Categoria: Sem categoria

Se a IA tem algo a dizer sobre 2020, é “você não pode tocar nisso”.

O ano passado pode ter cortado nossas conexões com o mundo físico, mas no reino digital, a inteligência artificial prosperou. Podemos enxergar a NeurIps como a joia da coroa das conferências de IA. Mesmo sem as deslumbrantes montanhas da Colúmbia Britânica como pano de fundo usual ou as praias de Barcelona, a IA ​​teve um balanço anual que destacou uma série de problemas na “big picture” – preconceito, robustez, generalização – que englobarão as pautas nos próximos anos.

No lado mais nerd, os cientistas exploraram ainda mais a interseção entre a IA e nossos próprios corpos. Os conceitos centrais do deep learning, como retropropagação, foram considerados um meio plausível pelo qual nossos cérebros “atribuem falhas” em redes biológicas – permitindo que o cérebro aprenda. Outros argumentaram que é hora de combinar deep learning com outros métodos, como aqueles que orientam a busca eficiente.

Aqui estão quatro áreas nas quais estamos de olho em 2021. Elas abordam problemas de IA pendentes, como a redução do consumo de energia, eliminar a necessidade de exemplos de aprendizagem exuberantes e ensinar algum bom senso comum à inteligência artificial.

Aprendizagem mais dinâmica
Você já ouviu isso um bilhão de vezes: o deep learning é extremamente ganancioso, pois os algoritmos precisam de milhares (se não mais) de exemplos para mostrar sinais básicos de aprendizado, como identificar um cachorro ou um gato ou fazer recomendações para o Netflix ou Amazon.

É extremamente demorado, um desperdício de energia e um desafio, pois não corresponde à nossa experiência humana de aprendizagem. As crianças precisam ver apenas alguns exemplos de algo antes de se lembrar para o resto da vida. Pegue o conceito de “cão” – independentemente da raça, uma criança que viu alguns cães pode reconhecer uma série de raças diferentes sem nunca ter posto os olhos nelas. Agora pegue algo completamente estranho: um unicórnio. Uma criança que entende o conceito de cavalo e de um peixe narwhal  pode inferir a aparência de um unicórnio combinando os dois.

Na linguagem da IA, este é o aprendizado “less than one-shot”, uma espécie de habilidade semelhante ao Santo Graal que permite que um algoritmo aprenda mais objetos do que a quantidade de exemplos com que foi treinado. Se bem-sucedido, as implicações serão enormes. Algoritmos volumosos atualmente podem funcionar perfeitamente em dispositivos móveis com recursos de processamento mais baixos. Qualquer tipo de “inferência”, mesmo que não venha com o verdadeiro entendimento, poderia tornar os carros autônomos muito mais eficientes na navegação em nosso mundo cheio de objetos.

No ano passado, uma equipe do Canadá sugeriu que a meta não é uma quimera. Com base no trabalho do MIT analisando dígitos escritos à mão – um “toy problem” comum na visão computacional – eles destilaram 60.000 imagens em 5 usando um conceito chamado “soft labels”. Em vez de especificar a aparência de cada número, eles rotularam cada dígito – digamos, um “3” – como uma porcentagem de “3”, “8” ou “0”. Surpreendentemente, a equipe descobriu que, com rótulos cuidadosamente construídos, apenas dois exemplos poderiam, em teoria, codificar milhares de objetos diferentes. Karen Hao, da MIT Technology Review, dá mais detalhes aqui.

Um método para manter a IA à prova de hackers
De tudo que a IA pode fazer, sua falha fica na defesa de ataques insidiosos que visam seus dados de input. Perturbações leves ou aparentemente aleatórias em um conjunto de dados – muitas vezes indetectáveis ​​pelo olho humano – podem alterar enormemente o output, algo apelidado de “frágil” para um algoritmo. Muito abstrato? Uma IA treinada para reconhecer o câncer a partir de uma série de exames médicos, anotados em marcador amarelo por um médico humano, poderia aprender a associar “amarelo” com “câncer”. Um exemplo mais malicioso é a adulteração nefasta. Adesivos colocados em uma rodovia podem enganar o sistema de piloto automático da Tesla para confundir faixas e desviar com o tráfego em sentido contrário.

Fragilidade requer IA para aprender um certo nível de flexibilidade, mas sabotagem – ou “ataques adversários” – está se tornando um problema cada vez mais reconhecido. Aqui, os hackers podem mudar o processo de tomada de decisão da IA ​​com entradas cuidadosamente elaboradas. Quando se trata de segurança de rede, diagnósticos médicos ou outro uso de alto risco, construir sistemas de defesa contra esses ataques é fundamental.

Este ano, uma equipe da Universidade de Illinois propôs uma maneira poderosa de tornar os sistemas de deep learning mais resilientes. Eles usaram uma abordagem iterativa, tendo duas redes neurais em batalha – uma para reconhecimento de imagem e outra para gerar ataques adversários. Como um jogo de gato e rato, a rede neural “inimiga” tenta enganar a rede de visão do computador para que reconheça coisas fictícias; a última rede revida. Embora longe de ser perfeito, o estudo destaca uma abordagem cada vez mais popular para tornar a IA mais resiliente e confiável.

Aprendendo o senso comum
Um dos algoritmos mais impressionantes deste ano é o GPT-3, uma maravilha da OpenAI que reproduz uma linguagem assustadoramente semelhante à humana. Apelidado de “um dos sistemas de IA mais interessantes e importantes já produzidos”, o GPT-3 é a terceira geração de um algoritmo que produz uma escrita tão “natural” que, à primeira vista, é difícil diferenciar máquina de humano.

No entanto, a proficiência linguística do GPT-3 é, sob uma inspeção mais profunda, apenas um fino véu de “inteligência”. Por ser treinado na linguagem humana, ele também está preso às complexidades e limitações de nossas frases cotidianas – sem qualquer compreensão do que significam no mundo real. É como aprender a gíria do Urban Dictionary em vez de vivê-la. Uma IA pode aprender a associar “chuva” a “cães e gatos” em todas as situações, obtendo sua inferência a partir do vernáculo comum que descreve chuvas torrenciais.

Uma maneira de tornar o GPT-3 ou qualquer IA que produza linguagem natural mais inteligente é combiná-lo com a visão computacional. O ensino de modelos de linguagem para “ver” é uma área cada vez mais popular na pesquisa de IA. A técnica combina a força da linguagem com imagens. Os modelos de linguagem de IA, incluindo GPT-3, aprendem por meio de um processo denominado “treinamento não supervisionado”, o que significa que podem analisar padrões em dados sem rótulos explícitos. Em outras palavras, eles não precisam de um ser humano para lhes dizer as regras gramaticais ou como as palavras se relacionam entre si, o que torna mais fácil dimensionar qualquer aprendizado bombardeando a IA com toneladas de textos de exemplo. Os modelos de imagem, por outro lado, refletem melhor nossa realidade real. No entanto, eles exigem etiquetagem manual, o que torna o processo mais lento e tedioso.

Combinar os dois resulta no melhor dos dois mundos. Um robô que pode “ver” o mundo captura uma espécie de fisicalidade – ou bom senso – que falta apenas na análise da linguagem. Um estudo em 2020 combinou as duas abordagens de maneira inteligente. Eles começaram com a linguagem, usando uma abordagem escalonável para escrever legendas para imagens com base no funcionamento interno do GPT-3 (detalhes aqui). A conclusão é que a equipe foi capaz de conectar o mundo físico – representado por imagens – vinculando-o à linguagem sobre como descrevemos o mundo.

Apesar de ainda experimental, é um exemplo de pensamento fora dos limites artificiais de um domínio particular de IA. Ao combinar as duas áreas – processamento de linguagem natural e visão computacional – ela funciona melhor. Imagine uma Alexa com bom senso.

Fadiga de deep learning
Falando em pensar fora da caixa, DeepMind está entre aqueles que experimentam combinar diferentes abordagens de IA em algo mais poderoso. Veja o MuZero, um algoritmo destruidor do Atari que eles lançaram pouco antes do Natal.

