 Boa tarde a todos, agradeço muito a vinda de vocês para um momento tão especial para nós aqui no Museu da Manhã. Estamos aqui com parte deste evento que chama-se o simpósio global de inteligência artificial e inclusão. Esse é um simpósio fechado, que geralmente acontece em universidades e em áreas fechadas. Estamos super felizes de receber esse evento aqui porque temos um aumento aberto onde podemos dar um pequeno teaser do que está acontecendo nesse simpósio tão importante. Tem pesquisadores que diz que é uma das perguntas mais importantes que a humanidade vai se perguntar como queremos viver com inteligência artificial. Hoje, fizemos uma curadoria de pessoas e palestrantes para dar um gostinho do que está se passando aqui nesses três dias. Com vocês, estaria aqui no lugar do Luiz Alberto Oliveira, o Curador do Museu da Manhã, para falar da nossa perspectiva sobre esse evento. Teremos o Rogério de Paula da IBM que vai explicar um pouco mais como é que é essa coisa de inteligência artificial, como é que ela funciona. Depois teremos uma perspectiva de artística. A Mime Onrua vem de Nova York, de um centro artístico chamado IBM, de Centro de Arte e Tecnologia. Teremos o Ronaldo Lemos, do Instituto de Tecnologia e Sociedade, um dos correalizadores desse evento em conjunto com a Harvard Berkman Center. Finalmente, teremos a Sandra Cortese da Berkman Klein Center for Internet and Society. Ela é da Harvard, do Centro de Internet e Sociedade. Com isso, queria pedir o pessoal para botar a minha apresentação para falar um pouco sobre essa questão de reimaginando o amanhã. Antes de entrar nessa apresentação, queria só dizer como a gente começou um pouquinho atrasado. A gente pede os palestrantes para limitar a fala para 15 minutos. Cada um, a gente tem o timer aqui na frente e, no final, teremos 15 minutos de perguntas onde todos estaremos aqui para responder algumas dúvidas que vocês possam ter durante esse processo. Então, vamos lá. A gente sabe que há 4 bilhões de anos desse planeta, o planeta não era inteligente, e hoje é. Mas o que é inteligência? Isso é uma coisa debatida entre especialistas e inteligentíssimos. Ainda não tem uma definição concreta. Tem algumas pessoas que acham que é um conjunto de habilidades, de planejamento, de lógica, de emoções. Mas a gente aqui vai usar uma definição específica que vem do Stephen Hawking, que é a inteligência, a capacidade de se adaptar às circunstâncias variáveis e de resolver problemas. Só que a gente aqui pensou que essa definição está faltando algo ainda. E a gente acha que a inteligência não é só resolver problemas, mas também é principalmente propor problemas novos. Então, o que é um problema? Um problema é uma encruzilhada, é uma decisão. Qual dos caminhos vamos escolher? À medida que a gente vai escolhendo caminhos, alguns caminhos vão se abrindo, outros deixam de existir. E cada caminho leva a novas escolhas, novos problemas e novas alternativas. Então, queria dar um pouco de contexto nessa fala aqui sobre onde estamos. Eu acho que todos devemos sentir que está tudo indo muito rápido. O mundo está mudando uma velocidade sem precedentes e está acelerando mais rapidamente que qualquer momento na história da humanidade. E um dos principais motivos para isso é a digitalização. O que é isso? Isso quer dizer que a gente está transformando ideias, objetos físicos em informação, código binário, a linguagem e os computadores. À medida que a gente vai traduzindo tudo a nossa volta nessa linguagem, a gente consegue fazer muito mais com isso. E isso gerou, a Lady Moore, a gente tem o pessoal da Intel aqui, o Gordon Moore descobriu que qualquer tecnologia que é digitalizada, traduzida nessa linguagem de computadores, geralmente duplica em poder de processamento a cada um a dois anos e pode ficar mais barata. Como a gente está vendo com todos os nossos dispositivos que a gente vai comprando, a gente vai vendo que na prática eles vão ficando mais rápidos e mais baratos. E por isso a gente vê que o smartphone é mil vezes mais rápido e um milhão de vezes mais barato que o supercomputador dos anos 70. Voltando à questão da inteligência, a gente sabe que os maiores benefícios da nossa sociedade vêm por casos avanços na inteligência, que impactam na sociedade, na tecnologia, nos avanços que a gente vê em várias áreas da economia e da vida. E uma coisa que a gente reflete muito é essa questão de, na nossa pontivista aqui, a inteligência ela é simbólica e técnica. O que significa isso? Essa questão da simbologia e da idealização de possibilidades e alternativas de problemas, de soluções e também a parte técnica, que é essa questão da potencialização do que foi pensado, do que foi idealizado na prática e em produtos, em coisas físicas, em experiências e tudo mais. Voltando àquela questão que a gente estava falando antes, a inteligência, a gente sabe que ela surgiu no planeta onde não havia antes. Isso é muito interessante, isso quer dizer que a inteligência não é uma substância, não é uma coisa, ela é um processo. Ela foi acontecendo. E é um processo evolutivo. A gente, por trás dessa questão toda, a gente sabe que isso envolve um grande fluxo de informação. Tanto para a gente, nós somos seres que têm vários sensores, a gente está recebendo muita informação através dos sentidos. A gente também sabe que não são só cinco sentidos, tem pessoas que contaram 33 sentidos, sentidos que tem a ver com onde o seu corpo está localizado no espaço. Sentidos de... Quando você se sente mal, tem dor de cabeça, sentidos de... Se eu tocar aqui, no meu braço, eu posso estar de olhos fechados e eu vou saber onde estou tocando por causa desses vários sentidos. Então, é muita informação entrando. E, similarmente, a inteligência artificial também trabalha na base de muitos fluxos de informação, muitos dados também. E, cada vez mais, a gente está descobrindo, a gente está certificando que, além de ter unidades como neurônios e transistors, a gente sabe que eles têm que ser ligados a uma arquitetura complexa. A gente ouviu no simpósio, no começo, que está tendo mais sistemas complexos para resolver problemas cada vez mais rápido e com cada vez mais precisão. Então, se a gente fizer uma conta básica, a gente sabe mais ou menos que a gente tem 86 bilhões de neurônios, até foi uma brasileira que descobriu isso, e sete bilhões de pessoas. A gente tem mais um poder de processamento humano de um quintilhão. A gente também sabe que, esse número é difícil de pegar as estatísticas corretas, mas a gente sabe que o poder de processamento não humano, quer dizer, não sei se transistores estão aí, tem mais de um quintilhão e está cada vez aumentando. O que isso quer dizer? Isso quer dizer que a parte neuronal de todo mundo junto, esse poder de processamento, não está crescendo. Ele cresce de acordo com as pessoas que vão nascendo e tudo mais. E a artificial está. Está cada vez, voltando àquela questão da lei de Morville, que ainda está em vigor, as pessoas às vezes têm diferenças de quando ela vai acabar, se ela vai acabar, mas, enfim, ela continua. E a gente está vivendo em um momento em que a capacidade artificial de processamento está superando cada vez mais a capacidade instalada biológica, ou quer dizer, nós. E essas dinâmicas inteligentes estão expandindo essa taxa exponencial, e isso significa que a gente está em um aumento de deslocamento dos limites da inteligência. Ao mesmo tempo, a gente olha a nossa volta, a gente vê algumas tendências chaves. No museu a gente sempre fala de seis, aqui eu vou falar de três tendências, que têm a ver com o que a gente está falando hoje. Hoje a gente está com um aumento de conhecimento, com mais pessoas letradas, mais pessoas alfabetizadas. A gente está com muitos mais dados sendo criados cada dia mais. E a gente está com uma convergência de tecnologias que vai afetar a tecnologia que a gente está falando de hoje, que é inteligente artificial. Esse gráfico do Our World in Data é interessante. Ele diz que 85% da população mundial está alfabetizada. Tem gente que diz que é entre 75% e 80%. O número não é tão importante. O que é mais importante notar aqui é que se olhar em 1800, você vê que era literalmente oposto do que está hoje em dia. A gente tinha quase 85% da população que não era letrada, hoje é. E hoje a gente tem uma... Em 1800, mulheres, inclusive, a gente está falando de diversidade e inclusão, mulheres tinham pouquíssimas taxas de alfabetismo. Hoje em dia está quase igual aos homens. E a questão de dados. Tem gente que diz que a gente tem 2,5 milhões de bytes por dia que estão por aí. 90% de todos os dados foram criados os últimos 2 anos. Isso é uma coisa que todos vocês pensem sobre o que significa isso. 99% das coisas ainda não estão conectadas à internet. Isso é uma das grandes convergências que teremos de tecnologias quando todas as coisas, ou grande parte das coisas, foram conectadas. Aqui tem