Sigmoidal
  • Home
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
  • English
  • Home
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
Sigmoidal
Sem Resultado
Ver Todos Resultados

O que é GPT-3 e por que ele é importante?

Rafael Duarte por Rafael Duarte
setembro 23, 2019
em Data Science, Machine Learning
0
20
COMPARTILHAMENTOS
679
VIEWS
Publicar no LinkedInCompartilhar no FacebookCompartilhar no Whatsapp

Você já escutou falar sobre GPT-3 mas não entendeu direito o motivo de todos estarem falando dele?

Há muito tempo nós ouvimos dizer que as máquinas irão nos substituir. À princípio pensamos sempre em tarefas repetitivas, de baixa complexidade que podem ser facilmente automatizadas.

As tarefas foram ganhando complexidade e hoje em dia existe uma imensa gama de tarefas complexas que são feitas com facilidade utilizando Inteligência Artificial.

De qualquer forma, existem algumas coisas que jamais serão substituíveis, pois o diferencial é a essência, aquele toque humano.

Ou será que nem isso, nem mesma as tarefas que hoje consideramos insubstituíveis, estarão salvas?

Aqui mesmo no Sigmoidal já mostramos como utilizar Redes Neurais para reproduzir o estilo de pintores famosos. Como você pode ver, quando se trata de imagens, com técnicas de Machine Learning nós já conseguimos reproduzir e até criar novoso estilos artísticos. Mas e quando o assunto é escrita?

É aí que entra o GPT-3. O Generative Pre-Training em sua terceira versão, ou seja, GPT-3, está causando alvoroço no meio tecnológico recentemente por causa de sua capacidade incrível de lidar com nossa linguagem natural.

O que é GPT-3?

Em termos simples, o GPT-3 é um framework com mais de 175 bilhões de parâmetros que usa Deep Learning para realizar diversas tarefas relacionadas à Natural Language Processing, ou Processamento de Linguagem Natural, em português.

Ele é capaz de gerar textos baseados no estilo de escritores famosos, escrever a partir de um requerimento ou pequeno exemplo, e até responder questionamentos filosóficos.

Mas apesar do acesso limitado até agora, algumas das equipes que testaram o framework já obtiveram resultados incríveis. O Engenheiro de Machine Learing Aditya Joshi criou aplicações como um gerador de receitas, gerador de anúncios para o Google, e uma função de Excel extremamente poderosa.

Além disso, já foram feitos testes onde ele foi capaz de criar códigos em diversas linguagens de programação. Isso abre um leque incrível de possiblidades, que podem incluir, por exemplo, um criador de websites.

Imagine abrir um programa onde você escreve: “GPT-3, eu quero um site com as carcterísticas X, Y e Z.”, e ele escreve todo o código para a criação do website.

Desafios e Limitações

Mas é claro que nem tudo são flores, e o framework não é perfeito. Sam Altman, CEO da OpenAI, empresa criadora do GPT-3, acredita que a hype em cima do GPT-3 é “exagerada”.

Existem algumas coisas importantes a serem levadas em consideração. O GPT-3 não tem verdadeira inteligência, e fundamentalmente não entende o mundo sobre o qual ele fala.

Além disso, a fonte de informação que ele usa para se basear é nosso acervo como seres humanos. Isso significa que alguns vieses e preconceitos que existem em nossa sociedade acabam aparecendo em algumas coisas criadas pelo framework.

Por isso, a intervenção humana no resultado final do GPT-3 ainda é importante. Com certeza, o futuro desse framework é brilhante e pode revolucionar a forma que entendemos e utilizamos muitas das tecnologias que fazem parte do nosso dia a dia.

