{"id":53222,"date":"2019-11-26T00:00:00","date_gmt":"2019-11-25T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/grafik-gartnera-2019-o-chyom-vse-eti-modnye-slova"},"modified":"2020-02-18T14:01:06","modified_gmt":"2020-02-18T11:01:06","slug":"grafik-gartnera-2019-o-chyom-vse-eti-modnye-slova","status":"publish","type":"post","link":"https:\/\/prohoster.info\/pt\/blog\/news\/grafik-gartnera-2019-o-chyom-vse-eti-modnye-slova","title":{"rendered":"Gr\u00e1fico Gartner 2019: sobre o que s\u00e3o todas essas palavras da moda?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

O gr\u00e1fico da Gartner para quem trabalha na \u00e1rea de tecnologia \u00e9 como uma exposi\u00e7\u00e3o de alta moda. Ao observ\u00e1-lo, voc\u00ea pode antecipar quais palavras s\u00e3o as mais em alta nesta temporada e o que ouvir\u00e1 em todas as pr\u00f3ximas confer\u00eancias.<\/p>\n

Deciframos o que se esconde por tr\u00e1s das belas palavras desse gr\u00e1fico, para que voc\u00ea tamb\u00e9m possa falar essa l\u00edngua.<\/p>\n

\"Gr\u00e1fico
\n
\n<\/a><\/noindex><\/p>\n

Para come\u00e7ar, algumas palavras sobre o que \u00e9 esse gr\u00e1fico. Todo ano, em agosto, a empresa de consultoria Gartner publica o relat\u00f3rio \u2013 Gartner Hype Curve. Em portugu\u00eas, isso se traduz como 'curva de hype', ou, simplificadamente, apenas hype. H\u00e1 30 anos, os rappers do grupo Public Enemy cantavam: 'N\u00e3o acredite no hype'. Acreditar ou n\u00e3o, \u00e9 uma quest\u00e3o pessoal, mas pelo menos conhecer essas palavras-chave \u00e9 importante se voc\u00ea trabalha na \u00e1rea de tecnologia e deseja saber sobre as tend\u00eancias globais.<\/p>\n

Este gr\u00e1fico mostra as expectativas p\u00fablicas em rela\u00e7\u00e3o a uma determinada tecnologia. Segundo a Gartner, idealmente, a tecnologia passa por 5 est\u00e1gios: lan\u00e7amento da tecnologia, pico de expectativas exageradas, vale do desapontamento, inclina\u00e7\u00e3o de esclarecimento, plat\u00f4 de produtividade. Mas pode acontecer tamb\u00e9m que ela afunde no 'vale do desapontamento' - voc\u00ea pode facilmente se lembrar de exemplos, como as pr\u00f3prias criptomoedas: inicialmente vistas no pico como 'dinheiro do futuro', rapidamente desmoronaram quando as limita\u00e7\u00f5es da tecnologia se tornaram evidentes, principalmente as restri\u00e7\u00f5es no n\u00famero de transa\u00e7\u00f5es e a imensa quantidade de energia necess\u00e1ria para a produ\u00e7\u00e3o de bitcoins (o que j\u00e1 gera problemas ambientais). E claro, n\u00e3o podemos esquecer que o gr\u00e1fico da Gartner \u00e9 apenas uma previs\u00e3o: aqui, por exemplo, voc\u00ea pode ler detalhes artigo<\/a><\/noindex>, onde s\u00e3o discutidas as previs\u00f5es mais marcantes que n\u00e3o se concretizaram.<\/p>\n

Ent\u00e3o, vamos dar uma olhada no novo gr\u00e1fico da Gartner. As tecnologias est\u00e3o divididas em 5 grandes grupos tem\u00e1ticos:<\/p>\n

    \n
  1. Intelig\u00eancia Artificial Avan\u00e7ada e An\u00e1lise (Advanced AI and Analytics)\n<\/li>\n
  2. Computa\u00e7\u00e3o e Comunica\u00e7\u00f5es P\u00f3s-Cl\u00e1ssicas (Postclassical Compute and Comms)\n<\/li>\n
  3. Sensores e Mobilidade (Sensing and Mobility)\n<\/li>\n
  4. Humano 'Aumentado' (Augmented Human)\n<\/li>\n
  5. Ecossistemas Digitais (Digital Ecosystems)\n<\/li>\n<\/ol>\n

    <\/p>\n

    1. Intelig\u00eancia Artificial Avan\u00e7ada e An\u00e1lise (Advanced AI and Analytics)<\/h1>\n

    \nNos \u00faltimos 10 anos, temos testemunhado a ascens\u00e3o do aprendizado profundo (Deep Learning). Essas redes s\u00e3o realmente eficazes para seu conjunto de tarefas. Em 2018, Yann LeCun, Geoffrey Hinton e Yoshua Bengio receberam o pr\u00eamio Turing por suas descobertas nesta \u00e1rea \u2014 o pr\u00eamio mais prestigioso, equivalente ao \"Nobel\" da inform\u00e1tica. Assim, as principais tend\u00eancias nesta \u00e1rea que aparecem no gr\u00e1fico:<\/p>\n

