Categorias
Blog

Executive Program da SU: onde os líderes se encontram para se prepararem para o futuro do trabalho

O lifelong learning parte de uma premissa muito simples: o aprendizado não tem data para acabar. Mesmo depois dos diplomas – do ensino básico, da faculdade ou da especialização, por exemplo –, é necessário adotar uma postura aberta ao conhecimento.

A expressão, que ganhou força nos últimos anos, é um reflexo do dinamismo do mundo contemporâneo. Na prática, o lifelong learning pressupõe que nunca é cedo ou tarde demais para aprender algo novo – e, no que diz respeito ao mercado, essa mentalidade está alinhada às demandas corporativas.

O Executive Program da Singularity University Brazil chega à sua sétima edição se consolidando como uma porta de entrada para a comunidade Learning Circle. São profissionais de todo o mundo que integram um grupo de alumnis de alta liderança cujo expertise individual se dilui em uma mesma intenção: aprender, trocar experiências, viabilizar parcerias, encontrar novos clientes e fomentar a cadeia de colaboração e ajuda mútua.

O que faz esses profissionais se conectarem tão fortemente? – A jornada de aprendizagem proposta pela Singularity University que possibilita que, em três dias, cada executivo e executiva desfrute da mesma disposição para fazer networking, acessar experiências práticas e passar por uma imersão sem igual em tecnologias exponenciais.

Por mais que temas como blockchain, realidade estendida e metaverso, inteligência artificial e machine learning, robótica, nanotecnologia, redes e sistemas de computação e neurociência estejam no radar dos líderes, é fundamental que esses profissionais tenham a chance de voltarem a ser alunos, aprendendo a:
– identificar novas oportunidades com o uso de tecnologia
– pensar exponencialmente
– traçar caminhos para a sua empresa, usando o conceito de moonshot e uma visão de geração de abundância e de impacto positivo.

Esse acompanhamento na aprendizagem é realizado por um corpo docente definido após rigorosa curadoria de nomes. Ricardo Justus, Jeffrey Rogers, Carla Tieppo, Guilherme Horn, Ricardo Cavallini, Leandro Mattos, David Roberts, Eduardo Abrahim, Glaucia Guarcello, Letícia Setembro e outros grandes experts estarão focados em auxiliar cada aluno a compreender as principais pautas de futuro do negócio e planejar uma jornada de transformação e inovação dentro dos seus negócios ou área de atuação.

Quer aprender com especialistas certificados pela SU como as empresas utilizam as tecnologias exponenciais para melhorar seus resultados, por meio de: palestras, wordkshops, exercícios preditivos e pesquisas, cercado de algumas das mais brilhantes mentes do mundo?

O último EP desse ano acontecerá a partir do dia 23 de outubro, em Campos do Jordão, no Bendito Cacao Resort & Spa. Para participar, basta acessar esse link e se inscrever!

Categorias
Blog

O DeepMind deu “intuição” a IA treinando-a como um bebê

Os bebês são bolas borbulhantes, fofinhas e risonhas de alegria. Eles também são máquinas de aprendizado extremamente poderosas. Aos três meses de idade, eles já têm intuição sobre como as coisas ao seu redor se comportam – sem que ninguém lhes ensine explicitamente as regras do jogo.

Essa habilidade, apelidada de “física intuitiva”, parece extremamente trivial na superfície. Se eu encher um copo com água e colocá-lo sobre a mesa, sei que o copo é um objeto – algo em que posso envolver minhas mãos sem que derreta em minhas palmas. Não vai afundar na mesa. E se começasse a levitar, eu olhava e imediatamente corria para fora da porta.

Os bebês desenvolvem rapidamente essa capacidade absorvendo dados de seus ambientes externos, formando uma espécie de “senso comum” sobre a dinâmica do mundo físico. Quando as coisas não se movem como esperado – digamos, em truques de mágica onde objetos desaparecem – eles ficam surpresos.

Para a IA, é uma questão completamente diferente. Embora os modelos recentes de IA já tenham derrotado os humanos desde o jogo até a resolução de enigmas científicos de décadas, eles ainda lutam para desenvolver a intuição sobre o mundo físico.

Este mês, pesquisadores da DeepMind, de propriedade do Google, se inspiraram na psicologia do desenvolvimento e construíram uma IA que naturalmente extrai regras simples sobre o mundo assistindo a vídeos. Netflix e chill não funcionaram sozinhos; o modelo de IA só aprendeu as regras do nosso mundo físico quando recebeu uma ideia básica dos objetos, como quais são seus limites, onde estão e como se movem. Semelhante aos bebês, a IA expressou “surpresa” quando mostrou situações mágicas que não faziam sentido, como uma bola rolando em uma rampa.

