Mustafa Suleyman vem preparando sua nova descrição de cargo há muito tempo. Suleyman foi o primeiro CEO de IA da Microsoft, mas depois que a empresa passou por uma grande reestruturação em meados de março, ele renunciou a algumas de suas funções e mudou seu foco para a busca pela superinteligência. Embora a notícia só tenha sido anunciada no mês passado, ele disse Bordaele estava se preparando para a transição há nove meses – e embora a renegociação do contrato da Microsoft com a OpenAI tenha sido o que oficialmente “desbloqueou a capacidade (da Microsoft) de buscar superinteligência”, ele a planejou antes mesmo que a tinta secasse.
“Este tem sido um plano de longa data”, disse ele, acrescentando que alcançar a superinteligência é “puramente meu foco”.
A superinteligência – junto com AGI, ou inteligência artificial geral – tem uma definição vaga e mutável na indústria de IA. Para Suleyman, isso é apenas uma questão de negócios e produtividade. “A superinteligência é realmente uma questão de ‘Será este modelo capaz de fornecer valor de produto para milhões de empresas que dependem de nós para fornecer modelos de linguagem de classe mundial?’” disse Suleyman. “Esse é realmente o nosso foco. Queremos fornecer serviços para desenvolvedores, empresas e uma ampla gama de consumidores.” As empresas de IA enfrentam imensa pressão para gerar mais receitas, e os planos da Microsoft também refletem uma nova estratégia na OpenAI.
A reorganização da Microsoft reúne equipes empresariais e de consumidores sob a bandeira do Copilot AI. Enquanto Suleyman ainda trabalha na estratégia geral, Jacob Andreou, que anteriormente atuou como vice-presidente corporativo de produto e crescimento da Microsoft AI, torna-se seu vice-presidente executivo. principal iniciativas recentemente combinadas de engenharia, crescimento, produto e equipe de design. A mudança liberta espaço para Suleyman dedicar o seu tempo à procura da superinteligência e ao desenvolvimento de novos modelos de IA de ponta para a Microsoft, numa altura em que a concorrência entre as principais empresas de IA – e a pressão para atrair novos consumidores pagantes e clientes empresariais – é mais feroz do que nunca.
Na quinta-feira, a Microsoft revelou um novo modelo de transcrição que espera poder fazer exatamente isso – e, por custar “metade do custo de uma GPU em comparação com outros modelos topo de linha”, segundo Suleyman, representa uma “enorme economia de custos” para a Microsoft.
A empresa chama o MAI-Transcribe-1 de “ultrapassar os limites do reconhecimento de fala” com sua capacidade de transcrever reuniões, legendar vídeos e analisar trocas de call center em 25 idiomas. A postagem no blog da Microsoft anunciando o modelo disse que ele foi construído para condições de gravação “desafiadoras”, incluindo ruído de fundo, áudio de baixa qualidade e fala sobreposta, treinado com uma combinação de transcrições “curadas por humanos” e transcrições transcritas por máquina. Suleyman disse que a fonte das gravações foi uma combinação de dados de salas de som controladas e empreiteiros encarregados de gravar a si mesmos em meio a ruídos de fundo, que vão desde ruas movimentadas até crianças correndo, além de “uma enorme quantidade de dados da web aberta”.
Juntamente com os modelos existentes de geração de voz e imagem MAI-Voice-1 e MAI-Image-2, o novo modelo de transcrição está agora disponível no Microsoft Foundry e como parte do novo Microsoft AI Playground. Esta é a primeira vez que este modelo está “amplamente disponível para uso comercial”, segundo a Microsoft. MAI-Transscribe-1 pode lidar com arquivos de áudio nos formatos MP3, WAV e FLAC.
Suleyman atribui o desempenho do novo modelo nos testes à pequena equipe de 10 pessoas. Ele disse que a equipe de modelagem foi “libertada de qualquer burocracia”, pois possui uma equipe responsável por gerenciar fornecedores, encontrar dados para download e muito mais. A Microsoft implementou uma estratégia semelhante para geração de som e imagem, e outras empresas também tomaram medidas semelhantes – Meta, Amazon e Google experimentar com achatando suas organizações, e a Anthropic disse que também está experimentando dar a pequenas equipes de desenvolvedores um certo nível de liberdade computacional para ver o que podem alcançar.
Este novo modelo de transcrição faz parte do objetivo de Suleyman de fornecer IA “centrada no ser humano” (uma variação da palavra-chave de IA preferida da Microsoft, “superinteligência humana”) que seja útil para os humanos comuns. “Todos terão um assistente de IA verdadeiramente de classe mundial, responsável perante eles, ao seu lado, alinhado com seus interesses e trabalhando em seu nome”, disse ele.