MuZero tem outro truque na manga: não escuta ninguém. A IA não começa com o conhecimento prévio do jogo ou dos processos de tomada de decisão. Em vez disso, aprende sem um livro de regras, em vez de observar o ambiente do jogo – semelhante a um humano novato observando um novo jogo. Desta forma, depois de milhões de jogos, não aprende apenas as regras, mas também um conceito mais geral de políticas que podem levá-lo a avançar e avaliar seus próprios erros em retrospectiva.

Parece muito humano, hein? No vernáculo da IA, os engenheiros combinaram duas abordagens diferentes, árvores de decisão e um modelo aprendido, para fazer uma IA excelente no planejamento de jogadas vencedoras. Por enquanto, só foi demonstrado que ele domina jogos em um nível semelhante ao AlphaGo. Mas mal podemos esperar para ver a que esse tipo de fertilização cruzada de ideias em IA pode levar em 2021.

Caroline Verre

Nos primeiros dias do surto do coronavírus, uma teoria amplamente compartilhada nas mídias sociais sugeria que o romance de ficção científica de Dean Koontz, The Eyes of Darkness, publicado em 1981, havia previsto a pandemia do coronavírus com precisão incrível. A Covid-19 manteve o mundo inteiro como refém, gerando uma semelhança com o mundo pós-apocalíptico retratado em muitos textos de ficção científica.

O clássico romance de 2003, Oryx and Crake, da autora canadense Margaret Atwood refere-se a uma época em que “havia muito desânimo e ambulâncias insuficientes” – uma previsão de nossa situação atual.

No entanto, a conexão entre ficção científica e pandemias é mais profunda. Elas estão ligadas por uma percepção de globalidade, o que o sociólogo Roland Robertson define como “a consciência do mundo como um todo”.

Globalidade na ficção científica
Em sua pesquisa de 1992 sobre a história das telecomunicações, How the World Was One, Arthur C. Clarke alude à palestra do famoso historiador Alfred Toynbee intitulada “A Unificação do Mundo”. Apresentado na Universidade de Londres em 1947, Toynbee prevê uma “sociedade planetária única” e observa como “apesar de todas as barreiras linguísticas, religiosas e culturais que ainda separam as nações e as dividem em tribos ainda menores, a unificação do mundo passou do ponto sem volta. ”

Os escritores de ficção científica, de fato, sempre abraçaram a globalidade. Em textos interplanetários, humanos de todas as nações, raças e gêneros devem se unir como um só povo em face de invasões alienígenas. Diante de um encontro interplanetário, as nações belicosas precisam relutantemente evitar rivalidades políticas e colaborar em escala global, como no filme de Denis Villeneuve de 2016, A Chegada.

A globalidade é fundamental para a ficção científica. Para ser identificado como um terráqueo, é preciso transcender o local e o nacional e, às vezes, até o global, abraçando uma consciência planetária maior.

Em A Mão Esquerda das Trevas, Ursula K. Le Guin conceitualiza o Ekumen, que compreende 83 planetas habitáveis. A ideia do Ekumen foi emprestada do pai de Le Guin, o famoso antropólogo cultural Arthur L. K roeber. Kroeber apresentou, em um artigo de 1945, o conceito (do grego oikoumene) para representar um “agregado cultural histórico”. Originalmente, Kroeber usava oikoumene para se referir a “todo o mundo habitado”, já que ele remontava a cultura humana a um único povo. Le Guin então adotou essa ideia de uma origem comum de humanidade compartilhada em seu romance.

Globalidade na Pandemia
Muitos textos de ficção científica médica retratam doenças que afligem toda a humanidade, que deve erguer uma frente unificada ou todos morrerão. Essas narrativas ressaltam as histórias fluidas e transnacionais das doenças, seu impacto e possível cura. No romance de Amitav Ghosh de 1995, The Calcutta Chromosome, ele tece uma história interconectada da malária que abrange continentes ao longo de um século, enquanto desafia o eurocentrismo e destaca o papel subversivo do conhecimento indígena na pesquisa da malária.

A epígrafe cita um poema de Sir Ronald Ross, o cientista vencedor do Prêmio Nobel creditado pela descoberta do mosquito como vetor da malária:

“Buscando Seus atos secretos
Com lágrimas e respiração laboriosa,
Eu encontro tuas sementes astutas,
Ó morte de um milhão de assassinos.”

As pandemias são, por definição, globais. Em 11 de março de 2020, a Organização Mundial da Saúde declarou COVID-19 uma pandemia, observando que “pandemia não é uma palavra para se usar levianamente ou descuidadamente. É uma palavra que, se mal utilizada, pode causar medo irracional ou aceitação injustificada de que a luta acabou, levando a sofrimento e morte desnecessários. ”

COVID-19 forçou bilhões ao isolamento social e continua a causar estragos em uma escala global sem precedentes. Fotografias assustadoramente semelhantes de rostos mascarados, trabalhadores da linha de frente usando EPIs e centros desertos emergiram de todos os cantos do mundo.

No entanto, uma pandemia não é global apenas em sua propagação – é preciso aproveitar sua globalidade para combatê-la e, eventualmente, derrotá-la. Como observa o historiador israelense Yuval Harari, na escolha entre o isolacionismo nacional e a solidariedade global, devemos escolher o último e adotar um “espírito de cooperação e confiança globais”:

“O que um médico italiano descobre em Milão no início da manhã pode muito bem salvar vidas em Teerã à noite. Quando o governo do Reino Unido hesita entre várias políticas, pode obter conselhos dos coreanos que já enfrentaram um dilema semelhante há um mês. ”

Em relação à resposta do Canadá à crise, os pesquisadores notaram tanto a imoralidade quanto a futilidade de uma abordagem nacionalista no “Canadá Primeiro”.

Claramente, uma nação não pode se isolar dos efeitos deletérios da pandemia fechando seus corações e fronteiras. O endurecimento da imigração pode estancar temporariamente o fluxo de pessoas, mas o vírus é traiçoeiro em sua agilidade que desafia as fronteiras. Atualmente, como muitas nações experimentam um ressurgimento do nacionalismo e políticas excludentes de muros e fronteiras, a pandemia é uma lembrança dura da realidade vivida de nossa interconexão transnacional.

Este artigo foi republicado no Singularity Hub sob uma licença Creative Commons. Leia o artigo original.

Caroline Verre

O alarme toca. Você abre os olhos, recupera os sentidos e desliza do estado de sonho à consciência. Você aperta o botão de soneca e, eventualmente, rasteja para fora da cama para o início de mais um dia de trabalho.

Essa narrativa diária é vivida por bilhões de pessoas em todo o mundo. Trabalhamos, comemos, dormimos e repetimos. À medida que nossas vidas vão passando, os tambores da rotina semanal vão tomando conta e os anos vão passando até que alcancemos nossa meta de aposentadoria.

A crise do trabalho
Repetimos a rotina para podermos pagar nossas contas, preparar nossos filhos para o sucesso e sustentar nossa família. E, depois de um tempo, começamos a esquecer o que faríamos com nossas vidas se não tivéssemos que voltar ao trabalho.

No final, olhamos para trás, para nossas carreiras e refletimos sobre o que conquistamos. Pode ter sido as centenas de interações humanas que tivemos; os milhares de e-mails lidos e respondidos; os milhões de minutos de trabalho físico – tudo para manter a economia global funcionando.

De acordo com a Pesquisa Mundial da Gallup, apenas 15% das pessoas em todo o mundo estão realmente engajadas em seus empregos. O estado atual de “trabalho” não está funcionando para a maioria das pessoas. Na verdade, parece que nós, como espécie, estamos presos a uma crise global do trabalho, que condena as pessoas a desperdiçarem seu tempo apenas para sobreviver em seu dia-a-dia.

Tecnologias como inteligência artificial e automação podem ajudar a aliviar a carga de trabalho de milhões de pessoas – mas para nos beneficiarmos de seu impacto, precisamos começar a mudar nossas estruturas sociais e a maneira como pensamos sobre o trabalho agora.

O espectro da automação
A automação está em andamento desde a Revolução Industrial. Nas últimas décadas, ele assumiu uma aparência mais elegante, primeiro com robôs físicos em fábricas de produção e, mais recentemente, com a automação de softwares entrando na maioria dos escritórios.