Apelidado de PLATO (para Aprendizado de Física através de Auto-codificação e Objetos de Rastreamento), a IA foi surpreendentemente flexível. Precisava apenas de um conjunto relativamente pequeno de exemplos para desenvolver sua “intuição”. Uma vez que aprendesse isso, o software poderia generalizar suas previsões sobre como as coisas se moviam e interagiam com outros objetos, bem como sobre cenários nunca encontrados anteriormente.

De certa forma, PLATO atinge o ponto ideal entre natureza e criação. Os psicólogos do desenvolvimento há muito discutem se o aprendizado em bebês pode ser alcançado a partir da descoberta de padrões em dados de experiências apenas. PLATO sugere que a resposta é não, pelo menos não para esta tarefa específica. Tanto o conhecimento interno quanto a experiência são fundamentais para completar toda a história de aprendizagem.

Para sermos claros, PLATO não é uma réplica digital de um bebê de três meses – e nunca foi projetado para ser. No entanto, fornece um vislumbre de como nossas próprias mentes potencialmente se desenvolvem.

“O trabalho… está ultrapassando os limites do que a experiência cotidiana pode e não pode explicar em termos de inteligência”, comentou os Drs. Susan Hespos e Apoorva Shivaram, da Northwestern University e da Western Sydney University, respectivamente, que não participaram do estudo. Pode “nos dizer como construir melhores modelos de computador que simulem a mente humana”.

O enigma do senso comum
Com apenas três meses de idade, a maioria dos bebês não piscará se deixar cair um brinquedo e ele cair no chão; eles já pegaram o conceito de gravidade.

Como isso acontece ainda é desconcertante, mas existem algumas ideias. Nessa idade, os bebês ainda lutam para se contorcer, engatinhar ou se movimentar. Sua entrada do mundo exterior é principalmente através da observação. Essa é uma ótima notícia para a IA: significa que, em vez de construir robôs para explorar fisicamente seu ambiente, é possível imbuir um senso de física na IA por meio de vídeos.

É uma teoria endossada pelo Dr. Yann LeCun, um dos principais especialistas em IA e cientista-chefe de IA da Meta. Em uma palestra de 2019, ele postulou que os bebês provavelmente aprendem por meio da observação. Seus cérebros se baseiam nesses dados para formar uma ideia conceitual da realidade. Em contraste, mesmo os modelos de aprendizado profundo mais sofisticados ainda lutam para construir uma noção do nosso mundo físico, o que limita o quanto eles podem se envolver com o mundo – tornando-os quase literalmente mentes nas nuvens.

Então, como você mede a compreensão de um bebê sobre a física cotidiana? “Felizmente para nós, os psicólogos do desenvolvimento passaram décadas estudando o que as crianças sabem sobre o mundo físico”, escreveu o principal cientista Dr. Luis Piloto. Um teste particularmente poderoso é o paradigma de violação de expectativa (VoE). Mostre a um bebê uma bola rolando morro acima, desaparecendo aleatoriamente ou de repente indo na direção oposta, e o bebê olhará para a anomalia por mais tempo do que faria se estivesse atendendo às suas expectativas normais. Algo estranho está acontecendo.

Esquisitice espacial
No novo estudo, a equipe adaptou o VoE para testar a IA. Eles abordaram cinco conceitos físicos diferentes para construir o PLATO. Entre eles estão a solidez – ou seja, dois objetos não podem passar um pelo outro; e continuidade – a ideia de que as coisas existem e não piscam mesmo quando escondidas por outro objeto (o teste do “esconde-esconde”).

Para construir o PLATO, a equipe começou com um método padrão em IA com uma abordagem em duas frentes. Um componente, o modelo perceptual, recebe dados visuais para analisar objetos discretos em uma imagem. Em seguida vem o preditor dinâmico, que usa uma rede neural para considerar o histórico de objetos anteriores e prever o comportamento do próximo. Em outras palavras, o modelo constrói um tipo de “motor de física” que mapeia objetos ou cenários e adivinha como algo se comportaria na vida real. Essa configuração deu a PLATO uma ideia inicial das propriedades físicas dos objetos, como sua posição e quão rápido eles estão se movendo.

Em seguida veio o treinamento. A equipe mostrou ao PLATO menos de 30 horas de vídeos sintéticos de um conjunto de dados de código aberto. Estes não são vídeos de eventos da vida real. Em vez disso, imagine animações em blocos do tipo Nintendo da velha escola de uma bola rolando por uma rampa, quicando em outra bola ou desaparecendo de repente. PLATO eventualmente aprendeu a prever como um único objeto se moveria no próximo quadro de vídeo e também atualizou sua memória para esse objeto. Com o treinamento, suas previsões sobre a próxima “cena” ficaram mais precisas.

