Os limites da memória de trabalho: cérebros humanos versus modelos de IA

Em ciência da computação, o "conjunto de trabalho" refere-se à quantidade de dados que um processador pode processar simultaneamente para resolver problemas. Essa ideia tem um paralelo interessante na cognição humana, conhecida como "memória de trabalho". A memória de trabalho é como um bloco de notas mental onde armazenamos informações temporariamente. É essencial para o raciocínio e para a tomada de decisões complexas.

No entanto, a memória de trabalho tem uma capacidade limitada, o que pode restringir nossa habilidade de lidar com problemas muito complexos. Essa informação estratégica é importante à medida que avançamos para um mundo cada vez mais influenciado pela IA, especialmente em áreas como a segurança cibernética.  

A largura de banda do cérebro  

A ciência cognitiva dispõe de diferentes testes para medir a capacidade da memória de trabalho de uma pessoa. Esses testes mostram que existe um limite superior consistente, mesmo para pessoas com pensamento excepcional.

Por exemplo, mestres de xadrez, matemáticos e músicos de renome possuem habilidades incríveis, mas sua capacidade de memória de trabalho provavelmente não difere muito da de uma pessoa comum. Parece que a evolução aperfeiçoou nossos cérebros para um certo nível de capacidade cognitiva. Isso pode dificultar a nossa compreensão plena de problemas muito grandes e complexos.

A vantagem da IA: dimensionar a janela de contexto (com ressalvas)  

Os sistemas de inteligência artificial, especialmente os Modelos de Linguagem de Grande Porte (LLMs, na sigla em inglês), têm uma limitação chamada "janela de contexto". Este é o número de tokens (palavras ou partes de código) que eles podem processar simultaneamente. Ao contrário dos humanos, cuja memória de trabalho é fixa, a janela de contexto de uma IA pode ser expandida, embora isso seja dispendioso. Mais GPUs, algoritmos melhores ou novos hardwares podem aumentar a capacidade de uma IA.

No entanto, essa abordagem tem limitações importantes. Inicialmente, tarefas como encontrar anomalias em conjuntos de dados enormes e complexos parecem perfeitas para LLMs. Investir muito dinheiro em tempo de processamento de IA pode parecer valer a pena pelas informações estratégicas obtidas.

Mas é importante saber que a detecção de anomalias geralmente se adapta melhor ao aprendizado de máquina (ML) e à estatística tradicionais do que a redes neurais avançadas e aprendizado profundo. Isso é positivo: os métodos tradicionais costumam ser mais previsíveis e confiáveis do que algumas aplicações de IA.

No entanto, existe um problema ainda maior. Os modelos e usos de IA atuais ainda são muito falhos. Exemplos como carros autônomos que falham e LLMs (Low Learning Machines - Máquinas de Aprendizagem de Liderança) produzindo "alucinações" convincentes, porém errôneas, nos lembram disso. Antes de utilizarmos a IA em larga escala para resolver grandes problemas, devemos garantir que esses sistemas sejam confiáveis e consistentemente precisos.  

Encontrar as ferramentas certas para o trabalho certo

Então, onde isso nos deixa? A chave é entender que o cérebro humano e os modelos de IA têm pontos fortes diferentes. Os seres humanos, com sua capacidade cognitiva limitada, são bons em resolver problemas complexos dentro dos limites de sua memória de trabalho. Normalmente escolhemos problemas que temos boas chances de resolver sozinhos.

Por outro lado, os modelos de IA podem ser ampliados para problemas que seriam demais para a mente humana. Mas essa abordagem só faz sentido quando:

• O valor financeiro da solução é superior ao custo da computação.
• A confiança na precisão do resultado é crucial.

O alto custo do processamento de conjuntos de dados complexos, juntamente com as limitações atuais em termos de explicabilidade e correção, significa que os problemas que podemos resolver com a IA atual ainda são limitados. Atualmente, sua melhor utilização é reduzir o escopo e a complexidade a um conjunto menor de problemas abordáveis pela cognição humana.  

Integração da IA na cibersegurança: uma abordagem estratégica

Em cibersegurança, o objetivo não é apenas combater ameaças geradas por IA com mais IA, mas sim usar a IA de forma inteligente em protocolos de segurança. As equipes de segurança precisam ser inteligentes em relação a como investem em IA, garantindo que ela aprimore suas capacidades sem criar novas vulnerabilidades.

A Illumio está fazendo isso com recursos de cibersegurança de IA, como o Illumio Virtual Advisor, que oferece respostas conversacionais a perguntas sobre como configurar e usar a Segmentação de Confiança Zero. E o novo mecanismo de etiquetagem com inteligência artificial oferece visibilidade instantânea dos ativos em data centers e ambientes de nuvem, ajudando as organizações a adotarem a Segmentação de Confiança Zero mais rapidamente.  

Essas soluções utilizam IA para analisar grandes quantidades de dados, mantendo a supervisão humana como elemento central na tomada de decisões de segurança. Ao combinar o dinamismo e a capacidade de adaptação do cérebro humano com o poder de processamento da IA, as equipes de segurança podem lidar melhor com o complexo mundo das ameaças modernas.

Será que a IA reduzirá exponencialmente os custos e aumentará a confiança?

Será que um efeito semelhante à Lei de Moore poderia reduzir drasticamente o custo da IA de alto desempenho ao longo do tempo? Isso ainda é incerto. O progresso da IA depende não apenas do hardware, mas também de algoritmos melhores, conjuntos de dados aprimorados e avanços na garantia de resultados confiáveis e fidedignos.

Por isso, é fundamental compreender os limites e os custos associados tanto à memória de trabalho humana quanto às janelas de contexto da IA. Escolher a ferramenta certa, seja o cérebro humano ou uma máquina, exige uma compreensão clara da dimensão do problema, do seu valor potencial, dos custos para encontrar uma solução e da fiabilidade dos resultados. Em cibersegurança, isso significa usar a IA estrategicamente para potencializar as habilidades humanas, garantindo que a combinação da intuição humana com o poder da máquina seja baseada na crescente confiança em soluções de IA.

Olhando para o futuro, é provável que haja uma forte parceria entre o pensamento humano e a inteligência artificial, com cada um apoiando o outro no enfrentamento dos desafios de um mundo mais complexo.

Deseja saber mais sobre as ofertas de IA da plataforma de segmentação Zero Trust da Illumio? Entre em contato conosco hoje mesmo.