Por dentro da cultura do biohacking de bactérias programáveis
O que acontece se misturarmos a ética hacker com a tecnologia de manipulação orgânica, por meio da biologia sintética? Você tem o biohacking! No entanto, sabe exatamente o que é isso? Hoje, o biohacking se posiciona como o novo paradigma do século e prega a acessibilidade ao conhecimento pelo menor custo possível. Acompanhe este artigo e descubra como o biohacking de bactérias programáveis e de alterações corporais utilizadas para melhoria de características específicas está desenhando o cenário futuro e impondo novas perspectivas para saúde, segurança e evolução. O que é o biohacking? A ideia de hackear é algo muito popular, mas, e sobre biohacking? Você já ouviu esse termo em algum lugar antes deste texto? Em caso negativo, não se preocupe, você não está sozinho. Apesar de estar em franco crescimento, esse ainda é um assunto pouco conhecido em nosso país. Podemos definir o biohacking como a técnica capaz de hackear um organismo vivo, da mesma maneira como acontece com componentes eletrônicos. O objetivo desse hackeamento é a possibilidade de adquirir melhorias em alguma capacidade ou, ainda, obter novas habilidades. O conceito pode ser aplicado ao manuseio desde a mais simples bactéria até organismos mais complexos, como o próprio ser humano. Semelhantemente aos softwares de computador, buscamos fornecer inputs (entradas) — por meio de novas substâncias, eletro-manipulação ou próteses — conforme as outputs (saídas) desejadas. Para ficar ainda mais claro, vamos continuar com o exemplo dos seres humanos. Com o biohacking, somos capazes de hackear e promover melhorias para a mente e o corpo, como: enxergar no escuro, sentir campos eletromagnéticos, realizar o controle hormonal, possibilitar o controle de doenças ou, ainda, ficar mais produtivo. Porém, não se trata apenas de modificação do corpo. A ideia que permeia essa atividade é a união da biologia com a ética hacker, por meio da cultura do “faça você mesmo”. Assim, os entusiastas dessas tecnologias conseguem desenvolver suas pesquisas de maneira independente, abordando desde mudanças corporais até um completo sequenciamento genético caseiro. Ética hacker e cultura hacking Podemos definir o biohacking como a fusão da biologia sintética com a ética hacker. Hacking significa melhoria ou correção de problemas e transmite a ideia de realizar modificações em sistemas/programas com o intuito de obter novas capacidades outrora não disponíveis. Essa é base da “cultura hacker”, que se define como uma ideologia favorável à inovação, à descentralização do conhecimento e da informação e à universalização do acesso à tecnologia. Da mesma maneira, o hacking também não está limitado ao universo da computação. Pelo contrário, ele une a ciência biológica com a cultura hacker, e dá luz a um novo conceito chamado de Biologia DIY (“do it yourself” ou “faça você mesmo”). Sendo assim, a ética hacker visa a popularizar e a tornar acessível todo o conhecimento necessário sobre as técnicas de manipulação orgânica do corpo, ampliando a quantidade de experimentos realizados e promovendo-os da maneira mais barata possível. Por se tratar de um conceito interdisciplinar, atrai participantes das mais diferentes áreas, como Matemática, Artes, Química e, obviamente, Biologia. Bactérias programáveis O biohacking de bactérias programáveis permite uma série de benefícios à vida humana. Para os pesquisadores, os micro-organismos funcionam como uma espécie de smartphone no qual você pode instalar uma grande variedade de aplicativos (nesse caso, genomas de designer). A utilização de programação dos DNAs das bactérias para produção de substâncias necessárias ao corpo também permite o barateamento de alguns tipos de fármacos. Um exemplo é o projeto Open Insulin, uma campanha financiada no Experiment — uma plataforma de financiamento coletivo para pesquisas científicas — cujo objetivo era fornecer uma alternativa genérica e acessível aos remédios caros e patenteados contra o diabetes. Um grupo de 16 biohackers se uniu para criar um protocolo open source (aberto) de insulina — instrução mais barata e acessível para a produção da substância, usada no tratamento de diabetes. O projeto conseguiu arrecadar mais de U$ 16 mil (R$ 50 mil). As possibilidades são ilimitadas: em teoria, os organismos podem ser programados para praticamente qualquer coisa. Alguns exemplos são plantas brilhantes (porque é legal!), concreto autorreparador e açafrão sintético — e muitas outras oportunidades que são exploradas diariamente pelos biohackers, como protetor solar bacteriano e queijo vegano de vaca. Quais são os casos notórios de biohacking? Seja por meio das intervenções mais radicais realizadas por pessoas que buscavam alguma mudança em seu corpo, seja por meio dos procedimentos mais comuns aplicados na medicina, o biohacking é algo que sempre impressiona. Vamos, agora, conhecer alguns exemplos dos casos mais notórios. Visão noturna Em 2015, em Los Angeles, o biohacker Gabriel Licina injetou Chlorin e6 em seus globos oculares para obter visão noturna. O Chlorin é análogo à clorofila e foi extraído de peixes de zonas abissais, onde não existe incidência de luz natural. Audição de cores Outro biohacker, Neil Harbisson, nasceu com uma síndrome rara que não permite que ele diferencie as cores, enxergando tudo em preto e branco. Com o auxílio de médicos e outros parceiros, ele desenvolveu um sistema que, acoplado à sua cabeça, traduz as cores em sons. Assim, cada cor captada pelo aparelho vibra em uma determinada frequência, possibilitando a sua distinção. Biohacking comum O chip anticoncepcional é um contraceptivo implantado sob a pele dos braços ou das nádegas, contendo uma certa quantidade recomendada de hormônio. O aparelho é programado para liberar periodicamente determinadas doses desse hormônio na corrente sanguínea da paciente. O método, além de prevenir a gravidez, corta a menstruação, regula os efeitos da TPM, e as variações de peso e humor feminino. DIYBio no Brasil Mesmo não sendo um assunto muito popular, o Brasil se destaca e já mantém uma marca no movimento biohacking. Devido aos preços e às burocracias, a maioria dos laboratórios abertos de biologia em funcionamento está reaproveitando equipamentos, e é, de alguma maneira, ligada a universidades. São vários os laboratórios de garagem em funcionamento. Os exemplos mais emblemáticos são o carioca Olabie e os paulistas FabLabs da prefeitura e o Garoa Hackerspace, que contém estufas, impressoras 3D, microscópios, centrífugas (que separam componentes e soluções), pipetas, máquinas de PCR (que reproduzem DNA em grande quantidade), nanodrops, que são equipamentos que medem a concentração de moléculas, e outros recursos disponíveis
Qualidade do ar interno em fábricas: como a tecnologia trabalha a seu favor
Seja por ética, empatia, e também por questões de manutenção da produtividade e redução de custos associados ao capital humano, gestores responsáveis atentam cada vez mais para o impacto da salubridade de suas instalações na saúde de seus colaboradores, principalmente no que diz respeito à qualidade do ar interno (QAI) das fábricas. A grande maioria dos trabalhadores da indústria passa mais tempo em seus ambientes de trabalho do que em qualquer outro lugar. A boa notícia é que a tecnologia associada à gestão da saúde laboral proporciona um número crescente de inovações que englobam desde controle de temperatura, até remoção de resíduos e poluentes do ar. O objetivo deste artigo é justamente olharmos para esse tema, a fim de entendermos um pouco mais sobre como a tecnologia trabalha a favor da qualidade do ar nos ambientes fabris. Vamos lá? Como surgem os poluentes? Geralmente as indústrias são ambientes de transformação de materiais. Isso significa que muitas de suas atividades se resumem a receber insumos de seus fornecedores e processá-los até se tornarem produtos acabados. O grande problema é que esses processos geram resíduos muitas vezes tóxicos e invisíveis a olho nu, que são eliminados no próprio