A meta motriz por trás de grande parte dessa automação sempre foi a produtividade e, portanto, os lucros: a tecnologia que pode atuar como um multiplicador do que o único ser humano pode alcançar em um dia é de grande valor para qualquer empresa. Impulsionada por esse forte incentivo financeiro, a busca pela automação está se tornando cada vez mais abrangente.

Mas se a automação acelerar ou mesmo continuar em seu ritmo atual e não houver fortes redes de segurança social em vigor para capturar as pessoas que são afetadas negativamente (por exemplo, perdendo seus empregos), pode haver uma série de efeitos indiretos, incluindo uma riqueza mais concentrada em uma elite cada vez menor, mais pressão sobre o apoio social do governo, um aumento da depressão e da dependência de drogas e até mesmo violentos distúrbios sociais.

Parece que estamos nos precipitando para uma grande crise, movidos pelo motor da automação acelerada. Mas e se em vez de a automação desafiar nosso frágil status quo, nós a virmos como a solução que pode nos libertar dos grilhões da crise do trabalho?

A saída
A fim de empreender essa mudança de paradigma, precisamos considerar como a sociedade poderia se parecer, bem como os problemas associados a essa mudança. No contexto dessas crises, nosso objetivo principal deve ser um sistema em que as pessoas não sejam obrigadas a trabalhar para gerar os meios de sobrevivência. Essa remoção do trabalho não deve ameaçar o acesso a comida, água, abrigo, educação, saúde, energia ou valor humano. Em nosso sistema atual, o trabalho é o guardião desses itens essenciais: só se pode acessá-los (e mesmo assim, muitas vezes de forma limitada), se tivermos um “emprego” que os permita.

Mudar este sistema é, portanto, uma tarefa monumental. Isso traz dois desafios principais: fornecer segurança financeira às pessoas sem emprego e garantir que mantenham um senso de valor humano. Existem várias medidas que podem ser implementadas para ajudar a enfrentar esses desafios, cada uma com etapas importantes a serem consideradas pela sociedade.

Renda básica universal (UBI)
A UBI está ganhando apoio rapidamente e permitiria que as pessoas se tornassem acionistas dos frutos da automação, que seriam então distribuídos de forma mais ampla.

Os testes UBI foram realizados em vários países ao redor do mundo, incluindo Finlândia, Quênia e Espanha. As descobertas foram geralmente positivas para a saúde e o bem-estar dos participantes e não mostraram nenhuma evidência de que a UBI desestimule o trabalho, uma preocupação comum entre os críticos da ideia. A voz popular mais recente da UBI foi a do ex-candidato à presidência dos Estados Unidos, Andrew Yang, que agora dirige uma organização sem fins lucrativos chamada Humanity Forward.

A UBI também poderia remover a burocracia desnecessária na administração de pagamentos de previdência (uma vez que todos recebem a mesma quantia, não há necessidade de evitar falsas alegações) e promover a busca de projetos alinhados com o conjunto de habilidades e paixões das pessoas, bem como quantificar o valor das tarefas não reconhecido por medidas econômicas como Produto Interno Bruto (PIB). Isso inclui cuidar de crianças e idosos em casa.

A proposta pode ser iniciada com vontade política e apoio social, e tem sido calorosamente debatida por economistas e entusiastas da UBI. Variáveis do quanto deve ser pago na UBI devem ser implementadas, como impostos com valor agregado proposto por Yang (IVA), também se deve substituir os pagamentos de bem-estar existentes. No entanto, alguns previram a inevitabilidade da UBI como resultado da automação.

Sistema de saúde universal
Outro componente importante de qualquer sociedade é a saúde de seus cidadãos. Uma mudança para longe do trabalho exigiria ainda a implementação de um sistema universal de saúde para separar a saúde dos empregos. Atualmente nos EUA, e na verdade em muitas outras economias, a saúde está ligada ao emprego.

Cuidados de saúde universais, como o Medicare na Austrália, são evidências para o ditado “é melhor prevenir do que remediar”, ao comparar o custo dos cuidados de saúde nos EUA com a Austrália em uma base per capita. Isso já se apresentou como um avanço na forma de pensar a saúde. Existem outros benefícios de uma população mais saudável, incluindo menos tempo e dinheiro gasto em “assistência médica”. Pessoas saudáveis são mais propensas e capazes de atingir seu pleno potencial.

Remodelar a economia longe do valor baseado na carreira
Um dos maiores desafios no afastamento do trabalho é que as pessoas encontrem valor em outra parte da vida. Muitas pessoas veem suas identidades inexoravelmente ligadas aos seus empregos, e a vida sem emprego é, portanto, uma ameaça ao senso de existência de uma pessoa. Isso representa uma mudança que deve ser feita em nível social e pessoal.

Uma pessoa só pode buscar valor alternativo na vida quando tem tempo para isso. Para isso, temos de começar a reduzir as horas de “trabalho para viver” a zero, tendência que já vemos na Europa. Isso não deve custar a redução dos salários pro rata, mas pode ser complementado por UBI ou esquemas adicionais em que as pessoas recebam dividendos pelo trabalho feito pela automação. Essa transição faz ainda mais sentido quando associada à ideia de desviar o uso do PIB como uma medida de crescimento social e, em vez disso, adotar um índice de bem-estar baseado em valores humanos universais como saúde, comunidade, felicidade e paz.

O ponto crucial dessa questão está na transição da visão de que o trabalho dá sentido à vida e a vida se trata de usar o trabalho para sobreviver, em direção a uma visão de viver uma vida que por si só é gratificante e significativa. Isso dialoga diretamente com as noções da hierarquia de necessidades de Maslow, onde o trabalho aborda amplamente as necessidades psicológicas e de segurança, como abrigo, comida e bem-estar financeiro. Mais pessoas deveriam ter a chance de crescer além das necessidades mais básicas e se engajar na autorrealização e transcendência.

A questão gira em torno do que daria às pessoas um senso de valor, e as respostas seriam tão diferentes quanto as pessoas; autodomínio, construção de relacionamentos e contribuição para o crescimento da comunidade, promoção da criatividade e até mesmo o envolvimento nos aspectos agradáveis ​​dos empregos existentes podem ser considerados.

Educação universal
Com uma mudança em direção a uma sociedade que promova os valores de uma vida boa, o sistema educacional também teria que evoluir. Os pesquisadores há muito defendem um sistema educacional mais ágil, mas as universidades e até mesmo a maioria dos cursos on-line existem atualmente com o objetivo dominante de garantir que as pessoas tenham as qualificações adequadas para contribuir para a economia. Essas “fábricas de empregos” apenas agravam a Crise do Trabalho. Na verdade, a resposta frequentemente dada pelas instituições educacionais ao desafio apresentado pela automação é encontrar novas maneiras de aprimorar as habilidades dos alunos, como garantir que todos sejam capazes de programar. Como mencionado anteriormente, esta é uma solução limitada e sem imaginação para o problema que enfrentamos.

Em vez disso, a educação deve ser centrada em ajudar as pessoas a reconhecer a atual crise de trabalho e automação, ensiná-las a derivar valor desvinculado do trabalho e permitir que as pessoas abracem o progresso à medida que fazemos a transição para a nova economia.

Perturbando o Status Quo
Embora raramente paremos para pensar sobre isso, muito do sofrimento enfrentado pela humanidade é causado pelo inimigo sistêmico que é a Crise do Trabalho. A maneira como pensamos sobre o trabalho levou a sociedade longe e possibilitou grandes desenvolvimentos, mas, ao mesmo tempo, falhou para muitas pessoas. Agora, o status quo é ameaçado por esses mesmos desenvolvimentos à medida que avançamos para uma era em que as máquinas provavelmente assumirão muitas funções de trabalho.

Essa mudança de paradigma iminente pode ser uma ameaça à estabilidade de nosso sistema frágil, mas apenas se não for totalmente prevista. Se nos prepararmos de maneira adequada, pode ser a chave não apenas para nossa sobrevivência, mas para um futuro melhor para todos.

Texto originalmente publicado pela Singularity Hub.

