1
00:00:00,000 --> 00:00:05,060
Todo agente que aprende precisa de um mecanismo de decisão com estrutura de recompensa.

2
00:00:05,060 --> 00:00:10,120
Ele tem uma crença de hoje: "esta opção agrada em 67 % das vezes".

3
00:00:10,120 --> 00:00:13,735
Aí chega um sinal novo do usuário: gostou, não gostou.

4
00:00:13,735 --> 00:00:18,795
A pergunta é sempre a mesma: a crença nova ainda escolhe a mesma coisa

5
00:00:18,795 --> 00:00:20,602
que a crença de hoje?

6
00:00:20,602 --> 00:00:22,048
Se sim, nada muda.

7
00:00:22,048 --> 00:00:26,386
Se não, o agente muda, e muda por evidência, não por palpite.

8
00:00:26,386 --> 00:00:30,000
Esse mecanismo tem nome: bandit contextual de múltiplos braços, CMAB.

9
00:00:30,000 --> 00:00:35,060
Ele é velho, de 1952, e está no centro de um assunto que começou

10
00:00:35,060 --> 00:00:38,313
a ser padronizado em 2026: a automelhoria recursiva, RSI.

11
00:00:38,313 --> 00:00:43,373
Num ambiente real você sempre vai querer comparar a sua crença atual com uma

12
00:00:43,373 --> 00:00:45,181
crença nova, a do usuário.

13
00:00:45,181 --> 00:00:49,157
Hoje as interfaces agênticas já leem esse sinal direto da conversa,

14
00:00:49,157 --> 00:00:52,048
e fazem coisas que não cabem neste vídeo.

15
00:00:52,048 --> 00:00:56,747
Neste vídeo cabem três coisas: o CMAB, o teste A/B e a RSI.

16
00:00:56,747 --> 00:01:00,000
Dez minutos para cada, com código para cada frase.

17
00:01:00,000 --> 00:01:01,758
Nada aqui é meu.

18
00:01:01,758 --> 00:01:07,473
Austin Kleon escreveu em 2012, em Steal Like an Artist: "nothing is original…

19
00:01:07,473 --> 00:01:10,989
all creative work builds on what came before".

20
00:01:10,989 --> 00:01:15,385
Esta é a minha linha do tempo com essa ideia.

21
00:01:15,385 --> 00:01:19,780
Em 2018 eu ouvi falar de bandit pela primeira vez,

22
00:01:19,780 --> 00:01:21,978
de um amigo do trabalho.

23
00:01:21,978 --> 00:01:27,253
Em dezembro de 2017 a Netflix tinha publicado "Artwork Personalization at Netflix":

24
00:01:27,253 --> 00:01:30,000
a imagem de cada título, escolhida para cada assinante por um bandit contextual.