• Tweet
• 

Olha! Muita gente tem o sonho de se transformar num empreendedor. O dono da firma, só pra ter liberdade para correr riscos, pra tomar decisões por conta própria. E uma das maneiras para isso é tornar-se um franqueado com uma marca conhecida. Só que, normalmente, isso é muito caro.

Então a dica é: conheça a Santa Carga. É uma micro franquia que oferece totens carregadores de celular com tela grande para exibir anúncios em vídeo e notícias em tempo real. Também, além disso, os totens fornecem acesso à internet por WiFi.

Reconhecida como a melhor microfranquia do segmento, a Santa Carga tem investimento inicial de R$ 19.900. Com isso, você fica dono de um totem e o instala em um local de acesso de muita gente. Esse local vai poder oferecer às pessoas carregar o celular e ter acesso a uma rede WiFi. Pode ser um shopping, uma oficina, uma padaria, uma loja. 

Então, o que é que você faz? Você vende para os comerciantes da região a veiculação de uma mensagem em vídeo ali no totem.

Quem produz o vídeo é a própria Santa Carga que dá pra você todo o suporte. Olha, tem gente que a essas alturas está ganhando uma grana aí, possibilidade de ganho é de até R$ 8.000,00 por mês. Tem gente já com quatro, cinco, dez totens.

Acesse santacarga.vip para maiores informações. Tudo isso pra você, sem estoque, sem funcionários, sem aluguel.

Quando você acessar ali o santacarga.vip, diga que você é ouvinte  do Café Brasil ou do Lídercast e obtenha ainda um bônus de R$ 1.000,00.

Santa Carga. Abra o seu negócio com uma das franquias que mais crescem no Brasil.

As máquinas têm superado os seres humanos em tarefas que antes eram consideradas necessárias para a inteligência, como multiplicar números de vários dígitos. E aos poucos, a inteligência artficial, a tal da IA está sofisticando suas capacidades. A questão é quando e de que maneira a IA substituirá mais aspectos da inteligência humana. Ou não substituirá? Teremos um dia uma Inteligência Artificial Natural?

Bom dia, boa tarde, boa noite. Você está no Café Brasil e eu sou o Luciano Pires. Posso entrar?

“Caro Luciano, bom dia. David aqui de volta. Há muito tempo não mandava uma mensagem, e eu confesso que hoje o episódio que você acabou de publicar sobre a arte de ouvir foi, simplesmente, espetacular.

E não só espetacular, mas pra mim também reflexivo, porque eu acompanho o teu trabalho há muito tempo.

Fui assinante por muito tempo e confesso, que depois desse momento político que nós estamos ainda passando, claro, a sequência de assuntos falando sobre política foi o que me fez descontinuar o acompanhamento do seu projeto. Porque agora me fiz até entender, porque por mais que eu estivesse ouvindo, eu não tinha mais o interesse em escutá-lo, porque é um assunto que, por mais que também concorde com a grande maioria das suas opiniões, já não é mais um assunto tão indigesto e a gente acaba sendo seletivo na hora de querer aquilo que nós estamos escutando.

Então, eu mando essa mensagem pra dizer que esse episódio veio florescer o desejo de reacompanhar o seu projeto, de ouvir conteúdos que venham agregar valor e não, simplesmente, mexer em feridas que todos nós temos e estamos passando.

Então, que os assuntos sobre política, eu espero que você os guarde pra quando tiver chegando as próximas eleições e fazer um papel social que você tão bem exerce.

Mas, por enquanto Luciano, desperte sobre nós o desejo de voltar a escutar conteúdo do Café Brasil pra que nos faça crescer, não politicamente, não socialmente, mas como pessoas que foi o que você fez com esse novo episódio. Tá bom?

Muito obrigado, agradeço de novo, vou acompanhar com muito carinho os próximos episódios que virão, pretendo voltar a ser um assinante, pra que possa fazer parte desse grupo seleto que são aqueles que apoiam o seu trabalho.

Um profundo admirador, um abraço, David, aqui de Rio Claro.”