algum... Não são todas, isso numa lista exaustiva, mas a lista mais para mostrar sobre essa questão da convergência, esse ecossistema da convergência das tecnologias, alguns números para vocês. De novo, só deixando... Claro, quando você está fazendo tendências, olhando para o futuro e tudo mais, a gente tem muitas divergências. Nos números que são estudados. Então a gente tem de 20 a 50 bilhões de dispositivos que serão conectadas à internet daqui a 3 anos, em 2020. A gente tem 2,6 milhões de robôs industriais até 2019. Isso é quase um dobro do número de robôs que a gente tem hoje em dia. E o tamanho de mercado de realidade virtual, realidade aumentada, uma coisa que a gente está trabalhando no laboratório de atividades amanhã, na qual sou diretora, ele vai ter um tamanho de 162 bilhões até 2020. É claro que tem muitas outras tecnologias que ficaram por fora, mas o que eu quero que vocês levem desses dados é que essas tecnologias vão convergir. Em inteligência artificial aqui, internet e essas coisas, vai tudo convergir. Aqui esse slide está em inglês, mas dá para ver o que eu quero que vocês tirem disso aqui. Desde 1993 até 2020, as tecnologias começando com o conteúdo na web, comunicação na web, o contexto na web, a internet das coisas e a internet dos pensamentos. Então você vê e-mail, fórum, foto, depois saindo um pouquinho mais, você começa a ver tecnologias de comunicação, blogs, wiki, social media, depois você começa a ver mais coisas como interfaces inteligentes, depois você vai um pouquinho mais para fora, você vê tecnologia de gestos, saindo mais você começa a ver coisas mais de wearables, precisamento de voz, várias coisas que existem hoje, até você vê coisas de 2020 muito fora de muito quase ficção científica. É uma coisa que também trazendo para a questão do museu quais são os grandes desafios que também são os nossos pilares éticos do museu, a questão ambiental e social. Então na ambiental a gente fala de sustentabilidade, mudanças climáticas, alteração de sistemas ambientais, como queremos viver com o meio ambiente. Essa pergunta que a gente se pergunta aqui no museu. Na social a gente fala da convivência nesse simpósio estamos falando da inclusão de desigualdade socioeconômica e a gente diz que é aqui como queremos viver entre nós. E a gente sabe que esses desafios implicam estados críticos para o nosso planeta e a gente sabe que vai ser necessário que toda essa inteligência ampliada, toda essa tecnologia ampliada, natural e artificial, quer dizer, nós em conjunto com essas tecnologias, teremos que enfrentar esses desafios. Só para te dar... A gente não está falando de sustentabilidade hoje, mas eu queria trazer uma noção aqui para a gente para olhar a questão de sustentabilidade rapidamente. Somos máquinas que precisamos em volta de o que seria equivalente a 90 watts para funcionar. Em sociedades avançadas, cada pessoa usa em média 11 mil watts por dia, por pessoa. Então isso significa 120 lâmpadas por pessoa. Esse é um dado que devia assustar a todos vocês. E talvez no futuro a gente possa falar de um simpósio de sustentabilidade. Mas voltando ao nosso tema, abordar o problema de desigualdade também é abordar o problema ambiental. E a gente diz que o amanhã não é um lugar no calendário, não é um lugar que a gente chega. É uma construção conjunta de nós como pessoas, como cidadãos, como seres humanos. E a gente sabe que o progresso, ao mesmo tempo da inteligência artificial, está acontecendo continua. Então cabe a nós construir como ela vai ser. Como a gente pode construir essa tecnologia e assegurar que o impacto positivo na sociedade seja de uma sociedade mais diversificada e inclusiva. A tecnologia não é neutra, ela vem embutida com visões do mundo de seus criadores. Ao mesmo tempo, a tecnologia, acho que esse mapa é o mapa de noite das luzes, ela não está acessível a todos. Então a inclusão tem a ver com esse pilarético do museu, da manhã, da convivência, como queremos viver com os outros. Então tem várias perguntas, meu tempo está acabando aqui, mas eu queria que a gente refletisse ao longo dessa noite sobre como podemos refletir a diversidade da nossa sociedade na inteligência artificial, nessas estruturas por trás dessa tecnologia. Como é que a gente pode aumentar o acesso à inteligência artificial e, além disso, a diversidade maior? Como é que a gente pode colaborar com a inteligência artificial sem nos comprometer, sem comprometer os valores da nossa sociedade? E qual o papel do Brasil e outros países no sul-global nisso? Vamos ser espectadores? Vamos ser consumidores? Ou vamos ser criadores? Então para terminar, eu queria deixar uma reflexão com vocês, que a inteligência artificial é sim uma questão ética, é uma escolha de como queremos viver entre nós e como queremos viver com o planeta e cabe a nós escolher o planeta, o caminho. Muito obrigada. Com vocês, o Rogério de Paula da IBM. Boa noite. No primeiro lugar, eu gostaria de agradecer a Marcela e ao Museu do Amanhã para o convite de poder estar aqui apresentando isso. Eu gostaria de refletir um pouco na questão da inclusão e inteligência artificial, mas também uma questão de entendimento, das possibilidades e do que a tecnologia pode fazer. Então, quando eu recebi esse convite, eu resolvi refletir um pouco o que é essa tecnologia que todo mundo fala. Então, a minha missão aqui é trazer um pouco, desmistificar um pouco ela o que é a história dessa inteligência artificial e de onde ela vem e para onde nós estamos indo e alguns dos desafios. Hoje, a inteligência artificial está em tudo o que nós fazemos. Em todas as atividades humanas, você encontra um pedaço dela. Ela está muitas vezes escondida, você não está enxergando, mas ela cada vez mais está fazendo parte do dia a dia de nós todos. E mais importante, hoje você tem contato com ela. Quem tem celular aqui? Um smartphone, por exemplo. Todos que têm um celular hoje, essa audiência daqui, está interagindo com a inteligência artificial de uma forma ou de outra. No filtro que está atirando, espando o seu e-mail ou quando você recebe uma recomendação de livro ou produto que você quer ou não quer ou que não imaginava que você queria ou quando você recebe o convite do seu ex-namorado que você cancelou no Facebook, ele fica insistindo que você quer de volta seu amigo dele ou quando você tem ferramentas que estão fazendo reconhecimento de imagem ou quando você fala com seu celular. Isso tudo tem por trás algum algoritmo de inteligência artificial. Mas o que é essa inteligência? O que torna uma máquina inteligente? Eu acho que isso é uma pergunta fundamental que já venha há muitos anos. E ela tem duas perspectivas. Uma perspectiva é o famoso Turing Test. O que é uma máquina inteligência? Se ela se comporta como ser inteligência, ela é uma máquina inteligência. Vocês provavelmente conhecem o Turing Test que basicamente a ideia de você tem uma parede e você está conversando com um ser humano ou com a máquina e você faz pergunta, qualquer tipo de pergunta para essa pessoa do outro lado e se você não conseguir identificar se é um ser humano ou se é uma máquina, ela passou no teste. Essa é uma visão de o que é uma máquina inteligência. Ela puramente se comporta como ser humano. Uma outra é você pensar que é uma máquina que ela mímica, ela simula o pensamento humano. Isso é uma outra linha de pesquisa que olha muito o que ele chama de redes neuronais, como você olha o entendimento da máquina da forma com que ser humano funciona. Essa é uma linha que mais adiante eu vou falar um pouco mais dela porque ela tem implicações muito grande na grande evolução da inteligência oficial nesse momento. Mas isso nos leva um pouco o que é essa máquina? O que ela tem que demonstrar para ser inteligente? De um lado, esse aqui é o criador de uma das linguagens mais importantes que eu chamo de LISP basicamente é um problema de representação do conhecimento. Então a máquina tem que ser capaz de representar o conhecimento que ela tem. Eu preciso codificar esse conhecimento. Você tem que ter goals e executar esses goals. Esses aqui são alguns robôs desenvolvidos pelo CME nos Estados Unidos que você pode chegar e pedir para ele te trazer o cafezinho. Agora, para ele saber para te entregar o café, ele tem que saber que ele tem que fazer um caminho, o que significa café e como eu tiro o café. Então ela tem que saber executar comandos. Outro, ela tem que ser capaz de traduzir e entender a linguagem humana que foi um trabalho feito em 1954 que foi um dos primeiros tentativas de desenvolvimento de máquinas de inteligência foi o que? Traduzir de russo para inglês, por causa do durante a guerra, durante a guerra fria uma coisa que eles mais queriam é poder entender o russo. E foi uma falha tremenda naquela época e finalmente eles descobriram que um problema de linguagem é um problema mais difícil que tem. Ele precisa perceber o mundo. Ele precisa