CHATGPT E GRANDES MODELOS DE

LINGUAGEM NA ACADEMIA: OPORTUNIDADES E

DESAFIOS.
Autores
1. Jesse G. Meyer1*, Ryan J. Urbanowicz1, Patrick C. N. Martin1, Karen
O’Connor2, Ruowang Li1, Pei‑Chen Peng1,
2. Tiffani J. Bright1, Nicholas Tatonetti1, Kyoung Jae Won1, Graciela
Gonzalez‑Hernandez1 and Jason H. Moore1*
Metodologia
Testes sobre as diversas aplicações da
ferramenta em analise, o Chat GPT
Estratégia de Pesquisa
• Analise das aplicações;
• funcionamento da ferramenta;
• Implicações no ponto de vista ético.
 Resumo
Resumo A introdução de grandes modelos de linguagem (LLMs) que permitem
"conversas" iterativas no final de 2022 é uma mudança de paradigma que possibilita a
geração de texto frequentemente indistinguível daquele escrito por humanos. Os
chatbots baseados em LLM têm um potencial imenso para melhorar a eficiência do
trabalho acadêmico, mas as implicações éticas de seu uso justo e viés inerente devem
ser consideradas.
Neste editorial, discutimos esta tecnologia do ponto de vista do acadêmico, com relação
às suas limitações e utilidade para escrita acadêmica, educação e programação
Capitulos
• Resumo
• ChatGPT para escrita acadêmica
• O ChatGPT como uma ferramenta de escrita e edição
• Como o ChatGPT tem sido usado para ajudar na escrita de artigos?
• ChatGPT e LLMs para escrita de propostas de financiamento
• O futuro dos LLMs: como revisor de propostas de financiamento?
• Escalabilidade e acessibilidade dos LLMs
• Educação
• Assistência com programação
• Viés
• Conslusão
 Conteúdo

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

LLM’s podem beneficiar a pesquisa e a redação científica.

O ponto de vista ético.

Ferramenta de redação e edição.

Escrita de artigos usando o ChatGPT.

Elaboração de propostas de subsídios.

LLM’s como revisora de proposta de subsídios.

Escalabilidade e acessibilidade dos
LLMs
100 milhões de usuários ativos em 2 meses.

13 milhões de consultas diárias.

OpenAI teve acesso a 10.000 Nvidia V100s, custo estimado em US$ 5

milhões.

Alto consumo de energia e toneladas de CO2 no meio ambiente.

Serviços gratuitos e pagos.

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.

Aumentar a eficiência do código.

Traduzir Código entre linguagens.

Instrutor interativo.

Gerador de Código.
Viés

Maior escrutínio.

Projetos antiéticos e irresponsáveis.

Propagação de viés.

Transparencia no pipeline de desenvolvimento de dados e modelos.

Técnicas de processamento a fim de atenuar.

03 Conclusão
Conclusão
1. Os LLMs devem ser aceitos

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.

2. São necessárias métricas que quantifiquem o viés do LLM.

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.

4. Os LLMs podem gerar declarações falsas ou imprecisas.

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