Grande David Butros. Olha, meu caro, eu já ouvi outras pessoas se manifestando como você, mas veja que interessante: eu me dei ao trabalho de relacionar os quase 300 episódios dos últimos cinco anos, e confirmei uma suspeita: os programas sobre política não representam nem 30% do total de episódios publicados a cada ano. Por conta dessa ideia de “seletividade” de quem não suporta mais política, você perdeu 70% dos programas que trataram de outros assuntos. São mais de 200 episódios!

Olha, eu não pretendo mudar não, de quando em quando volto ao tema que tenha política, por uma razão muito simples: faz parte de nossas vidas e precisa ser falado, comentado e deixar o povo irritado, cara.

Não posso fazer nada, essa é minha natureza.

Bem-vindo de volta, meu caro!

Então vamos lá… se você, como o David, vê valor no trabalho que a gente faz aqui no Café Brasil, torne-se também um assinante. É só acessar canalcafebrasil.com.br e escolher seu plano. Vai lá. A gente espera.

Este episódio de hoje faz dobradinha com o Café Brasil 864 – A distopia que nos aguarda.

Então… quando e de que maneira a inteligência artificial substituirá mais aspectos da inteligência humana, hein?

Olha, existem diversas áreas a melhorar nas tecnologias atuais, especialmente em tarefas fáceis para humanos, como lavar pratos, jogar futebol, aprender conceitos a partir de poucos exemplos. E também reconhecer objetos parcialmente ocultos em cenas caóticas ou fora de contexto.

Você já pediu pra uma Inteligência Artificial para desenhar mãos? Óculos? Ela entra em parafuso e desenha coisas que pertencem a Ets… A IA atual, muitas vezes não é robusta; ela pode ser enganada facilmente. Ela pode confundir um cavalo com uma vaca quando fatores ou os valores dos pixels da imagem são modificados de maneira quase imperceptível aos humanos. Além disso, os sistemas de IA consomem muito mais energia que o cérebro humano para realizar a mesma tarefa.

Mas as comparações entre as inteligências natural e artificial são fascinantes.

A velocidade com que a IA tem progredido nos faz questionar:  será que ela pode avançar sem muita contribuição da neurociência, hein?

A neurociência é o grande quebra-cabeça que ajuda a desvendar os segredos do cérebro e a entender como ele faz todas as coisas incríveis que faz todos os dias. Então, o que seria o progresso na IA sem a neurociência? Há algo de especial na inteligência natural, na biológica?

A neurociência e a IA têm culturas e valores diferentes. A neurociência é uma disciplina das ciências naturais que busca descobrir as leis da natureza para entender o mundo.

A IA é uma disciplina de engenharia que inventa tecnologias, muitas vezes aplicando leis naturais ou guiada por intuição e experiência.

A inteligência artificial busca replicar a mente humana, enquanto a neurociência se esforça para compreender profundamente a mente humana.

Vou repetir: a inteligência artificial busca replicar a mente humana, enquanto a neurociência se esforça para compreender profundamente a mente humana.

Muitos pesquisadores atuam em neurociência e IA, com suas preferências baseadas em descobertas ou invenções. Na área da visão, por exemplo, onde as duas disciplinas se cruzam, a transformação da informação visual no cérebro se reflete em redes neurais artificiais de muitas camadas.

Essas redes multicamadas são como um grupo de pessoas trabalhando juntas para entender coisas. As pessoas estão espalhadas em cada camada, que seria como se fosse uma sala. Alguém dá para a primeira pessoa um quebra-cabeças com a imagem de um gato amarelo brincando com uma bola azul. A primeira pessoa repara nas orelhas do gato, a segunda repara no nariz do gato, a terceira repara na bola. Aí passam o quebra-cabeças para a outra sala outra camada – onde uma pessoa repara no bigode, a outra na cor do gato e assim vai, de camada em camada. Na última camada, ou última sala, as pessoas juntam todos os detalhes nos quais repararam e conseguem então descrever o quebra-cabeças como um gato amarelo brincando com uma bola azul.

Assim como a equipe de amigos usa muitas salas para entender coisas, a IA com sua rede neural, usa muitas camadas para aprender e descobrir coisas a partir de fotos, palavras ou sons. Quanto mais salas ou camadas ela tem, mais detalhes legais pode descobrir sobre as coisas que queremos entender.