ar. Além da saúde humana, a qualidade do ar é importante também para as indústrias alimentícias pois interferem diretamente na qualidade do produto. São exemplos de resíduos tóxicos os gases, material em suspensão, esporos. Por isso é fundamental garantir que haja troca do ar interno da fábrica com o externo, a fim de manter a qualidade ideal para o trabalho humano. Tecnologia aplicada à QAI O uso eficaz da tecnologia permite um melhor controle e monitoramento das condições do ar no ambiente interno das fábricas. Esse controle possibilita a adoção de comportamentos mais adequados a cada situação, como, por exemplo, a escolha de vestimentas em certos ambientes, a demarcação de áreas de proteção e a definição de risco à saúde devido à exposição aos gases tóxicos. A seguir, apresentamos alguns exemplos de funcionamento e uso de algumas ferramentas nas diferentes situações. Sedimentação em placas de Petri Essa é uma das tecnologias mais confiáveis para verificar a qualidade higiênico-sanitária do ar ambiente industrial. A técnica consiste na sedimentação do ar em placas de Petri embainhadas em um meio de cultura de acordo com o tipo de microrganismo objeto de verificação. Também existem equipamentos que realizam a sucção do ar para a placa, sendo o resultado apresentado em UFC/ft³. Sistemas de HVAC A sigla vem do inglês heating, ventilation and air conditioning (aquecimento, ventilação e ar-condicionado) e define três funções geralmente combinadas em um sistema central de climatização. Em conjunto, é possível nivelar a temperatura, o conforto e qualidade do ar em benefício da produtividade. Ambientes com alta temperatura ou muito frios e com alta umidade podem provocar a distração dos colaboradores e até induzir o sono. Contadores e monitores de partículas portáteis No mercado, existem vários monitores e registradores de dados disponíveis para a avaliação da qualidade do ar interno e para verificar o desempenho de sistema de aquecimento, ventilação e ar-condicionado. Eles são utilizados em medições sobre a contaminação do ar para substâncias como o dióxido de carbono e formaldeído, por exemplo, e realmente são o instrumento ideal para a verificação da QAI. Como observamos, existem diferentes tecnologias que podem auxiliar as fábricas a gerir a qualidade do ar em seus ambientes de trabalho. Tão ou mais importante quanto os investimentos em capital físico, o cuidado com o capital humano é fundamental para o desempenho das organizações em qualquer segmento da economia. Gostou do artigo? Assine nossa newsletter, e receba os melhores conteúdos sobre as principais inovações relacionadas à tecnologia e suas aplicações no mundo corporativo.
Como a computação quântica vai mudar o dia a dia da sua empresa? Veja aqui!
A computação quântica, diferentemente da tradicional, surge como alternativa para ajudar empresas a superarem desafios que são impossíveis para os computadores tradicionais. E é por esse motivo que ela é tão relevante para organizações de ponta como a IBM e o Google. Apesar de não ser, exatamente, um assunto novo, é fato que essas máquinas vão impactar cada vez mais as nossas rotinas. Pense em dispositivos cujo poder de processamento é tão grande que eles seriam capazes de encriptar data sem que sequer notemos, processar quantidades gigantescas de dados sem oferecer problemas de performance e resolver dilemas complexos que são um problema até hoje para os mais avançados supercomputadores — relacionados a coisas como diagnósticos médicos em tempo real. No último ano, a revista Nature contemplou o tema e publicou dois papers que mostram as possibilidades advindas da computação quântica e como ela representará uma mudança de paradigma para os empreendimentos. Hoje, exploramos algumas dessas mudanças para ajudá-lo a entender como a tecnologia servirá para avançar os objetivos da sua organização. Confira nos tópicos abaixo! O que é computação quântica? Computação quântica é levar em consideração as regras da mecânica quântica ao utilizar computadores para processar informações. Se na computação clássica é preciso um input para se obter um output, ao migrarmos para hardwares quânticos conseguimos chegar a resultados não sequenciais e otimizados sobre vários inputs simultâneos. O principal diferencial disso é uma velocidade de processamento melhor, mas, há vários outros benefícios que podemos obter da computação quântica. Essas estruturas são bem diferentes dos computadores que conhecemos e contém, por exemplo, um tubo ou um espaço que reproduz o vácuo e pelo qual percorrem lasers que são utilizados para diminuir a velocidade de um único átomo contido em seu interior. É como esses lasers fossem capazes de diminuir a velocidade do átomo para algo próximo do zero — sendo previamente programados para isso —, permitindo que o computador quântico atinja essas supervelocidades e lide com informação de uma forma impossível para as máquinas tradicionais. Como a computação quântica se difere da tradicional? Os computadores tradicionais funcionam sobre números binários e permitem que façamos a inserção de informações para obtenção de resultados. O que significa que, ao realizar cálculos, precisamos estabelecer uma série de regras que determinam exatamente quais tipos de respostas somos capazes de obter. O processo todo envolve a soma, subtração, multiplicação e divisão de dados para a obtenção de variáveis válidas. Entretanto, não é exatamente assim que o mundo funciona. Há alguns anos estamos cientes de que a física quântica é a ciência capaz de determinar com mais precisão como o nosso universo opera e dentro dela temos sistemas. Esses sistemas permitem que tenhamos mais de uma informação relevante sobre os estados das coisas simultaneamente, o que significa que a superposição é uma variável que deveria ser considerada também na computação. Os computadores quânticos funcionam sobre o princípio de que um átomo pode estar em dois estados da matéria ao mesmo tempo e nos ajudam a obter resultados mais acurados sobre o mundo real. Que benefícios poderemos observar graças à computação quântica? Os computadores quânticos serão disruptivos para todas as indústrias. Abaixo, lhe mostramos algumas maneiras como essa disfunção poderá influenciar empresas como a sua. Segurança online Um dos principais diferenciais que podemos esperar com a computação quântica é um aumento da segurança online, cujo único ponto negativo é a obsolescência dos sistemas de encriptação que utilizamos hoje. Afinal, a maioria dos nossos sistemas de segurança atuais leva em consideração o tempo que se gasta para “quebrar” um código como um fator de segurança, e esse período será irrisório com o advento da computação quântica aplicável. A boa notícia, porém, é que esse tipo de inovação permitirá a distribuição mais organizada de informação e a criação de métodos de comunicação extremamente seguros. Porque uma de suas características é impedir que as mensagens, quando e se interceptadas, sejam lidas pelo interceptador. Inteligência Artificial Os impactos da Inteligência Artificial já fazem a diferença no dia a dia das empresas, mas farão muito mais com computação quântica. Porque esses sistemas são capazes de absorver e analisar mais informações simultaneamente, eles serão melhores para prover as Inteligências Artificiais com informações e o feedback de que elas precisam para ter uma performance otimizada. Isso reduzirá a curva de aprendizado dos sistemas, e conseguirão corrigir seus erros rapidamente e de maneira auto-suficiente. O resultado? Uma tecnologia mais intuitiva e que avança com mais velocidade. Previsibilidade aumentada Para que sistemas como os de diagnóstico médico ou de previsão de tempo funcionem, precisamos de uma coisa chamada de previsibilidade. Ela é a capacidade de determinar um número de resultados prováveis a partir de uma informação — e não é de se admirar que ela aumente com a superposição quântica. Até o presente momento, mesmo quando utilizamos tecnologias sofisticadas, ainda precisamos que as máquinas “adivinhem” parte das informações