Os manobristas virtuais mais famosos da atualidade – Siri, Alexa e Google Assistant – são muito menos impressionantes do que os mais recentes chatbots com tecnologia de IA, como ChatGPT ou Google Bard. Quando os frutos do recente boom generativo da IA forem devidamente integrados aos bots assistentes legados, eles certamente se tornarão muito mais interessantes.
Para ter uma prévia do que vem a seguir, usei um auxiliar de voz experimental de IA chamado vimGPT para um teste. Quando pedi para “assinar o WIRED”, ele funcionou com habilidade impressionante, encontrando a página da web correta e acessando o formulário online. Se ele tivesse acesso aos detalhes do meu cartão de crédito, tenho certeza de que teria acertado em cheio.
Embora dificilmente seja um teste de inteligência para um ser humano, comprar algo online na web aberta é muito mais complicado e desafiador do que as tarefas que Siri, Alexa ou Google Assistant normalmente realizam. (Definir lembretes e obter resultados esportivos são coisas de 2010.) É necessário entender a solicitação, acessar a web para encontrar o site correto e, em seguida, interagir corretamente com a página ou os formulários relevantes. Meu ajudante navegou corretamente até a página de assinatura da WIRED e até encontrou o formulário lá – provavelmente impressionado com a perspectiva de receber todo o jornalismo divertido e perspicaz da WIRED por apenas US$ 1 por mês – mas caiu no obstáculo final porque não tinha cartão de crédito. O VimGPT usa o navegador de código aberto Chromium do Google, que não armazena informações do usuário. Meus outros experimentos mostraram que o agente é, no entanto, muito hábil em procurar vídeos engraçados de gatos ou encontrar voos baratos.
VimGPT é um programa experimental de código aberto desenvolvido por Ishan Shah, um desenvolvedor solitário, não um produto em desenvolvimento, mas você pode apostar que Apple, Google e outros estão fazendo experimentos semelhantes com o objetivo de atualizar o Siri e outros assistentes. O VimGPT é baseado no GPT-4V, a versão multimodal do famoso modelo de linguagem OpenAI. Ao analisar uma solicitação, ele pode determinar o que clicar ou digitar de forma mais confiável do que o software somente texto, que precisa tentar dar sentido à web desembaraçando o HTML confuso. “Daqui a um ano, espero que a experiência de usar um computador seja muito diferente”, diz Shah, que afirma ter construído o vimGPT em apenas alguns dias. “A maioria dos aplicativos exigirá menos cliques e mais bate-papo, e os agentes se tornarão parte integrante da navegação na web.”
Shah não é a única pessoa que acredita que o próximo passo lógico depois de chatbots como o ChatGPT são os agentes que usam computadores e navegam na Web. Ruslan Salakhutdinov, professor da Carnegie Mellon University que foi diretor de pesquisa de IA da Apple de 2016 a 2020, acredita que Siri e outros assistentes estão na fila para uma poderosa atualização de IA. “A próxima evolução serão agentes capazes de realizar tarefas úteis”, diz Salakhutdinov. Conectar a Siri à IA dessa forma, alimentando o ChatGPT, seria útil, diz ele, “mas será muito mais impactante se eu pedir à Siri para fazer coisas, e ela simplesmente resolver meus problemas para mim”.
Salakhutdinov e seus alunos desenvolveram vários ambientes simulados projetados para testar e aprimorar as habilidades dos ajudantes de IA que podem realizar tarefas. Eles incluem um site fictício de comércio eletrônico, uma versão simulada de um quadro de mensagens semelhante ao Reddit e um site de anúncios classificados. Este campo de testes virtual para colocar os agentes à prova é chamado VisualWebArena.
