O progresso da IA está desacelerando devido ao excesso de dados inúteis — há muito deles.

Conclusão-chave: para passar do ChatGPT a robôs “reais”, não basta ter grandes conjuntos de dados, mas sim informações de qualidade e relevantes.

A Fortune destaca que a indústria de IA está à beira de uma nova era – da inteligência física e dos modelos do mundo ao redor. Esses sistemas precisam saber se orientar no espaço real: conduzir-se na estrada, dobrar roupas ou ajudar em procedimentos cirúrgicos complexos. Para isso, eles precisam não apenas de dados “carregáveis”, mas de conjuntos ricos e multifacetados de informação.

Por que a qualidade dos dados é crítica
1. Redundância e inutilidade

No fervor em torno da IA surgiram inúmeros startups (Scale AI, Surge AI, Mercor) que buscam coletar o máximo possível de dados. Isso leva ao acúmulo de um enorme volume de arquivos “vazios”, que não contribuem para o treinamento dos modelos. Se os pesquisadores não conseguirem filtrá-los, o potencial da IA física ficará subutilizado.

2. Complexidade das tarefas multidimensionais

Compreender o mundo complexo requer ainda mais dados, mas eles são extremamente difíceis de obter. Por isso, os engenheiros recorrem à modelagem: criam reconstruções virtuais de cenários reais para gerar exemplos de treinamento para robôs e veículos autônomos.

3. Riscos de conjuntos de baixa qualidade

Dados de má qualidade podem levar a resultados imprevisíveis. Um exemplo é o fim do suporte da OpenAI ao aplicativo de vídeo Sora: o modelo não lidava com a física, prejudicando previsões realistas.

Como resolver o problema
- Ferramentas de limpeza

Especialistas em aprendizado de máquina precisam de tecnologias que removam automaticamente dados desnecessários, analisem, normalizem e corrijam conjuntos. Isso permitirá extrair informações valiosas do “ruído”.

- Foco na qualidade

Atualmente, o fator limitante é a falta de dados de qualidade. Empresas que perceberem isso primeiro e começarem a investir em sua coleta e processamento serão líderes na criação de sistemas de IA realmente funcionais.

Assim, a transição de modelos baseados em texto para robôs capazes de atuar no mundo real não pode ocorrer sem uma abordagem sistemática à qualidade dos dados de treinamento. A Fortune enfatiza que esse fator será decisivo para o futuro da inteligência física.