Geoffrey Everest Hinton, cientista cognitivo e considerado o padrinho da inteligência artificial, afirma que existem várias formas de inteligência e diz que, na área da escrita, os LLMs realmente pensam. Essa visão contraria muitas opiniões na comunidade científica.

Vale lembrar que os LLMs são treinados com uma quantidade gigantesca de dados, principalmente textos. Em sistemas multimodais, esse treinamento também pode envolver imagens, áudio e vídeo. Há uma semelhança apenas em nível abstrato entre esse processo e certos aspectos do aprendizado humano. Em ambos os casos, a exposição à informação leva a mudanças internas que afetam o comportamento futuro. Ainda assim, os mecanismos são muito diferentes. O aprendizado humano depende de percepção, corpo, ação no mundo, contexto social, emoção, atenção e plasticidade biológica, enquanto os LLMs aprendem por meio do ajuste matemático de parâmetros durante o treinamento. Embora as redes neurais artificiais tenham sido inspiradas no cérebro humano, elas não reproduzem o modo como neurônios biológicos aprendem. No treinamento de IAs, a arquitetura define as conexões, e o treinamento ajusta os pesos dessas conexões. No cérebro humano, a analogia mais próxima disso seria a força das sinapses, embora ela não seja equivalente aos pesos matemáticos usados em redes neurais artificiais.

Um LLM tem diferenças fundamentais em comparação com o nosso cérebro. Por exemplo, depois de treinado, um modelo normalmente não incorpora novos conhecimentos aos seus parâmetros da mesma forma que nós fazemos no dia a dia. Esse conhecimento interno só muda com técnicas específicas, como novo treinamento ou ajuste fino, e não durante o uso comum. O cérebro humano faz algo que os LLMs atuais ainda não fazem da mesma maneira: nós aprendemos e executamos continuamente. Parte das informações que recebemos pelos sentidos alimenta esse processo constante de aprendizado, e parte do que assimilamos pode ficar disponível quase imediatamente para orientar o nosso comportamento.

Concluindo, embora as redes neurais artificiais usem conexões com pesos matemáticos e o cérebro humano dependa de conexões sinápticas entre neurônios, essa semelhança é apenas parcial. No essencial, o modo como LLMs e seres humanos aprendem continua sendo fundamentalmente diferente.