Dados humanos escasseiam e empresas de IA disputam arquivos privados
Capítulo 2 do Tecnologia em Perspectiva
Clique aqui para conferir a edição completa
A projeção de que a reserva global de texto humano público de alta qualidade se esgotará entre 2026 e 2028, liderada pelo instituto Epoch AI, marca o surgimento do chamado muro de dados na inteligência artificial. Com o esgotamento do conteúdo da internet aberta e o avanço de ações judiciais — como o processo movido por cerca de quatrocentos jornais norte-americanos contra a OpenAI e a Microsoft —, as corporações do setor migraram para a aquisição direcionada de bases fechadas. Essa busca por insumos inclui desde a compra da base corporativa da companhia aérea Spirit Airlines pelo Google em leilão judicial até a conversão de fazendas de servidores no Texas, da empresa IREN, em nuvens de inteligência artificial para atender à Microsoft e à NVIDIA.
Na análise do Professor, a tentativa da indústria de responder a essa limitação por meio de dados sintéticos traz o dilema da entropia e do colapso dos modelos, provocado pela aprendizagem endogâmica entre máquinas. O Professor vê nisso o pano de fundo para decisões como a desaceleração temporária do treinamento de modelos de fronteira pela OpenAI. Paralelamente, a habilidade desses algoritmos em mapear falhas cibernéticas não detectadas elevou o tema ao nível de segurança nacional. O setor se encontra diante de dois cenários possíveis: a superação dos riscos da síntese de dados por validação algorítmica, permitindo um avanço acelerado, ou uma estagnação provocada pelo esgotamento das fontes originais. Em ambos os casos, os dados deixam de ser apenas ativos comerciais e assumem o papel de recursos estratégicos vitais no equilíbrio geopolítico.
