclusivas de seus usuários.

Causou controvérsia a atribuição do Prêmio Nobel de Física para a inteligência artificial - a IA não pertence ao campo da Física.
[Imagem: Johan Jarnestad/RSAS]

Tomando decisões e então agindo

Quando as empresas de tecnologia se referem a agentes de IA, elas não estão falando de chatbots ou de grandes modelos de linguagem como o ChatGPT. Embora os chatbots que fornecem atendimento básico ao cliente em um site sejam tecnicamente agentes de IA, suas percepções e ações são limitadas. Os agentes do chatbot podem perceber as palavras que um usuário digita, mas a única ação que podem realizar é responder com um texto que ofereça ao usuário uma resposta correta ou informativa.

Os agentes de IA aos quais as empresas de IA se referem são avanços significativos em relação aos grandes modelos de linguagem como o ChatGPT porque possuem a capacidade de realizar ações em nome das pessoas e empresas que os utilizam.

A OpenAI afirma que os agentes em breve se tornarão ferramentas que as pessoas ou empresas deixarão rodando de forma independente por dias ou semanas seguidas, sem necessidade de verificar seu progresso ou resultados. Pesquisadores da OpenAI e do Google DeepMind dizem que os agentes são mais um passo no caminho para a inteligência artificial geral ou IA "forte", isto é, IA que excede as capacidades humanas em uma ampla variedade de domínios e tarefas.

Os sistemas de IA que as pessoas usam hoje são considerados IA estreita ou IA "fraca". Um sistema pode ser habilidoso em um domínio - xadrez, talvez - mas se for posto em um jogo de damas, a mesma IA não teria ideia de como funcionar porque suas habilidades não seriam traduzidas. Um sistema de inteligência artificial geral seria mais capaz de transferir suas competências de um domínio para outro, mesmo que nunca tivesse visto o novo domínio antes.

A computação inteligente está levantando questões científicas fundamentais.
[Imagem: Pete Linforth/Pixabay]

Vale os riscos?

Estarão os agentes de IA preparados para revolucionar a forma como os humanos trabalham? Isto dependerá de se as empresas tecnológicas conseguirão garantir que os agentes estejam equipados não só para executar as tarefas que lhes são atribuídas, mas também para superar novos desafios e obstáculos inesperados quando estes surgirem.

A aceitação dos agentes de IA também dependerá da disposição das pessoas em lhes dar acesso a dados potencialmente confidenciais: Dependendo da função do seu agente, ele pode precisar de acesso ao seu navegador de internet, seu e-mail, seu calendário e outros aplicativos ou sistemas que são relevante para uma determinada tarefa. À medida que essas ferramentas se tornam mais comuns, as pessoas precisarão considerar quantos dados desejam compartilhar com elas.

Uma violação do sistema de um agente de IA pode fazer com que informações privadas sobre sua vida e finanças caiam em mãos erradas. Você concorda em correr esses riscos se isso significar que os agentes podem lhe poupar algum trabalho?

O que acontece quando os agentes de IA fazem uma escolha errada ou uma escolha da qual seu usuário discordaria? Atualmente, os desenvolvedores de agentes de IA mantêm os humanos informados, garantindo que as pessoas tenham a oportunidade de verificar o trabalho de um agente antes de qualquer decisão final ser tomada. No exemplo do Projeto Marinheiro, o Google não permitirá que o agente realize a compra final nem aceite os termos de contrato de serviço do site. Ao mantê-lo informado, os sistemas lhe dão a oportunidade de desistir de quaisquer escolhas feitas pelo agente que você não aprova.

Assim como qualquer outro sistema de IA, um agente de IA está sujeito a preconceitos. Esses vieses podem vir dos dados nos quais o agente é inicialmente treinado, do próprio algoritmo ou de como a saída do agente é usada. Manter os humanos informados é um método para reduzir o viés, garantindo que as decisões sejam revisadas pelas pessoas antes de serem executadas.

As respostas a essas perguntas provavelmente determinarão o quão populares os agentes de IA se tornarão e dependerão de quanto as empresas de IA poderão melhorar seus agentes assim que as pessoas começarem a usá-los.

O professor Brian O'Neill, autor deste artigo, é pesquisador da Universidade Quinnipiac, nos EUA.

Este artigo foi republicado da revista The Conversation sob uma licença Creative Commons. Leia o artigo original em inglês.

Mais tópicos