Escolar Documentos
Profissional Documentos
Cultura Documentos
01 Revisão literária
02 Problemáticas
03 Conclusão
Revisão
01 literária
• ChatGPT.
• Compreensão e raciocínio da linguagem humana.
• Utilitário ChatGPT em educação, pesquisa e prática em saúde.
• Desempenho do ChatGPT no USMLE: Potencial para educação médica assistida por IA usando
grandes modelos de linguagem.
• Geração de conteúdo acadêmico com o ChatGPT: desafios éticos para publicação médica.
• A natureza. Ferramentas como o ChatGPT ameaçam a ciência transparente.
• O uso do ChatGPT baseado em inteligência artificial e seus desafios para o mundo da educação do
ponto de vista do desenvolvimento de habilidades de escrita criativa.
• Desafios, oportunidades e implicações para a formação de professors.
02 Problemáticas
ChatGPT para escrita acadêmica
O enigma ético.
Educação
Apoio ao Ensino.
Há falhas e limitaçoes.
Uso desonesto.
CEO da OpenAI, Sam Altman: "O texto generativo é algo a que todos
nós precisamos nos adaptar. Nós nos adaptamos às calculadoras e
mudamos o que testamos nas aulas de matemática, imagino"
Assistência com programação
Apoio ao aprendizado.
Instrutor interativo.
Gerador de Código.
Viés
Maior escrutínio.
Propagação de viés.
Os LLMs aumentam a eficiência da redação acadêmica, da educação e da programação. Portanto, em nossa opinião, não há dúvida
de que deveríamos adotar essas ferramentas para todas as aplicações possíveis. Os LLMs devem ser adotados para aumentar a
eficiência do ensino e da pesquisa em todas as disciplinas.
O resultado do CflatGPT é a maior parte do texto disponível publicamente na Internet até 2021. Portanto, o desempenho do
CflatGPT e de outros LLMs imita o texto disponível e é tão tendencioso quanto seus dados de treinamento. Por exemplo, sabe-se
que o ChatGPT perpetua estereótipos, como o de que enfermeiras são mulheres e médicos são homens, e esse viés vem dos dados
de treinamento. É difícil definir métricas para avaliar o nível de viés nos dados de treinamento e nos resultados do modelo.
Quando utilizamos os resultados dos LLMs em estudos de análise ou geração de texto, precisamos discutir o viés inerente como
uma limitação.
Conclusão
3. O uso de LLMs não constitui plágio.
O uso de resultados do ChatGPT e dos LLMs ainda pode parecer uma área cinzenta em alguns sentidos. Por definição, os LLMs
pegam o texto humano e o "codificam" para uso posterior como um modelo estatístico.
Em muitos contextos, os LLMs têm baixa precisão. O modelo pode gerar informações corretamente formatadas, como referências,
mas que não existem. O CflatGPT deturpará seu conhecimento; em vez de responder "Não sei", ele fornecerá prontamente
informações fabricadas com aparente confiança.
Conclusão
3. O futuro.
O futuro é promissor para a aplicação dos LLMs na pesquisa e como ferramenta acadêmica. Embora tenham sido analisadas
algumas das aplicações e discussões atuais sobre os LLMs, há inúmeras aplicações criativas a serem desenvolvidas e avaliadas.
Além disso, vemos uma oportunidade de combinar os LLMs com outras ferramentas úteis, como o aprendizado profundo e o
aprendizado automatizado de linha de montagem. O futuro se desdobrará rapidamente e veremos muitos avanços úteis nos
próximos meses. O desafio será acompanhar o ritmo das infinitas ferramentas comerciais e de código aberto.
Equipe:
Luan Kalil Moraes
Rafael Alexandre