que esperamos receber. Essa adivinhação torna os resultados imprecisos, especificamente em áreas como as citadas na introdução deste tópico. Como os computadores quânticos são capazes de analisar múltiplas matrizes de dados ao mesmo tempo e sem perder eficiência, eles permitirão que cientistas tenham uma previsibilidade muito maior sobre suas ações. E melhorarão os resultados que clientes podem ver como a qualidade dos produtos da agricultura. Com a previsão de tempo otimizada é possível antecipar situações ruins para o plantio e a colheita e utilizar essa informação para evitar problemas que prejudicariam o sabor dos alimentos ou, até mesmo, a segurança dos colaboradores que trabalham em áreas rurais. Atualmente ainda não temos a produção passiva ou a venda de computadores quânticos viáveis. Entretanto, essa é uma tecnologia que fará parte de nosso futuro e para a qual você deve estar atento, pois representa uma série de possibilidades que ajudarão a sua empresa a entregar um nível de serviço melhor e mais eficiência para seus consumidores. Gostou de saber mais sobre a computação quântica, como ela funciona e que mudanças ela trará para o dia a dia da sua empresa? Aproveite e entenda melhor os impactos da ciência da inovação
Colaboração tática: desafios de usar IoT e IA na segurança pública
Seguindo a tendência mundial de migração campo-cidade, a pesquisa realizada pela Embrapa SP revelou que mais de 80% da população brasileira vive em área urbanas. Esse fenômeno acarreta muitos desafios, porém, o principal deles se relaciona à segurança. Neste artigo você vai conhecer como a IoT e IA podem atuar em colaboração tática em benefício da segurança pública. Ao longo da história o avanço tecnológico sempre representou uma grande fonte de progresso e bem-estar da humanidade. Para atender as demandas dos grandes centros urbanos, seus gestores têm recorrido cada vez mais à tecnologia para garantir o funcionamento dos serviços necessários para a melhoria do modo de vida dos habitantes e suas relações sociais. Para saber mais sobre o assunto, continue a leitura do post! Relação entre IoT & IA Antes de avançarmos, é preciso que os conceitos sobre a IoT & IA estejam bem claros em sua mente para então entrarmos no estudo da relação desses termos com a segurança pública. Começando pela IoT, sua sigla é autoexplicativa e significa internet das coisas. Muitos ao ouvirem esta expressão logo pensam em veículos conectados, gadgets digitais, celulares e eletrodomésticos inteligentes. Todos são exemplos da IoT em operação, sendo cada vez mais presentes também em fluxos de trabalho e nos processos produtivos das empresas. Dessa forma, as máquinas já possuem a capacidade de se conectar à internet e de relacionar-se com outros objetos, aprendendo com o seu ambiente e tomando decisões próprias para realizar sua manutenção e garantir seu funcionamento. Mas afinal, qual a relação entre elas? A inovação de objetos se conectando à internet não é algo novo, mas a ampliação de sua capacidade de raciocínio e autonomia são avanços muito recentes proporcionados pela interação entre IoT e IA. A internet das coisas não se limita mais à conectividade. É nesse momento que a Inteligência Artificial se apresenta como um verdadeiro complemento da IoT, por meio da realização de análises profundas que vão muito além das tradicionais métricas básicas e estatísticas. Com a inteligência artificial, é possível compilar grandes quantidades de dados (Big Data) em conhecimento útil, relevante e rentável, transformando-os em soluções personalizadas para pessoas, empresas e governos. É para além dos limites da automação pessoal que passamos a analisar agora o poder da inteligência artificial na era da internet das coisas, aplicada em colaboração tática na área de segurança pública. Vejamos algumas aplicações a seguir. Exemplos práticos Muitos lugares ao redor do mundo têm desenvolvido projetos que tornam propícia a colaboração tática entre IoT e IA. As chamadas cidades inteligentes (CI) tratam-se de projetos em que espaços urbanos são colocados como laboratórios de experiências ao ar livre, com o uso intenso de tecnologias baseadas na integração das comunicações e na administração orientada por dados. Em outras palavras, o conceito descreve o uso de tecnologia aplicada para a melhoria da infraestrutura e modo de vida urbanos. Esse locais apresentam investimentos em quatro áreas principais: mobilidade, qualidade de vida, economia criativa e interação facilitada entre cidadão-governo. A internet das coisas, Big Data e governança algorítmica são os principais norteadores do seu desenvolvimento. Para exemplificar soluções específicas em segurança pública, apresentamos a seguir dois exemplos: o primeiro relacionando a integração de setores da administração para melhorar a tomada de decisões e o segundo ilustrando o uso de recursos de sistemas inteligentes para a prevenção e combate de conflitos urbanos. Tecnologias aplicadas na tomada de decisões Locais que aderiram a projetos de cidades inteligentes não levam em conta apenas o uso de inovações para melhoria de qualidade de vida e segurança da população. Outro objetivo que também é prioritário é a promoção da integração entres os mais diversos setores da administração pública regional. Medidas assim possibilitam o levantamento de informações de maior qualidade, que servirão como subsídios para a tomada de decisões. Um caso emblemático é o da Receita Federal Brasileira, que utiliza um software de reconhecimento facial. O registro obtido no reconhecimento é cruzado com informações de antecedentes criminais, possibilitando identificações instantâneas. O sistema NeoFace Watch, da NEC, é utilizado em aproximadamente 14 aeroportos internacionais do país, incluindo o Aeroporto do Galeão, no Rio de Janeiro, e o de Guarulhos, em São Paulo. O objetivo de uso é a identificação de suspeitos envolvidos em problemas na alfândega por meio do reconhecimento biométrico da face. Todo o procedimento é não invasivo e realizado por meio de fotos, sistemas de CFTV, webcams e vídeos. Tecnologias aplicadas à prevenção de violência no futebol Os grandes eventos são características marcantes dos centros urbanos. São diferentes programações, como shows e eventos esportivos e culturais. Especificamente no caso do futebol, como você bem sabe, não são raros os momentos de conflito entre as chamadas torcidas organizadas. Com o uso de sistemas inteligentes dá para trabalhar na identificação prévia de pessoas anteriormente envolvidas em casos como esses ou que estejam desobedecendo ordens restritivas de liberdade. Além disso, é possível oferecer uma rápida resposta no momento de eclosão dos confrontos por meio do monitoramento constante. Desafios no caminho Nesse mundo novo de máquinas autônomas e responsáveis por suas decisões, é preciso garantir a formação de profissionais especializados, capazes de lidar com tecnologia avançada. O poder público também deve se atentar à prevenção e resolução de possíveis falhas de funcionamento de maneira rápida para não levantar questionamentos quanto a real necessidade dessas ações. Outro desafio se relaciona aos direitos individuais do cidadão. Segundo o art. 144 da constituição brasileira o estado deve garantir segurança aos cidadãos por meio da execução de políticas públicas eficientes. Sendo assim, entidades do governo têm o respaldo para instalação de câmeras em vias públicas e outras tecnologias de IoT aplicadas em segurança. Mesmo com a retaguarda constitucional, cabe ao estado adotar políticas que garantam o equilíbrio entre segurança e os direitos individuais à privacidade. Com tudo o que vimos até aqui, resta o desafio final de não restringir a solução para os problemas de segurança apenas ao uso de tecnologias. É necessário desenvolver a capacitação e treinamento constante de agentes públicos para o uso das ferramentas apresentadas, tendo-as como aliadas e não como um fim em si mesmas. Através da colaboração tática entre tecnologias de IoT e IA,
O que esperar da tecnologia definida por software?