ter percepção das coisas. Lembrando do filme 2001 quando ele começa a perceber as intenções do astrônomo, do astronauta. Então, ser capaz de perceber é porque simplesmente eu entender cognitivamente as coisas. Preciso perceber as coisas. E eu preciso experimentar o mundo. Sem eu poder experimentar o mundo como nós experimentamos, eu não consigo ter um conhecimento, como um ser humano. Aqui a história é só um robô que experimenta, ele passa pelas experiências que os humanos passam. E ele tem que ser capaz de tomar decisões. Eu tenho que saber de tomar decisões de uma maneira rápida ou de uma maneira lógica dentro de alguma lógica que a gente defina. E, eventualmente, essa máquina tem que ter um conhecimento geral. Uma das coisas mais difíceis, um dos grandes desafios é você alcançar esse conhecimento geral. Então esses são alguns dos atributos que a gente começa a entender e tentar... Nós estamos ainda para chegar no momento que a gente vai conseguir resolver todos eles, mas esses são alguns dos atributos humanos que você imaginaria para uma máquina inteligente. Então nós estamos agora dados 50 anos de trabalho e em pesquisa nessa área, a gente acredita que a gente está entrando numa nova era que a gente chama dessa era de sistemas cognitivos. São sistemas agora que não são mais programáveis, como criação de regras para a execução de de ações. Basicamente esses programas, você ensina esses programas a executar. Então nós acreditamos que nós estamos nessa era. Mas isso nunca foi tão tranquilo. Se você olhar histórico da inteligência artificial, uma das coisas que eles sempre falam são os invernos, que eles chamam de winters. Que foram momentos em que a grande desilusão sobre o potencial disso. O primeiro inverno foi quando se descobriu que o problema de linguagem era um problema maior, muito maior do que imaginavam. Depois se começaram a usar técnicas de neural networks para tentar resolver problemas. Foi uma desilusão. Então nós temos esses ciclos. Depois tentamos esses temas especialistas. E agora nós estamos numa nova tentativa. Quer dizer, alguns pesquisadores, alguns prominentes na área, acham que nós já passamos do momento que isso não tem retorno mais. Mas nós estamos ainda para entender realmente qual que vai ser o próximo, ou se vamos ter mais um winter, ou se estamos no que eles chamam de AI Spring, que é a primavera do AI da inteligência artificial. O que nós acreditamos é que é um momento que eles já estão chamando de inteligência artificial limitada. Eu não estou conseguindo resolver problemas genéricos, ou problemas como o ser humano resolve. Eu estou conseguindo resolver problemas muito específicos, de domínios muito específicos. Quando você fala com a Siri no seu celular, por exemplo, você basicamente está falando com um vocabulário muito limitado. Ou de certa forma ele está treinando um pouco mais. A gente acredita que por volta do meio do século, você vai ter o que eles chamam de inteligência expandida. A inteligência expandida é muito mais o caso em que você consegue, a máquina consegue aprender um pouco mais com os dados e expandir a partir desses dados um conhecimento maior. E o que eles falam eventualmente de inteligência artificial geral, do que o ser humano nesse momento. Isso lá para o final do século. Então, é só para ter uma noção. Mas, então, como ela se formou? A inteligência artificial tem duas vertentes, ou tem mais, mas vamos simplificar e deixar duas vertentes. Uma vertente que puramente busca você representar o conhecimento e criar a forma de você entender que a máquina tenha inteligência através da interpretação desse conhecimento e tem um outro que tenta entender e mimicar ou simular como o ser humano tem inteligência, que é o lado mais de neural networks. Eu vou falar um pouco mais desse lado, que é o lado que hoje está grande, está se despontando e trazendo um maior crescimento para maior avanço na área de inteligência artificial. Então, aqui é só para mostrar um pouco, botando aquele mapas. Nós só tivemos esses em amarelo são essa tendência mais de identificar redes neuronais e, no meio, esse simbólico mais essa representação formal do conhecimento. E, como que eu começou? Na verdade, isso não é novo. Isso começou em 1958. Esse... Rosablet, ele foi a primeira pessoa a pensar assim, como é que eu não consigo representar o conhecimento da mesma forma com que o cérebro humano funciona. Então, o primeiro problema foi muito simples. Era o problema assim. Será que eu consigo criar uma máquina que separa o que é uma separação linear de dois grupos diferentes? Então, eu conseguia fazer separação linear de uma maneira bem tranquila. Mas eu não conseguia resolver problemas mais complexos. Como, por exemplo, tentar resolver separar aqueles dois grupos ali, que é aquele círculo. E aqui é a mesma coisa. Então, como que eles fazem? Basicamente, eles transformam aquela visão de uma rede num sistema matemático. Então, na verdade, quando a gente fala de uma rede neuronal, basicamente, é um modelo matemático. E, com isso, mas a grande dificuldade é que esses modelos eles não... É como que eu faço para aprender? É um dos grandes desafios. Porque, em 1972, eu sabia que eu não precisava de redes mais complexas para resolver, mas eu não conseguia saber como treinar. E isso surgiu alguma... Eventualmente, houve um avanço na matemática que surgiu esse conceito de backpropagation que, basicamente, resolveu a questão de treinamento. E aí, a partir disso, eu consegui agora treinar essa rede de forma com que ela aprendesse com os erros. Então, basicamente, eu trago dados que estão anotados e eu vou conseguir aprender e treinar essa rede de forma com que agora ela consiga repetir o que o ser humano faz. E é interessante, isso aqui é um problema que aconteceu. É claro que, novamente, o exército e forças amadas estavam investindo nesse tipo de pesquisa e eles fizeram um trabalho em que você tinha que reconhecer tanques ou caminhões atrás de árvores. E o que foi interessante é que eles pegaram um grupo de imagens para fazer esse reconhecimento e foi muito bem. A máquina conseguia muito bem fazer esse reconhecimento. Mas o que aconteceu? Quando eles colocaram um outro grupo de dados, esse de um dado foi treinado com céu azul e o outro dado foi treinado com céu com nuvens. E o que acontece? A máquina ela reconheceu não a imagem, mas a luminosidade na imagem. O que é interessante, o ser humano não queria reconhecer a luminosidade na imagem. A gente reconhece o que está na imagem. Então, mostrou de certa forma não só a dificuldade da máquina de ser treinada e reconhecer, por exemplo, padrões como essa, mas também o que ela considerava importante naquela imagem que não tinha nada a ver com o ser humano considera importante na imagem. Então, grandes desafios. E o que acontece? Eventualmente você tem o Gug, com a internet milhares de gatos. E por que os gatos são importantes? Na verdade, os primeiros experimentos aqui com gatos foi um trabalho feito pela Google em que eles conseguiram usar um grande poder computacional e a primeira trouxer essas redes neuronais, eles conseguiram pela primeira vez identificar gatos. Porque um dos grandes desafios, você pode falar para o computador. Um gato tem duas orelhas, um rabo, duas patas e tem pelo. Mas gato, cachorro, tudo isso tem essas mesmas características. Mas eles conseguiram outra vez uma rede classificar isso. Embora, não sei se vocês notaram tem um hamster aqui. Então, nem sempre ela funciona. O ser humano não iria errar essa, mas tudo bem. Então, a outra vez, o grande avanço foi realmente você ter uma quantidade imensa de dados anotados. Quer dizer, isso foi um esforço da comunidade de pegar milhares de imagens e fazer as suas anotações. Tem um grande poder computacional, de forma que você agora pudesse criar redes de volta para o futuro, redes extremamente mais complexas. Que elas fossem capazes agora eu entro com os dados, eu consigo ter uma representação por camadas do que são essas informações que eu consigo fazer essa classificação, definir se é um gato ou se é um livro ou o que for. Por exemplo, aqui eu ser capaz de identificar o rosto de um ser humano. E agora, o que acontece? Hoje em dia, grande discussão na parte de inteligência artificial é você criar essas redes. Boa parte hoje da mágica de todos esses algoritmos são criar essas redes. Existem vários modelos, várias arquiteturas que estão sendo criadas. Por exemplo, tem arquiteturas aqui como aquela de recurrent neural networks, por exemplo. Ela é uma arquitetura que, por exemplo, é capaz de ter uma memória. Então ela é capaz de resolver problemas que dependem do tempo. Tem outras que emitam, por exemplo, como que é a visão humana. Então, basicamente, grande parte do desenvolvimento hoje está em cima disso. Mas o desafio é que alguma coisa é você reconhecer uma imagem. A outra coisa é você interpretar essa imagem. Então, o