Caroline Verre

Na tarde de ontem, 03, o apresentador Luciano Huck publicou uma entrevista com nosso fundador Peter Diamandis. Na conversa, temas como aquecimento global, inteligência artificial, importância da pesquisa científica e novas tecnologias são abordados com dinamismo e didática.

Você consegue assistir à entrevista na íntegra direto do Instagram, abaixo:

Leia também: Mundo bani: por que devemos conhecê-lo e o que ele muda nas empresas?

Caroline Verre

A inteligência artificial e seu subconjunto de disciplinas – como machine learning, processamento de linguagem natural e visão computacional – parecem estar se integrando às nossas vidas diárias, quer a gente goste ou não. O que antes era ficção científica é agora pesquisa e desenvolvimento onipresente em laboratórios de empresas e universidades por todo o mundo.

Da mesma forma, as startups que trabalham em muitas dessas tecnologias de IA viram seu estoque proverbial aumentar. Mais de 30 dessas empresas estão agora avaliadas em mais de um bilhão de dólares, de acordo com a empresa de pesquisa de dados CB Insights, que emprega algoritmos para fornecer informações sobre o mundo dos negócios de tecnologia.

Empresas privadas avaliadas em bilhões de dólares eram tão incomuns há pouco tempo que eram apelidadas de unicórnios. Agora, existem 325 dessas criaturas outrora raras, rumando juntas aos trilhões de dólares,como demonstrado pela CB Insights que mantém uma contagem contínua em seu Unicorn Club.

O subconjunto de startups de IA representa cerca de 10% do total de membros, crescendo rapidamente em apenas 4 anos, de 0 a 32. No ano passado, 17 startups de IA quebraram a barreira dos bilhões de dólares. 2018 também foi um ano de recorde para o capital de risco em empresas privadas de inteligência artificial nos EUA em US $ 9,3 bilhões, informou a CB Insights.

A Inteligência Artificial está de olho em você – Vamos começar com as más notícias primeiro. O reconhecimento facial é provavelmente uma das aplicações mais onipresentes da IA ​​atualmente. Na verdade, é uma tecnologia de décadas, frequentemente creditada a um homem chamado Woodrow Bledsoe, que usava um instrumento chamado tablet RAND que podia corresponder de maneira semi-autônoma aos rostos de um banco de dados. Isso foi na década de 1960.

Hoje, a maioria de nós está familiarizada com o reconhecimento facial como uma maneira de desbloquear nossos smartphones. Mas a tecnologia ganhou notoriedade como uma ferramenta de vigilância e de reforço da aplicação da lei, particularmente na China.

Não é segredo que os algoritmos de reconhecimento facial desenvolvidos por vários unicórnios de IA da China – SenseTime, CloudWalk e Face ++ (também conhecido como Megvii) – são usados ​​para monitorar os 1,3 bilhões de cidadãos do país. A polícia é equipada com óculos movidos a IA para tais propósitos.

Uma startup chinesa de quatro bilhão de dólares, a Yitu Technologies, também produz uma plataforma para reconhecimento facial no campo da segurança, além de desenvolver sistemas de IA na área da saúde. Por exemplo, seu sistema de imagem inteligente 4D CARE.AITM para TC no tórax pode identificar em tempo real uma variedade de lesões para a possível detecção precoce do câncer.

A IA médica já ​​está presente – Como Peter Diamandis observou recentemente, a IA está aumentando rapidamente a saúde e a longevidade. Ele mencionou outro unicórnio de IA da China no campo – o iCarbonX, que planeja usar máquinas para desenvolver planos de saúde personalizados para cada indivíduo.

Alguns unicórnios da IA ​​no lado da assistência médica são a OrCam Technologies e a Butterfly. A primeira, uma empresa israelense, desenvolveu um dispositivo para deficientes visuais chamado MyEye, que se prende aos óculos. O dispositivo pode identificar pessoas e produtos, além de ler textos, transmitindo as informações por meio de áudio discreto.

A Butterfly Network, de Connecticut, mudou completamente o mercado de assistência médica com um aparelho de ultrassom portátil que funciona com um smartphone.

“Orcam e Butterfly são exemplos surpreendentes de como o machine learning pode ser integrado a soluções que proporcionam melhoria em mercados ultracompetitivos”, observou Andrew Byrnes, diretor de investimentos da Comet Labs, empresa de capital de risco focada em IA e robótica, em uma troca de e-mail com o Singularity Hub.

IA no banco do motorista – O portfólio da Comet Labs inclui dois unicórnios de IA, Megvii e Pony.ai.

A última é uma das três startups de bilhões de dólares que desenvolvem a tecnologia de IA por trás de carros autônomos, com as outras duas sendo Momenta.ai e Zoox.

Fundada em 2016 perto de São Francisco (com outra sede na China), a Pony.ai estreou seu mais recente sistema de direção autônoma, chamado PonyAlpha, no ano passado. A plataforma usa vários sensores (LiDAR, câmeras e radar) para navegar em seu ambiente, mas sua “tecnologia de fusão de sensores” simplifica as coisas, escolhendo os dados de sensor mais confiáveis ​​para qualquer cenário de direção.

Zoox é outra startup da área de São Francisco fundada alguns anos antes. No final de 2018, conseguiu a luz verde do estado da Califórnia para ser a primeira empresa de veículos autônomos a transportar um passageiro como parte de um programa piloto. Enquanto isso, a Momenta.ai, com sede na China, está testando a autonomia de nível quatro para o seu sistema de autodefesa. Os níveis de direção autônoma são classificados de zero a cinco, com o nível cinco sendo igual a um humano ao volante.

O hype em torno da direção autônoma está atualmente em overdrive e Byrnes acredita que os bloqueios regulatórios manterão a maioria dos carros autônomos ociosos no futuro próximo. A exceção, ele disse, é a China, que está adotando uma abordagem de “sistemas” para autonomia no transporte de passageiros.

“Se a [mobilidade autônoma] resolver problemas maiores, como o tráfego que pode obter apoio do governo, isso tem o potencial de aumentar rapidamente”, disse ele. “É por isso que acreditamos que o Pony.ai será um vencedor no espaço.”

IA no Back Office – Uma tecnologia baseada em IA que talvez apenas os fãs do clássico Office Space possam apreciar, de repente, tomou conta do mundo dos negócios: automação de processo robótico (RPA).

As empresas de RPA pegam o trabalho mundano de back office, como preencher faturas ou processar reivindicações de seguro, e entregam a bots. A parte inteligente entra em jogo porque esses bots podem lidar com dados não estruturados, como texto em um e-mail ou até vídeo e fotos, para realizar uma variedade crescente de tarefas.

O Automation Anywhere e o UiPath são empresas antigas, fundadas em 2003 e 2005, respectivamente. No entanto, apenas em 2017, eles levantaram quase US $ 1 bilhão em capital divulgado.

A cibersegurança inclui a IA – A cibersegurança é outro setor em que a IA está direcionando investimentos para startups. CrowdStrike, Darktrace e Tanium, essas empresas de segurança cibernética empregam diferentes técnicas de machine learning para proteger computadores e outros ativos de TI, além da mais recente atualização de software ou verificação de vírus.

Darktrace, por exemplo, se inspira no sistema imunológico humano. Seus algoritmos podem supostamente “aprender” o padrão único de cada dispositivo e usuário em uma rede, detectando problemas emergentes antes que as coisas saiam do controle.

Todas as três empresas são usadas por grandes empresas e governos em todo o mundo. O próprio CrowdStrike ganhou as manchetes alguns anos atrás, quando vinculou o hacking dos servidores de e-mail do Comitê Nacional Democrata ao governo russo.

Anseios – A startup mais valiosa do mundo é uma empresa chinesa chamada Bytedance, avaliada em US $ 75 bilhões para curadoria de notícias e um aplicativo para criar vídeos virais de 15 segundos. Mas provavelmente não é aí que empresas como a Comet Labs geralmente investem seu dinheiro.

Byrnes vê valor real em startups que estão adotando “abordagens baseadas em dados para problemas específicos de indústrias exclusivas”. Tomemos o exemplo do unicórnio Uptake Technologies, de Chicago, que analisa os dados recebidos de máquinas, de turbinas eólicas a tratores, para prever problemas antes que eles ocorram com o maquinário. Um quase-unicórnio chamado de PingThings no portfólio da Comet Labs faz análises preditivas semelhantes para o setor de energia.