Diferentes empresas e nichos de mercado têm sofrido impactos cada vez maiores das mudanças ocasionadas pelos avanços tecnológicos, que estão, a todo o momento, impondo novos cenários ao mundo corporativo, obrigando-os a evoluir seus processos, estruturas e modelos de negócio. Entre essas inovações está a tecnologia definida por software. Mas você sabe o que significa este conceito, suas implicações, quais desafios enfrentados e perspectivas para o futuro? É o que apresentaremos neste artigo! Confira! O que é a tecnologia definida por software? ASDI não se resume a apenas uma tecnologia, mas sim a uma combinação delas, definidas por software, principiando pela arquitetura de computação (SDC), armazenamento (SDS), rede (SDN) e unidos por um data center também estabelecido por sistema operacional. A infraestrutura definida por software (SDI) se constitui de arquiteturas expansíveis de código aberto que podem ser implantadas e controladas por aplicativo, dispensando o trabalho humano. Esses aplicativos não estão vinculados a hardwares específicos, pois tem em seu código a capacidade de configurar o equipamento em que serão executados. Por meio disso, é possível a automação e integração de muitas atividades chave de TI. A evolução do data center Como vimos, a evolução tecnológica, cada vez mais intensa, apresenta novos paradigmas diante das organizações. Anteriormente, não era incomum encontrar gestores que entendiam a tecnologia da informação apenas como acessório das rotinas da empresa. Atualmente, a realidade é outra e a TI, outrora descartável, se posiciona como fator primordial para o desenvolvimento de novas oportunidades de negócios. Essa transformação digital tem o servidor como peça fundamental de seu alicerce. Sendo assim, eles têm que funcionar como sistemas capazes de unir todos os recursos de infraestrutura de uma empresa, como um motor central que impulsiona o crescimento. Hoje em dia, um data center digital completo deve ser capaz de entregar um desempenho superior, sem deixar a desejar no quesito segurança. O uso de múltiplas nuvens, orientadas continuamente aos objetivos das empresas, permite que as redes possam aprender e se proteger, aumentando a confiança global disposta nos recursos de TI de uma organização. Software vs. Hardware Trata-se de um debate ultrapassado quando nos referimos à infraestrutura definida por software (SDI). A ideia de que a SDI visa eliminar o Hardware tradicional é equivocada, pois, como vimos, ela é uma combinação de tecnologias de armazenamento, rede e arquiteturas de computação que são definidas por desenhos, processo que envolvem o uso combinado de software e hardware. Ao contrário, o que observamos de fato é a minimização da dependência de um fornecedor único, possibilitado pela ampliação do uso de hardwares genéricos e a adoção de protocolos abertos e padrões já definidos pela indústria. Incorporação de tecnologias de computação em nuvem Com o objetivo de tornar as organizações mais eficientes e com menores custos, a SDI incorpora tecnologias de computação em nuvem na construção e no gerenciamento de recursos de infraestrutura de TI. Seja através do armazenamento público ou privado, ela se apresenta como o próximo estágio de evolução do data center. Quais os benefícios proporcionados pela SDI? Vários são os benefícios adquiridos na adoção da infraestrutura definida por software de padrões abertos. Entre eles, podemos destacar os seguintes: Automação da recuperação de dados e a configuração de backups Funções de segurança, prevenção e outros requisitos de uma aplicação são trabalhadas automaticamente pela infraestrutura de reconhecimento de aplicativos. Diminuição das despesas de capital Há duas principais maneiras de redução de despesas de capital proporcionadas pela SDI. A primeira se dá através do uso de protocolos abertos, definidos pela indústria de atuação, em que é possível limitar a dependência de hardware e software proprietários. A segunda forma é através da aplicação de tecnologias de virtualização em nuvem, para otimização do uso dos recursos de TI já disponíveis, ao invés de provisionamentos desnecessários para situações de demandas atípicas. Simplificação do gerenciamento Outro benefício proporcionado pela SDI é a facilidade de gerenciamento. Um exemplo são os painéis administrativos utilizados em lojas de aplicativos, que podem ser usados para monitorar toda a infraestrutura definida por software. Ganho de escala e flexibilização Com a SDI é possível priorizar as necessidades da empresa, alocando os recursos de infraestrutura de acordo com seu mapeamento e os requisitos das aplicações. Essa maleabilidade de aplicação proporciona uma melhor experiência para o usuário e otimiza o valor da TI. Padronização e simplificação dos tipos de consumo de TI Com o uso de equipamentos de hardware padronizados e a virtualização total de data center, é possível flexibilizar as configurações dos recursos de computação em rede e armazenamento, de acordo com cada aplicação. Automação do provisionamento de recursos O ganho de eficiência operacional de recursos de rede, computação e armazenamento também é um benefício proporcionado pela SDI. Com a gestão e provisionamento automatizados, a quantidade de especialistas necessários em sua operação é bastante reduzida, o que permite que a empresa foque na melhoria dos níveis de serviço (ANSs) e qualidade. A limitação causada pela necessidade de conhecimento especializado em suporte, hardware e software, é quebrada na medida em que migramos para a SDI, proporcionando redução de gastos e a independência. Integração de recursos de nuvem híbrida (público\privada) Conforme a demanda, é possível melhorar a eficiência e a redução de custos através da alocação de níveis de trabalho em nuvens públicas ou privadas, mantendo concomitantemente a ampliação da velocidade e integridade dos dados. É notório o movimento realizado por muitas empresas que migram os seus dados de um data center local (On-premises) para a computação em nuvem com o intuito de reduzirem os seus custos. Para ser bem-sucedida nesse processo, o ideal é que a mudança não se limite a abordagens baseadas apenas em hardware, mas sim que considerem também o modelo de armazenamento SDS, que facilita a integração dos recursos de IaaS (Infraestrutura como Serviço) com os de Nuvem Híbrida, Privada e Pública. Com o crescimento exponencial dos dados das empresas, o investimento em equipamento físico é dificultado, devido às suas capacidades de armazenamento rapidamente esgotáveis. A solução para o problema é apontada pelo uso do SDS
O que é machine learning e que diferença isso faz na minha vida?
