“Não queremos criar um modelo de linguagem que apenas fale como um ser humano”, disse Yuhuai (Tony) Wu, do Google AI. “Queremos que ele entenda do que está falando”. Wu é co-autor de dois artigos recentes que sugerem uma maneira de conseguir isso: treinar os sistemas de IA em matemática!
O primeiro artigo descreve o ensino de um LLM para traduzir declarações matemáticas comuns em código formal que um computador pode executar e verificar. O segundo, o treinamento de um grande modelo de linguagem não apenas para entender problemas matemáticos em linguagem natural, mas para resolvê-los de fato, usando um sistema chamado Minerva, apresentado por ele no vídeo abaixo. Juntos, os artigos sugerem como os LLMs podem aprender a raciocinar por meio do pensamento matemático.
Este é um conteúdo exclusivo para assinantes.
Cadastre-se grátis para ler agora
e acesse 5 conteúdos por mês.
É assinante ou já tem senha? Faça login. Já recebe a newsletter? Ative seu acesso.
A queda no preço por token amplia demanda e pressiona ROI, enquanto US$ 1,3 trilhão em CapEX redesenha a indústria até 2027.
A automação por IA está deslocando valor da interface para dados, controle e orquestração.
Agentes prometem escala e eficiência, mas expõem limites organizacionais. O diferencial está na capacidade das empresas de gerir IA como rotina operacional.
O que o experimento MoltBook revela sobre o valor econômico, a governança e a liderança em sistemas autônomos.
A economia avança com IA, mas esbarra na qualidade do julgamento humano — um fator ainda ausente das métricas e da governança corporativa.
Pesquisas da PwC e do MIT mostram por que os investimentos em IA avançam mais rápido do que a capacidade das empresas de capturar valor. E por que o problema não é tecnológico, mas estrutural.
Aproveite nossas promoções de renovação
Clique aquiPara continuar navegando como visitante, vá por aqui.
Cadastre-se grátis, leia até 5 conteúdos por mês,
e receba nossa newsletter diária.
Já recebe a newsletter? Ative seu acesso