É fascinante, não é?

Se quisermos ensinar a IA a reconhecer gatos e cachorros, mostramos muitas fotos de gatos e muitas fotos de cachorros, e dizemos qual é qual. A IA analisa essas fotos, presta atenção nas partes importantes, como orelhas, olhos, nariz, e aprende a diferença entre os dois.

A aprendizagem supervisionada ajuda as redes de IA a reconhecer objetos, mas a inteligência artificial ainda carece do entendimento visual humano, que é hiper ultra mega sofisticado.

A “compreensão” visual está relacionada ao feedback de áreas superiores para áreas inferiores do nosso córtex visual dentro do cérebro, coisa que as melhores redes de IA ainda não conseguem reproduzir. Repare que eu usei “ainda”.

Replicar a plasticidade neural, que é a capacidade do sistema nervoso, especialmente do cérebro, de se adaptar e reorganizar em resposta a experiências, mudanças ambientais e aprendizado, é um desafio para a IA.

E a dinâmica em múltiplas escalas de tempo, que o cérebro tira de letra, também é um baita desafio para a IA.

Essa dinâmica em múltiplas escalas de tempo é um fenômeno observado em sistemas complexos, como o cérebro humano, onde diferentes componentes ou processos ocorrem em diferentes ritmos ou taxas temporais.

Imagine um jogo de futebol… tem coisas acontecendo em milissegundos, como um toque na bola. Tem coisas acontecendo em segundos, como um ataque ou uma defesa organizados. Tem coisas acontecendo em minutos, como adaptações táticas dos times. Tem coisas acontecendo em horas, como a dinâmica do jogo. Tudo isso acontecendo ao mesmo tempo e impactando a partida.

Agora imagine que essa dinâmica pode ocorrer em uma variedade de contextos, como na física, química, biologia, economia. É aí que a IA ainda perde feio em comparação com o cérebro humano.

Então aí um cachorro que invade o campo do jogo. E começa a chover. E um jogador desmaia. Um torcedor solta um rojão no gramado… Nosso cérebro dá conta de compreender e gerenciar essas dinâmicas.

A IA, ainda não.

Cara, sempre que é hora de manutenção do meu veículo eu tenho aquelas dúvidas de todos nós. Qual é o produto que eu escolho, hein? E como eu não sei muito sobre manutenção de automóveis, sabe o que que eu faço? Eu procuro quem me traz confiança.

Por isso, quando se trata de peças para automóveis, motos e caminhões, eu vou de Nakata, sabe por quê, hein? Porque a Nakata entrega alta performance na reta, na curva, na subida…em qualquer caminho. E principalmente porque não sou só eu que estou falando, não. Pode perguntar para o seu mecânico de confiança.

Amortecedores, componentes de suspensão e direção, certeza que ele vai dizer que a marca é Nakata. Sabe porquê?

Oras: porque é Nakata!

Assine gratuitamente o boletim em nakata.com.br e receba as últimas novidades em seu e-mail.

Tudo azul, tudo Nakata.66666666666666

Computadores podem ser treinados para identificar padrões em dados, até mesmo padrões tão sutis que nós, humanos, não conseguimos perceber. A IA pode usar esses padrões para fazer previsões – por exemplo, que uma mancha em um raio-X de pulmão indica um tumor. Mas quando se trata de causa e efeito, as máquinas geralmente ficam perdidas. Elas não possuem um entendimento de senso comum sobre como o mundo funciona. E isso nós, humanos, temos pelo simples fato de que vivemos nesse mundo.

Programas de IA treinados para detectar doenças em um raio-X de pulmão, por exemplo, às vezes se desviam. Uma letra numa marcação do raio- X, por exemplo, pode ser confundida pela IA como algum parâmetro indicativo da doença, confusão que uma pessoa não faria. Sem essa capacidade de entendimento, qualquer diferença em como as marcações são desenhadas ou posicionadas pode ser suficiente para levar a máquina pelo caminho errado.