O fator primordial, que tornou possível a espécie humana alcançar sua evolução atual, é a capacidade de acumular conhecimentos ao longo da história e torná-lo disponível às gerações futuras. Mas, e se não fossemos os únicos a possuir esta capacidade? Já imaginou se máquinas desenvolvessem a habilidade de aprender com os próprios erros e aprimorar o seu raciocínio? Pois é, essa é a realidade do machine learning. Seja em filmes de ficção ou documentários na televisão, você provavelmente já ouviu sobre Inteligência artificial e aprendizado de máquina. Mas para além do que já possa ter ouvido falar, o que propomos com este artigo é que você mergulhe no tema e entenda o quão diretamente o machine learning afeta a sua vida neste exato momento, e também o seu futuro. Definimos a Inteligência artificial como um ramo da ciência da computação, que busca construir sistemas que tem como objetivo imitar a inteligência humana, mais especificamente a nossa capacidade de raciocínio e resolução de problemas. Da mesma maneira, o machine learning é um ramo da inteligência artificial, que tem como base o conceito de que sistemas de informação podem evoluir a sua própria programação algorítmica, tornando possível que aprendam a tomar decisões com pouca ou nenhuma intervenção humana. O que é machine learning e qual a sua origem? No início da década de 1940, as pesquisas em torno da inteligência artificial visavam exclusivamente o desenvolvimento de novos recursos para o projeto do que viria a ser o computador. Com advento da segunda guerra mundial, a demanda bélica influenciou o direcionamento das pesquisas, passando a ser orientadas para o desenvolvimento da própria indústria de armas. Com o tempo, começaram a surgir novos desdobramentos da inteligência artificial, como o ramo biológico, que pretendia imitar as redes neurais humanas. Mas é a partir dos anos 60 que inicia-se um desenvolvimento ainda maior desta ciência, e que passou a ser reconhecida como tal. Neste período, os pesquisadores de linha biológica passam a desenvolver teorias de que seria possível as máquinas realizarem funções complexas, tipicamente humanas, como a capacidade de raciocínio. Nasce então o machine learning. Talvez a principal característica que devemos destacar do machine learning seja a sua capacidade de interação e adaptação independentes dos seus modelos, frente aos diferentes dados a que são expostos. Ou seja, conforme o ambiente varia, o algoritmo se adapta para produzir resultados mais confiáveis. Como observamos, essa não é uma ciência tão recente. Mas, graças ao atual desenvolvimento da computação, da habilidade que esses algoritmos possuem de realizar cálculos complexos, aliados ao incipiente conceito de big data, esta área do conhecimento está ganhando ainda mais impulso. As aplicações da inteligência artificial em nosso dia a dia são inúmeras. Automação robótica, programas de computador, aplicados de celular, sistemas de segurança, dispositivos de reconhecimento, programas de diagnósticos, jogos, enfim. Outras aplicações de machine learning também são familiares, como os carros autônomos do UBER e do Google, e as sugestões diárias de ofertas que você recebe de empresas como Netflix e Amazon. Essas ofertas são sugeridas com base no raciocínio sobre suas preferências. Quais são suas aplicações? Como vimos, o aprendizado de máquina ou machine learning é um tipo de inteligência artificial que permite — sem programação prévia —, que os computadores aprimorem seu algoritmo (instruções lógicas orientadas a solução de problemas) de acordo com o seu ambiente (alimentação de dados). Para que este conceito seja melhor esse assimilado, vamos abordar alguns exemplos práticos do seu funcionamento. Segundo analistas, vivemos em um verdadeiro ponto de inflexão em relação ao ML. No mundo dos negócios o machine learning está se tornando decisivo. Já nos próximos anos, as empresas que não aplicarem a aprendizagem de máquina no aprimoramento de suas operações e no desenvolvimento de seus produtos e serviços, estarão em desvantagem competitiva em relação aos seus concorrentes. O machine learning proporciona grandes oportunidades de redução de custos para as empresas principalmente aqueles referentes a automação de tarefas e de análise refinada de dados complexos, impossíveis de serem realizadas por qualquer profissional. Vejamos alguns exemplos. Cruzamento de dados O machine learning no setor de saúde é uma excelente ferramenta de diagnóstico precoce, uma vez que é capaz de perceber padrões e doenças que ainda não podem ser detectados pelos diagnósticos atuais. Esse ganho de velocidade na identificação de problemas possibilita um avanço no tratamento e prevenção de doenças. Navegação inteligente Provavelmente você já utilizou as ferramentas de navegação do Google e Waze. O machine learning, responsável pelo funcionamento desses aplicativos, analisa uma grande quantidade de informações simultaneamente, com o objetivo de traçar as melhores rotas possíveis a quem os utiliza. Economia de energia Umas das maiores despesas de uma empresa são os gastos com energia elétrica. Para combater isso, as soluções de machine learning são capazes de sozinhas analisar os seus padrões de consumo. Assim, é possível gerenciar os sistemas de controle de energia com o objetivo de otimizar a eficiência do negócio. Diferentes áreas de atuação Até aqui abordamos a aplicação do conceito de ML aos negócios de uma maneira geral. Mas este tema é ainda mais vasto e instigante, estendo-se em diferentes áreas. O reconhecimento da importância da tecnologia de machine learning é percebida principalmente pelas indústrias que atuam com base na análise e geração de grandes quantidades de informações. A análise de dados e a produção de insights relacionados pela machine learning, conferem maior eficiência no aproveitamento dos recursos de uma empresa. Vejamos agora, exemplos da aplicação do ML em diferentes segmentos. Serviços financeiros Instituições do mercado financeiro se beneficiam da tecnologia de machine learning para a prevenção de fraudes e levantamento de informações, que podem identificar oportunidades de investimento por exemplo. Governo Órgãos governamentais como os de arrecadação, segurança pública e previdência, podem utilizar a machine learning para detectar e se proteger de possíveis fraudes de identidade e sonegação, além de obter insights para a formulação de novas políticas. Transporte A análise dos dados pelo machine learning permite a identificação de padrões e tendências para a criação e monitoramento rotas para as grandes empresas de logistica
IoT e Ciência de Dados: feitos um para o outro?