que nós vemos no domínio e em parte do trabalho que nós estamos fazendo é você ser capaz de não só entender essa imagem, reconhecer essa imagem, mas como que eu faço uma interpretação? Porque quando um médico olha uma imagem dessa, um geólogo, olha uma sísmica ele não está apenas olhando o padrão visual dele, ele está interpretando, usando o conhecimento dele para resolver isso. Então, os desafios que nós estamos chegando hoje é você trazer, unificar, não só as tecnologias de imagem, as tecnologias de AI, mas como que eu trago aquilo para a prática e também o conhecimento que tem de domínio? Isso nos leva a avançar o que nós podemos fazer com a interpretação de imagem, não só apenas buscar conhecer as imagens, mas também de escrever, aprender, interpretar. E isso nos leva, acho que, também uma questão importante. Acho que uma das grandes funções de AI é essa mudança. Quando eu fiz o meu doutorado, quando eu estudei isso, a gente falava muito dessa questão, não é questão de inteligência artificial, mas é como que eu crio ferramentas que aumentam minha inteligência? Que elas me apoiam nas decisões que eu tenho que tomar. Então, um dos trabalhos que nós estamos fazendo agora não é só AI como ferramenta, mas como esse AI pode amplificar minha capacidade. Como que ela pode tirar parte desse load, dessa carga que nós temos com todas as informações que nós temos. Então, era isso. Eu queria trazer um pouco essa discussão para desmistificar um pouco essa ideia de AI para que a gente possa ter uma discussão um pouco mais rica, um pouco mais informada sobre isso. Então, acho que agora eu abro também depois para a gente discutir um pouco mais isso. Obrigada. Agora com vocês, Amime Onohara. Da iBeam de Nova York, ela vai falar em inglês. Eu estou falando com a inteligência artificial e o que ela pode oferecer para aqueles que estão interessados em pensar sobre o fio. E eu vou te warnar. Meu nome é Amime. Eu sou um artista. Eu vivo e trabalho em Brooklyn. Eu também sou na Nigéria. Se vocês conhecem any New Yorkers, ou vocês conhecem any Nigerians, vocês sabem que nós temos muito a dizer. Nós falamos muito. Então, eu tenho muito a dizer hoje. Então, eu vou ir rápido. Desculpe, me desculpe. Eu sei que você está sendo translado. Então, se é muito rápido, alguém vai falar alguma coisa e eu vou desculpar. O que eu vou dizer? Então, vamos avançar. Primeiro, as ramificações de inteligência artificial estão já sendo muito felizes. Nós já tínhamos uma grande conversa que exploramos isso. Nós sabemos que estamos vendo a AI e todas essas diferentes férias de nossas vidas. Então, a pergunta que eu estou tentando responder hoje é o que role pode a arte e o design jogar em este espaço? E para pensar sobre isso, eu quero pensar sobre um quote do incrível thinker e escritor Audre Lorde que diz que a poetria não é uma luxúria. E há um quote mais longo que ela tem, que eu não vou dizer porque de tempo, mas eu quero saber, pensar sobre o fato que a necessidade de poder imaginar diferentes mundos e apresentar coisas diferente, que isso é um trabalho muito crucial que os artistas e designers fazem. E nós temos que pensar sobre isso porque temos que fazer com que nós não colocamos esse trabalho na periferia de nossas discussões de temas de emergência. Então, aqui são algumas das coisas, só três, eu acho que há muito mais, mas aqui são três das coisas que eu acho que os artistas podem fazer para nós quando vem a AI. Eu acho que primeiro, os artistas e designers podem nos mostrar interessantes usas da AI e da aprendizagem da machine e de geral, emergências computacionais. O segundo é que eu acho que o trabalho de designers e artistas pode afastar novos projetos sobre como nós pensamos sobre esses conceptos. E o terceiro é, como resultado, o primeiro de nós, que é que os artistas e designers fazem coisas que vivem no espaço do público. E então, um lote de estudiadores e acadêmicos estão fazendo um trabalho muito importante. Eu pensei que isso estava me dizendo para me deslizar, ok? As estudiadores e acadêmicas estão fazendo um trabalho muito importante, mas, muitas vezes, o trabalho vivem no jornal ou é discutido em conferências que não todo mundo pode atender. Onde é o trabalho que os artistas e designers estão fazendo? É relatável. É meant to be seen by the public. E então, o que isso faz, é que o espaço abre para que outras pessoas podem entrar nessa conversação e pensar sobre coisas diferentes. E eu vou mostrar um exemplo quick sobre isso antes de entrar e mostrar mais projetos. Então, tem alguém ouvido do predpull? Ok, um pouco de pessoas. Tem alguém ouvido do Policing Predictive? Great, um pouco mais de mãos. Tem alguém visto o reportamento da minoridade? Perfeito! Ok, então, o reportamento da Policing Predictive basicamente é o reportamento da minoridade. Você sabe, no filme, eles tentam prejudicar o crime antes de acontecer. E isso é o reportamento da Policing Predictive. É usando a inteligência artificial para prejudicar onde o crime vai acontecer com a ideia de que se você puder prejudicar onde o crime acontece, você pode preventar o crime mais facilmente. Isso parece muito, muito bom. Parece que é uma ideia fantástica. Mas há alguns problemas com isso. E muitos grupos e pesquisas tem falado sobre esses problemas. Basicamente, eles têm que fazer com a data que é coletada para isso. Então, isso é particularmente em um contexto americano. Quem são as pessoas que vão chamar o policial quando algo acontece? Não é sempre necessariamente emumir as pessoas ou imigrantes ou, geralmente, as populações vulneráveis. Então, o que significa é que a data que você tem para isso, a data que você está usando para um sistema assim, vem de pessoas que se sentem confortáveis chamando o policial. Não vai acontecer de pessoas que não se sentem confortáveis. Isso significa que vai ser escutado. Então, o que vemos é que o Predictive de Policing, ao invés de prejudicar o crime, ele geralmente prejudica onde o policial irá. E é isso. Não é crime. Mas isso é meio difícil de afastar quando você primeiro vê. Isso parece uma ótima ideia, que há crime e você pode predictá-lo onde vai acontecer. E um par de artistas, um todo grupo de artistas, realmente, começaram a perguntar, como eles poderiam trazer o facto de o Predictive de Policing desproporcionamente ativando as pessoas com menos renda. E também o facto de que a nutralidade parecida da tecnologia iria escutar esse facto. Então, um grupo de artistas trabalhando com a nova inquéria fez isso, que é um predictor de crime branco. Então, o que faz é que faz a mesma ideia e modelo que está sendo usada pelo Predictive de Policing, mas o que acontece é que é um crime branco financeiro, que, claro, é sobretudo convidado por professores, pessoas e professores do governo. E então, eles haviam visto isso todo o tempo. Eles construíram o entire modelo. Você pode ver isso se você for online. É o Brian Clifton, Sam Levine, Francis Sang e eles fizeram uma colaboração com essa publicação, a nova inquéria. E mostra a todos os lugares em que o crime é mais fácil de acontecer. E esse projeto terminou tendo um grande impacto. Eles criaram essa face de todos esses diferentes broker que é o que é isso. Então, isso é a face do crime branco. E esse projeto terminou tendo essas grandes ramificações no sentido que as pessoas, não era muito viral no Twitter, as pessoas estavam falando sobre isso, mas também as pessoas começaram a escrever, os governadores e as pessoas começaram a entender que a lensa estava sendo tornada por eles, que é algo que você very rarely vê com essas tecnologias. Então, esse é um exemplo de o que eu significa quando eu digo que os artistas têm essa habilidade de mudar a conversação sobre esses projetos. Então, um projeto assim, não é reáctivo, é proáctivo e é provocativo. Então, isso muda o jeito que even pensamos sobre essas coisas. Eu diria que há três diferentes tipos de projetos que você vê de artistas que aproximam a AI e que fazem essas três diferentes coisas. A primeira é a mais direita e elas são pessoas usando a AI para criar objetos, utilidades para artistas e designers e outras pessoas criadas. É muito direita, vou mostrar alguns exemplos disso, mas vamos ir bem rápido para a segunda e a terceira. A segunda é o artista usando modelos machine-learning ou a AI, como os modelos que pensamos e falamos sobre a AI, usando esses para fazer suas próprias investigações, que são realmente interessantes. E a terceira é as pessoas usando o seu trabalho para explorar as implicações de AI e comentar sobre diferentes aspectos de o fio. Então, um monte de issues que estudantes e acadêmicos e policiais e senhores e etc. estão falando sobre, artistas e designers também estão falando, mas em um jeito interessante. Então, vamos entrar no primeiro, que eu disse que é muito direita. Vou mostrar alguns exemplos aqui. Essa é uma, é chamada Croma, que é um