A equipe então jogou uma chave inglesa nos raios. Eles apresentaram a PLATO uma cena normal e uma impossível, como uma bola desaparecendo repentinamente. Ao medir a diferença entre o evento real e as previsões do PLATO, a equipe pôde avaliar o nível de “surpresa” da IA ​​– que passou do teto para eventos mágicos.

O aprendizado generalizou-se para outros objetos em movimento. Desafiado com um conjunto de dados completamente diferente desenvolvido pelo MIT, apresentando, entre outros itens, coelhos e pinos de boliche, PLATO habilmente discriminava entre eventos impossíveis e realistas. PLATO nunca tinha “visto” um coelho antes, mas sem qualquer retreinamento, mostrou surpresa quando um coelho desafiou as leis da física. Semelhante aos bebês, o PLATO foi capaz de capturar sua intuição física com apenas 28 horas de treinamento em vídeo.

Para Hespos e Shivaram, “essas descobertas também são características paralelas que vemos em estudos infantis”.

Intuição digital
PLATO não pretende ser um modelo de IA para o raciocínio infantil. Mas mostra que explorar nossos cérebros de bebês em expansão pode inspirar computadores com um senso de fisicalidade, mesmo quando o “cérebro” do software está literalmente preso dentro de uma caixa. Não se trata apenas de construir robôs humanóides. De próteses a carros autônomos, uma compreensão intuitiva do mundo físico conecta o mundo digital amorfo de 0s e 1s à realidade cotidiana e comum.

Não é a primeira vez que os cientistas de IA pensam em turbinar as mentes das máquinas com uma pitada de engenhosidade infantil. Uma ideia é dar à IA um senso de teoria da mente – a capacidade de se distinguir dos outros e ser capaz de se imaginar no lugar dos outros. É uma habilidade que vem naturalmente para crianças de cerca de quatro anos e, se incorporada aos modelos de IA, pode ajudar drasticamente a entender as interações sociais.

O novo estudo se baseia em nossos primeiros meses de vida como um rico recurso para desenvolver IA com bom senso. Por enquanto, o campo está apenas em sua infância. Os autores estão liberando seu conjunto de dados para que outros possam desenvolver e explorar a capacidade de um modelo de IA de interagir com conceitos físicos mais complexos, incluindo vídeos do mundo real. Por enquanto, “esses estudos podem servir como uma oportunidade sinérgica entre a IA e a ciência do desenvolvimento”, disseram Hespos e Shivaram.

Categorias
Blog

Cientistas estudaram a camada de gelo da Antártida por mais de 10.000 anos. Suas descobertas trazem insights para o futuro

Histórias alarmantes da Antártida são agora mais frequentes do que nunca; a superfície do gelo está derretendo, as plataformas de gelo flutuantes estão entrando em colapso e as geleiras estão fluindo mais rápido para o oceano.

A Antártida será a maior fonte de aumento futuro do nível do mar. No entanto, os cientistas não sabem exatamente como esse derretimento se desenrolará à medida que o clima aquecer.

Nossa pesquisa mais recente analisa como a camada de gelo da Antártida avançou e recuou nos últimos 10.000 anos. Ele contém avisos severos e possivelmente alguma esperança para o futuro.

O desequilíbrio atual
A futura elevação do nível do mar apresenta um dos desafios mais significativos das mudanças climáticas, com impactos econômicos, ambientais e sociais esperados para as comunidades costeiras em todo o mundo.

Embora pareça uma questão distante, as mudanças na Antártida podem em breve ser sentidas à nossa porta, na forma de aumento do nível do mar.

A Antártida abriga a maior massa de gelo do mundo: a camada de gelo da Antártida. Este corpo de gelo glaciar tem vários quilômetros de espessura, aninhado no topo de terra firme. Abrange cadeias de montanhas inteiras abaixo dela.

A camada de gelo “flui” sobre a terra do interior da Antártida e em direção ao oceano circundante. Como um todo, permanece uma massa sólida, mas sua forma se deforma lentamente à medida que os cristais de gelo se movem.

Enquanto o manto de gelo flui para fora, a queda de neve de cima o reabastece. Este ciclo deve manter o sistema em equilíbrio, em que o equilíbrio é alcançado quando a camada de gelo está ganhando a mesma quantidade de gelo que está perdendo para o oceano a cada ano.

No entanto, satélites vigiando de cima mostram que a camada de gelo não está em equilíbrio. Nos últimos 40 anos, perdeu mais gelo do que ganhou. O resultado foi o aumento global do nível do mar.

Mas essas observações históricas abrangem apenas quatro décadas, limitando nossa compreensão de como a camada de gelo responde às mudanças climáticas por períodos muito mais longos.

