Quando se trata de inteligência artificial, o MIT e a IBM estavam lá no começo: estabelecendo o trabalho fundamental e criando alguns dos primeiros programas — predecessores da IA — e teorizando como a "inteligência" da máquina poderia surgir.

Hoje, colaborações como o MIT-IBM Watson AI Lab, lançado há oito anos, continuam a fornecer expertise para a promessa da tecnologia de IA do futuro. Isso é crucial para as indústrias e a força de trabalho que devem se beneficiar, especialmente no curto prazo: de US$ 3 a 4 trilhões em benefícios econômicos globais previstos e ganhos de produtividade de 80% para trabalhadores do conhecimento e tarefas criativas, a incorporações significativas de IA generativa em processos de negócios (80%) e aplicativos de software (70%) nos próximos três anos.

Embora a indústria tenha testemunhado um boom de modelos notáveis, principalmente no ano passado, a academia continua a impulsionar a inovação , contribuindo com a maior parte das pesquisas mais citadas. No Laboratório de IA Watson do MIT-IBM, o sucesso se materializa em 54 divulgações de patentes, mais de 128.000 citações com um índice h de 162 e mais de 50 casos de uso impulsionados pela indústria. Algumas das muitas conquistas do laboratório incluem o aprimoramento do posicionamento de stents com técnicas de imagem de IA, a redução da sobrecarga computacional, a redução de modelos mantendo o desempenho e a modelagem do potencial interatômico para a química de silicatos.

“O laboratório está em uma posição única para identificar os problemas 'certos' a serem resolvidos, o que nos diferencia de outras entidades”, afirma Aude Oliva, diretora do laboratório no MIT e diretora de engajamento estratégico da indústria no MIT Schwarzman College of Computing. “Além disso, a experiência que nossos alunos adquirem ao trabalhar nesses desafios de IA empresarial se traduz em sua competitividade no mercado de trabalho e na promoção de uma indústria competitiva.”

“O Laboratório de IA Watson do MIT-IBM teve um impacto tremendo ao reunir um rico conjunto de colaborações entre pesquisadores e alunos da IBM e do MIT”, afirma a Reitora Anantha Chandrakasan, copresidente do laboratório no MIT e Professora Vannevar Bush de Engenharia Elétrica e Ciência da Computação. “Ao apoiar pesquisas transversais na intersecção da IA com muitas outras disciplinas, o laboratório está promovendo um trabalho fundamental e acelerando o desenvolvimento de soluções transformadoras para nossa nação e o mundo.”

À medida que a IA continua a despertar interesse, muitas organizações lutam para canalizar a tecnologia para resultados significativos. Um estudo da Gartner de 2024 constatou que "pelo menos 30% dos projetos de IA generativa serão abandonados após a prova de conceito até o final de 2025", demonstrando ambição e desejo generalizado por IA, mas falta de conhecimento sobre como desenvolvê-la e aplicá-la para criar valor imediato.

Aqui, o laboratório se destaca, conectando pesquisa e implantação. A maior parte do portfólio de pesquisa do laboratório para o ano corrente está alinhada ao uso e desenvolvimento de novos recursos, capacidades ou produtos para a IBM, membros corporativos do laboratório ou aplicações do mundo real. Estes últimos incluem modelos de linguagem de grande porte, hardware de IA e modelos de base, incluindo modelos multimodais, biomédicos e geoespaciais. Alunos e estagiários motivados por pesquisas são inestimáveis nessa busca, oferecendo entusiasmo e novas perspectivas enquanto acumulam conhecimento de domínio para ajudar a derivar e projetar avanços na área, além de abrir novas fronteiras para exploração com a IA como ferramenta.

As conclusões do painel presidencial da AAAI 2025 sobre o Futuro da Pesquisa em IA reforçam a necessidade de contribuições de colaborações entre academia e indústria, como o laboratório na área de IA: “Os acadêmicos têm um papel a desempenhar no fornecimento de consultoria e interpretações independentes desses resultados [da indústria] e suas consequências. O setor privado se concentra mais no curto prazo, enquanto as universidades e a sociedade se concentram mais em uma perspectiva de longo prazo.”

A união desses pontos fortes, juntamente com a busca pelo código aberto e pela ciência aberta, pode impulsionar inovações que nenhum dos dois conseguiria alcançar sozinho. A história demonstra que a adoção desses princípios, o compartilhamento de código e a acessibilidade à pesquisa trazem benefícios de longo prazo tanto para o setor quanto para a sociedade. Em linha com as missões da IBM e do MIT, o laboratório contribui com tecnologias, descobertas, governança e padrões para a esfera pública por meio dessa colaboração, aumentando assim a transparência, acelerando a reprodutibilidade e garantindo avanços confiáveis.

O laboratório foi criado para unir a profunda experiência em pesquisa do MIT com a capacidade de P&D industrial da IBM, visando avanços nos principais métodos e hardware de IA, bem como novas aplicações em áreas como assistência médica, química, finanças, segurança cibernética e planejamento e tomada de decisões robustos para negócios.

Hoje, modelos de base de grande porte estão dando lugar a modelos menores e mais específicos para cada tarefa, gerando melhor desempenho. Contribuições de membros do laboratório como Song Han, professor associado do Departamento de Engenharia Elétrica e Ciência da Computação (EECS) do MIT, e Chuang Gan, da IBM Research, ajudam a tornar isso possível, por meio de trabalhos como Once-for-All e AWQ . Inovações como essas aumentam a eficiência com arquiteturas aprimoradas, redução de algoritmos e quantização de pesos com reconhecimento de ativação, permitindo que modelos como o processamento de linguagem sejam executados em dispositivos de ponta em velocidades mais rápidas e latência reduzida.