“Uma pergunta que gostamos de fazer é: ‘Como o estado da arte em sua indústria se parecerá daqui a três a cinco anos?'”, disse Byrnes. “Perguntamos muito isso, depois saímos e encontramos as equipes focadas em tecnologia que constroem essas coisas”.

Caroline Verre

Chegou a hora de apertar o reset do mundo, desobstruir a mente e entrar em um estágio inovador de pensamento – um novo Iluminismo – ao qual eu chamo de MetaIluminismo. Este conceito compreende singularidade tecnológica, progresso cientifico, inovação politica, social e econômica. Nos paradoxos da transição estão as formas de encarar o mundo: Linear vs. Exponencial; Local vs. Global e Analógico vs. Digital.

É necessário nos libertarmos dos pesos da escassez para entrarmos na Era da Abundância. Esta mudança de paradigma cria debates públicos polarizados, como temos observado mundo afora. Isso acontece porque permanecemos reféns de um modelo tão antigo quanto a história da humanidade e, assim, não reconhecemos as possibilidades rumo ao crescimento. Quem vê adiante quer abraçar as oportunidades. Aqueles que não perceberam essa reorganização vivem atolados, presos ao status quo, excluídos gradativa e seletivamente pelo processo de mudança, resistindo às forças disruptivas sem conseguir deixar para trás todas as amarras.

A mentalidade infinita faz com que o cidadão perceba que mais importante do que ganhar ou perder é permanecer no jogo. Este conceito de Simon Sinek muda completamente a forma de tomar decisões – sejam elas políticas, nos negócios ou na vida.

Assim como o movimento iluminista trouxe razão e conhecimento no século XVIII, o MetaIluminismo envolve a transformação do pensamento de escassez para luz e abundância. O prefixo Meta, do grego, exprime transcendência e sugere mudança.

Peter Diamandis, Bill Gates e Steven Pinker defendem que este é o melhor momento já vivido pela humanidade. Entre os muitos aspectos analisados nesta defesa, Pinker exemplifica que há 200 anos 90% da população vivia em extrema pobreza. Hoje, 10% se mantem nesta condição – ou seja, sobrevive com menos de 1,90 dólar/dia.

Enxergar o mundo sob a ótica do copo meio cheio é um dos primeiros desafios para a resiliência. Diante desse período de pandemia e vislumbrando o próximo normal é possível olhar para trás e observar que o que era frágil quebrou e desintegrou. Também passamos a ter clareza no que se mostrou robusto, isto é, permaneceu inabalável. Mas, surge aquele que supera a adversidade. Na biologia, Darwin identificou que alterações genéticas podem ser vantajosas. Nestes casos, as espécies acabam por incorporar a novidade e se tornam mais fortes, mais adaptadas à nova realidade. Ou seja, se beneficiam do caos e das mudanças. Isso é o que Nicholas Taleb chama de antifrágil.

A Singularity University classificou os desafios a serem enfrentados pela humanidade em dois grupos: aqueles que são relacionados a recursos (energia, água, moradia, alimentação, espaço e ambiente); e os que são relativos ao futuro das cidades e civilização (governança, saúde, prosperidade, segurança, aprendizado e resiliência a desastres naturais). Encontrar soluções antifrágeis para esses Global Grand Challenges significa dialogar com o desenvolvimento social, econômico e político.

As propostas que estão alinhadas com esse próximo normal e que devem ser perseguidas até pelo menos 2050 – quando chegaremos à metade deste século – precisam ser pensadas tendo como base os cinco pilares identificados pelo acrônimo STEEP – Social, Technological, Economical, Environmental, Political. Considerando as infinitas possibilidades de soluções para os desafios identificados, podemos imaginar um cone. Quanto mais para a frente projetarmos, menor será o diâmetro do funil. O planejamento para um futuro cada vez mais distante parte da análise detalhada das informações e elaboração de um plano de políticas públicas consistente.

Estamos falando em reescrever toda a estrutura organizacional de forma exponencial. Isso significa criar processos e sistemas de governança para construir um mundo mais justo, sustentável e resiliente. Se as causas são justas e as regras são transparentes, as chances de mobilização e sucesso são maiores.

Este novo momento da história exige uma mudança na mentalidade das pessoas. Os profissionais T serão cada vez mais valorizados, já que têm especialização em um tema e capacidade para olhar o processo como um todo, de forma multidisciplinar, conhecendo um pouco de cada assunto. São eles que impulsionarão as instituições públicas e privadas para se tornarem antifrágeis.

Estamos vivendo um momento Black Swan. Curiosamente, isso acontece no exato instante em que havia a proliferação do individualismo global, com fechamento de fronteiras físicas, diplomáticas e culturais, movimentos protecionistas e enfraquecimento dos grandes blocos. Diante dos desafios apresentados pela Covid-19, as nações percebem que a solução regional não basta. São necessárias ações conjuntas e, consequentemente, as relações entre os países precisam mudar.

O Fórum Econômico Mundial por meio da iniciativa The Great Reset afirma que vivemos um momento de urgência e pede para que os stakeholders globais cooperem simultaneamente na gestão direta das consequências econômicas, sociais e politicas da crise causada pela pandemia.

O contrato social que exercitamos até os dias de hoje se relaciona essencialmente com o mundo analógico e construtivista; com o pensamento finito, linear e com mindset local. Isso precisa ser remodelado para o mindset global, exponencial e disruptivo, que ofereça causas justas e construa um legado. Entrar no MetaIluminismo significa fazer um aditivo no contrato social. Todo contrato de longo prazo precisa de ajustes. Este é o momento.

O setor público deve se tornar um estado empreendedor. Gerenciar, organizar e controlar projetos; desenvolver veículos de investimento financeiro em pesquisas e investir em novas tecnologias devem ser competências e prioridades do poder público. São necessárias ações transformadoras e de impacto social. Para isso, cabe às esferas de governo convidar a iniciativa privada para investir, construir, operar e transferir infraestrutura como patrimônio de bem coletivo para o estado, proporcionando um diálogo com o risco de forma mais sustentável para ambos.

O ciclo se fecha porque os dois setores interagem simbioticamente num ambiente que convida à geração de valor e prosperidade. Esse novo mundo obriga que o desenvolvimento humano e social seja prioridade, antes de se pensar no retorno para os acionistas. As grandes corporações reconhecem a importância do Triple Bottom Line:  lucro, pessoas e planeta. Ou seja, a composição básica do ESG – Environmental, Social and Governance.

As Parcerias Público Privadas (PPPs) têm que oferecer tanto ao poder público quanto ao privado ativos com bom desempenho financeiro, onde riscos e dividendos são socializados. Hoje, existe uma percepção de que a PPP privatiza o lucro e socializa o risco. O mindset disruptivo transforma o ecossistema e o torna mais transparente, sugerindo responsabilidades e obrigações na construção, na operação e na transferência de infraestrutura.

Isso permite o minimalismo institucional. Cada um se dedica àquelas atividades nas quais tem expertise. Este é o DNA de uma verdadeira organização exponencial, seja ela pública ou privada.

Klaus Schwab, Founder & Executive Chairman do Fórum Econômico Mundial disse recentemente que a pandemia representa uma rara e pequena janela de oportunidade para refletir, reimaginar e resetar o mundo. Por sua vez, António Guterres, Secretário Geral das Nações Unidas, em comunicado oficial relatou que a pandemia deve ser interpretada como um momento wake-up call – ou seja um despertar oportuno para o reconhecimento de que a única forma das fragilidades globais serem resolvidas é a criação de mecanismos mais robustos de governança global e cooperação internacional.

Agora é o momento de pivotar e apertar o botão do Great Reset, renovar o contrato social, redigir um aditivo com cláusulas de oportunidade de crescimento humano e resolver os desafios globais gerando abundância e prosperidade com mentalidade exponencial, digital e global.

Vamos assinar juntos?