    1.1. Aprendizado por transfer\u00eancia (Transfer Learning)<\/h2>\n

    \nVoc\u00ea n\u00e3o treina uma rede neural do zero, mas utiliza uma j\u00e1 treinada, designando-a para um novo objetivo. \u00c0s vezes, \u00e9 necess\u00e1rio re-treinar parte da rede, mas n\u00e3o a rede inteira, o que \u00e9 muito mais r\u00e1pido. Por exemplo, usando uma rede neural pronta como a ResNet50, treinada no conjunto de dados ImageNet1000, voc\u00ea obter\u00e1 um algoritmo capaz de classificar uma grande variedade de objetos em um n\u00edvel muito profundo (1000 classes com base em caracter\u00edsticas extra\u00eddas por 50 camadas da rede neural). Mas voc\u00ea n\u00e3o precisa treinar toda essa rede do zero, o que levaria meses.<\/p>\n

    Em curso online<\/a><\/noindex> Samsung \"Redes Neurais e Vis\u00e3o Computacional\", por exemplo, na tarefa final do desafio Kaggle<\/a><\/noindex> com a classifica\u00e7\u00e3o de pratos limpos e sujos, demonstra uma abordagem que em 5 minutos oferece uma rede neural profunda, capaz de distinguir pratos sujos de pratos limpos, constru\u00edda com a arquitetura descrita acima. A rede original n\u00e3o sabia o que eram pratos, ela apenas aprendia a diferenciar p\u00e1ssaros de cachorros (veja ImageNet).<\/p>\n

    \"Gr\u00e1fico
    \nFonte:     curso online<\/a><\/noindex> Samsung \"Redes Neurais e Vis\u00e3o Computacional\"<\/i><\/p>\n

    Para o Aprendizado por Transfer\u00eancia, \u00e9 preciso saber quais abordagens funcionam e quais arquiteturas b\u00e1sicas est\u00e3o dispon\u00edveis. Em geral, isso acelera bastante a emerg\u00eancia de aplica\u00e7\u00f5es pr\u00e1ticas de aprendizado de m\u00e1quina.<\/p>\n

    1.2. Redes Generativas Adversariais (Generative Adversarial Networks, GAN)<\/h2>\n

    \nIsso \u00e9 para aqueles casos em que \u00e9 muito dif\u00edcil formular o objetivo de aprendizado. Quanto mais pr\u00f3xima a tarefa da vida real, mais clara ela nos parece (\"traga a mesinha\"), mas \u00e9 mais dif\u00edcil formu-l\u00e1 como um requisito t\u00e9cnico. GAN \u00e9 justamente uma tentativa de nos livrar desse problema.<\/p>\n

    Aqui trabalham duas redes: uma geradora (Generativa) e outra discriminadora (Adversarial). Uma rede aprende a realizar tarefas \u00fateis (classificar imagens, reconhecer sons, criar desenhos animados). E a outra rede aprende a ensinar essa rede: ela tem exemplos reais e aprende a encontrar uma f\u00f3rmula complexa desconhecida para comparar as cria\u00e7\u00f5es da parte generativa da rede com objetos do mundo real (conjunto de treinamento) com base em caracter\u00edsticas profundas realmente importantes: n\u00famero de olhos, proximidade com o estilo de Miyazaki, corre\u00e7\u00e3o na pron\u00fancia do ingl\u00eas.<\/p>\n

    \"Gr\u00e1fico
    \nExemplo do resultado do trabalho da rede para gerar personagens de anime.     Fonte<\/a><\/noindex><\/i><\/p>\n

    Mas l\u00e1, claro, \u00e9 dif\u00edcil construir a arquitetura. N\u00e3o \u00e9 suficiente apenas jogar neur\u00f4nios, \u00e9 preciso prepar\u00e1-los. E o treinamento leva semanas. O tema de GAN \u00e9 estudado pelos meus colegas no Centro de Intelig\u00eancia Artificial da Samsung, onde \u00e9 uma das quest\u00f5es de pesquisa chave. Por exemplo, algo assim desenvolvimento<\/a><\/noindex>: uso de redes generativas para s\u00edntese de fotografias realistas de pessoas com pose vari\u00e1vel \u2014 por exemplo, para criar um provador virtual, ou para a s\u00edntese de um rosto, o que pode permitir reduzir a quantidade de informa\u00e7\u00f5es que precisam ser armazenadas ou transmitidas para garantir uma videoconfer\u00eancia de qualidade, transmiss\u00e3o ou prote\u00e7\u00e3o de dados pessoais.<\/p>\n