tool de AI color para designers. O que você faz é, você vai por, e você clica em 50, suas 50 cores favoritas. Você só vai, ninguém pode fazer isso, isso é online. Você clica em suas 50 cores favoritas e, então, o que acontece é que ela rapidamente genera essas diferentes combinações de cores para você. Isso é realmente útil para os designers web. E é uma das coisas, quando nós pensamos sobre a AI, nós pensamos sobre grandes implicações gigantescas. Isso é muito simples. Ok. Então, aqui é outro projeto. É chamado Terra Pattern. Isso é feito por um grupo de pessoas, Golan Levin, David Newbury, Kyle McDonald, e muitos outros. E ela veio de esse papel acadêmico. Alguém escreveu esse papel sobre como calos em imagens satélites tendem, você notou, por imagens satélites que calos sempre estão no norte? E ele perguntou-se, o que você poderia ver em imagens satélites? O que se pudesse fazer um tool que nos permitiria fazer isso muito fácil para as pessoas ver as coisas que você pode ver em imagens satélites? Então, eles fizeram isso. É chamado Terra Pattern. E ele usa basicamente a habilidade de classificação para que você veja se você clica em um área de um mapa satélite de um mapa satélite, ele vai mostrar todas as coisas que parecem similar. Então, por exemplo, você pode ver coisas como se você veja boatwakes, ele vai mostrar todas as boatwakes na cidade de New York, ou todos os cul-de-sacs. E é só isso, uma coisa grande de explorar essa habilidade que não todo mundo terá acesso a, leverar a AI para fazer isso e dar isso para o público. Então, isso é direto, como eu disse, isso é apenas a utilidade de AI para as pessoas criativas. Então, nós ficamos em um espaço mais interessante, eu acho, que é aplicação criativa. Então, o que os artistas estão fazendo quando eles utilizam machine learning ou AI? Um monte de isso tem que fazer com música. O primeiro projeto que vou falar é o Harshit Agrawal, que está aqui no público em algum lugar, em algum lugar aqui. Oh, ele está no fundo. Você pode falar com ele depois. Ele fez uma residência aqui no museu, e então seus projetos estão todo fora. Eu vou mostrar um, que é que ele diz que ele está criando música samba através da inteligência artificial. Não temos tempo para ouvir mais, mas eu estou falando online. Eu não sou brasileiro, não sei se é bom ou não. Você me disse, falou com o Harshit, que está lá. Ele tem muitos projetos grandes, que realmente estão criando esses projetos para as pessoas interactarem com AI através de contextos artísticos. Esse é outro projeto, que é esse sound maker. O que ele faz é que você chove um sound, e outro sound, e então você pode combinar eles. Isso é o que parece. E isso é usando uma network neural que é treinada em mais de 300.000 instrumentos. Esse é outro projeto chamado o drum machine infinite. Isso é só taking thousands of ordinary everyday sounds. Eles são organizados usando machine learning. Então você pode ver coisas como isso, todos os sounds that sound the same. Um board de ironing não sound that different than a tape measure. Você pode ver isso. É muito divertido ir lá. Eu recomendo você, de novo, não ter tempo. Você pode ver o volume de baixo um pouco sobre isso? Esse é outro projeto interessante, que é que esse artista, Ross Goodwin, treinou a network neural em muitos jogos de gravação de filmes de science fiction. E então ele criou um script, criado por um jogo de gravação de AI. E então, o que eles fizeram, eu não sei se você pode continuar no vídeo. Você não pode poder. Talvez não. Mas o que eles fizeram foi que eles criaram um filme. Então tem esse filme de science fiction criado por esse AI. E, de novo, nós estamos em um espaço interessante, um homem criando um AI que é treinado por todas essas coisas que os homens têm feito. E agora criando esse artista artístico. Eu recomendo você ver isso. É louco, é tão estranho. Mas eles criaram o filme todo. Então você pode ver isso, ver o que parece. E também algo interessante sobre todos esses projetos, os 3, os últimos 3, foram todos either sponsored or worked in collaboration with Google. So when I tell you that I think the space is really important, Google is definitely trying to position itself as the space where all art and machine learning stuff comes together. So that tells you that there must be something here. If Google is trying so hard to actually support and bring people in, that tells us something. Ok, I'm going to go really quickly. This is another project called Invisible Cities. I trained this neural network to translate map tiles into satellite images in the style of certain cities. I don't know if that translated, we'll see. And so what you can do is you can apply the aerial style of a map of Venice onto an actual map of LA. So you make a map of LA that looks like that's in the style of a map of Venice. If that makes sense. If it doesn't, don't worry. So here you can see this example. What you can also do is draw your own input e then generate a map based on that. So there's the input and you can see that's what that map looks like would look like if it were in the style of LA and that's what that would look like if it's in the style of Venice. So anybody can do that. We got to keep moving. This is a project I really like called Objectifier by Bjorn Karman. And what it does is it actually shows you what it's like to train a like a machine learning algorithm. And it does it in a physical way. So you can see what they're doing here is training this to turn on and off depending on how you move your hand. And so the thing, what this video doesn't show they have, there's a much longer video and it shows you just how difficult it is to train this. This makes it look very easy. It's not. And it's a physical device so anybody can use it and it actually shows us the stupidity a little bit like the dumbness of the algorithms and that it takes so much work for you to actually train it. And it takes that and it makes it physical. Something that I think is abstract for a lot of us becomes this physical thing. It's very interesting. Ok, so now I'm going to move quickly and again these are not all the projects. There are so many more. I'm just trying to pick kind of interesting ones. These are the projects that are sort of commentary. And they're commentary on AI but also on automated decision making and in general all of the tools that are in this emerging computational space. And this is interesting like I said because the same conversations that you're seeing happen in a lot of other spaces do que in terms. So here is something. This just looks like some lines on the ground but if you are... One minute? No. I told you. Just give me like three more. For a self-driving car the dotted lines on the outside are lines that say it's ok to cross but the straight lines on the inside say no, do not cross. So this is a trap for a self-driving car. And so this is what I mean. This is actually playing with this idea of ok well if we know what the rules are that these tools are going to use can we exploit them? And what does it look like if we do? This is another project. Stephanie Dinkins is an artist who's been having these conversations with Bina48 which is that sort of thing right there in the middle. And Bina48 is essentially a chat bot but made physical. Sort of with this chat bot kind of inside of her. She's trained on 100 hours of data and the thing that's kind of interesting about her is that they created this physical thing but they made her a black woman and a lot of the data that was put into it was from this black woman named Bina. And so Stephanie Dinkins goes and has these conversations with Bina48 and tries to ask her about what it's like being a woman and about her blackness and about these topics Bina48 can really say about it because she's trained by this company and also what Stephanie is doing is every time she has a conversation with this chat bot really she's now adding to the data that the chat bot is going to be using and so there's this interesting push and pull where the company who's sort of behind can go and erase things that they don't want to be there and so she'll just keep going and having these conversations and playing with the data de Yamatu and Tiga Brain called unfitbits and this came from this moment when a lot of companies if you had a fitbit they were using that to decide sort of like you would get different health benefits or like you would get different job benefits so they said okay what would it look like to hack that so if you want to get those benefits but you don't want to actually do the exercise this is something you can do and then they also have this one where it's hanging from a metronome oh, this is my project and this is I call the library of missing data sets and what I've been doing is creating this ongoing archive of all of the data that we are not collecting