Pesquisadores do MIT desenvolveram uma nova técnica que ajuda modelos de inteligência artificial generativa a encontrar soluções para problemas de alto risco.
Nesses contextos, uma resposta plausível não é suficiente: o resultado frequentemente também deve satisfazer requisitos inegociáveis de segurança, físicos ou específicos da tarefa, conhecidos como restrições rígidas (hard constraints).
Os pesquisadores desenvolveram um método que ajuda os modelos generativos a atender a esses requisitos estritos sem sacrificar a qualidade de seus resultados.
A chave de sua técnica é dar ao modelo mais liberdade durante o processo de geração e impor restrições rígidas (hard constraints) ao resultado final, em vez de em cada etapa intermediária.
Em experimentos abrangendo robótica, controle de processos físicos e visão computacional, o novo método satisfez consistentemente as restrições exigidas, ao mesmo tempo em que identificou soluções melhores do que as técnicas existentes.
Esta técnica adaptável e plug-and-play funciona no momento da implantação, podendo ser aplicada a modelos generativos pré-treinados sem a necessidade de retreinamento. Isso pode tornar tais modelos mais úteis em aplicações onde regras de segurança, leis físicas ou outros requisitos estritos não podem ser violados.
“A promessa da IA generativa é sua capacidade de explorar um rico espaço de possibilidades, mas o mundo real impõe limites sobre quais possibilidades são aceitáveis. Nossa abordagem nos permite preservar esse poder generativo enquanto impomos os requisitos inegociáveis de aplicações de alto risco ou segurança crítica”, diz Navid Azizan, o Professor Associado de Desenvolvimento de Carreira Alfred H. e Jean M. Hayes no Departamento de Engenharia Mecânica e no Institute for Data, Systems, and Society (IDSS), um dos principais pesquisadores do Laboratory for Information and Decision Systems (LIDS), e o autor sênior de um artigo sobre esta técnica.
Azizan é acompanhado no artigo pelo autor principal Zeya
Fonte: MIT News - AI
Publicado em 2026-09-14