    \"Gr\u00e1fico
    \n    Fonte<\/a><\/noindex><\/i><\/p>\n

    1.3. IA Explic\u00e1vel (Explainable AI)<\/h2>\n

    \nEm algumas tarefas raras, o progresso em arquiteturas profundas de redes neurais se aproximou repentinamente das capacidades humanas. Agora, a luta \u00e9 para ampliar o conjunto dessas tarefas. Por exemplo, um rob\u00f4 aspirador poderia facilmente distinguir um gato de um cachorro em um encontro cara a cara. Mas na maioria das situa\u00e7\u00f5es da vida, ele ser\u00e1 incapaz de encontrar um gato dormindo entre roupas ou m\u00f3veis (na verdade, como n\u00f3s, na maioria das vezes\u2026).<\/p>\n

    Qual \u00e9 a raz\u00e3o para os sucessos das redes neurais profundas? Elas geram uma representa\u00e7\u00e3o da tarefa que n\u00e3o se baseia em informa\u00e7\u00f5es \u2018vis\u00edveis a olho nu\u2019 (pixels da imagem, varia\u00e7\u00f5es de volume de som\u2026), mas em caracter\u00edsticas obtidas ap\u00f3s o pr\u00e9-processamento dessas informa\u00e7\u00f5es por v\u00e1rias centenas de camadas da rede neural. Infelizmente, essas inter-rela\u00e7\u00f5es tamb\u00e9m podem ser sem sentido, contradit\u00f3rias ou apresentar vest\u00edgios de imperfei\u00e7\u00e3o do conjunto de dados original. Por exemplo, sobre as consequ\u00eancias da aplica\u00e7\u00e3o descuidada de IA no recrutamento, existe um pequeno jogo de computador. Sobreviv\u00eancia do Melhor Ajuste<\/a><\/noindex>.<\/p>\n

    \"Gr\u00e1fico
    \nO sistema de marca\u00e7\u00e3o de imagens identificou uma pessoa cozinhando como uma mulher, embora na imagem na verdade fosse um homem (    Fonte<\/a><\/noindex>). Isso notamos<\/a><\/noindex> no Instituto da Virg\u00ednia.<\/i><\/p>\n

    Para analisar rela\u00e7\u00f5es complexas e profundas que muitas vezes n\u00e3o conseguimos formular sozinhos, s\u00e3o necess\u00e1rios m\u00e9todos de IA Explic\u00e1vel. Eles organizam as caracter\u00edsticas das redes neurais profundas de modo que, ap\u00f3s o treinamento, possamos analisar a representa\u00e7\u00e3o interna aprendida pela rede e n\u00e3o apenas confiar em sua decis\u00e3o.<\/p>\n

    1.4. An\u00e1lise \/ IA de Borda (Edge Analytics \/ AI)<\/h2>\n

    \nTudo que tem a palavra Edge significa literalmente o seguinte: transferir parte dos algoritmos da nuvem \/ servidor para o n\u00edvel do dispositivo final \/ gateway. Esse algoritmo funcionar\u00e1 mais rapidamente e n\u00e3o precisar\u00e1 de uma conex\u00e3o com o servidor central para sua opera\u00e7\u00e3o. Se voc\u00ea est\u00e1 familiarizado com a abstra\u00e7\u00e3o \"cliente leve\", aqui n\u00f3s estamos tornando esse cliente um pouco mais robusto.
    \nIsso pode ser importante para a Internet das Coisas. Por exemplo, se uma m\u00e1quina superaqueceu e necessita de refrigera\u00e7\u00e3o, faz sentido enviar um sinal sobre isso imediatamente, no n\u00edvel da f\u00e1brica, sem esperar que os dados cheguem \u00e0 nuvem e depois ao supervisor de turno. Ou outro exemplo: carros aut\u00f4nomos podem entender a situa\u00e7\u00e3o do tr\u00e1fego de forma independente, sem consultar o servidor central.<\/p>\n

    \"Gr\u00e1fico
    \n    Fonte<\/a><\/noindex><\/i><\/p>\n

    Ou outro exemplo de por que isso \u00e9 importante do ponto de vista da seguran\u00e7a: quando voc\u00ea digita textos no seu telefone, ele memoriza palavras t\u00edpicas para sugeri-las de maneira conveniente futuramente \u2013 isso \u00e9 chamado de entrada preditiva de texto. Enviar para um data center tudo o que voc\u00ea digita no teclado seria uma viola\u00e7\u00e3o da sua privacidade e simplesmente inseguro. Portanto, o aprendizado do teclado acontece apenas no pr\u00f3prio dispositivo.<\/p>\n

