As impressionantes capacidades do Kimi K3 do laboratório chinês Moonshot, o maior modelo de linguagem aberta de grande porte, deram início a um debate que combina duas coisas: as possibilidades econômicas dos gigantes americanos da IA e o futuro dos LLMs como tecnologia.
O chefe de futuros estratégicos da OpenAI, Dean W. Ball, chegou ao ponto de argumentar que o governo dos EUA deveria encontrar um pretexto para criar medo, incerteza e desconfiança regulatória em torno dos novos modelos, uma vez que os modelos de peso aberto devem necessariamente determinar os gastos de capital dos laboratórios de fronteira.
As pessoas enlouqueceram, com luminares da tecnologia como Yann LeCun e Martin Casado argumentando que o software aberto pode acelerar a inovação e coexistir com projetos proprietários. Ball rapidamente retirou as suas afirmações de que uma repressão regulamentar era a “melhor estratégia” da Casa Branca e que os modelos de peso aberto necessariamente atrasavam os avanços na tecnologia.
No entanto, Axios relata que a administração Trump está considerando proibir o K3 e outros modelos chineses avançados a pedido dos laboratórios de fronteira americanos. Outro relatório do Politico disse que o Departamento de Comércio não tomaria essa medida tão cedo.
O benefício para as grandes empresas de IA é claro: os modelos de peso aberto, executados em infraestruturas independentes ou dentro de grandes empresas, oferecem inteligência mais barata do que os modelos líderes de classe da Anthropic ou da OpenAI. Se os usuários gastarem cada vez mais fora dos laboratórios fechados, isso significará um retorno menor sobre seus enormes investimentos no treinamento de modelos.
Essa visão vai muito além do OpenAI. “Modelos de código aberto fortes e de calibre fronteiriço pressionarão as margens e derrubarão os preços das empresas fronteiriças”, disse Braden Hancock, cofundador da Snorkel AI e ex-Meta Diretor de IA, ao TechCrunch. “Isso não significa necessariamente que a quantidade de uso de IA diminuirá um pouco. Você sabe, obviamente, muito pelo contrário.”
Isso não é um problema para quem não tem participação na Anthropic e na OpenAI. A IA ainda irá proliferar. Então, qual é a justificação para o governo impedir os americanos de comprarem algo nos nossos mercados ostensivamente livres?
As preocupações com os modelos chineses vêm em vários sabores. Uma delas é proteger os dados dos EUA do governo chinês; os EUA proibiram a importação de EVs chineses modernos devido a preocupações com a sua recolha de dados. Mas os especialistas tendem a pensar que é improvável que os modelos abertos executados em servidores dos EUA vazem dados para a China, embora não seja impossível que tal possa ser feito.
Outra é que os modelos podem ter uma tendência implícita em relação à RPC – mas não está claro o que isso pode significar para, por exemplo, tarefas de codificação.
Uma terceira preocupação comum é que os modelos chineses não possuem as barreiras de protecção exigidas pelo governo dos EUA (através de um processo opaco), que visam impedir que os principais LLM dos EUA sejam utilizados para explorar sistemas informáticos fechados ou criar armas. No entanto, essas mesmas barreiras podem tornar as empresas norte-americanas mais vulneráveis: David Sacks, o capitalista de risco e conselheiro de Trump, tem partilhado casos de empresas norte-americanas que recorreram a LLM chineses para colmatar lacunas de segurança quando os modelos fronteiriços dos EUA se recusam a realizar as tarefas.
Mas a motivação mais significativa para restringir os modelos é o receio de que a China consiga ultrapassar os EUA se os laboratórios fronteiriços abrandarem.
Sam Bresnick, investigador centrado na China no Centro de Segurança e Tecnologias Emergentes de Georgetown, afirma que a crescente importância da IA para as operações militares dos EUA dá aos EUA uma razão para apoiar o investimento contínuo em IA nos laboratórios fronteiriços. Mas toda a questão, diz ele, é complicada.
“Porque é que o peso do governo dos EUA deveria ter como objetivo proteger estas empresas de concorrentes que estão a ser excluídos do mercado dos EUA com base nas suas origens?” Bresnick pergunta.
Os defensores da IA aberta dizem que as empresas fronteiriças estão a criar um falso binário entre inovação e modelos fechados.
“O maior impacto de ter esses modelos de código aberto vindos da China é menos o fato de eles estarem se infiltrando pelas portas dos fundos e mais o fato de serem donos da inovação”, disse Hancock ao TechCrunch. “Você acaba com, efetivamente, uma força de trabalho expandida em seu modelo. PyTorch se tornou o padrão da indústria porque era de código aberto e, portanto, toda a comunidade poderia contribuir para ele, em vez de apenas uma empresa, e ela cresceu e cresceu, e todo o resto das bibliotecas de aprendizagem profunda meio que morreram em comparação.”
Hancock e outros defensores do medo de que os LLMs chineses se tornem o locus da pesquisa internacional. Os programas de pós-graduação dos EUA já se baseiam principalmente em modelos chineses abertos, e Hancock diz que metade dos trabalhos que os estudantes estudam vêm de instituições chinesas, com os laboratórios fronteiriços americanos cada vez mais reticentes em partilhar amplamente o seu trabalho.
“Restringir modelos abertos não tornaria a IA mais segura”, Clem Delangue, CEO da Hugging Face, uma plataforma para colaboração aberta de IA. “Isso simplesmente esconderia os riscos, concentraria o poder nas mãos de poucos e tornaria mais difícil para a próxima geração de construtores, pesquisadores, academia, organizações sem fins lucrativos e governos participarem em tornar a IA mais segura e mais benéfica para todos.”
Bresnick diz que a verdadeira maneira de desacelerar a China seria concentrar-se mais nos controles de exportação de chips. A melhor maneira de preservar a liderança da IA dos EUA seria parar de vender processadores Nvidia H200 para a China. “Isso”, diz ele, “poderia potencialmente nos manter fora deste espinhoso debate sobre a proibição de tecnologias de código aberto que um grande número de empresas norte-americanas deseja usar”.
Parte do problema é a incerteza em torno da economia da IA. “O modelo de negócio aberto, o modelo de negócio proprietário – nenhum deles foi descoberto. As empresas de IA estão a lutar para descobrir como ganhar dinheiro com as suas ferramentas, especialmente porque os custos de formação precisam de subir cada vez mais”, salienta Bresnick.
Os mesmos desafios que se colocam nos EUA também se colocam na China, onde as empresas de IA também lutam para gerar receitas e aceder ao poder computacional, e o governo é visto como incentivando divulgações abertas por razões políticas, apesar do desafio de capitalizá-las.
Algumas empresas norte-americanas, incluindo Thinking Machines Lab e Nvidia, estão tentando fazer negócios em torno do lançamento de modelos abertos. Hancock aponta que a Nvidia se sairia melhor “se houvesse dezenas ou centenas de empresas construindo IA do que duas ou três e duas ou três que estão bem capitalizadas o suficiente para fabricar seus próprios chips”, o que é uma das razões por trás de seu investimento na Nemotron, uma coleção de modelos abertos.
“O ponto principal é que os EUA estariam muito bem servidos se tivessem os seus próprios modelos abertos, muito capazes e muito mais baratos”, disse Bresnick. “Isso simplesmente entra em conflito com a abordagem adotada pelos laboratórios de fronteira.”
Com reportagem adicional de Rebecca Bellan.
Quando você compra por meio de links em nossos artigos, podemos ganhar uma pequena comissão. Isso não afeta nossa independência editorial.