Novidades em diversas áreas do conhecimento, educação, design instrucional, EAD, educação corporativa, STEAM, etc.

Terence Tao, um dos maiores matemáticos vivos, compara a ciência a uma trilha até uma cachoeira: no caminho a gente se perde, anota o que en...

O vídeo, com atalhos por trecho

Se o player não carregar, assista no YouTube (em inglês, com legendas automáticas).

Como um modelo de linguagem "pensa" (segundo um matemático)

Experimente: o jogo da próxima palavra

O brinquedo abaixo simula, de forma caricata, o que Tao descreve. A cada rodada, o modelo "vê" a frase até aqui e oferece candidatas com uma probabilidade estimada. Escolha uma palavra (ou deixe o modelo escolher a mais provável) e observe: com poucas rodadas o texto fica coerente; se você insistir em candidatas improváveis, ele degenera em macacos datilografando. As probabilidades são ilustrativas, inventadas para o exemplo.

A barra de cada candidata representa a probabilidade estimada pelo "modelo". Repare que ele nunca entende a frase: apenas aponta o que costuma vir depois.

Profundidade humana, amplitude da máquina

Kepler, Tycho e a teoria bonita que não cabia nos dados

Linha do tempo: do heliocentrismo à elipse

O ciclo de vida de uma prova e a indigestão que veio com a fartura

Colaborar com humanos, colaborar com máquinas

A semente da próxima geração

Perguntas para o seu contexto

A entrevista fala de matemática de ponta, mas a tese do helicóptero vale para qualquer sala de aula, laboratório ou equipe que adotou IA. Passe a sua prática pelos seis pontos abaixo:

Dois anos entre duas conversas

Vale fechar comparando esta entrevista com outra, dada por Tao dois anos antes: a palestra pública "The potential for AI in science and mathematics", proferida no Museu de Ciência de Londres em 17 de julho de 2024 e publicada pela Oxford Mathematics em agosto daquele ano (OXFORD MATHEMATICS, 2024); a gravação está disponível no YouTube (TAO, 2024). Ali, o retrato era outro. Tao apresentava a IA como um modelo estatístico, não uma inteligência, e ilustrava sua inconstância com o GPT-4 acertando cerca de 1% dos problemas de olimpíada enquanto errava aritmética simples; o entusiasmo ia para a dobra de proteínas, para a modelagem climática e, sobretudo, para os assistentes de prova, que permitiriam projetos matemáticos colaborativos em grande escala, com verificação formal e matemáticos especializados em papéis distintos dentro de esforços maiores (TAO, 2024).

Leia também no Brasil Acadêmico

Termos usados na entrevista e neste post