Peter Cabral – Cientista político, especialista em Mobilidade Urbana e Cidades Inteligentes e Expert da SingularityU Brazil

Caroline Verre

Alunos sentados em uma sala de aula, cada um com seu computador estudando de forma interativa. Ao invés de um professor, há um display multimidia através do qual a aula é ministrada por uma professora que não está fisicamente presente na sala de aula. Ao invés de assistentes humanos do professor, há robôs circulando para a sala de aula. Essa não é uma descrição do presente e nem do futuro. Essa é a descrição de  uma imagem visionária de 1969 de Shigeru Komatsuzaki intitulada “A Ascensão da Escola Computadorizada”. Talvez a única diferença marcante para o que existe atualmente é que os robôs foram idealizados na época para dar cascudos em alunos indisciplinados ou distraídos.

É certo que qualquer agenda de desenvolvimento sustentável passa pelo tema educação de qualidade. Não é à toa que uma das 17 metas de desenvolvimento sustentáveis adotadas pelos países membros das Nações Unidas para a Agenda de Desenvolvimento Sustentável 2030 é a Educação: “garantia de uma educação de qualidade inclusiva e equitativa, e a promoção de oportunidades de aprendizagem ao longo da vida para todos”. Mas como resolver os desafios da educação de qualidade para todos?

Em 1984, o psicólogo educacional Benjamin Bloom publicou um estudo onde observou que era possível fazer com que o desempenho médio dos alunos aumentasse significativamente utilizando-se um sistema de mentoria individual para cada aluno. De fato, seu estudo mostrou que a utilização de mentoria individual fazia com que o aluno com o pior desempenho de uma sala de aula utilizando tal abordagem atingisse uma nota maior que a nota média de uma sala de aula com alunos dentro de um sistema de ensino tradicional. Apesar de ser uma descoberta muito relevante, aplicar uma mentoria individual de forma escalável na prática sempre foi inviável. 

No entanto, com os avanços das tecnologias exponenciais é possível aplicar tal abordagem de forma escalável. De fato, robôs e outras soluções baseadas em inteligência artificial estão sendo aplicadas em busca de educação de qualidade para todos com baixo custo. Em 2009, Saya, um robô humanoide foi utilizado para dar aulas para crianças de 10 anos numa escola no Japão. Nos EUA, o robô Bina48, ministrou aulas de filosofia na academia militar de WestPoint em 2018.  Até mesmo a Finlândia, um dos países com os mais altos índices de qualidade educacional do mundo, entrou nessa onda e estão testando a utilização de robôs em sala de aula para o ensino de matemática e idiomas.

Os robôs talvez sejam a forma mais comum de materialização da inteligência artificial em nossas mentes. Porém, tanto a inteligência artificial como muitas de suas aplicações na educação não se restringem ao universo dos robôs. De fato, talvez elas sejam mais relevantes e promissoras do que os usos de robôs humanoides nas salas de aulas para “substituir” o papel de professores humanos.  Neste contexto, há dois aliados importantes do ambiente educacional: o Assistente de Professor baseado em Inteligência Artificial (AI-based Teacher Assistant) e o Tutor baseado em Inteligência Artificial (AI-based Tutor).

Uma grande parcela do trabalho de um professor ocorre fora da sala de aula. Um professor precisa preparar o material de suas aulas, pensando num roteiro didático que tenha aderência ao conteúdo programático e que esteja de acordo com a capacidade de assimilação de seus alunos, o que pode variar de turma para turma, bem como de indivíduo para indivíduo. O professor precisa preparar exercícios para que os alunos coloquem em prática os conhecimentos adquiridos em aula, bem como precisa preparar instrumentos de avaliação, sejam eles provas ou trabalhos. Posteriormente, o professor precisa fazer a correção e dar a devolutiva de desempenho. Com o advento do e-mail, sistemas de EAD e redes sociais, os professores recebem muitas demandas de esclarecimentos, principalmente às vésperas de entrega de trabalhos e provas. Além disso, o professor precisa controlar a presença de alunos, e em alguns casos criar formas de incentivar a participação e a atenção dos alunos através do controle de notas de participação.

Para cada uma das atividades descritas, há soluções que foram ou estão sendo desenvolvidas que compõem o conceito de Assistente de Professor baseado em Inteligência Artificial. Estas soluções prometem aumentar a produtividade dos professores, e, reduzir a demanda de tempo fora das salas de aula, que, em muitos casos, não é devidamente remunerado. Ainda, soluções como a desenvolvida na universidade de Stanford, conseguem atribuir pontuação de acordo com a qualidade das perguntas de cada aluno, apenas escutando a pergunta e analisando a complexidade e o grau de engajamento para a elaboração dela. Soluções prometem auxiliar o professor no desenvolvimento do programa e conteúdo de cada aula a partir da análise automática do desempenho dos alunos nos exercícios feitos em EAD, adaptando o conteúdo para cobrir ou reforçar tópicos de maior dificuldade. Há trabalhos acadêmicos onde foram utilizadas câmeras juntamente com soluções baseadas em inteligência artificial em sala de aula para avaliar o grau de atenção, e, entender a emoção de cada aluno a partir da leitura das respostas fisiológicas nos músculos faciais. Assim, é possível detectar dúvida, concordância ou discordância, por exemplo, auxiliando numa avaliação constante da resposta individual de forma contínua, ao invés de uma medida esporádica através de uma prova. Por fim, soluções permitem o esclarecimento automático de dúvidas dos alunos através de e-mail. Uma solução como essa foi utilizada em 2016 na Georgia Tech e esclareceu dúvidas de alunos por e-mail sobre as lições da disciplina em questão. Os alunos não sabiam que se tratava de um algoritmo de IA ao invés de um assistente de professor humano, e, por esta razão ao final da disciplina ficaram surpresos com a revelação.

Já o conceito do Tutor baseado em Inteligência Artificial é voltado para suportar cada aluno individualmente no seu processo de aprendizado. A ideia é que ele empregue os recursos mais efetivos para cada aluno atingir um desempenho superior. Ele pode acompanhar o aluno ao longo dos diferentes estágios de sua vida escolar até sua vida profissional, quando necessitará de constante atualização profissional. Ao aprender como se dá o processo de aprendizado de cada aluno individualmente, esse tipo de tecnologia promete trazer uma mudança de paradigma no sistema educacional, pois o sistema automaticamente adapta o conteúdo e as atividades para cada aluno, fornece insights para o Assistente de Professor baseado em Inteligência Artificial e para os novos professores sobre cada aluno. O sistema utiliza conhecimento sobre as lacunas e as necessidades individuais para selecionar e priorizar leitura, bem como gera automaticamente conteúdo suplementar para suportar cada estratégia de ensino. Por fim, o sistema permite ainda a valorização do esforço, de forma a recompensar o processo como um todo.

Estas soluções prometem uma facilidade na atualização curricular, pois qualquer mudança pode imediatamente ser incorporada na execução do programa de ensino, e, de forma uniforme uma cidade, estado ou país. Muitas dessas soluções descritas dependem apenas de um telefone celular, o que traz um horizonte otimista diante dos desafios educacionais existentes, dentre os quais, o de levar educação de qualidade numa escala exponencial para todos a um custo marginal baixo o suficiente para ser acessível a qualquer país independentemente do seu nível de riqueza. A educação do futuro será exponencial.

Alexandre Moreira Nascimento é consultor, pesquisador em Inteligência Artificial e Dispositivos Autônomos Inteligentes e expert da SingularityU Brazil.

Caroline Verre

Durante a pandemia de coronavírus, esperamos ansiosamente um retorno ao normal. Queremos poder sair novamente, ver nossos amigos e estar em lugares públicos sem sentir que estamos arriscando nossa saúde ou a dos outros.

Agora que a contagem de casos do Covid-19 diminuiu e as restrições estão começando a aumentar, parece que finalmente estamos no caminho de volta a alguma aparente normalidade. Mas, como mostram os eventos recentes, o status quo antes da pandemia não era tão bom para grandes faixas da população, tanto nos EUA quanto no mundo.

Realmente queremos “voltar ao normal” ou devemos nos concentrar na construção de um futuro mais justo e inclusivo?