    1.5. Plataforma de IA como servi\u00e7o (AI PaaS)<\/h2>\n

    \nPaaS \u2013 Plataforma como Servi\u00e7o \u2013 \u00e9 um modelo de neg\u00f3cios onde temos acesso a uma plataforma integrada, incluindo seu armazenamento em nuvem e procedimentos prontos. Dessa forma, podemos nos livrar das tarefas de infraestrutura e concentrar totalmente na produ\u00e7\u00e3o de algo \u00fatil. Exemplos de plataformas PaaS para tarefas de IA: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.<\/p>\n

    1.6. Aprendizado de m\u00e1quina adaptativo (Adaptive ML)<\/h2>\n

    \nE se permitirmos que a intelig\u00eancia artificial se adapte... Voc\u00ea pode perguntar \u2013 como assim?.. N\u00e3o \u00e9 que ela j\u00e1 se adapta \u00e0 tarefa? O problema \u00e9 o seguinte: cada uma dessas tarefas \u00e9 minuciosamente elaborada antes de construirmos um algoritmo de intelig\u00eancia artificial para resolv\u00ea-la. A resposta \u00e9 que, na verdade, \u00e9 poss\u00edvel simplificar essa cadeia.<\/p>\n

    O aprendizado de m\u00e1quina convencional opera segundo o princ\u00edpio de sistema aberto (open-loop): voc\u00ea prepara os dados, cria uma rede neural (ou o que for), treina, depois observa alguns indicadores, e se tudo estiver ao seu gosto, pode enviar a rede neural para os smartphones \u2013 para resolver as tarefas dos usu\u00e1rios. Mas em aplica\u00e7\u00f5es onde h\u00e1 muitos dados e seu car\u00e1ter muda gradualmente, m\u00e9todos diferentes s\u00e3o necess\u00e1rios. Sistemas que se adaptam e se auto-treinam organizam-se em contornos fechados e auto-aprendizantes (closed-loop), e eles devem funcionar sem interrup\u00e7\u00f5es.<\/p>\n

    Aplica\u00e7\u00f5es \u2013 isto pode ser an\u00e1lise de streaming (Stream Analytics), com base na qual muitos empres\u00e1rios tomam decis\u00f5es, ou gest\u00e3o de produ\u00e7\u00e3o adaptativa. No \u00e2mbito das aplica\u00e7\u00f5es modernas e considerando os riscos melhor compreendidos para as pessoas, os m\u00e9todos que comp\u00f5em a solu\u00e7\u00e3o desse problema s\u00e3o todos reunidos sob o nome geral de AI Adaptativa.<\/p>\n

    \"Gr\u00e1fico
    \n    Fonte<\/a><\/noindex><\/i><\/p>\n

    Olhando para esta imagem, \u00e9 dif\u00edcil escapar da sensa\u00e7\u00e3o de que os futur\u00f3logos n\u00e3o precisam de p\u00e3o \u2013 s\u00f3 querem ensinar um rob\u00f4 a respirar\u2026<\/p>\n

    Computa\u00e7\u00e3o e Comunica\u00e7\u00f5es P\u00f3s-Cl\u00e1ssicas (Postclassical Compute and Comms)<\/h1>\n

    <\/p>\n

    2.1. Comunica\u00e7\u00e3o m\u00f3vel de quinta gera\u00e7\u00e3o (5G)<\/h2>\n

    \nEste \u00e9 um tema t\u00e3o interessante que j\u00e1 recomendamos nossa artigo<\/a><\/noindex>. Aqui est\u00e1 um resumo. O 5G, devido ao aumento da frequ\u00eancia de transmiss\u00e3o de dados, tornar\u00e1 a velocidade da Internet incrivelmente r\u00e1pida. Ondas curtas t\u00eam mais dificuldade em passar por obst\u00e1culos, portanto, a estrutura da rede ser\u00e1 completamente diferente: precisaremos de 500 vezes mais esta\u00e7\u00f5es base.<\/p>\n

    Com a velocidade, teremos novos fen\u00f4menos: jogos em tempo real com realidade aumentada, realiza\u00e7\u00e3o de tarefas complexas (como cirurgia) por meio de telepresen\u00e7a, e preven\u00e7\u00e3o de acidentes e situa\u00e7\u00f5es perigosas nas estradas atrav\u00e9s da comunica\u00e7\u00e3o entre ve\u00edculos. Do ponto de vista mais prosaico: finalmente, a Internet m\u00f3vel deixar\u00e1 de cair durante eventos de massa, como um jogo em um est\u00e1dio.<\/p>\n