Para que os computadores possam tomar decisões, eles precisarão de um entendimento de causalidade. Precisarão de algum tipo de módulo de raciocínio causal.

– Por que isso aconteceu?

– Se isso aconteceu, o que causou isso?

– O que acontecerá se isso aqui mudar?

– Como as variáveis estão interconectadas?

Nossa mente lida diariamente com essas questões, com certa facilidade. Mas isso ainda é um baita desafio para a IA, que terá de incorporar modelos de causa e efeito em algoritmos de aprendizado. Só assim, máquinas autônomas poderão tomar decisões sobre como navegar no mundo.

E isso, meu caro, é assustador…

A solução potencial para um salto de capacidade da IA de imitar a mente humana, está em algo conhecido como inferência causal. Olha que nome bom, cara!

Inferência causal… que é o processo de tirar conclusões sobre relações de causa e efeito com base em evidências e dados observacionais.

A inferência causal tem sido usada há muito tempo por economistas e epidemiologistas para testar suas ideias sobre causalidade. O Prêmio Nobel de 2021 em Ciências Econômicas foi concedido a três pesquisadores que usaram a inferência causal para fazer perguntas como:

– um salário mínimo mais alto leva a menor emprego?

– que efeito um ano adicional de escolaridade tem na renda futura?

Cientistas de computação estão trabalhando para combinar causalidade com IA, dando às máquinas a capacidade de abordar essas questões, ajudando-as a tomar decisões melhores, aprender de forma mais eficiente e se adaptar a mudanças.

Uma noção de causa e efeito ajuda a nos orientar, nós humanos, pelo mundo. Se eu fizer isto aqui, acontece aquilo ali. Ter um modelo causal do mundo, mesmo que imperfeito, nos permite tomar decisões e fazer previsões mais robustas. A compreensão da causalidade pelos humanos é que dá suporte a atributos como imaginação e arrependimento. Quando os computadores tiverem uma capacidade semelhante cara, o bicho vai pegar. Para o bem ou para o mal.

Imagine seu iPhone imaginando coisas… ou tendo humores…

Olha: os sucessos notáveis da IA na última década – como vencer as pessoas em vários jogos competitivos, identificar o conteúdo de imagens e, nos últimos anos, gerar texto e imagens em resposta a perguntas – foram impulsionados pela aprendizagem profunda. Ao estudar enormes quantidades de dados, esses sistemas aprendem como uma coisa se correlaciona com outra. Essas associações aprendidas podem então ser usadas. Mas isso é apenas o primeiro degrau em direção a um objetivo muito mais ambicioso: o entendimento profundo.

Você entendeu? Primeiro a IA está aprendendo a correlacionar as coisas. Em breve ela vai entender as coisas…

Em 2011, o engenheiro Judea Pearl ganhou o Prêmio A.M. Turing, frequentemente chamado de Prêmio Nobel da Ciência da Computação, por seu trabalho no desenvolvimento de um cálculo que permite raciocínio probabilístico e causal, criando a base computacional para o processo de informações sob incerteza.

Pearl descreve uma hierarquia de três níveis de raciocínio. O nível básico é ‘ver’, ou a capacidade de fazer associações entre as coisas. E os sistemas de IA de hoje já são extremamente bons nisso.

Pearl se refere ao próximo nível como ‘fazer’ – fazer uma mudança em algo e observar o que acontece. É aqui que a causalidade entra em jogo.

O terceiro nível é a capacidade de imaginar, de fazer uma retrospectiva.

Um computador pode desenvolver um modelo causal examinando intervenções: como as mudanças em uma variável afetam outra. A inferência causal diz respeito a matematizar como os humanos tomam decisões.

Nós, humanos, resolvemos nossos problemas gerando possíveis relações causais e assumindo que aquelas que se encaixam melhor em uma observação estão mais próximas da verdade.

Ver um copo se quebrar ao cair no concreto, por exemplo, leva uma pessoa a concluir que o impacto em uma superfície dura causa a quebra do copo. Deixar cair outros objetos no concreto, ou derrubar um copo em um tapete macio, de várias alturas, permite à pessoa refinar sua capacidade de inferir e prever melhor o resultado de futuras quedas.

