Startup provavelmente arrecada US$ 9 milhões para eliminar alucinações em modelos de IA

A persistência das alucinações em Grandes Modelos de Linguagem (LLMs) continua sendo um dos maiores desafios técnicos da inteligência artificial moderna. Mesmo os sistemas mais sofisticados estão sujeitos a falhas factuais, um problema que a indústria ainda busca solucionar de forma definitiva. É nesse cenário que a Provavelmenteuma nova startup do setor, surge com uma proposta de maior rigor técnico, tendo captado US$ 9 milhões em uma rodada de financiamento semente liderada pela Andreessen Horowitz.

Rumo à precisão absoluta inteligência artificial

De acordo com o fundador da empresa, Peter Elias, o objetivo central é elevar a confiabilidade dos modelos para um patamar de 99,99%. Embora essa margem de erro seja padrão em sistemas determinísticos, ela representa um obstáculo complexo para a tecnologia de IA atual. Para esse nível, a companhia acredita ser necessário revisar os alicerces de engenharia de dados.

O produto inaugural da Provavelmente é uma ferramenta voltada para a ciência de dados, projetada para extrair insights velocidades de bases complexas. Para garantir a transparência, cada resposta obtida é enviada por perguntas diretas e um relatório detalhado de auditoria, permitindo que o usuário verifique a origem de cada conclusão.

A arquitetura por trás da confiabilidade

Para barrar a entrada de dados imprecisos, uma equipe desenvolvida o que Elias denomina como um trajetória mecânica de ciência de dados. O funcionamento baseia-se em um fluxo de trabalho estruturado:

• As respostas iniciais do LLM passam por um sistema validador determinístico.
• O validador descartou automaticamente qualquer resultado que não esteja em conformidade com o conjunto de dados original.
• O modelo de linguagem foi treinado especificamente para operar em sintonia com essa camada de verificação.

O fundador destaca que a eficácia do sistema reside na redução da ambiguidade. Quanto melhor para sua engenharia de suporte, mais fraco o modelo pode serobserve Elias. Ao refinar o contexto, a inteligência artificial não precisa realizar um esforço cognitivo significativo, o que permite a operação com modelos significativamente menores.

Eficiência e redução de custos operacionais

A abordagem da Provavelmente traz vantagens econômicas diretas. A versão atual da ferramenta utiliza um modelo classificado como quatro níveis inferiores aos modelos de fronteira. Essa escolha técnica permite que o software seja executado em hardware local, como computadores desktop, eliminando a dependência exclusiva de data centers e reduzindo significativamente os custos com tokens.

Em um momento em que as empresas reavaliam seus orçamentos de IA diante da alta dos preços de processamento, a proposta da startup ganha força. A tecnologia não deve se limitar à ciência de dados; o motor desenvolvido por Elias possui potencial de expansão para áreas que exigem opções específicas, como:

• Contabilidade
• Serviços médicos
• Qualquer setor sensível a erros factuais

Elias aponta uma contradição no mercado atual, observando que os grandes laboratórios de IA não priorizam essa abordagem. Segundo ele, o modelo de negócio das gigantes do setor é incentivado pela necessidade constante de correções, o que torna a busca pela precisão absoluta uma estratégia oposta aos interesses financeiros dessas companhias.

Com informações do Techcrunch