and the reason I do this is because there are patterns to the things that we don't collect and I don't have time I could do a whole I have done whole talks on this project and what that means but what it gets us at is a lot of the AI systems that we're using they're based on the data we collect but if there are some things that we just can't collect or that we do not collect that means that we are always going to have biased data which means these algorithms are always going to be biased so what do we do with that so this project has lots of different different pieces this is the art part where I create I have this filing cabinet and it has all of these empty folders that people can go through and you can see all the different types of data that we're not collecting but I also will work with people who come to me and say we're missing this data, we want to collect it should we, what does that mean and I'll help them, I'll do data analysis for them and clean it up for them and decide se they should have that or we'll talk about why they shouldn't and I'm creating this website so if you know about missing data I'll soon have it where you can add it, it'll soon be live here is, oh that's another picture this is another one CVDazzle is camouflage from face detection algorithms and what's really interesting about this is Adam Harvey is using the language of privacy but he's wrapping it into this sort of avant-garde fashion so rather than being like oh let's make these two like clothing that just is about privacy he's like well, what if we tried to make it fashionable and just wrap that like this thing that's camouflage from these face detection algorithms what if we just wrap that into it how does that change, how we think about these things and here's, this is great here's, this is what I mean, he's got test patterns for stylists so that they can create their own based on the sort of work that he's done and then he's got his style tips for reclaiming privacy and this is another project I really like em 2012 LinkedIn had this huge data leak and loads of people's passwords were basically dumped out into the space, the public sphere and so Aaron Barthraal took all those passwords and he put them into these physical books and so he exhibits them around the world so you can actually flip through and see if your password is in it and you also see, they're all in alphabetical order you also can see how many people have the same password as you but if you go to the section with just password you would be amazed at how many people how many people have that as their password and I really, I really like this project because it gets at this data subjectivity what does it mean to actually see your data reflected back at you so often we feel very, very divorced from it but in fact those things can be those things can be can be very tangible and real okay there are so many more projects that I don't have time to go into sorry but anyway, gonna go like I said, what are the rules that art and design can play in this space? I hope you can see that it changes the way that we have these conversations about these tools and I think it's really interesting we're in this moment, a lot of the artists doing this work are, they know a lot of them are programmers, they're doing a lot of creative computational work and they are able to utilize the exact same language and tools as for profit companies that are building these but they're doing it with completely different incentives completely different goals of what they want of what they want to reveal so I think there's something really interesting and I want these to be more embedded in all of these larger conversations were happening so thank you very much for inviting me here to speak thank you so much Pimi, that was awesome talk, right? so now I want to invite to the stage Ronaldo desculpa, deixa eu voltar desculpa foi incrível a palestra da Mimi muito obrigada agora eu queria apresentar o Ronaldo Lemos de Rio aqui para conversar com a gente sobre mais esses assuntos Ronaldo boa noite, vamos tentar de novo boa noite gente ótimo, é muito injusto falar depois da Mimi porque a palestra dela é incrível né então eu vou ter que me esforçar aqui primeiro para dar conta de falar de tudo no tempo e segundo para tentar trazer alguns outros pontos novos a minha palestra ela vai falar um pouco sobre o impacto da inteligência artificial para a sociedade especialmente pensando do ponto de vista aqui do Brasil então primeiro eu quero agradecer tanto ao pessoal de Harvard, Berkman Klein Center o pessoal do ITS que está aqui todo mundo que participou da organização dessa conferência que tem sido incrível e enfatizar a importância da gente trazer essas discussões para o Brasil porque a gente precisa participar da discussão sobre inteligência artificial porque ela vai ter um impacto nas nossas vidas então quanto mais a gente tiver condições de criar capacidades locais eu acho que isso vai ser importante então muito rápido primeiro uma brevíssima introdução mostrando alguns dos pioneiros da inteligência artificial já foi falado aqui pelo Rogério mas o Alan Turing, Ross Quillian o Eduard Fegenbaum, Marvie Minsky que era do MIT faleceu há pouco tempo o John McCarthy que criou o termo inteligência artificial em 1956 num seminário que ele fez no Dartmouth College nos Estados Unidos então esses são alguns dos nossos ancestrais dessa discussão de inteligência artificial e aí pegando emprestado da professora Ansaaf Saleb a definição que ela gosta de utilizar de inteligência artificial você tem uma definição mais antiga de inteligência artificial mais clássica criada pelo próprio John McCarthy que é a inteligência artificial é a ciência e a engenharia de se fazer máquinas inteligentes uma definição quase que tautológica para os dias de hoje uma definição que eu diria até insatisfatória no entanto uma definição mais atual do Russell e do Norvig tenta mudar isso um pouco ela diz o seguinte a inteligência artificial é o estudo e o desenho de agentes inteligentes é um sistema que percebe o seu ambiente e toma decisões e ações que maximizam as suas chances de sucesso essa definição tem um ponto muito importante que é esse do agente inteligência artificial são agentes são entidades que agem em nosso nome, em nome de alguém em nome de um interesse, em nome de um objetivo então esse ponto eu acho que é absolutamente fundamental outro ponto importante é que a inteligência artificial não é uma coisa só essa é uma espécie de uma palavra valise em homenagem ao orodo de campos que carrega dentro dela uma série de disciplinas muito complexas então aqui eu estou listando algumas delas que vão de machine learning aprendizado de máquina a teoria dos jogos algoritmica e cada uma dessas disciplinas possui uma complexidade própria então quando a gente fala de inteligência artificial a gente não está falando de uma única coisa a gente está falando de várias coisas diferentes e isso eu acho que é outro ponto para a gente ter em mente eu vou pular algumas coisas porque eu acho que não vai dar tempo mas eu queria chamar atenção para alguns exemplos que já estão se tornando clássicos para a gente pensar o impacto da inteligência artificial isso aqui é um jogo muito popular especialmente na asia ele se chama Go para achar o território do tabuleiro que está dividido nesses quadrados e toda vez que você cerca uma área onde está as peças do adversário você tira aquelas peças do jogo e é um jogo extremamente complexo a quantidade de jogadas que podem ser realizadas é maior do que o número de átomos que existem no universo só para vocês terem uma ideia então era difícil para um computador conseguir vencer um humano os seres humanos até muito pouco tempo eram melhores do que o computador no jogo de Go isso mudou a pouquíssimo tempo quando houve duas partidas históricas primeiro o computador jogou um computador do Google chamado DeepMind jogou com o segundo melhor jogador do mundo de Go chamado Lee Sedol um sul-coreano e foi uma série de três partidas o computador ganhou duas e ele ganhou uma primeira vez o computador venceu nós seres humanos no jogo de Go mais recentemente o número um do mundo jogou contra esse computador do Google só que dessa segunda vez o computador tinha sido treinado de uma outra forma em vez de ter sido treinado da forma de alimentar o computador com todas as partidas anteriores para ele estudar o que tinha sido feito no passado e projetar uma forma de jogar condicionada a alguns objetivos específicos externos dessa vez o que o Google fez foi colocar um computador jogando contra outro computador tendo ensinado as regras para os dois de forma que os dois começaram a jogar entre si e aprenderam a jogar o jogo Go sem qualquer intervenção humana e sem estudar a forma como nós seres humanos jogamos e aí o primeiro campeão do mundo foi com o computador