Queríamos olhar mais para trás no tempo – antes dos satélites – e mesmo antes dos primeiros exploradores polares. Para isso, precisávamos de arquivos naturais.

Desenterrando o passado da Antártida
Reunimos vários arquivos naturais para descobrir como a camada de gelo da Antártida mudou nos últimos 10.000 anos. Estes incluíram:

  • núcleos de gelo coletados do interior remoto da Antártida, que podem nos mostrar como a neve se acumulou no passado
  • rochas coletadas de picos de montanhas expostas, que revelam como a camada de gelo engrossou ou afinou com o tempo
  • núcleos de sedimentos coletados do fundo do mar, que revelam como a margem do manto de gelo – onde a borda do gelo terrestre encontra o oceano – avançou ou recuou
  • lama do lago e praias antigas, que revelam como o litoral mudou em resposta ao crescimento ou diminuição da camada de gelo

Quando começamos nossa pesquisa, eu não tinha certeza do que esperar. Afinal, esse período de tempo foi considerado bastante monótono, com apenas pequenas mudanças na margem de gelo.

No entanto, estudamos os diversos arquivos naturais um por um. O trabalho parecia um quebra-cabeça de 1.000 peças, cheio de peças de formato irregular e aparentemente sem borda reta. Mas uma vez que os juntamos, as peças se alinharam e a imagem ficou clara.

O mais impressionante foi um período de perda de gelo que ocorreu em todas as regiões da Antártida cerca de 10.000 a 5.000 anos atrás. Isso resultou em muitos metros de aumento do nível do mar globalmente.

Em algumas regiões da Antártida, no entanto, essa perda de gelo foi seguida por um ganho de gelo durante os últimos 5.000 anos – e uma queda do nível do mar global correspondente – à medida que a margem do manto de gelo avançou para onde está hoje.

Um aviso
Compreender como e por que a camada de gelo da Antártida mudou dessa maneira oferece lições para o futuro.

A primeira lição é mais um aviso. O período de perda de gelo de 10.000 a 5.000 anos atrás foi rápido, ocorrendo em uma taxa semelhante às partes mais dramáticas da camada de gelo da Antártida hoje.

Achamos que provavelmente foi o resultado da água quente do oceano derretendo a parte inferior das plataformas de gelo flutuantes – algo que também aconteceu nas últimas décadas. Essas plataformas de gelo retêm o gelo em terra, então, uma vez removidas, o gelo na terra flui mais rápido para o oceano.

No futuro, prevê-se que a perda de gelo acelere à medida que a camada de gelo recua para bacias abaixo do nível do mar. Isso pode já estar em andamento em algumas regiões da Antártida. E com base no que aconteceu no passado, a perda de gelo resultante pode persistir por séculos.

Saltando para trás
A segunda lição de nosso trabalho pode trazer alguma esperança. Cerca de 5.000 anos atrás, a margem do manto de gelo parou de recuar na maioria dos locais e, em algumas regiões, começou a avançar. Uma explicação para isso está relacionada ao período anterior de perda de gelo.

Antes que o gelo começasse a derreter, a camada de gelo da Antártida era muito mais pesada e seu peso era empurrado para a crosta da Terra (que fica no topo de um interior derretido). À medida que a camada de gelo derretia e se tornava mais leve, a terra abaixo dela teria se levantado – efetivamente puxando o gelo para fora do oceano.

Outra explicação possível é a mudança climática. Na orla costeira da Antártida, o oceano pode ter mudado temporariamente de águas mais quentes para mais frias na época em que a camada de gelo começou a avançar novamente. Ao mesmo tempo, mais nevascas ocorreram no topo da camada de gelo.

Nossa pesquisa apóia a ideia de que a camada de gelo da Antártida está prestes a perder mais gelo e aumentar o nível do mar, principalmente se o oceano continuar a aquecer.

Também sugere que a elevação da terra e o aumento da queda de neve têm o potencial de retardar ou compensar a perda de gelo. No entanto, este efeito não é certo.

O passado nunca pode ser um teste perfeito para o futuro. E considerando que o planeta está se aquecendo mais rápido agora do que naquela época, devemos ser cautelosos.

Este artigo é republicado de The Conversation sob uma licença Creative Commons. Leia o artigo original.

Categorias
Blog

A maior fazenda vertical do mundo acaba de ser inaugurada em Dubai

À medida que o clima em muitas partes do mundo fica mais quente e seco, está se tornando cada vez mais crucial encontrar maneiras inovadoras de cultivar alimentos. A agricultura vertical é uma solução que está sendo amplamente adotada, com fazendas surgindo em todos os lugares, da Holanda à