Uma das principais vantagens do raciocínio causal é que ele poderia tornar a IA mais capaz de lidar com circunstâncias em mudança. Sistemas de IA existentes que baseiam suas previsões apenas em associações de dados são extremamente vulneráveis ​​a qualquer mudança na forma como essas variáveis ​​se relacionam.

Quando a distribuição estatística das relações aprendidas muda – seja devido à passagem do tempo, ações humanas ou outro fator externo – a IA se torna menos precisa.

Por exemplo, um cientista poderia treinar um carro autônomo em suas estradas locais na Inglaterra, e a IA poderia se tornar hábil em operar o veículo com segurança. Mas se eu trouxer esse sistema para o meu bairro de Moema, o carro autônomo imediatamente pararia por uma razão simples: os carros são conduzidos à esquerda na Inglaterra e à direita no Brasil. E aí, algumas das relações que a IA havia aprendido seriam invertidas. O cientista poderia treinar a IA do zero usando dados de Moema, mas isso levaria tempo e significaria que o software não funcionaria mais em Londres, porque seu novo modelo substituiria o antigo.

Você está entendendo a complexidade das coisas?

Por outro lado, um modelo causal permite que o sistema aprenda sobre muitas relações possíveis. É possível ter um modelo que considera o que poderia acontecer sob qualquer mudança em uma das variáveis ​​no ambiente.

A mente humana opera com esse modelo causal e, portanto, pode se adaptar rapidamente às mudanças. Um motorista brasileiro poderia voar para Londres e, depois de alguns momentos para se ajustar, poderia dirigir perfeitamente bem no lado esquerdo da estrada. O Código de Trânsito do Reino Unido aponta que, ao contrário do Brasil, as conversões à direita envolvem cruzar o tráfego, mas isso não afeta o que acontece quando o motorista vira o volante ou como os pneus interagem com a estrada.

A modelagem causal permite que um sistema identifique os efeitos de uma intervenção e os considere em seu entendimento existente do mundo, em vez de ter que aprender tudo do zero, você entendeu?

Essa capacidade de lidar com mudanças sem descartar tudo o que sabemos também permite aos humanos compreender situações que não são reais, como filmes de fantasia. Nosso cérebro é capaz de nos projetar em um ambiente inventado no qual algumas coisas mudaram. Nesse ambiente as leis da física são diferentes, um homem pode voar, ou então existem dragões, mas o restante é o mesmo.

Entendido, então? A capacidade de imaginação está no topo da hierarquia do raciocínio causal de Pearl. A chave, então, é especular sobre os resultados de ações não tomadas.

O que ele está dizendo aqui? Daqui a pouco esse bicho aí que você está usando pra ouvir o podcast, que está na tua mão, vai começar a pensar, cara! E de pensar pra sentir, é um passinho. E logo mais você vai se preocupar em não magoar o seu iPhone.

Pois é, cara… é tão assustador quando é fascinante, não é? Mas ao que parece essa IA superior ainda está bem longe de acontecer. Embora a definição de “longe” com a velocidade de expansão da tecnologia seja relativa.

A teoria e a matemática básica da inferência causal estão bem estabelecidas, mas os métodos para a IA realizar intervenções ainda estão em estágios iniciais.

Temos todas as ferramentas conceituais para resolver esse problema e agora,  é apenas  questão de alguns anos.

Se os pesquisadores conseguirem incorporar a causalidade na computação, isso poderia levar a IA a um novo nível de sofisticação. Robôs poderiam navegar pelo mundo com mais facilidade. Carros autônomos poderiam se tornar mais confiáveis. Programas para avaliar a atividade dos genes poderiam levar a uma nova compreensão dos mecanismos biológicos, o que por sua vez poderia permitir o desenvolvimento de medicamentos novos e melhores. Isso poderia transformar a medicina, por exemplo.

Mesmo algo como o ChatGPT, o popular gerador de linguagem natural que produz um texto que parece ter sido escrito por um humano, poderia se beneficiar da incorporação da causalidade. Hoje em dia, o algoritmo se contradiz ao produzir uma prosa claramente escrita que vai contra o que sabemos ser verdade sobre o mundo. Com a causalidade, o ChatGPT poderia construir um plano coerente para o que estava tentando dizer e garantir que fosse consistente com os fatos conforme os conhecemos.