do Google e o resultado é que ele foi obliterado ele não teve chance de ganhar quanto computador aquele computador nunca tinha jogado com nenhum ser humano ele simplesmente jogou contra ele mesmo e ao fazer isso ele aprendeu não só as regras do jogo mas a se tornar um jogador melhor do que o melhor jogador do mundo desse jogo o que eu quero dizer com isso qual é a lição a ser aprendida aqui a forma como quando Casparov perdeu para o Deep Blue da IBM em 1996 a partir de agora nós humanos não temos mais nunca mais a chance de vencer o computador nesses jogos então não vai nascer ninguém no futuro que vai ter um cérebro privilegiado e que vai vencer o computador a gente perdeu essa batalha e a questão aqui é que é que não dá mais para a gente presumir que vai haver alguma habilidade específica do ser humano que não vai poder ser emulada ou simulada ou reproduzida de alguma maneira pela máquina esse projeto aqui eu acho que é um belo exemplo disso ele se chama Robocup a Copa dos Robôs e o objetivo da Robocup é o seguinte em meados do século 21 um time de robôs humanoides totalmente autônomos jogará uma partida de futebol com o time vencedor da Copa do Mundo de acordo com as regras da FIFA e vencerá essa partida ou seja, o objetivo da Robocup é criar robôs humanoides movidos por inteligência artificial que serão capazes de vencer o time vencedor da Copa do Mundo, provavelmente o Brasil para análise estatística e aí esse time será derrotado pelos robôs veremos, veremos vamos ver o que vai acontecer mas esse é o objetivo da Robocup então o que está acontecendo hoje é que a gente tem na nossa frente uma tecnologia que é capaz de simular capacidades não só mentais mas capacidades físicas dos seres humanos e isso vai trazer uma série de dilemas uma série de questões um exemplo desses dilemas é, por exemplo, o problema da moralidade tem aqui uma notícia falando sobre carros autônomos que fala o seguinte o carro autônomo da Mercedes-Benz será programado para priorizar a segurança dos seus ocupantes em detrimento dos pedestres você compraria um carro que diria assim para priorizar a segurança de quem está do lado de fora você compraria um carro desse? provavelmente não mas esse é um dilema que a gente vai ter quem é que deve ser priorizado uma pessoa que está dentro sendo conduzida ou um grupo de 10 pessoas que estão do lado de fora no caso de um acidente ser inevitável então essa é uma discussão que a gente vai ter que ter um projeto para ensinar moralidade para os carros autônomos em que você basicamente nós seres humanos somos apresentados uma série de questões morais de acidentes inevitáveis e você tem que decidir o que é melhor você sacrificar uma mulher que atravessa a rua no sinal vermelho ou uma criança que atravessa a rua no sinal verde essas cruéis inclusive para nós, para nossa moralidade são difíceis de responder e você gradualmente vai apresentando possibilidades de como você vai responder naquelas questões e com isso na expectativa de que você consiga ensinar a máquina sobre esses temas outro problema é o desafio do antropomorfismo você criar máquinas que são muito parecidas com a gente, ou máquinas que geram a feição isso pode ser muito bom porque normaliza a nossa relação com a inteligência artificial mas pode ser muito ruim também se você tiver que destruir aquela máquina muito mais difícil, muito mais fácil você matar um robô com cara de malvado do que um bonequinho fofinho que na verdade pode ser mais malvado do que aquele robô anterior então a questão do antropomorfismo materializa, por exemplo, em bonecos ou ursinhos de pelúcia que muitas vezes possuem uma inteligência artificial dentro deles ou pelo menos monitoram dados a partir de crianças e esses dados muitas vezes não são protegidos com a privacidade necessária então esse é um desafio que fazer com questões como essa eu avanço um pouquinho só para entrar numa questão mais sobre o debate político da inteligência artificial normalmente os filmes representam a inteligência artificial dessa forma o robô que vai vir do futuro e matar a todos nós eu acho que o problema da inteligência artificial não é esse, isso não vai acontecer não vai ter robôs assassinos vindo do futuro mas vai ter dilemas políticos muito importantes que a gente vai precisar enfrentar mais do que isso, a inteligência artificial e a sua chegada bagunçam nossas bússulas inclusive as nossas bússulas ideológicas deixa eu dar um exemplo para vocês a ex-presidente Dilma Rousseff por exemplo visitou o campus do Google nos Estados Unidos e pediu, solicitou ali eu fui convidada para dar uma volta no carro autônomo do Google o que aconteceu na hora essa foto mostra esse momento inclusive a imprensa documentou isso num vídeo que eu acho muito interessante e quando ela saiu do carro autônomo do Google ela produziu a seguinte exclamação ela falou, Ip, precisamos levar isso imediatamente ao Brasil com uma grande impolgação muito maior do que essa que estou fazendo aqui e essa exclamação é muito curiosa porque a presente Dilma foi a líder do partido dos trabalhadores do trabalhismo brasileiro e um dos efeitos que estão sendo discutidos da inteligência artificial é que eles vão poder eliminar muitos empregos, por exemplo carros autônomos muitos motoristas inclusive não só de taxas mas de camiões e outros veículos provavelmente vão terminar perdendo as suas ocupações originais então curiosamente uma líder trabalhista defendendo uma automação que pode gerar uma perda significativa de empregos. Outro exemplo diferente foi, por exemplo, o nosso ex-ministro da ciência e tecnologia Aldo Rebelo que chegou a propor vários projetos de lei, aqui estão notícias inclusive internacionais propondo proibir, por exemplo qualquer tipo de automação de bombas de gasolina era obrigado contratar ao frentista mais do que isso, qualquer tipo de catraca eletrônica tinha que ter cobrador no ônibus de automatizar e além disso ele teve um projeto curioso de proibir usar palavras como mouse e tablet teria que usar acho que rato e tabuleta, não sei mas enfim isso para mostrar um outro extremo de reações que é uma reação quase que ludista não acho que isso vai funcionar, não tem jeito de passar uma lei e dizer olha pessoal vamos agora proibir inteligência artificial isso vai ser muito difícil de acontecer se vocês acham que já está complicado vejam só a opinião do economista chefe do financial times que é o Martin Wolf esse que está aqui na foto que escreveu um artigo na minha visão fascinante onde ele defende dada a possibilidade de um desaparecimento muito grande dos empregos da criação de uma espécie de um bolsa família global um bolsa família que daria uma renda mínima básica para a humanidade pelo fato do desaparecimento dos empregos o financial times não é exatamente um jornal de esquerda ele é um jornal ortodoxo econômico eu estou trazendo esses exemplos não para fazer uma discussão ideológica mas justamente para mostrar como as ideologias serão bagunçadas por essas questões líderes trabalhistas afiliados a uma ideia de aceleracionismo dizendo não, vamos lá, vamos automatizar tudo e você vai ter economistas de direita ou ortodoxos dizendo não, vamos criar um bolsa família e todo mundo terá renda básica universal ou seja, vai ter muita confusão na nossa cabeça vindo por causa desses desafios para terminar essa reta final um minuto, obrigado Marco eu tenho mais uns 40 slides mas vamos lá eu acho que a gente está vivendo uma duplicidade a gente está vivendo este é o melhor dos mundos e este é o pior dos mundos o pior dos mundos é essa ideia do emprego esse aqui é um paper famoso do Carl Frey e do Michael Osborn da Universidade de Oxford e esse paper é muito citado até exageradamente citado dizendo que 47% dos empregos nos Estados Unidos vão desaparecer nos próximos 25 anos e muita gente está vivendo com essa expectativa vai desaparecer o emprego vai ter grande desemprego então por exemplo, robôs bonitinhos como esse que é o paper de uma empresa japonesa já estão sendo usados no Japão hoje para substituir atendentes de loja você vai lá e em vez de ter um atendente que é simpático, ele conversa com você e você pode fazer pedidos inclusive diretamente aqui no Tablet só que o efeito dele é desaparecer empregos de varejo, de atendimento então essa é a visão pessimista de que vários tipos de profissão vão ser automatizados, eu não vou entrar em detalhes aqui, mas aqui tem um gráfico com as chances de automação de várias profissões quanto mais azulzinho, menor a chance por exemplo, enfermeira a chance, ou enfermeiro a chance de automação é muito pequena piloto de avião, também pequena mas já começa a crescer programador, já começa a crescer a possibilidade da própria máquina de se programar construção civil, grandes chances de automação, motorista de táxi imensas chances de automação telemarketing pessoal está na hora de fazer um curso de reciclagem, porque