    \"Gr\u00e1fico
    \nFonte da imagem \u2013 Reuters, Niantic<\/i><\/p>\n

    2.2. Mem\u00f3ria de pr\u00f3xima gera\u00e7\u00e3o (Next-Generation Memory)<\/h2>\n

    \nAqui falamos da quinta gera\u00e7\u00e3o de mem\u00f3ria RAM \u2013 DDR5. A Samsung anunciou que at\u00e9 o final de 2019 estar\u00e3o dispon\u00edveis produtos baseados em DDR5. Espera-se que a nova mem\u00f3ria seja duas vezes mais r\u00e1pida e com o dobro da capacidade, mantendo o mesmo formato, ou seja, poderemos obter m\u00f3dulos de mem\u00f3ria de at\u00e9 32GB para nossos computadores. No futuro, isso ser\u00e1 especialmente relevante para smartphones (a nova mem\u00f3ria ter\u00e1 uma vers\u00e3o de baixo consumo de energia) e para laptops (onde o n\u00famero de slots DIMM \u00e9 limitado). Al\u00e9m disso, o aprendizado de m\u00e1quina exige grandes volumes de mem\u00f3ria RAM.<\/p>\n

    2.3. Sistemas de sat\u00e9lites de \u00f3rbita baixa (Low-Earth-Orbit Satellite Systems)<\/h2>\n

    \nA ideia de substituir sat\u00e9lites pesados, caros e potentes por um enxame de pequenos e baratos n\u00e3o \u00e9 nova e surgiu ainda na d\u00e9cada de 90. Sobre isso, \u201cElon Musk em breve estar\u00e1 distribuindo Internet para todos via sat\u00e9lite\u201d<\/a><\/noindex> n\u00e3o h\u00e1 como n\u00e3o ter ouvido, a menos que voc\u00ea seja pregui\u00e7oso. A empresa mais conhecida nesse campo \u00e9 a Iridium, que faliu no final dos anos 90, mas foi salva pelo Departamento de Defesa dos EUA (n\u00e3o confunda com iRidium \u2013 o sistema russo de casa inteligente). O projeto de Elon Musk (Starlink) n\u00e3o \u00e9 o \u00fanico \u2013 na corrida espacial participam Richard Branson (OneWeb \u2013 1440 sat\u00e9lites previstos), Boeing (3000 sat\u00e9lites), Samsung (4600 sat\u00e9lites) e outros.<\/p>\n

    Como est\u00e1 a situa\u00e7\u00e3o nesse campo, como funciona a economia \u2013 leia em avalia\u00e7\u00e3o<\/a><\/noindex>. Estamos aguardando os primeiros testes desses sistemas por usu\u00e1rios pioneiros, que devem ocorrer j\u00e1 no pr\u00f3ximo ano.<\/p>\n

    2.4. Impress\u00e3o 3D em nanoescala (Nanoscale 3D Printing)<\/h2>\n

    \nA impress\u00e3o 3D, embora n\u00e3o tenha se tornado parte da vida de cada pessoa (na forma de uma prometida f\u00e1brica de pl\u00e1sticos caseira), h\u00e1 muito saiu do nicho das tecnologias para entusiastas. Isso pode ser comprovado pelo fato de que at\u00e9 mesmo os estudantes conhecem a exist\u00eancia de canetas 3D, e muitos sonham em adquirir uma caixa com trilhos e um extrusor para... \"simplesmente\" (ou j\u00e1 adquiriram).<\/p>\n

    A estereolitografia (impressoras 3D a laser) permite imprimir f\u00f3tons individuais: novos pol\u00edmeros est\u00e3o sendo pesquisados, nos quais apenas dois f\u00f3tons s\u00e3o suficientes para a solidifica\u00e7\u00e3o. Isso permitir\u00e1, em condi\u00e7\u00f5es n\u00e3o laboratoriais, criar filtros, suportes, molas, capilares, lentes totalmente novos e... suas sugest\u00f5es nos coment\u00e1rios! E aqui n\u00e3o estamos longe da fotopolimeriza\u00e7\u00e3o \u2013 somente essa tecnologia permite \"imprimir\" processadores e circuitos computacionais. Al\u00e9m disso, a tecnologia de impress\u00e3o de estruturas tridimensionais de grafeno de 500 nm j\u00e1 existe h\u00e1 algum tempo,<\/a><\/noindex>mas sem um desenvolvimento radical.<\/p>\n

    \"Gr\u00e1fico
    \n    Fonte<\/i><\/a><\/noindex><\/p>\n

    3. Sensores e Mobilidade (Sensing and Mobility)<\/h1>\n

    <\/p>\n

    3.1. Ve\u00edculos aut\u00f4nomos, n\u00edveis 4 e 5 (Autonomous Driving Level 4 & 5)<\/h2>\n

    \nPara n\u00e3o nos confundirmos na terminologia, \u00e9 importante entender quais n\u00edveis de autonomia existem (retirado de uma descri\u00e7\u00e3o detalhada, artigo<\/a><\/noindex>, a qual encaminhamos todos os interessados):<\/p>\n