Consequentemente, modelos de base, visão, multimodal e de linguagem ampla obtiveram benefícios, permitindo que os grupos de pesquisa do laboratório de Oliva, Yoon Kim, Professor Associado do MIT EECS, e Rameswar Panda, Yang Zhang e Rogerio Feris, membros da equipe de pesquisa da IBM, desenvolvam o trabalho. Isso inclui técnicas para imbuir modelos com conhecimento externo e o desenvolvimento de métodos de transformação de atenção linear para maior rendimento, em comparação com outros sistemas de última geração. 

A compreensão e o raciocínio em sistemas de visão e multimodais também foram beneficiados. Trabalhos como " Task2Sim " e " AdaFuse " demonstram um desempenho aprimorado do modelo de visão se o pré-treinamento for realizado em dados sintéticos, e como o reconhecimento de ações em vídeo pode ser aprimorado pela fusão de canais de mapas de recursos antigos e atuais.

Como parte de um compromisso com uma IA mais enxuta, as equipes de laboratório de Gregory Wornell, Professor de Engenharia da MIT EECS Sumitomo Electric Industries, Chuang Gan, da IBM Research, e David Cox, Vice-Presidente de IA Fundamental da IBM Research e Diretor do laboratório da IBM, demonstraram que a adaptabilidade do modelo e a eficiência dos dados podem andar de mãos dadas. Duas abordagens, EvoScale e raciocínio em cadeia de ação e pensamento (COAT), permitem que os modelos de linguagem aproveitem ao máximo dados e cálculos limitados, aprimorando as tentativas de gerações anteriores por meio de iteração estruturada, estreitando o foco para uma resposta melhor. O COAT utiliza uma estrutura de meta-ação e aprendizado por reforço para lidar com tarefas que exigem raciocínio intensivo por meio de autocorreção, enquanto o EvoScale traz uma filosofia semelhante para a geração de código, desenvolvendo soluções candidatas de alta qualidade. Essas técnicas ajudam a permitir uma implantação consciente, direcionada e no mundo real.

Por exemplo, inúmeros projetos de laboratório contribuíram com recursos, capacidades e usos para o Granite Vision da IBM , que oferece uma visão computacional impressionante, projetada para a compreensão de documentos, apesar de seu tamanho compacto. Isso ocorre em um momento em que há uma necessidade crescente de extração, interpretação e sumarização confiável de informações e dados contidos em formatos longos para fins empresariais.

Outras conquistas que vão além da pesquisa direta sobre IA e abrangem disciplinas não são apenas benéficas, mas necessárias para o avanço da tecnologia e a elevação da sociedade, conclui o painel da AAAI de 2025.

O trabalho de Caroline Uhler e Devavrat Shah, do laboratório — ambos professores Andrew (1956) e Erna Viterbi na EECS e no Instituto de Dados, Sistemas e Sociedade (IDSS) — juntamente com Kristjan Greenewald, da IBM Research, transcende especializações. Eles estão desenvolvendo métodos de descoberta causal para descobrir como as intervenções afetam os resultados e identificar quais alcançam os resultados desejados. Os estudos incluem o desenvolvimento de uma estrutura que pode elucidar como os "tratamentos" para diferentes subpopulações podem se desenvolver, como em uma plataforma de comércio eletrônico ou restrições de mobilidade em resultados de morbidade. As descobertas desse conjunto de trabalhos podem influenciar as áreas de marketing e medicina, educação e gestão de riscos.

"Os avanços em IA e outras áreas da computação estão influenciando a forma como as pessoas formulam e enfrentam desafios em quase todas as disciplinas. No Laboratório de IA Watson do MIT-IBM, os pesquisadores reconhecem a natureza transversal de seu trabalho e seu impacto, questionando problemas de múltiplos pontos de vista e trazendo problemas reais da indústria para desenvolver soluções inovadoras", afirma Dan Huttenlocher, copresidente do laboratório do MIT, reitor do MIT Schwarzman College of Computing e Professor Henry Ellis Warren (1894) de Engenharia Elétrica e Ciência da Computação.

Uma parte significativa do que faz este ecossistema de pesquisa prosperar é o fluxo constante de talentos estudantis e suas contribuições por meio do Programa de Oportunidades de Pesquisa de Graduação ( UROP ) do MIT, do Programa MIT EECS 6A e do novo Programa de Estágio do Laboratório de IA Watson do MIT-IBM. Ao todo, mais de 70 jovens pesquisadores não apenas aceleraram seu desenvolvimento de habilidades técnicas, mas, com a orientação e o apoio dos mentores do laboratório, adquiriram conhecimento em domínios de IA para se tornarem profissionais emergentes. É por isso que o laboratório busca continuamente identificar alunos promissores em todos os estágios de sua exploração do potencial da IA.

“Para liberar todo o potencial econômico e social da IA, precisamos promover 'inteligência útil e eficiente'”, afirma Sriram Raghavan, vice-presidente de Pesquisa da IBM para IA e presidente do laboratório da IBM. “Para traduzir a promessa da IA em progresso, é crucial que continuemos a nos concentrar em inovações para desenvolver modelos eficientes, otimizados e adequados à finalidade, que possam ser facilmente adaptados a domínios e casos de uso específicos. Colaborações entre a academia e a indústria, como o MIT-IBM Watson AI Lab, ajudam a impulsionar os avanços que tornam isso possível.”