No último summit da Singularity University sobre o futuro do trabalho, o presidente da SU de Estudos do Futuros, Paul Saffo, e o presidente de Futuro do Trabalho, Gary Bolles, discutiram um pedaço do antigo normal que acham que precisa mudar: a estrutura da economia.

Nas últimas décadas, nos distanciamos cada vez mais dos valores que nossos ancestrais construíram na sociedade pós-Segunda Guerra Mundial, e parece que, de muitas maneiras, estamos em pior situação. Bolles e Saffo acreditam que o futuro será muito mais promissor – para todos – se reorientarmos para uma economia moral.

O que é uma economia moral? – Uma definição simples de economia moral é uma economia baseada em justiça.

O termo, disse Saffo, tem quase dois séculos. James C. Scott foi um dos pensadores mais importantes nessa área e criou o conceito de uma economia moral como esta: imagine que você é um agricultor em uma pequena vila agrária. Você teve um ano ruim, mas seu vizinho também é agricultor e ele teve um bom ano. Então você vai ao seu vizinho e ele compartilha livremente parte de seu excedente com você, não porque ele está apenas sendo gentil, mas porque no próximo ano ele pode ser quem precisa de ajuda, e você poderá ajudá-lo.

Essencialmente, uma economia moral respeita a interdependência e os relacionamentos. Outro especialista em destaque nesse tópico é E.P. Thompson, ele escreveu sobre a economia moral na Inglaterra antes e depois da Revolução Industrial. Os contratos morais existiam entre o senhorio e os camponeses antes da Revolução Industrial; mas a ascensão do pensamento de livre mercado acabou com a colocação desses conceitos morais em primeiro lugar, e os contratos de longa data entre pessoas e grupos foram rompidos.

“O importante no conceito de economia moral hoje em dia é que sempre que há uma grande idéia no zeitgeist, geralmente nos fazemos a pergunta errada”, disse Saffo. “Em 2009, todo mundo estava perguntando ‘os robôs roubam nossos empregos?’, Mas as pessoas perceberam que essa era a pergunta errada, e deveríamos estar pensando no futuro do trabalho”. Agora que passamos a focar nesse tópico, a maneira de vincular as inúmeras questões ao seu redor – incluindo ambiente, equidade, diversidade e tecnologia – é discutir o futuro do trabalho no contexto de uma economia moral.

Antes e agora – Ao analisarmos grandes perturbações na economia, tendemos a nos concentrar nas tecnologias que provocaram mudanças maciças; o motor a vapor, o fertilizante à base de nitrogênio, a lâmpada incandescente etc. – mas é igualmente significativo examinar as leis e normas que foram adotadas durante essas mudanças históricas.

Na Inglaterra, antes da Revolução Industrial, disse Bolles, havia muitas fazendas pequenas, e entre as fazendas havia um espaço comum onde os agricultores podiam pastar seus animais. Quando a Revolução Industrial e as técnicas de produção em massa surgiram, as fazendas começaram a crescer e foram criadas leis chamadas Atos de Gabinete para entregar as áreas comuns a grandes proprietários de terras; surpreendentemente, acabaram tendo mais terras e mais dinheiro.

“Muitas das interconexões dessas economias foram perdidas e elas recompensaram” quanto maior, mais rápido e mais forte “, e isso se reflete até hoje”, disse Bolles. Empresas gigantes de tecnologia criaram plataformas e as recompensamos colocando cada vez mais conteúdo, informações e dados em suas plataformas. Os grandes ficam maiores, o que acaba levando o pequeno a ser forçado a sair.

“Hoje, devemos nos perguntar o que são os novos Atos de Gabinete”, disse Saffo. “Sempre há forças tentando fazer cercos, e as economias morais não aparecem por acaso. As pessoas lutam por eles. ”

Após a Grande Depressão, os trabalhadores americanos sindicalizaram e organizaram-se para exigir uma economia moral. A Segunda Guerra Mundial levou à criação de uma que durou várias décadas, até, disse Saffo, no início dos anos 80, quando foram aprovadas leis que começaram a desmantelá-la sistematicamente. O coeficiente de Gini mede até que ponto a distribuição de renda de um país se desvia de ser perfeitamente igual e, nos EUA, esse número tem aumentado constantemente desde a década de 1980. Em 2015, o 1% dos principais ganhadores nos EUA teve em média 40 vezes mais renda do que os 90% inferiores.

“Na década de 1980, todo mundo considerava tão certa a ordem que havia sido criada nas décadas anteriores que não lutou para preservá-la”, disse Saffo. “Na minha opinião, estamos no ponto de ruptura hoje”.

Como podemos consertar isso? – O mundo mudou dramaticamente desde a década de 1980 (sem mencionar desde janeiro). O avanço tecnológico trouxe comida, recursos e renda abundantes para muito mais pessoas do que nunca, mas também nos fez valorizar a independência (ou seja, um movimento em direção a uma sociedade individualista que não enfatiza a dependência e a ajuda de outras pessoas) às custas de interdependência, e agora estamos vendo as consequências.

“Estamos no meio dessa bolha de independência, e a independência se tornou um mito muito perigoso”, disse Saffo. É verdade que em uma pequena comunidade agrária é mais fácil fazer uma economia moral funcionar, porque as pessoas veem as consequências de suas ações e obtêm feedback de outras partes. A enorme economia global em que vivemos, por outro lado, é uma sociedade de estranhos, com pouco ou nenhum feedback e consequências invisíveis – até que não existam.

Como, então, podemos usar a tecnologia para promover a solidariedade social e a interdependência? Como incentivamos o equilíbrio das economias para beneficiar o maior número possível de pessoas? Como o mundo ficaria diferente se fosse construído sobre esses preceitos?

A tecnologia digital teve sua parte no prejuízo à democracia e coesão social – como transformá-la e aproveitá-la para sempre? “Não vai descer do topo”, disse Saffo. “Terá que vir do fundo, com comunidades individuais liderando pelo exemplo”.

Nossa atual estrutura econômica e sistema de recompensa não levam em consideração os fatores mais importantes para o nosso bem-estar coletivo, como justiça, igualdade, meio ambiente e nossa saúde física e mental. Precisamos trocar nosso sistema extinto por um que atraia essas coisas para a equação de maneira significativa.

Como o famoso escritor de ficção científica William Gibson disse: “O futuro já está aqui; simplesmente não foi distribuído uniformemente”. Construir uma economia moral pode ser o primeiro passo para corrigir esse desequilíbrio.

Texto originalmente publicado no Singularity Hub, disponível neste link.

Caroline Verre

“Sonhei que meu pincel se partiu enquanto pegava fatias de cérebro. Cenário de pesadelo, certo? Então eu acordei e pensei: eu realmente sinto falta do laboratório ”, lamentou uma amiga neurocientista recentemente durante um happy hour virtual.

Ela não está sozinha. À medida que a pandemia se espalhava pelos EUA, os laboratórios de neurociência fecharam suas portas, deixando para trás experimentos incompletos, animais de laboratório envelhecidos e amostras cerebrais preciosas que – se não forem processadas – podem significar perder meses de trabalho duro. Como muitos outros campos, a pandemia interrompeu as pesquisas cerebrais práticas do “laboratório úmido”. Resolver os mistérios do cérebro terá que esperar.

Em meados de março, várias empresas acadêmicas, sem fins lucrativos e comerciais de neurotecnologia se uniram para lançar um desafio neurocientífico que incorporava um futuro mais colaborativo para pesquisar o cérebro, durante o distanciamento físico e trabalho remoto. O desafio adotou uma fórmula one-two para acelerar o progresso científico, mais recentemente encapsulada pela pesquisa do Covid-19. Um grande banco de dados abertos, permitindo ferramentas baseadas em IA para análise.

Esses sentimentos não são exatamente novos para a neurociência. Graças ao big data e ao aprendizado de máquina, colaborações em larga escala para mapear o cérebro já foram possíveis através do compartilhamento de dados, como o Human Brain Project ou a BRAIN Initiative. No entanto, aplicar essas idéias colaborativas a conjuntos de dados clínicos tem sido difícil, em parte devido à complexidade e confusão dos dados, além de preocupações com a privacidade.