    N\u00edvel 1: Controle de cruzeiro: assist\u00eancia ao motorista em situa\u00e7\u00f5es muito limitadas (por exemplo \u2013 manter o carro a uma velocidade constante ap\u00f3s o motorista retirar o p\u00e9 do pedal).
    \nN\u00edvel 2: Assist\u00eancia limitada na dire\u00e7\u00e3o e frenagem. O motorista deve estar pronto para assumir o controle quase que imediatamente. Suas m\u00e3os est\u00e3o no volante, e seu olhar est\u00e1 voltado para a estrada. Isso \u00e9 o que j\u00e1 existe na Tesla e na General Motors.
    \nN\u00edvel 3: O motorista n\u00e3o precisa mais acompanhar constantemente a estrada. Mas deve permanecer alerta e pronto para assumir o controle. Isso ainda n\u00e3o est\u00e1 dispon\u00edvel nos carros \u00e0 venda. Todos os existentes at\u00e9 o momento est\u00e3o nos n\u00edveis 1-2.
    \nN\u00edvel 4: Um verdadeiro piloto autom\u00e1tico, mas com limita\u00e7\u00f5es: apenas viagens em \u00e1reas conhecidas, que s\u00e3o cuidadosamente mapeadas e, de modo geral, conhecidas pelo sistema, e sob certas condi\u00e7\u00f5es: por exemplo, na aus\u00eancia de neve. Prot\u00f3tipos desse tipo existem na Waymo e na General Motors, que planejam lan\u00e7\u00e1-los em v\u00e1rias cidades e test\u00e1-los em situa\u00e7\u00f5es reais. A 'Yandex' tem zonas de testes para t\u00e1xis sem motorista em Skolkovo e Innopolis: a viagem ocorre sob a supervis\u00e3o de um engenheiro sentado no banco do passageiro; no final do ano, a empresa planeja expandir a frota para 100 ve\u00edculos aut\u00f4nomos.
    \nN\u00edvel 5: Condu\u00e7\u00e3o totalmente autom\u00e1tica, substitui\u00e7\u00e3o completa do motorista humano. Sistemas assim n\u00e3o existem e \u00e9 improv\u00e1vel que apare\u00e7am nos pr\u00f3ximos anos.<\/p>\n

    Qu\u00e3o realista \u00e9 ver tudo isso num futuro pr\u00f3ximo? Aqui, gostar\u00edamos de redirecionar o leitor para o artigo \u201cPor que lan\u00e7ar um rob\u00f4-t\u00e1xi at\u00e9 2020, como promete a Tesla, \u00e9 imposs\u00edvel\u201d<\/a><\/noindex>. Isso se deve em parte \u00e0 falta de conex\u00e3o 5G: as velocidades da 4G dispon\u00edveis s\u00e3o insuficientes. Em parte, \u00e0 muito alta custo de ve\u00edculos aut\u00f4nomos: ainda n\u00e3o s\u00e3o rent\u00e1veis e o modelo de neg\u00f3cios n\u00e3o est\u00e1 claro. Em resumo, aqui \u00e9 'tudo complicado', e n\u00e3o \u00e9 por acaso que a Gartner escreve que a previs\u00e3o de ado\u00e7\u00e3o em massa dos N\u00edveis 4 e 5 - n\u00e3o ser\u00e1 antes de 10 anos.<\/p>\n

    3.2. C\u00e2meras com vis\u00e3o 3D (3D Sensing Cameras)<\/h2>\n

    \nH\u00e1 oito anos, o controle de jogos Microsoft Kinect fez barulho, oferecendo uma solu\u00e7\u00e3o acess\u00edvel e relativamente barata para vis\u00e3o 3D. Desde ent\u00e3o, os jogos de dan\u00e7a e movimentos com Kinect tiveram sua breve ascens\u00e3o e queda, mas as c\u00e2meras 3D come\u00e7aram a ser utilizadas em rob\u00f4s industriais, ve\u00edculos aut\u00f4nomos e smartphones para identifica\u00e7\u00e3o facial. A tecnologia se tornou mais barata, compacta e acess\u00edvel. <\/p>\n

    \"Gr\u00e1fico
    \nNo telefone Samsung S10, existe uma c\u00e2mera de tempo de voo (Time-of-Flight) que mede a dist\u00e2ncia at\u00e9 o objeto - para facilitar o foco.     Fonte<\/a><\/noindex><\/i><\/p>\n

