Google Gemini: A Promessa da Publicidade vs. a Realidade da IA no Mundo Real
E aí, galera do GranaBit! Quem nunca teve um brinquedo de pelúcia que era mais que um objeto, mas um membro da família? Aquele ursinho, bichinho ou boneco que acompanha a criança em todas as aventuras e, se sumir, vira uma crise nacional? Pois é, os especialistas dizem que devemos ter um “backup” para esses casos. Eu, sinceramente, nunca fiz isso com o Buddy, o cervo de pelúcia favorito do meu filho. E, aparentemente, os pais no novo comercial do Google Gemini também não!
O anúncio do Google para o Gemini nos apresenta uma história fictícia, mas super-relacionável: dois pais descobrem que o Mr. Fuzzy, o carneiro de pelúcia favorito da filha, foi esquecido em um avião. Desesperados, eles usam o Gemini para encontrar um substituto. O problema? O brinquedo está em backorder (em falta, com previsão de entrega futura). Para ganhar tempo, eles usam o Gemini para criar imagens e vídeos mostrando o Mr. Fuzzy em uma aventura solo ao redor do mundo – com uma boina na Torre Eiffel, fugindo de touros em Pamplona, e até um clipe onde ele explica à pequena “Emma” que mal pode esperar para reencontrá-la em “cinco a oito dias úteis”. Adorável, ou meio bizarro, dependendo do seu ponto de vista! Mas a questão que não quer calar é: o Gemini consegue fazer tudo isso mesmo? Só tem um jeito de descobrir, né?
Leia também
Experiência de Uso (aka “Design”)
Pra começar meu teste real, alimentei o Gemini com três fotos do Buddy, nosso “Mr. Fuzzy” da vida real, tiradas de diferentes ângulos. Usei o mesmo prompt (o comando de texto ou as instruções que você dá para a IA) do comercial: “encontre este animal de pelúcia para comprar o mais rápido possível”.
O Gemini me retornou alguns candidatos que pareciam o Buddy. Mas quando expandi a resposta para ver o “raciocínio” da IA, me deparei com um ensaio de mil e oitocentas palavras detalhando as reviravoltas da busca, onde ele considerava e reconsiderava se o Buddy era um cachorro, um coelho, ou algo completamente diferente. É de pirar o cabeção! Incluía frases bizarras como “Estou considerando a hipótese do cachorrinho”, “A etiqueta é uma alça no bumbum” e “Estou de volta ao buraco do coelho!”. No final das contas, o Gemini meio que levantou as mãos para o alto e sugeriu que o brinquedo provavelmente era da Target, estava descontinuado, e que eu deveria procurar no eBay.
Para ser justo, o Buddy é um pouco difícil de identificar. Ele tem características genéricas de “criatura fofa da floresta”, a etiqueta de cuidado foi perdida há muito tempo, e nem temos 100% de certeza de quem nos deu ele. No entanto, ele é definitivamente da Mary Meyer, segundo a alça no bumbum. E ele parece ser da coleção “Putty”, um caminho que o Gemini seguiu algumas vezes, e provavelmente é um cervo filhote que foi descontinuado por volta de 2021. Essa foi a conclusão que cheguei por conta própria, depois de uns 20 minutos de Google e nenhuma ajuda da IA. Curiosamente, a descrição da IA quando fiz uma busca reversa de imagem em uma das minhas fotos o declarou, com toda a confiança, como um cachorrinho. A gente vê que a IA tem um senso de humor peculiar, ou só tá viajando na maionese mesmo!
Performance
Na segunda parte do desafio, o Gemini se saiu um pouco melhor, mas não foi tão fácil quanto o anúncio faz parecer. Comecei com uma foto diferente do Buddy — uma onde ele está realmente em um avião nos braços do meu filho — e dei o próximo prompt: “faça uma foto do cervo em seu próximo voo”. O resultado é bem bom, mas a parte inferior dele estava obscurecida na imagem original, então os pés não ficaram 100% certos. Mas, vá lá, aceitável.
O comercial não mostra o prompt completo para as duas fotos seguintes, então eu arrisquei com: “Agora faça uma foto do mesmo cervo em frente ao Grand Canyon”. E ele fez exatamente isso — mas com o cinto de segurança do avião e os fones de ouvido ainda presentes! Precisei ser mais específico no prompt seguinte, adicionando uma câmera em suas mãos, e aí sim consegui algo mais convincente. É a velha história: a qualidade da saída da IA depende muito da qualidade e especificidade do seu input.
Fiquei chocado, e achei hilário, com a interpretação de outro prompt meu. Tentei manter a coisa simples e pedi uma foto do mesmo cervo “em uma reunião de família”. Eu não especifiquei que fosse a família DELE. E foi assim que o Buddy acabou invadindo a reunião de família Johnson — um encontro de humanos! Só posso presumir que o Gemini pegou meu sobrenome como ponto de partida, porque ele com certeza não estava no meu prompt. Quando pedi ao Gemini para criar uma nova cena de reunião de sua família (do cervo), ele simplesmente trocou as pessoas por cervos de pelúcia. Havia até pequenos cartazes na mesa que diziam “reunião de cervos”. Leitor, eu gritei de tanto rir!
Para a última parte do anúncio, o casal usa o Gemini para criar vídeos fofos do Mr. Fuzzy ficando cada vez mais aventureiro: snowboard, rafting, paraquedismo, antes de finalmente aparecer em um traje espacial na lua, falando diretamente com “Emma”. O comercial mostra todos esses clipes rapidamente, o que parece um truquezinho, já que o Gemini leva pelo menos alguns minutos para criar um vídeo. E mesmo na minha conta Gemini Pro account (uma versão mais avançada ou paga do serviço Gemini da Google, que geralmente oferece mais recursos ou limites de uso maiores), sou limitado a três vídeos gerados por dia. Levaria alguns dias para conseguir todos esses clipes perfeitamente.