O desafio NeurekaTM é muito menor em escala, mas incorpora os mesmos princípios. O projeto empregou um banco de dados aberto de registros cerebrais de eletroencefalograma (EEG) de pessoas com epilepsia, com curadoria do Dr. Joseph Picone e colegas do Temple University Hospital (TUH), e desafiou uma comunidade global de entusiastas da neurotecnologia – enquanto estavam longe de seus laboratórios e ficavam em casa – para implantarem o aprendizado de máquina e outras ferramentas de IA e decifrarem melhor esses dados neurais, prevendo ataques antes que eles ocorressem.

Em apenas seis semanas, o desafio recebeu mais de uma dúzia de envios da Austrália, Bélgica, China, Israel, Índia, Rússia e outros países, com várias soluções inovadoras para capturar avisos de ataques usando apenas os sinais elétricos do cérebro.

“Esses desafios só podem ter sucesso quando houver recursos de dados suficientes para apoiar o desenvolvimento da tecnologia e uma metodologia comum de pontuação que permita a comparação direta dos resultados”, disse o Dr. Picone.

Para Yannick Roy, co-fundador e diretor executivo da NeuroTechX, uma organização sem fins lucrativos que apoia a educação e o desenvolvimento de uma comunidade global de profissionais e entusiastas em neurotecnologia, o desafio destaca a promessa da IA ​​na decifração de sinais neurais – desde que o conjunto de dados esteja amplamente disponível.

“Grandes conjuntos de dados clínicos serão essenciais para desbloquear a IA nos próximos anos em campos como a epilepsia. O Dr. Picone ajudou muito, não apenas em termos de conjunto de dados, mas também em ferramentas, documentação e suporte para entender e usar os dados ”, disse Roy, que liderou a organização do desafio.

Os resultados não são apenas um auto-tapinha de uma comunidade científica. Os resultados do desafio, quando mais explorados, podem potencialmente revolucionar o monitoramento da epilepsia para pacientes em casa. Isso é particularmente crítico, pois pacientes com distúrbios crônicos hesitam em visitar a clínica com medo do Covid-19.

“A telessaúde é especialmente importante hoje, quando estamos em casa para ajudar a achatar a curva de Covid”, disse Ray Iskander, CEO da Novela Neurotech, que ajudou a conceituar e patrocinar o desafio. “Mas, mais importante, a competição Neureka nos mostra o que pode ser feito com um conjunto de dados aberto, mesmo durante o bloqueio, para levar a pesquisa em neurociência adiante. Nosso objetivo é apoiar abordagens baseadas em dados semelhantes para personalizar soluções neurológicas em telessaúde. ”

A Mudança do Paradigma da Ciência – Já falei bastante sobre isso: a neurociência mudou de paradigma em direção a um modelo altamente colaborativo na última década. O rápido aumento do aprendizado profundo e de outras ferramentas de aprendizado de máquina tornou especialmente interessante a criação de bancos de dados de registros cerebrais e a busca por hipóteses e insights.

O Corpus de Detecção de Apreensões do Hospital da Universidade Temple (TUSZ), liderado por Picone, foi uma tentativa ambiciosa recente. Parte do Neural Engineering Data Consortium, fundado em 2012 para padronizar metodologias para aplicações de bioengenharia, o Seizure Corpus é um subconjunto da “maior coleção de dados de EEG de código aberto do mundo, com mais de 50.000 registros clínicos conhecidos como Temple University Hospital EE Corpus ”, disse Picone.

O corpus convulsivo encapsula gravações de EEG de pessoas com epilepsia, que é o padrão-ouro para monitorar convulsões. Embora esses conjuntos de dados sejam valiosos, os dados brutos também são enormes, difíceis e demorados para decifrar manualmente. O corpus de apreensão ajudou a “rotular” grande parte dos dados – um pouco semelhante aos dados de rotulagem no aprendizado supervisionado de máquinas – abrindo caminho para as máquinas “lerem” melhor os registros cerebrais elétricos humanos. Isso, por sua vez, permite aos cientistas explorar maneiras de detectar convulsões automaticamente.

Isso é incrível. Ser capaz de prever um episódio de convulsão, especialmente alguns minutos antes que ele ocorra, poderia fornecer aos pacientes um sistema de alerta precoce que ajuda a reduzir lesões e até salvar vidas. O desafio de seis semanas não nos leva lá. Mas é uma poderosa prova de conceito do que é possível durante o bloqueio para acelerar a pesquisa em neurociência.

O Desafio NeurekaTM – Picone ofereceu seu apoio ao desafio, construindo vários sub-bancos de dados do Seizure Corpus para várias equipes desenvolverem seus algoritmos de software e testarem a precisão e a eficiência. Ao todo, o conjunto de dados forneceu quase 1.100 horas de gravações de EEG de quase 700 pacientes, o que encapsulou mais de 3.500 eventos convulsivos.

O objetivo principal era usar o aprendizado de máquina ou outros métodos de IA para detectar convulsões o mais cedo possível, enquanto utilizava o mínimo de canais EEG. Normalmente, o fone de ouvido de padrão internacional possui 21 canais (incluindo referência e terra) embutidos em uma engenhoca do tipo swimcap. É intensivo em dados, volumoso e desconfortável para o uso diário.

“Ao diminuir o número de canais necessários para detectar convulsões, poderíamos potencialmente criar um equipamento mais confortável para ajudar as pessoas com epilepsia a monitorar suas convulsões em casa”, disse Iskander.

Para orientar os participantes, Roy na NeuroTechX e Picone na Temple University organizaram uma sessão de demonstração on-line sobre estrutura, organização e análise de dados, enquanto o desafio manteve um canal animado do Slack para apoiar perguntas imediatas.

“A competição nos mostrou que grandes conjuntos de dados clínicos não são ‘problemas de livros didáticos’ que você vê na escola quando começa. Os dados são confusos, provêm de diferentes equipamentos de hardware e são usados ​​de maneira diferente por vários profissionais “, disse Roy. “Essa variabilidade é um desafio para treinar modelos de alto desempenho. Mas também é necessário que o modelo de IA generalize bem a partir do conjunto de dados de treinamento “.

No total, em apenas 6 semanas, incluindo recrutamento, treinamento e avaliação de modelo de dados, o desafio recebeu 15 envios, com várias soluções superando os modelos atuais de detecção de crises.

“Os sistemas com melhor desempenho deste ano foram baseados em aprendizado profundo. Encontramos duas descobertas importantes: a primeira, que o pré-processamento dos dados pode resultar em melhorias significativas no desempenho, a segunda, que a redução inteligente do número de canais de EEG, se executada corretamente, pode fornecer um ótimo desempenho com uma complexidade significativamente reduzida ”, disse Picone.

No espírito da ciência aberta, o código do vencedor será lançado on-line para que outras pessoas continuem desenvolvendo. Os resultados da competição serão apresentados no Simpósio de Processamento de Sinais IEEE em Medicina e Biologia na Temple University, na Filadélfia, PA, em dezembro deste ano.

O conjunto de dados de desafio permanece aberto hoje para outras pessoas analisarem. Para a equipe tri-organizacional, no entanto, o desafio foi uma vitória inequívoca.

“Após esse desafio bem-sucedido, já estamos ansiosos pelo próximo!” disse Roy.

“Ainda estamos longe da aceitação clínica, os resultados da competição demonstram que o desempenho melhorou significativamente no último ano. É apenas uma questão de tempo até que o desempenho clinicamente aceitável seja alcançado “, disse Picone.

Para Iskander, o desafio é uma prova de conceito do poder de adotar uma abordagem colaborativa de dados abertos para resolver distúrbios neurológicos difíceis – mesmo que, ou especialmente durante a pandemia em que os cientistas sejam afastados de seus laboratórios.

“Estamos impressionados com as abordagens criativas exploradas nesta competição. O desafio não é o fim de tudo. Com os documentos em andamento e os resultados em aberto, esperamos que o desafio ajude a acelerar o monitoramento remoto de pessoas com epilepsia e a aumentar seu bem-estar durante e após a pandemia “, disse ele.

Shelly Xuelai Fan – Neurocientista e autora do livro “A Inteligência Artificial nos substituirá?”.

Caroline Verre