Meu caro, minha cara… a IA vem aí. Eu espero que, como fizemos com a energia atômica, a tenhamos sobre controle. Pelo menos até que um maluco bote tudo a perder.

Should I stay or should I go
Topper Headon
Mick Jones
Paul Simonon
Joe Strummer

Darling you gotta let me know
Should I stay or should I go?
If you say that you are mine
I’ll be here ’til the end of time
So you got to let me know
Should I stay or should I go?

It’s always tease tease tease
You’re happy when I’m on my knees
One day is fine, the next is black
So if you want me off your back
Well come on and let me know
Should I Stay or should I go?

Should I stay or should I go now?
Should I stay or should I go now?
If I go there will be trouble
An’ if I stay it will be double
So come on and let me know

This indecision’s bugging me
If you don’t want me, set me free
Exactly who am I supposed to be
Don’t you know which clothes even fit me?
Come on and let me know

Devo ficar ou ir embora

Querida você tem que me deixar saber
Devo ficar ou ir embora?
Se você diz que você é minha
Estarei aqui até o fim do tempo
Então você tem que me deixar saber
Devo ficar ou ir embora?

Sempre provocando, provocando, provocando
Você é feliz quando estou de joelhos
Um dia é bom, outro é negro
Então se você quer se livrar de mim
Bem, venha e me diga
Devo ficar ou ir embora?

Devo ficar ou ir embora agora?
Devo ficar ou ir embora agora?
Se eu for haverá problema
E se eu ficar será em dobro
Então vamos lá e deixe-me saber

Esta indecisão está me irritando
Se você não me quer, me liberte
Exatamente quem eu devo ser?
Não sabe quais roupas servem em mim?
Venha e deixe-me saber
Devo esfriar ou devo explodir?

Devo ficar ou ir embora agora?
Se eu for haverá problemas
E se eu ficar será em dobro
Então me deixe-me saber
Devo esfriar ou devo explodir?

Devo ficar ou ir embora agora?
Se eu for haverá problemas
E se eu ficar será em dobro
Então me deixe saber
Devo ficar ou ir embora?

E é assim então, ao som de Should I Stay or Shoud I Go, com ninguém menos que o The Clash, que vamos saindo deste episódio pensando se um dia uma máquina saberá escolher melhor do que um humano…

Saberá compor melhor do que um ser humano? Saberá desenhar melhor do que um ser humano? Saberá escrever melhor do que um ser humano? Quem sabe até, tomar conta de um ser humano…

Quando perguntaram a um dos cientistas sobre se o Chat GPT evoluído colocaria os escritores prá fora do mercado, ele disse:

– Olha, isso pode levar algum tempo. Mas que tal você perder o emprego daqui a dez anos, mas ser salvo do câncer e do Alzheimer?

Pois é.

Então mostre que você está empenhado em ampliar sua inteligência natural e invista num conteúdo que vale realmente a pena. Assine o Café Brasil em canalcafebrasil.com.br.

Os assinantes terão um bônus especial depois do final deste episódio.

O Café Brasil é produzido por quatro pessoas. Eu, Luciano Pires, na direção e apresentação, Lalá Moreira na técnica, Ciça Camargo na produção e, é claro, você aí, que completa o ciclo.

De onde veio este programa aqui tem muito, mas muito mais, acesse canalcafebrasil.com.br e torne-se um assinante.

E se você gosta do podcast, imagine uma palestra ao vivo. E eu já tenho mais de mil e cem no currículo. Conheça os temas que eu abordo no lucianopires.com.br.

Mande um comentário de voz pelo WhatSapp no 11 96429 4746. E também estamos no Telegram, com o grupo Café Brasil.

E para terminar a parte gratuita deste episódio, já que os assinantes vão receber um bônus na sequência, uma frase do cientista de computação norte americano Alan Perlis:

“Um ano gasto em inteligência artificial é suficiente para fazer a pessoa acreditar em Deus.”