Talvez ainda não tenha se dado conta, mas todas as inovações que presenciamos surgir na última década como a Uber nos transportes, o Airbnb na hotelaria, as fintechs e as moedas digitais, estão acontecendo graças ao que chamamos de Big Data e o cruzamento de informações. Mas, afinal, o que é Big Data? Provavelmente, você já ouviu que vivemos na era da informação. Essa expressão tem sentido, pois a criação de novos produtos, negócios e tecnologias, a tomada de decisões e a aplicação de um marketing mais assertivo só são possíveis graças a um grande levantamento e análise de diferentes fontes de dados. Se no passado o conhecimento era a base das estratégias de negócio, hoje a análise e ciência de dados é que são o fator chave para o sucesso. Toda essa quantidade de informações é gerada pela IoT (internet das coisas), por meio dos mais diversos dispositivos de software e hardware que nos cercam no dia a dia. Adiante, vamos detalhar um pouco mais esses conceitos com alguns exemplos de aplicação. O que é IoT Internet of things, ou Internet das coisas, é composta basicamente por uma rede de objetos, como celulares, veículos, prédios e outros, capazes de coletar e transmitir informação, e que se conectam ao mundo on-line. Em outras palavras, IoT representa a forma como máquinas conectam-se entre si, coletando automaticamente os dados que nutrem seu próprio sistema, permitindo previsões e antecipação de ações. O que é Big Data Big Data é um termo utilizado para descrever o grande volume de dados (estruturados\não estruturados) gerados a cada segundo pelos mais diversos dispositivos. A grande vantagem do Big Data está atrelada à possibilidade de cruzamento desses dados por meio de diversas fontes, para, assim, angariar insights rápidos e de grande valor. Aplicações O uso das duas tecnologias (IoT e Big Data) beneficiam as empresas de diferentes maneiras. Seja na tomada de decisão, na triagem de dados relevantes, na avaliação de riscos e catástrofes e em mais um milhão de alternativas inimagináveis. Agora que você já descobriu o que é Big Data, vejamos alguns exemplos de aplicações dessa tecnologia nos diferentes setores. Big Data no marketing O Big Data no marketing constitui-se como uma ferramenta fundamental para análise de comportamento de compra e desenvolvimento de produtos e campanhas mais segmentadas, cirúrgicas e eficazes. Big Data no mercado financeiro O cruzamento de dados gerados sobre o comportamento dos clientes em seus diferentes canais (site, pesquisas, call center, etc.) permite que as instituições financeiras encontrem novas oportunidades de negócios, compreendam melhor as necessidades de seus clientes e desenvolvam ações para redução de riscos e fraudes. Big Data na saúde Os dados gerados pela pesquisa farmacêutica e pela utilização de dispositivos como marca-passos e outras ferramentas médicas permitem o refinamento no diagnóstico de doenças, na prevenção e personalização de tratamentos. Ciência de dados O simples levantamento de dados não gera por si só vantagem competitiva para as empresas. É necessário organizá-los em informações úteis, que configurem inteligência de mercado, inteligência operacional e conhecimento relevante para a tomada de decisões. Sendo assim, não existe IoT sem uma forma inteligente de data analytics e ciência de dados. É a inteligência artificial, o elo responsável por unir IoT e Big Data. Com as tecnologias de IA, como redes neurais e machine learning, os sistemas podem aprender com os dados gerados e até tomar decisões, sejam elas supervisionadas ou não. Para fechamos com um exemplo prático de inteligência de dados, na Aliger, uma linha de sensores geológicos matriciais podem ser usados para prevenir deslizamentos, rompimentos de diques, entre outras aplicações. Assim, de acordo com a cobertura geográfica, uma grande quantidade de dados podem ser classificados, curados e analisados, e decisões podem ser tomadas em frações de segundos. Com a análise refinada e a curadoria, obtêm-se informações valiosas para o aprendizado, gerando conhecimentos e habilidades que permitem decisões e respostas mais rápidas, eficientes e eficazes, muitas vezes de forma preditiva, evitando catástrofes e preservando recursos. Gostou de conhecer um pouco mais sobre o que é Ciência de Dados, Big Data e IoT? Deixe seu comentário no post e enriqueça essa discussão sobre os diferentes usos e aplicações da ciência de dados e sua relação com as tecnologias de IoT.
Saiba o que é visão computacional e como ela pode ser usada
Você sabe o que é a visão computacional? O nome já sugere muita coisa, não é mesmo? Se olhar no espelho, identificar os objetivos à nossa volta, atravessar uma rua ou ler um artigo como este que está diante dos seus olhos são coisas tão banais que não nos damos conta da incrível engenharia biológica existente por trás do fenômeno da visão. Conceitos como a visão computacional e semelhantes, inicialmente eram restritos a construção de lentes e câmeras para captação e trabalho com imagens. Nos últimos anos, essa realidade ganhou um upgrade em seu desenvolvimento, graças ao crescimento da inteligência artificial e aplicação do conceito de redes neurais, aliados ao aprimoramento dos estudos sobre a auto-progressão de algoritmos, conhecido como machine learning. Quer saber mais sobre essa tecnologia e como ela pode ser utilizada nas empresas? Continue a leitura! Como funciona a visão humana A complexidade existente no processo de visão envolve não apenas a captação da luz refletida por um objeto, mas também processos cerebrais de identificação e armazenamento de memória que ocorrem de maneira quase instantânea. Para identificar um carácter deste texto ou qualquer outro objeto, próximo ou distante, a imagem atravessa seu olho e chega à sua retina. Uma análise primária é feita e o resultado é enviado longitudinalmente ao córtex cerebral, onde ela é analisada mais profundamente. No restante do córtex, a imagem é comparada com o seu acervo de memória analisando todas as suas características – processo que, apesar de complexo, ocorre em frações de segundo. O que é a visão computacional Como área do conhecimento, podemos afirmar que a visão computacional faz parte da inteligência artificial. Uma de suas melhores definições é a seguinte: um corpo de conhecimentos que busca a modelagem artificial da visão humana com o intuito de replicar suas funções, por meio do desenvolvimento de softwares e hardwares avançados. Como podemos perceber, recriar o mecanismo da visão humana não é algo simples, uma vez que esse processo é multifacetado, envolvendo um conjunto de órgãos e funções. Dada essa complexidade, é difícil imaginar que seres não biológicos, como máquinas e computadores, possam um dia desenvolver ou mesmo imitar essa capacidade humana. A novidade é que essa tecnologia já existe e se desenvolve a passos largos. Com ela, tarefas de reconhecimento, detecção, movimento, restauração de imagens e identificação agora podem ser desempenhadas automaticamente por máquinas. Mesmo em um estágio em que ainda podemos considerar como incipiente, uma verdadeira explosão de aplicações úteis tem surgido nos mais diferentes ramos. Conheça, a seguir, um pouco mais sobre as aplicações da visão computacional. Uso militar Muitas aplicações da visão computacional para o uso militar foram desenvolvidas. Apenas uma pequena parte é conhecida pelo público, devido à natureza secreta que a tecnologia possui nesse meio. No entanto, alguns de seus usos já são amplamente conhecidos, como na detecção de unidades inimigas e mísseis teleguiados. Veículos autônomos Carros não tripulados prometem ser o futuro de um trânsito mais seguro nas grandes metrópoles do mundo. Ainda em fase de testes por envolver diferentes tecnologias aplicadas a uma função comum, a visão computacional inserida nesses veículos, permite que eles reconheçam o trajeto e os obstáculos em seu caminho, aprimorando as rotas a serem seguidas. Apesar de se encontrarem em um estágio bem avançado, a tecnologia de veículos autônomos