A Google voltou a chamar a atenção do setor da inteligência artificial com a apresentação do Diffusion Gemma, um novo modelo que introduz uma abordagem radicalmente diferente na geração de texto.
Em vez do processo tradicional, em que as respostas são construídas de forma sequencial, palavra a palavra, a tecnologia aposta numa lógica semelhante a “desenhar” o conteúdo na totalidade e refiná-lo progressivamente até alcançar o resultado final.
A proposta representa uma mudança relevante na forma como estes sistemas produzem linguagem e poderá marcar uma nova etapa na evolução dos modelos de IA, onde a velocidade passa a assumir um papel central na experiência do utilizador.
O Diffusion Gemma integra a família Gemma, desenvolvida pela Google DeepMind. Estes modelos partilham tecnologia com o Gemini, mas distinguem-se por serem mais leves, flexíveis e preparados para execução local.
A família Gemma foi criada com o objetivo de tornar a inteligência artificial mais acessível e eficiente, reduzindo a dependência da cloud. Desta forma, os modelos podem ser executados diretamente em computadores, portáteis ou dispositivos móveis, reforçando a privacidade e autonomia dos utilizadores.
Neste contexto, o Diffusion Gemma surge como um modelo experimental que não se limita a responder perguntas, procurando também repensar a forma como o texto é gerado.
A principal diferença face aos modelos tradicionais está no método de funcionamento. Sistemas como o ChatGPT geram texto de forma sequencial, prevendo palavra a palavra até completar a frase.
Já o Diffusion Gemma utiliza uma abordagem de difusão, semelhante à aplicada em modelos de geração de imagem. Em vez de construir o texto passo a passo, parte de uma estrutura global e vai refinando o conteúdo como um todo até obter uma versão coerente.
Na prática, o sistema não escreve como um utilizador a digitar, mas sim como se “imaginasse” a resposta completa e a ajustasse progressivamente.
Segundo dados divulgados pela Google, o Diffusion Gemma pode alcançar uma eficiência de inferência até quatro vezes superior face a versões anteriores baseadas em geração sequencial.
Em ambientes de alto desempenho, como GPUs NVIDIA H100, o modelo terá atingido mais de 1.000 tokens por segundo, um valor que o coloca acima de sistemas como o ChatGPT em cenários de teste.
Este ganho traduz-se também numa redução significativa da latência, fator essencial para aplicações em tempo real, como assistentes virtuais, ferramentas de programação ou sistemas integrados em dispositivos.