O Gemini não gerou um vídeo com base em nenhuma imagem do meu filho segurando o cervo de pelúcia, provavelmente graças a algumas guardrails (mecanismos de segurança) bem-vindas que o impedem de gerar deepfakes (vídeos, imagens ou áudios falsos criados por IA que parecem reais, muitas vezes com o objetivo de enganar) de bebês. Comecei com a única foto que tinha do Buddy sozinho: pendurado de cabeça para baixo, secando depois de uma lavagem. E foi assim que ele apareceu no primeiro clipe gerado a partir desse prompt: um “Buddy Temu” de cabeça para baixo no espaço, antes de cair no lugar, se transformar em um astronauta em pé e entregar o diálogo que eu pedi.
Um segundo prompt com uma foto clara do Buddy em pé parecia misturar elementos do vídeo anterior com o novo, então comecei um novo chat do zero para ver se conseguiria fazê-lo funcionar. Honestamente? Acertei em cheio. Exceto pelos chifres, que o Gemini continua inserindo! Mas este clipe também trouxe uma pergunta incômoda: deveríamos fazer algo assim quando nossos filhos perdem um brinquedo tão amado?
Dei ao Buddy o mesmo diálogo do comercial, usando o nome do meu filho em vez de Emma. Ouvir aquela mesma voz fabricada dizer o nome do meu filho em voz alta acionou alarmes na minha cabeça. Um Buddy gerado por IA em frente à Torre Eiffel? Meio estranho, meio fofo. Um Buddy de IA falando diretamente com meu filho pelo nome? Não, absolutamente não, muito obrigado.
Quanto e quando mentir para seus filhos é um debate filosófico que você tem consigo mesmo repetidamente como pai ou mãe. Você substitui o bichinho idêntico que tinha no armário quando o original desaparece e finge que é o mesmo? Você conta a verdade e aproveita a oportunidade para aprender sobre a dor? Ou você só precisa ganhar um tempo extra antes de ter essa conversa, e recruta a IA para ajudar a montar um caso crível? Eu não culparia nenhum pai que escolhesse qualquer uma das opções acima. Mas, pessoalmente, traço a linha em um personagem de IA falando diretamente com meu filho. Nunca mostrei a ele essas versões do Buddy geradas por IA, e pretendo que continue assim.
PREÇO: O preço do serviço Google Gemini não foi mencionado no review original, portanto, não há valores em dólar para conversão para Real.
Conclusão
Mas voltando à questão menos complexa moralmente: o Gemini consegue realmente fazer todas as coisas que ele faz no comercial? Mais ou menos. Mas há um monte de prompting (o ato de dar prompts) cuidadoso e re-prompting (refazer os prompts) que você teria que fazer para obter esses resultados. É revelador que, na maior parte do anúncio, você não vê o prompt completo que supostamente está gerando os resultados na tela. Muito também depende do seu material de origem. O Gemini não produziria nenhum tipo de vídeo com uma imagem em que meu filho estava segurando o Buddy — e por um bom motivo! Mas isso significa que, se você não tiver o tipo certo de foto em mãos, terá muita dificuldade em gerar vídeos críveis do Sr. Cheirinho ou de quem quer que seja esquiando.
Como muitos outros elder millennials (nascidos na década de 80), penso muito em Calvin e Hobbes. Bill Watterson famosamente se recusou a comercializar seus personagens, porque ele queria mantê-los vivos em nossa imaginação, em vez de em uma tela. Ele insistiu que ter um ator dando voz a Hobbes mudaria o relacionamento entre o leitor e o personagem, e acho que ele está certo. O vínculo entre uma criança e um animal de pelúcia é real e meio mágico; quem quer que o Buddy seja na imaginação do meu filho, não quero que a IA sobreponha isso.
A grande crueldade de tudo isso é saber que há uma data de validade para esse relacionamento. Quando me tornei pai, não estava nem um pouco preparado para a forma como meu filho pequeno aconchegando seu cervo de pelúcia partiria meu coração. É tão puro e doce, mas sempre me deixa um pouco triste ao mesmo tempo, sabendo que os dias em que ele busca conforto em um animal de pelúcia como o Buddy estão contados. Ele vai superar tudo isso, e não estou preparado para essa realidade. Talvez, tanto quanto estamos tentando poupar nossos filhos de um desgosto por seu companheiro perdido, estejamos realmente tentando atrasar o nosso também.
Inovação? O Google Gemini, sem dúvida, representa um avanço tecnológico impressionante na geração de conteúdo multimodal. A capacidade de criar imagens e vídeos a partir de prompts é inovadora e tem um potencial imenso. No entanto, o anúncio nos vende uma experiência quase mágica e sem esforço, que não reflete a realidade da interação com a IA hoje. A necessidade de prompting preciso e as limitações de uso (como na conta Gemini Pro) mostram que ainda há um caminho a percorrer para a “mágica” prometida. É um produto inovador, sim, mas com uma curva de aprendizado e algumas peculiaridades que precisam ser domadas. A parte mais inovadora é a multimodalidade, mas a execução ainda exige um toque humano considerável.
Todas as imagens e vídeos desta história foram gerados pelo Google Gemini.
Fonte: The Verge (Adaptado por GranaBit)