ainda não atingiu maturidade suficiente para que possa ser disponibilizada em larga escala ao mercado. Mercado de marketing A pesquisa Image intelligence realizada por Susan Etlinger demonstrou que mais de 3 bilhões de imagens são compartilhadas todos os dias pelas redes sociais. Cerca de 80% desse montante contém logotipos ou outras indicações que remetem a empresas específicas, mas sem possuir nenhum tipo de referência textual às suas marcas. Nesse contexto, empresas de marketing especializadas no mundo digital, que oferecem o serviço de gestão e monitoramento de presença online para outros negócios, não possuíam formas de acompanhar esse tipo de conteúdo tão relevante. Com a tecnologia de visão computacional, essa realidade começa a mudar, uma vez que a precisão de identificação de imagens chega a ser de 99%. Desse modo, um novo leque de possibilidades no mercado publicitário digital emerge graças ao uso dessa tecnologia. Segurança Sistemas de reconhecimento facial estão cada vez mais em destaque, dado o nível superior de segurança que confere ao acesso a locais públicos e privados, além de a dispositivos eletrônicos como celulares e tabletes. Tais sistemas também funcionam como chave de acesso para a confirmação de operações no setor financeiro, que requerem segurança extra. Nas redes sociais, a mesma função também está disponível na forma de detecção da presença do usuário e de seus amigos em fotos que são postadas, por exemplo. Serviços públicos É importante salientar, para além do uso privado, a utilidade pública do uso dessa tecnologia em diferentes situações. O uso de várias câmeras em uma região, por exemplo, permite monitorar a segurança do local, bem como o tráfego de veículos por meio do uso de imagens estereoscópicas, tornando o sistema de visão ainda mais preciso. Processo produtivo Empresas de diferentes ramos utilizam a visão computacional como ferramenta de controle de qualidade, por exemplo. Seja no ramo alimentício, têxtil ou automobilístico, softwares cada vez mais avançados, aliados à capacidade de processamento cada vez maior do hardware, ampliam as opções de uso da visão computacional a cada dia. Sistemas de monitoramento conseguem reconhecer padrões preestabelecidos, bem como apontar falhas que, de outra maneira, poderiam passar imperceptíveis ao olhar de um funcionário em linha de produção. A loja de conveniência Amazon Go, localizada na sede da empresa em Seattle, é um exemplo marcante da aplicação da tecnologia de visão computacional e deep-learning no setor comercial. Nela, os clientes podem efetuar suas compras sem a necessidade de um check out final, ou seja, sem terem que se dirigir a um caixa para “passar” seus produtos. A tecnologia, chamada de “Just Walk Out”, identifica quando os itens são retirados ou retornados às prateleiras. Ao final das compras, a conta dos usuários no aplicativo da Amazon Go é debitada automaticamente. Um
Tecnologia na agricultura: quais são e como aumentam a produtividade
Há muito o que se falar sobre a tecnologia na agricultura. Afinal, até alguns poucos anos atrás, o seu emprego era limitado à utilização de equipamentos modernos para acelerar processos. Na contemporaneidade, porém, tecnologia na agricultura é um assunto um pouco mais complexo. Você sabia que alguns dos recursos que estão mudando o processo de cultivo de alimentos têm muito mais a ver com o que se pode fazer com dados do que com algum tipo de trator muito moderno? Explore conosco alguns dos impactos da tecnologia na agricultura e conheça o que a Inteligência das Coisas pode fazer pelo trabalho no campo! A tendência da agricultura inteligente O conceito mais importante da tecnologia na agricultura, atualmente, é o do cultivo inteligente. Ele parte do princípio de que conhecimento pode fazer mais pelas fazendas do que produtores sequer imaginam. Para implementá-lo, são utilizados alguns recursos comuns às coisas inteligentes, como o rastreio e o monitoramento com auxílio de sensores. Rastreio e monitoramento são princípios comuns em outras indústrias e, ao ouvi-los, você provavelmente os associa, naturalmente, a alguns ambientes, como o da logística. Afinal, que outra parte dos negócios poderia ser um exemplo tão claro de como acompanhar de perto bens pode evitar perdas e evidenciar oportunidades? Mas não é só na logística que o campo pode se beneficiar dos sensores. A agricultura pode obter melhores resultados, aumentar as próprias margens de lucro e evitar desperdícios, considerando rastreio e monitoramento também suas palavras de ordem. Tecnologia é essencial aqui porque é o que nos possibilita acompanhar ativos e detectar necessidades de mudanças. A agricultura inteligente, porém, não se limita à rastreabilidade dos processos. Ela pode ser aplicada por um negócio em outras tantas situações, como na análise do solo, no acompanhamento da temperatura local, no ajuste da irrigação e até no monitoramento de adubamento. Isso faz com que o plantio de produtos para exportação, que precisam ter sua qualidade assegurada com cautela, como o café, seja otimizado. O uso da tecnologia na agricultura para melhor administração do plantio Existem inúmeras situações que podem implicar um baixo desempenho na cultura de produtos agrícolas. Desde como um agricultor lida com pragas até variações climáticas simples, vários pontos na equação que resulta na colheita perfeita podem ser ajustados para obtenção de melhores resultados. Utilizando ambos — sensores e algoritmos preditivos, que fazem parte da Inteligência das Coisas —, é possível liberar mão de obra sem perder o controle do que está sendo administrado. Verificar continuamente os campos continua sendo uma demanda para os agricultores, todavia, hoje, essa demanda pode ser encarada com o auxílio de ferramentas melhores, que não apenas lidam com dados concretos, como o que se pode aferir com os olhos, mas também consideram alguns fatores, como a previsão do tempo ou o volume de precipitação para criar o cenário ideal. Tecnologia na agricultura, hoje, é incluir um aparato capaz de trabalhar em conjunto com a Inteligência Artificial na tomada de decisões em tempo real, endereçando problemas e antecipando desafios. Todo esse aparato, quando bem aplicado, economiza dinheiro para os produtores e, acima de qualquer outra coisa, evita prejuízos. Ainda que a tecnologia seja novidade para a maioria dos produtores rurais, ela traz resultados comprovados. O retorno obtido ao se apostar na Internet das Coisas no campo pode reduzir a demanda por pesticidas, por exemplo, e liberar valores para a aplicação em outras tecnologias que elevarão o desempenho agrícola. Uma maior produtividade, menores perdas e melhora na tomada de decisões Alguns cultivos em particular são mais desafiadores que outros. Esse é o caso que vemos nas vinícolas do país, em que monitorar algumas características, como temperatura e umidade, pode fazer toda a diferença na obtenção de um produto de alta qualidade. Projetos de Inteligência, nesses casos, são centrados em automatizar a coleta de dados, monitorar parâmetros específicos e informar os trabalhos atuais e futuros. Da radiação solar à luminosidade captada em uma plantação, tudo pode ser quantificado e servir como informação preciosa para a produção do próximo ano. Ou, pelo menos, essa era a realidade até alguns anos atrás. Com IoT, modificações podem ser providenciadas imediatamente, impactando diretamente a cultura que está crescendo em suas plantações agora. Graças a recursos assim, engenheiros agrícolas podem escolher que direção seguir bem informados e conseguem agir rapidamente para preservar as características fundamentais do produto que precisam vender sem se surpreender com os problemas que aparecem pelo caminho. O controle, a economia e os retornos em todas as suas colheitas O que faz, todavia, com que a tecnologia na agricultura seja uma tendência para a qual você deve abrir os olhos é a forma como ela modifica os resultados do campo. Obter melhores rendimentos é mais fácil quando se sabe