    Se voc\u00ea se interessou por este tema, recomendamos um excelente e detalhado relat\u00f3rio sobre c\u00e2meras de profundidade: parte 1<\/a><\/noindex>, parte 2<\/a><\/noindex>.<\/p>\n

    3.3. Drones para entrega de pequenas cargas (Light Cargo Delivery Drones)<\/h2>\n

    \nNeste ano, a Amazon causou alvoro\u00e7o ao apresentar na feira um novo drone voador capaz de transportar pequenas cargas de at\u00e9 2 kg. Para uma cidade, com seu tr\u00e1fego intenso, isso parece ser a solu\u00e7\u00e3o perfeita. Vamos ver como esses drones se sair\u00e3o no futuro pr\u00f3ximo. \u00c9 prudente adotar um ceticismo cauteloso: h\u00e1 muitos problemas, desde a possibilidade de roubo f\u00e1cil do drone at\u00e9 as restri\u00e7\u00f5es legais sobre drones. O Amazon Prime Air existe h\u00e1 seis anos, mas ainda est\u00e1 em fase de testes.<\/p>\n

    \"Gr\u00e1fico
    \nO novo drone da Amazon, apresentado nesta primavera. H\u00e1 algo dele nos \"Star Wars\".     Fonte<\/a><\/noindex><\/i><\/p>\n

    Al\u00e9m da Amazon, h\u00e1 outros players neste mercado (h\u00e1 detalhes an\u00e1lise<\/a><\/noindex>), mas nenhum produto finalizado: tudo est\u00e1 em fase de teste e promo\u00e7\u00f5es de marketing. Vale destacar servi\u00e7os m\u00e9dicos especializados, projetos<\/a><\/noindex> na \u00c1frica: entrega de sangue de doadores em Gana (14.000 entregas, empresa Zipline) e Ruanda (empresa Matternet).<\/p>\n

    3.4. Transporte aut\u00f4nomo voador (Flying Autonomous Vehicles)<\/h2>\n

    \n\u00c9 dif\u00edcil dizer algo concreto. De acordo com a Gartner, isso n\u00e3o aparecer\u00e1 antes de 10 anos. De fato, os problemas s\u00e3o os mesmos que os dos carros aut\u00f4nomos, mas agora ganham uma nova dimens\u00e3o \u2014 a vertical. Temos ambi\u00e7\u00f5es de construir t\u00e1xis voadores por parte da Porsche, Boeing e Uber.<\/p>\n

    3.5. Nuvem de Realidade Aumentada (AR Cloud)<\/h2>\n

    \nUma c\u00f3pia digital constante do mundo real, permitindo criar uma nova camada de realidade, comum a todos os usu\u00e1rios. Em termos mais t\u00e9cnicos, trata-se de criar uma plataforma de nuvem aberta na qual desenvolvedores possam integrar seus aplicativos AR. O modelo de monetiza\u00e7\u00e3o \u00e9 claro, \u00e9 uma esp\u00e9cie de an\u00e1logo ao Steam. A ideia se enraizou tanto que agora alguns acreditam que AR sem nuvem \u00e9 simplesmente in\u00fatil.<\/p>\n

    Como isso pode parecer no futuro \u00e9 mostrado em um pequeno v\u00eddeo. Parece uma nova s\u00e9rie de \"Black Mirror\":
    \n

    \r\n \"Por\r\n
    <\/div>\r\n <\/div><\/center><\/p>\n

    Ainda \u00e9 poss\u00edvel ler mais em um artigo de revis\u00e3o.<\/a><\/noindex><\/p>\n

    4. O ser humano \"aumentado\" (Augmented Human)<\/h1>\n

    <\/p>\n

    4.1. IA para emo\u00e7\u00f5es (Emotion AI)<\/h2>\n

    \nComo medir, simular e reagir \u00e0s emo\u00e7\u00f5es humanas? Alguns dos clientes aqui s\u00e3o empresas que produzem assistentes de voz semelhantes ao Amazon Alexa. Realmente se integrar nas casas s\u00f3 ser\u00e1 poss\u00edvel se aprenderem a reconhecer o humor: entender a raz\u00e3o da insatisfa\u00e7\u00e3o do usu\u00e1rio e tentar corrigir a situa\u00e7\u00e3o. No geral, h\u00e1 muito mais informa\u00e7\u00e3o no contexto do que na pr\u00f3pria mensagem. E o contexto \u00e9 a express\u00e3o facial, a entona\u00e7\u00e3o e o comportamento n\u00e3o verbal.<\/p>\n

    Outras aplica\u00e7\u00f5es pr\u00e1ticas incluem: an\u00e1lise de emo\u00e7\u00f5es durante entrevistas de trabalho (por meio de entrevistas em v\u00eddeo), avalia\u00e7\u00e3o da rea\u00e7\u00e3o a comerciais ou outros conte\u00fados em v\u00eddeo (sorrisos, risadas), e apoio ao aprendizado (por exemplo, para pr\u00e1ticas aut\u00f4nomas em arte de apresenta\u00e7\u00f5es p\u00fablicas). <\/p>\n

