Alguns anos atrás tive uma conversa interessante com um bom amigo sobre… o sentido da vida. Sim, clichê, eu sei. No fim do dia chegamos à conclusão de que é um conceito muito pessoal, e saí dessa conversa ruminando qual era minha própria definição de sentido.
Percebi que todo dia em que eu aprendia algo novo era um bom dia para mim. Qualquer dia em que eu sentia que tinha melhorado em alguma coisa tinha um significado especial para mim: aprender a tocar uma música nova, aprender uma nova abertura de xadrez, experimentar com fotografia, etc. Naquele momento senti que aprender e compartilhar o que aprendi com os outros era algo significativo, e talvez o sentido da minha vida.
Sabe quem concorda comigo? ~Neil deGrasse Tyson~ uma criança aleatória de 6 anos. 10 anos atrás essa criança perguntou ao Neil sobre o sentido da vida, e se essa criança seguiu o conselho que recebeu, aposto que hoje é um jovem de 16 anos muito inteligente.
https://www.youtube.com/watch?v=q_za_b6haXQ
Aprender ou não aprender, eis a questão
Sabe mais quem gosta de aprender? A Máquina.
Machine Learning não é um conceito assim tão novo. Lembro de estudar isso na faculdade e até fazer um curso do Andrew Ng por volta de 2013, quando tentava encontrar uma maneira de introduzir um algoritmo de classificação em um produto que minha empresa estava criando.
Mas nunca tivemos dados roubados suficientes ou capacidade computacional para fazer algo como os LLMs que temos hoje, então os modelos que criávamos naquela época eram específicos de domínio e nunca poderiam fazer o que os LLMs fazem hoje. Aprendemos muito enquanto explorávamos os conceitos, e mesmo que os resultados não fossem impressionantes, nos deixava bem felizes como nerds.
O que me incomoda no cenário atual é que o aprendizado está perdendo significado para algumas pessoas porque elas não veem sentido em passar o seu tempo aprendendo um ofício para ser superado por um LLM em alguns segundos.
Por exemplo: gosto de desenhar todas as imagens que uso neste blog. Leva tempo, sim. Mas como aprendi com minha psicóloga depois de cerca de 5 anos de terapia: Você não precisa ser produtivo em todo momento, Mário!
Por que você escreveria código se o LLM pode escrever 1000x mais rápido?
Bem… Por que um Drauzio Varela de 79 anos correria uma maratona? Ele levou quase 5 horas para cobrir essa distância! Se tivesse pegado um Uber teria chegado ao destino em 30 minutos! Ele conseguiu fazer isso porque treinou muito desde os 50 anos, e durante essa jornada seus músculos, seu coração e seu cérebro aprenderam a suportar um esforço tão intenso.
Meu ponto é: há valor na jornada, e aprender é sempre uma jornada.
Criar vs Reagir
Durante o Regional Scrum Gathering South Africa, Chris Garvey fez um jogo de palavras divertido com as palavras CREATING e REACTING, e encaixou perfeitamente no tema deste post. Ele usou as mesmas letras para criar duas palavras diferentes, e essas palavras representam duas formas muito diferentes de trabalharmos com LLMs. Afinal, quanto você consegue aprender quando está apenas reagindo ao tsunami de conteúdo gerado por LLMs hoje em dia? Você consegue usar LLMs para realmente desenvolver um ofício e aprender enquanto avança?
Basicamente, vejo duas abordagens diferentes ao trabalhar com um LLM:
1- Você pode escrever um texto para mim? Rápido. Potencialmente sem aprendizado envolvido.
2- Ei, eu escrevi isso. Você pode me dar um feedback? Lento. Potencialmente com algum aprendizado envolvido.
Uso a segunda. Escrevo meus posts, e isso me dá uma alavancagem incrível ao usar um LLM para fornecer feedback sobre o que escrevi. Por exemplo: se o LLM fornece um feedback que não faz sentido, eu ignoro. Ou questiono.
Além disso, tenho um projeto no Claude com todos os meus posts e um arquivo values.txt onde declaro minha missão pessoal (o mesmo conteúdo que você pode ler na minha Página Sobre). Sempre que escrevo um novo post, peço que ele:
- Me responsabilize pelos meus valores
- Encontre conexões significativas entre o post atual e posts anteriores que escrevi
- Encontre erros de digitação e me ajude a melhorar meu vocabulário em inglês
- Verifique as pessoas que mencionei e sugira pessoas diversas para que eu possa romper minha bolha e fazer minha parte para tornar o mundo da TI mais heterogêneo.
Não consigo te dizer o quanto aprendi fazendo isso. Encontrei muitas pessoas fora da câmara de eco de IA que é o LinkedIn, e recebi uma recomendação de livro que mudou a forma como me sinto e me relaciono com LLMs em geral: “The Empire of AI” por Karen Hao. É pesado, e mesmo que eu conhecesse algumas das problemáticas por trás de todo o ecossistema de IA, o livro iluminou outros impactos dos quais eu era anteriormente alheio. Em seus capítulos finais também mostrou como LLMs e SLMs podem ser criados e usados de forma mais consciente e produzir benefícios reais para a humanidade como um todo.
Não porque os posts finais estão melhor escritos (nem sei dizer se estão), mas porque a jornada de escrever começou a me fazer aprender mais. E a mesma ideia pode ser aplicada à programação, ao desenho ou ao que quer que você sinta prazer em fazer, contanto que continue criando em vez de apenas reagindo ao que o LLM criou para você.
Ainda acho que aprender dá sentido à minha vida, e tento fazer isso o máximo que posso. É mais difícil agora, com todo o barulho da IA ao nosso redor, e mesmo assim… não apenas ainda é possível aprender, mas podemos conscientemente escolher fazê-lo quando inevitavelmente interagimos com os LLMs em nossas vidas diárias. Criar ainda é uma escolha que podemos fazer, e aprender é o resultado que podemos obter a partir disso.
A maioria das pessoas (eu incluído) está aprendendo a lidar com IA de formas produtivas. Mas perceba que esta é uma lição que vem com uma dependência: tire o LLM, e você não tem uma habilidade valiosa. E adivinha? LLMs não são gratuitos. Você pode usá-los para aprender a trabalhar sem eles, para romper sua bolha.
É o que estou tentando fazer: exploração. Aprender pelo prazer de aprender. Estou tentando criar mais e reagir menos.
