O tão aguardado GPT-5 finalmente chegou. No entanto, dois novos testadores do modelo entrevistados pela Reuters afirmaram que, embora a capacidade de programação do GPT-5 e a sua habilidade em resolver problemas científicos e matemáticos sejam muito fortes, eles acreditam que o salto de GPT-4 para GPT-5 não é tão grande quanto o de GPT-3 para GPT-4. A razão do gargalo não é difícil de entender — a quantidade de dados é insuficiente. Há uma expressão muito imprecisa, mas bastante ilustrativa, que diz que, na época do treinamento do GPT-4, já haviam sido coletados praticamente todos os dados disponíveis na internet, criando uma sensação semelhante a ter visto toda a riqueza do mundo. Portanto, foi por isso que o ex-cientista-chefe da OpenAI, Ilya Sutskever, disse no ano passado que, embora a capacidade de computação esteja aumentando, a quantidade de dados não está aumentando na mesma proporção. Na verdade, para ser franco, o auge de uma IA generalista por um bom tempo provavelmente será o GPT-5, e a partir daí, as várias empresas de IA certamente se concentrarão em IAs especializadas. Por exemplo, o especialista em IA da OpenLedger, Ram Kumar, mencionou nesta entrevista que muitas empresas (como a Trust Wallet) querem integrar IA em suas carteiras, mas não podem usar modelos genéricos diretamente — eles não atendem a necessidades específicas e precisam ser personalizados para cada cenário. A OL oferece os protocolos e ferramentas que permitem que isso aconteça. Outro exemplo é que, no ano passado, a Bloomberg começou a desenvolver o BloombergGPT, treinado com a vasta quantidade de dados proprietários, notícias, dados empresariais e textos da Bloomberg (totalizando mais de 700 bilhões de marcadores). É precisamente por causa desse corpus fechado que ele terá um desempenho muito superior em tarefas financeiras em comparação com LLMs genéricos. Mais um exemplo é o sistema de condução autônoma da Tesla (FSD), que é treinado com bilhões de milhas de dados de vídeo/telemetria coletados exclusivamente pela Tesla, algo que seus concorrentes não têm. Portanto, há alguns dias, Musk insinuou que, se ele também pudesse obter dados de condução locais da China, a Tesla poderia ter um desempenho excepcional na competição anterior com a Dongchedi. Assim, a competição acirrada no futuro da IA certamente ocorrerá na pista de dados especializados; depender apenas de dados comuns da internet não será suficiente. Portanto, sistemas de atribuição de dados, como os desenvolvidos pela OpenLedger, se tornarão uma nova infraestrutura. Imagine, os dados valiosos são valiosos não apenas porque são escassos, mas também porque podem trazer retornos para seus detentores (se você considerar os dados como um ativo), assim como uma casa gera aluguel, os dados também deveriam gerar "aluguel de dados". Ram disse no vídeo que o Hugging Face é incrível, mas 90% dos conjuntos de dados disponíveis lá não são tão úteis para a implementação comercial. Portanto, para ter uma IA especializada que possa ser comercializada, é necessário primeiro ter um sistema de atribuição de dados, permitindo que os detentores de dados valiosos disponibilizem seus dados e recebam recompensas, incentivando mais detentores de dados valiosos a fazê-lo, formando um ciclo positivo. A igualdade trazida pela IA pode estar escondida aqui; no passado, os recursos dos especialistas eram valiosos e exclusivos da classe privilegiada, afinal, o tempo dos especialistas é limitado. Mas na era da IA, e se for uma IA especializada? Ela reduz drasticamente o custo marginal, tornando possível que pessoas comuns utilizem serviços de nível especializado ou quase especializado. Aguardando ansiosamente o lançamento da mainnet da OL.