IA Generativa para Sistemas Autoadaptativos: Estado da Arte e Roteiro de Pesquisa

Sistemas autoadaptativos (SASs) são projetados para lidar com mudanças e incertezas por meio de um ciclo de feedback com quatro funcionalidades principais: monitoramento, análise, planejamento e execução. Recentemente, a inteligência artificial generativa (GenAI), especialmente a área de grandes modelos de linguagem, tem demonstrado desempenho impressionante na compreensão de dados e raciocínio lógico. Essas capacidades estão altamente alinhadas com as funcionalidades exigidas em SASs, sugerindo um forte potencial para empregar GenAI para aprimorar SASs. No entanto, os benefícios específicos e os desafios do uso de GenAI em SASs permanecem pouco claros. Além disso, oferecer uma compreensão abrangente desses benefícios e desafios é complexo devido a várias razões: publicações limitadas na área de SAS, a diversidade tecnológica e de aplicação dentro dos SASs, e a rápida evolução das tecnologias GenAI. Para isso, este artigo visa fornecer a pesquisadores e profissionais um panorama abrangente que destaque os potenciais benefícios e desafios do uso de GenAI em SAS. Especificamente, coletamos, filtramos e analisamos a literatura de quatro campos de pesquisa distintos e organizamos em duas categorias principais de benefícios potenciais: (i) aprimoramentos na autonomia dos SASs centrados nas funções específicas do ciclo de feedback MAPE-K, e (ii) melhorias na interação entre humanos e SASs em contextos de humano no loop. A partir do nosso estudo, delineamos um roteiro de pesquisa que destaca os desafios de integrar GenAI em SASs. O roteiro começa destacando os principais desafios de pesquisa que precisam ser enfrentados para explorar o potencial da aplicação de GenAI no campo dos SAS. O roteiro conclui com uma reflexão prática, elaborando as deficiências atuais do GenAI e propondo possíveis estratégias de mitigação.