    \u00c9 dif\u00edcil se expressar melhor sobre este assunto do que o autor do curta-metragem de 6 minutos Stealing Ur Feeling<\/a><\/noindex>. No v\u00eddeo, feito com intelig\u00eancia e estilo, \u00e9 mostrado como medir nossas emo\u00e7\u00f5es para fins de marketing, e a partir das rea\u00e7\u00f5es imediatas do seu rosto, descobrir se voc\u00ea ama pizza, c\u00e3es, Kanye West, e at\u00e9 mesmo qual \u00e9 seu n\u00edvel de renda e seu QI aproximado. Ao acessar o site do filme pelo link acima, voc\u00ea se torna parte de um v\u00eddeo interativo usando a c\u00e2mera embutida do seu laptop. O filme j\u00e1 foi exibido em v\u00e1rios festivais de cinema.<\/p>\n

    \"Gr\u00e1fico
    \n    Fonte<\/a><\/noindex><\/i><\/p>\n

    H\u00e1 at\u00e9 uma pesquisa interessante: como reconhecer sarcasmo no texto. Foram coletados tweets com a hashtag #sarcasmo e feita uma amostra de treinamento de 25.000 tweets sarc\u00e1sticos e 100.000 tweets comuns sobre tudo poss\u00edvel. Usaram a biblioteca TensorFlow, treinaram o sistema e aqui est\u00e1 o resultado:<\/p>\n

    \"Gr\u00e1fico
    \n    Fonte<\/a><\/noindex><\/i><\/p>\n

    Portanto, agora, se voc\u00ea n\u00e3o tem certeza sobre seu colega ou amigo \u2014 se ele falou com seriedade ou sarcasmo \u2014 voc\u00ea pode utilizar uma rede neural j\u00e1 treinada<\/a><\/noindex>! <\/p>\n

    4.2. Intelig\u00eancia Aumentada (Augmented Intelligence)<\/h2>\n

    \nAutomatiza\u00e7\u00e3o do trabalho intelectual por meio de m\u00e9todos de aprendizado de m\u00e1quina. Parece que n\u00e3o h\u00e1 nada de novo? Mas aqui a formula\u00e7\u00e3o \u00e9 importante, especialmente porque coincide com a abrevia\u00e7\u00e3o de Intelig\u00eancia Artificial. Isso nos remete ao debate sobre a 'intelig\u00eancia forte' e 'fraca'.
    \nA intelig\u00eancia artificial forte \u00e9 aquela que aparece em filmes de fic\u00e7\u00e3o cient\u00edfica, que \u00e9 completamente equivalente \u00e0 mente humana e se percebe como uma entidade. Tal coisa ainda n\u00e3o existe e n\u00e3o est\u00e1 claro se algum dia existir\u00e1.<\/p>\n

    A intelig\u00eancia artificial fraca n\u00e3o \u00e9 uma entidade aut\u00f4noma, mas um assistente humano. Ela n\u00e3o busca imitar o pensamento humano, mas simplesmente resolve tarefas informacionais, como identificar o que est\u00e1 na imagem ou traduzir texto.<\/p>\n

    \"Gr\u00e1fico
    \n    Fonte <\/a><\/noindex><\/i><\/p>\n

    Nesse sentido, a Intelig\u00eancia Aumentada \u00e9, de fato, uma \"intelig\u00eancia artificial fraca\", e a formula\u00e7\u00e3o parece acertada, pois n\u00e3o causa confus\u00e3o nem induz a ver aqui a famosa \"intelig\u00eancia artificial forte\" da qual todos sonham (ou temem, lembrando as in\u00fameras discuss\u00f5es sobre a \"revolta das m\u00e1quinas\"). Ao usar a express\u00e3o Intelig\u00eancia Aumentada, de repente nos tornamos os protagonistas de outro filme: da fic\u00e7\u00e3o cient\u00edfica (como \"Eu, Rob\u00f4\" de Asimov) passamos ao cyberpunk (no qual \"aumenta\u00e7\u00f5es\" se referem a diversos implantes que ampliam as capacidades humanas).<\/p>\n

    Como disse<\/a><\/noindex> Erik Brynjolfsson e Andrew McAfee: \"Nos pr\u00f3ximos 10 anos, isso acontecer\u00e1. N\u00e3o ser\u00e1 a IA que substituir\u00e1 os gestores, mas aqueles gestores que utilizam IA que substituir\u00e3o aqueles que ainda n\u00e3o se adaptaram.\"<\/p>\n

    Exemplos:<\/p>\n