Desta vez é, de fato, diferente. Descartar LLMs como meros "preditores de próximo token" é tão bobo e redutor quanto descrever um cérebro como uma mera "coleção de neurônios realizando sinalização eletroquímica". A evidência mais convincente é sua extrema universalidade entre as modalidades.

Se alguém lhe dissesse em 2005 que, daqui a 20 anos, o estado da arte absoluto em algoritmos de reconhecimento de fala era o mesmo sistema básico (redes neurais profundas com atenção) que os melhores algoritmos de reconhecimento de imagem...

… que também era o mesmo que a melhor geração de texto em linguagem natural, a melhor síntese de fala, a melhor geração de imagens, etc., você provavelmente pensaria que eles eram esquizofrênicos, ou pelo menos falando bobagens. Porque cada uma dessas áreas costumava ter suas próprias técnicas.

Um dos conceitos-chave do método científico, e do pensamento racional em geral, é dar forte preferência a explicações e teorias que exibem extrema parcimônia, onde você obtém muito mais do que investe. Como as 4 equações de Maxwell explicando centenas de coisas diferentes.

Fora da física, é difícil pensar em um exemplo melhor de um único mecanismo ou sistema que possa fazer tanto com tão pouco. Substituindo toda essa complexidade por uma concepção unificadora (que por acaso se assemelha muito de forma idealizada ao funcionamento do cérebro humano) ...