Compartilhar1Compartilhar8Enviar
Post Anterior

Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

Próximo Post

Inteligência Artificial na Medicina

Rafael Duarte

Rafael Duarte

Relacionado Artigos

Gradient Descent e Loss Function: a Origem do MSE
Data Science

Gradient Descent e Loss Function: a Origem do MSE

por Carlos Melo
maio 27, 2026
Regressão Linear e Aprendizado Supervisionado
Data Science

Regressão Linear e Aprendizado Supervisionado

por Carlos Melo
maio 26, 2026
Introdução ao Pandas: capa do guia prático para análise de dados com Python
Data Science

Introdução ao Pandas: Guia Prático para Análise de Dados

por Carlos Melo
abril 27, 2026
Carreira

Como Aprender Matemática para Machine Learning

por Carlos Melo
abril 23, 2026
Artigos

6 Livros de Visão Computacional e Deep Learning

por Carlos Melo
abril 14, 2026
Próximo Post
Inteligência Artificial na Medicina

Inteligência Artificial na Medicina

Deixe um comentário Cancelar resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Pós em Visão Computacional Pós em Visão Computacional Pós em Visão Computacional

Mais Populares

  • Cientista de Dados: Salário em 2026 (Júnior, Pleno e Sênior)

    84 compartilhamentos
    Compartilhar 34 Tweet 21
  • ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

    475 compartilhamentos
    Compartilhar 190 Tweet 119
  • 6 Livros de Visão Computacional e Deep Learning

    21 compartilhamentos
    Compartilhar 8 Tweet 5
  • Introdução ao MediaPipe e Pose Estimation

    566 compartilhamentos
    Compartilhar 226 Tweet 142
  • Processamento de Nuvens de Pontos com Open3D e Python

    90 compartilhamentos
    Compartilhar 36 Tweet 23
  • Em Alta
  • Comentários
  • Mais Recente
Como Tratar Dados Ausentes com Pandas

Como Tratar Dados Ausentes com Pandas

agosto 13, 2019
Introdução ao MediaPipe e Pose Estimation

Introdução ao MediaPipe e Pose Estimation

julho 15, 2023
Como usar o DALL-E 2 para gerar imagens a partir de textos

Como usar o DALL-E 2 para gerar imagens a partir de textos

dezembro 25, 2022

ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

abril 10, 2023
Como Analisar Ações da Bolsa com Python

Como Analisar Ações da Bolsa com Python

15
Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

13
Como Aprender Data Science?

Como Aprender Data Science?

9
Qual o Cenário de Data Science no Brasil hoje?

Qual o Cenário de Data Science no Brasil hoje?

8
Gradient Descent e Loss Function: a Origem do MSE

Gradient Descent e Loss Function: a Origem do MSE

maio 27, 2026
Regressão Linear e Aprendizado Supervisionado

Regressão Linear e Aprendizado Supervisionado

maio 26, 2026
Introdução ao Pandas: capa do guia prático para análise de dados com Python

Introdução ao Pandas: Guia Prático para Análise de Dados

abril 27, 2026

Como Aprender Matemática para Machine Learning

abril 23, 2026
Instagram Youtube LinkedIn Twitter
Sigmoidal

O melhor conteúdo técnico de Data Science, com projetos práticos e exemplos do mundo real.

Seguir no Instagram

Categorias

  • Aeroespacial
  • Artigos
  • Blog
  • Carreira
  • Cursos
  • Data Science
  • Deep Learning
  • Destaques
  • Entrevistas
  • IA Generativa
  • Livros
  • Machine Learning
  • Notícias
  • Python
  • Teoria
  • Tutoriais
  • Visão Computacional
  • Youtube

Navegar por Tags

algebra-linear camera calibration carreira chatgpt cientista de dados cnn computer vision Cursos dados desbalanceados data science data science na prática decision tree deep learning deploy detecção de objetos gpt-3 gradient descent IA generativa inteligência artificial jupyter kaggle keras livros machine learning matplotlib nft openai opencv pandas profissão python pytorch reconstrução 3d redes neurais redes neurais convolucionais regressão linear regressão logística salário sklearn tensorflow tutorial visão computacional vídeo youtube árvore de decisão

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In

Add New Playlist

Sem Resultado
Ver Todos Resultados
  • Home
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
  • English

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.