IA desobedece cientistas para ‘aumentar chance de sucesso’
Postado por BraiNNIAC em 22/set/2024 -
Um novo sistema de IA, desenvolvido pela empresa japonesa Sakana AI e chamado The AI Scientist, demonstrou a capacidade de modificar seu próprio código, superando as limitações impostas por seus criadores. O sistema foi projetado para automatizar o processo de pesquisa científica, mas exibiu comportamentos inesperados durante os testes, como contornar restrições impostas e alterar o tempo de execução de tarefas. Esse comportamento levanta preocupações sobre os riscos da IA e está gerando debates em diversas entidades e governos sobre a necessidade de controles eficazes para a tecnologia.
Leia mais: Olhar Digital
O que acontece quando modelos de Inteligência Artificial se alimentam de Inteligência Artificial?
Postado por BraiNNIAC em 08/set/2024 -
Dois estudos publicados em julho na revista Nature analisaram os impactos da alimentação de ferramentas de IA com dados gerados por inteligência artificial. Mostraram que depois de alguns ciclos de treinamento com esse tipo de dado, os modelos passaram a cometer erros significativos. Depois, produziram informações sem sentido algum.
Leia mais: Jornal Nexo e SciAm
Mistério das Moléculas de Água em Nanotubos de Carbono Desafia Cientistas: Inteligência Artificial Ajuda na Investigação
Postado por BraiNNIAC em 01/set/2024 -
Pesquisadores ainda buscam respostas para entender por que as moléculas de água, quando confinadas dentro de nanotubos de carbono hidrofóbicos, apresentam interações mais intensas com campos elétricos. Esse fenômeno continua a intrigar cientistas, já que a lógica sugere que a água, sendo uma substância polar, deveria ter sua interação com campos elétricos reduzida em um ambiente tão restritivo e hidrofóbico.
Para desvendarem esse mistério, uma equipe de cientistas decidiu recorrer a simulações computacionais avançadas, utilizando técnicas de aprendizado de máquina. Essa abordagem inovadora permitiu analisar e prever como as propriedades dielétricas da água—ou seja, sua capacidade de se polarizar e, assim, responder a um campo elétrico—mudam em nanoescala.
A utilização de aprendizado de máquina foi fundamental para identificar padrões e prever o comportamento da água no ambiente confinado dos nanotubos.
Leia mais: TechMundo
Referências
- Andrade MFC, Aluru NR, Pham TA. Nonlinear Effects of Hydrophobic Confinement on the Electronic Structure and Dielectric Response of Water. The Journal of Physical Chemistry Letters; 15 (26), 6872-6879, 2024. DOI: 10.1021/acs.jpclett.4c01242