exatamente quais são as variáveis que influenciam esses resultados e, embora já as conheçamos há algum tempo, apenas agora é possível acompanhá-las e utilizar algoritmos e computadores para extrair informações acionáveis. Uma das consequências da tecnologia no plantio é o aumento das toneladas que se pode colher em um mesmo número de hectares. O desafio é encontrar, nas fazendas, a infraestrutura ideal para fazer a implementação do equipamento necessário com sucesso. Se você fosse apresentado, agora mesmo, a algum tipo de trator que pode acelerar o tempo do trabalho em suas fazendas em duas ou três vezes não ficaria empolgado? É isso que IoT está fazendo nos campos, mas com dados e modelos matemáticos que entregam um roteiro preciso para o controle das plantações, a economia de recursos e a obtenção de retornos que sequer imaginávamos até pouco tempo. Os exemplos citados são apenas uma referência de como tecnologias relacionadas à Internet das Coisas podem modificar os resultados obtidos no agronegócio. Respostas customizadas para as necessidades da sua produção agrícola levam em consideração os pontos fortes do empreendimento e, por isso, são as que podem trazer mais impacto. Contar com a ajuda de especialistas capazes de orientá-lo na escolha de técnicas e recursos que possam não apenas acelerar processos como identificar oportunidades é o ideal. O Time da Aliger é especializado saberá orientá-lo quanto às implementações tecnológicas que realmente farão
Inteligência artificial: o guia completo da Aliger
O conceito de Inteligência Artificial é imprescindível para que possamos falar da maioria das tecnologias que são tendência hoje. Entretanto, essa área da ciência da computação muitas vezes é explicada sem muito detalhamento e acaba gerando mais dúvidas do que respostas. Por isso, preparamos um guia completo para explicar para você o que é Inteligência Artificial e ajudá-lo a entender melhor o que é possível fazer com auxílio do recurso. Aqui você entenderá não apenas o conceito, mas como funciona a Inteligência Artificial, quais são as tecnologias que a tornam possível, onde ela é utilizada e quais benefícios gera. Além disso, você terá um guia para a aplicação da Inteligência Artificial nas empresas e saberá como fazer uso dela. Cases e tendências ilustram este material para ajudá-lo a compreender melhor o tema. O que é Inteligência Artificial? Inteligência Artificial, ou AI na sigla inglesa, é a disciplina que se dedica a simular a inteligência humana em computadores e máquinas. Por definição, a Inteligência Artificial compreende processos como o aprendizado, a razão e a autocorreção. São eles que diferenciam essencialmente a forma como as máquinas eram programadas para tomar decisões antes e depois do surgimento da Inteligência Artificial. Foi John McCarthy o primeiro cientista a utilizar a noção de AI, em 1956, em uma palestra na Dartmouth Conference. Desde então a Inteligência Artificial passou a ser sinônimo de uma porção de preceitos que, juntos, deram o pano de fundo para a criação do que chamamos de indústria 4.0. Hoje, ao falarmos de AI podemos fazer referência a coisas como Big Data, automação de processos ou à robótica tradicional. O que diferencia a Inteligência Artificial das outras “inteligências” que um computador pode ser programado para ter são as tarefas que ela pode desempenhar. AI identifica padrões em dados, por exemplo, com eficiência maior até mesmo que seres humanos, e permite que os negócios obtenham direcionamentos claros aos quais seguir. Inteligência Artificial, todavia, não é uma coisa só. Há tipos diferentes dela e cada uma pode ser classificada como “forte” ou “fraca” de acordo com certos padrões. A Inteligência Artificial forte é aquela que demonstra capacidades humanas avançadas, como os sistemas de computação cognitiva. Elas são capazes de lidar mesmo com tarefas pouco familiares porque conseguem relacionar informação o bastante para detectar a solução mais adequada. Um exemplo de Inteligência Artificial forte é o Watson, da IBM. As Inteligências Artificiais fracas, por outro lado, são treinadas para algumas tarefas em específico e limitadas a elas. Pense, por exemplo, em assistentes virtuais como a Alexa, criada pela Amazon. Seguindo comandos específicos ela é capaz de realizar uma porção de coisas, mas quando confrontada com um dado para o qual não foi programada, não apresenta nenhuma reação. Outros tipos de classificação das Inteligências Artificiais separam-nas em reativas — como o Deep Blue, da IBM (uma inteligência feita para vencer jogos como o xadrez) — e de inteligência limitada — como sistemas de BI que usam dados do passado para informar decisões futuras. Ainda nessa classificação temos também tipos de AI que não existem, como as capazes de demonstrar desejos e intenções próprias ou que são conscientes da própria existência. Há muitos exemplos de Inteligência Artificial, seja no processamento da linguagem natural, na robótica e no reconhecimento de padrões. Mais adiante você conhecerá algumas delas em detalhe. [btx_button full_width=”true” link=”/” icon=”anchor”]Baixe o nosso e-book: O guia completo da indústria 4.0[/btx_button] Como funciona a Inteligência Artificial? Há centenas de anos, filósofos se dedicam à tarefa de entender o pensamento humano. Essa disciplina nunca foi tão relevante quanto agora, quando temos a possibilidade de replicar nossa forma de pensar em máquinas. Por isso, é um consenso que a Inteligência Artificial depende muito das disciplinas humanas e de como utilizaremos o que os computadores podem fazer para avançar o endereçamento das nossas principais necessidades. Dito isso, precisamos frisar que não há uma resposta universal para como a Inteligência Artificial funciona. Isso porque temos muitos tipos de AI e cada um deles opera sob regras em particular. Machine Learning elimina a necessidade de codificar mensagens especificamente toda vez que buscamos uma resposta de um sistema, enquanto Deep Learning utiliza uma estrutura que se assemelha ao cérebro humano para conferir às máquinas o poder de tomar decisões conforme os problemas se apresentam. De forma geral, entretanto, a Inteligência Artificial pode ser baseada em dois modelos: aquele que guia-se pelos dados que já conhecemos (modeling a priori) e aquele que não. A Inteligência Artificial modelada por conhecimentos que já existem compõe boa parte dos robôs que utilizamos hoje. Ela é definida seguindo propósitos claros e serve a funções específicas, com base em informação estruturada. Essa informação estruturada fornece à Inteligência Artificial respostas baseadas nesses padrões, que necessariamente estão corretas, pois já temos essa informação. Lembra quando a Google criou uma AI especificamente para vencer o jogo chinês Go? Essa AI era uma inteligência baseada em conhecimentos modelados a priori. Já as inteligências que não são baseadas em informações conhecidas seguem um padrão diferente (ou não estruturado). O algoritmo é responsável pela tomada de decisões e codificado para atender a um determinado comportamento. A maneira como ele interage ou percebe os problemas ao seu redor define seu curso de ação e essa Inteligência Artificial aprende, mais ou menos, como um bebê. Por meio de tentativa e erro, modelos não baseados a priori são construídos e tomam como verdadeiros os resultados que assim podem ser comprovados. Digamos que uma Inteligência Artificial construída assim tem como objetivo sair de um labirinto: toda vez que ela atingir uma parede aprenderá que aquela não é a resposta correta e, em pouco tempo, conseguirá se orientar mesmo sem compreender de fato o labirinto como um todo. Quais são as tecnologias por trás da AI? Falar de Inteligência Artificial não é abordar um tema único. Sendo assim, precisamos compreender algumas das tecnologias que a tornam possível. Estamos falando especificamente de redes neurais, de Machine Learning, Deep Learning, aprendizado supervisionado e não supervisionado e processamento da linguagem natural. Saiba