essa chance de automação é extremamente elevada então essas são as previsões pessimistas, agora tem que falar também do outro lado que é a visão otimista se a gente está vivendo no pior dos mundos tem gente que acha que estamos no melhor dos mundos, então por exemplo quando a gente fala do desaparecimento dos empregos eu vou trazer agora aqui os argumentos contrários a isso, as pessoas que dizem que não, que os empregos irão desaparecer, ou que o efeito da inteligência artificial vai ser muito menor, e para isso é importante olhar para os dados então quem argumenta no sentido contrário diz o seguinte olha, economicamente a produtividade agregada ela não está crescendo pelo contrário, ela está diminuindo mesmo com automação então por exemplo, de 1947 a 73 nos Estados Unidos a produtividade aumentava 3% ao ano 2007 aumentava 1.2% ao ano e 2015-2016 a produtividade aumentou apenas 0.6% ao ano, então onde está a inteligência artificial no aumento de produtividade isso reproduz um dilema da década de 80 onde se afirmava um economista famoso que dizia que a era do computador está em toda parte, menos nos índices de produtividade então aparentemente essa situação se repete e isso é usado como um contra-argumento outra coisa importante é que a gente está pelo menos nos Estados Unidos de troca baixa de emprego as pessoas estão indo para seus empregos e permanecendo nos seus empregos tanto que olha aqui o gráfico que mostra as taxas de troca de emprego desde 1910 até hoje de curiosamente essas taxas estão pequenas as pessoas estão permanecendo nos seus empregos outro argumento que é dado é de que os salários pelo menos também nos Estados Unidos todos esses dados são de lá não estão diminuindo pelo contrário eles estão aumentando então se tem essa competição com a máquina por que é que o salário não está diminuindo mas sim aumentando e a outra coisa previsibilidade é que carros autônomos vão levar 25 anos para se tornar realidade um argumento e um estudo da OCDE diz que o desaparecimento dos empregos vai ser de apenas 9% eu nem acho apenas, eu acho um número elevado mas não é um cataclismo como é o caso de 47% então esse é um contra-estudo outra coisa é um erro segundo quem argumenta dessa forma que se um trabalho pode ser automatizado ele necessariamente será automatizado isso não é uma correlação vamos dizer determinística tanto que desde a década de 70 o surgimento dos caixas eletrônicos os ATMs que rapidamente atingiram 400 mil nos Estados Unidos no entanto, entre 2000 e 2010 mesmo com a expansão dos caixas eletrônicos houve um aumento da procura por caixas de banco então é interessante isso porque não houve essa substituição pelo contrário, os caixas eletrônicos facilitaram a expansão e baratearam a ampliação da rede de agências bancárias então com isso, na verdade, aumentou empregos nessa área e não diminuiu outra coisa que a projeção para quem é atendente bancário esses empregos de fato vão cair mas vai ser 8% na próxima década não vai ser 47% nem 30% nem 20% então essas são visões mais otimistas e a última que eu queria compartilhar é de que de todas as 271 profissões medidas no senso de 1950 dos Estados Unidos apenas uma desapareceu naquele país o ascensorista já no Brasil o ascensorista vai bem obrigado tanto que todos os dias que eu vou dar aula na UERG tem pelo menos 12 ascensoristas de plantão nos nossos elevadores lá da minha querida UERG esse eu acho que é um ponto que vale a pena a gente pensar porque é o argumento otimista que pensa do outro lado qual dos dois é para a gente pensar ou qual dos dois tem razão é o objetivo da minha apresentação hoje decidir por um lado ou pelo outro eu só estou apresentando os dois lados para finalizar e eu juro que eu finalizo Marcelo já está me olhando com uma cara meio estranha é o seguinte tem a ideia de singularidade de que o computador vai se tornar super inteligente e com isso a gente vai ser superado enquanto raça humana como ser humano etc eu acho isso uma bobagem que em vez de uma singularidade a gente vai ter uma multiplicidade eu não acho que vai ter uma única forma de inteligência artificial que vai emergir e que vai nos sobrepor apesar de ser um grande fã de ficção científica e ter lido todos os livros do Werner Wind que é o criador da ideia de singularidade eu acho que o conceito de singularidade é um conceito que funciona mais como uma distração dos problemas que a gente vai ter que enfrentar da inteligência artificial do que como um conceito prático que nos possa conduzir e guiar a tomar decisões reais então em vez de singularidade eu acredito muito mais na ideia de multiplicidade acho que a gente vai ter variações importantes do desenvolvimento da inteligência artificial que por sua vez vão trazer desafios muitos distintos entre si e a bússola para lidar com esses desafios é o que eu acho que o professor Virgilho Almeida que teve conosco até ontem que é professor da Universidade Federal de Minas Gerais e está em Harvard hoje como professor visitante trouxe como e traz sempre e nos lembra sempre sobre a forma de pensar sobre como lidar com essas tecnologias generativas que estão emergindo e a forma de lidar com elas são através de cinco princípios com os quais eu concordo na íntegra que são princípio da responsabilidade ou accountability o princípio da explicabilidade que é o nosso direito de entender como essas tecnologias operam o princípio da acuracidade ou o direito de ter informações e decisões tomadas de forma acurada e precisa com base em dados também precisos a auditabilidade que é a possibilidade que nós humanos temos de entender como as máquinas funcionam e auditar os seus processos e por fim um que eu acho que é fundamental que é o princípio da justiça ou da equidade que em inglês se chama fernas de que a gente tem que construir essas tecnologias não em prol de alguma coisa abstrata ou de um sistema abstrato mas em prol do avanço da vida humana e das condições de vida de cada um de nós Valeu Obrigada Ronaldo pelo toque super interessante agora eu chamo ao palco a Sandra Cortese do centro de Berkeley Mcline da Universidade de Harvard ela é Suíça de ascendência então ela está sempre muito regrada em termos de tempo em termos pouco Olá Rio, como você está fazendo hoje? Estou fazendo três problemas número um é sempre horrível para ir para um artista com grande humor e a celebridade local número dois eu estou muito cansado e eu estou separado de todos vocês se eu pudesse fazer uma conversa assim seria uma conversa muito diferente e número três minha primeira língua é a Suíça é oficialmente a língua mais curta e a Suíça, o inglês é bastante algo então eu estou tentando encontrar meu interior colombiano então vamos tentar em caso você quiser tweet meu nome é Sandra Cortese eu comprei meus dias entendendo 15 anos 12 até 18 anos então eu não sei como muitos de vocês aqui tem uma criança em casa ou uma espelhinha que é uma criança e você sabe entendendo as minhas crianças é bastante algo, então eles me mantem bastante buscados mas eu acho que é o melhor trabalho no mundo eu quero fazer para os próximos 13 minutos se eu sou a Suíça espero eu quero compartilhar com vocês duas realidades duas ficções então e quatro observações então escute com mim eu prometo que eu vou fazer isso como entertaining como possível então eu quero começar com duas realidades actuales exemplos concreta pessoas que são real e que existem para nos encontrar de uma pessoa jovem e como eles engajam com digital e depois eu quero teleportar-nos para o futuro e ver como as realidades iriam ser como 20 anos de agora então os dois exemplos são a Ananda ela é 16 ela vive em Estados Unidos agora vive em Switzerland e o Luis, ele é 14 ele vive em Colômbia dois lugares ou três lugares onde eu trabalho muito esse exemplo eu vou começar com a Ananda e quando vim aqui eu asko a Ananda pode-me fazer um favor eu preciso falar com muitas pessoas que são muito jovens e eu preciso basicamente construir um brilho entre o que você faz com tecnologia digital então eles entendem a sua realidade melhor então eu quero, em um slide fazer sure que eu mapo um dia de sua vida com digital e então ela me olhou com os olhos com 50 slides então isso não é possível então pode-me, talvez, limitar uma hora da minha vida e eu disse, ok, vamos tentar e então aqui é o que veio é a sua primeira hora e a sua dia quando ela acorda essa é a Ananda então o dia começa ela olha o telefone tem 7 mensagens snapchat que ela está procurando ela tem 146 mensagens e eu não estou fazendo isso ela literalmente escreveu isso ela diz que a maioria das mensagens são realmente de chat de grupo então é por isso que há tantos então ela abre o Instagram onde ela olhou com a última posta ela postou na noite 69 likes ela é apenas medium feliz com isso mas acho que é bem ok ela então olhou, de novo, com o telefone olhou com o bus schedule mais rápido olhou com o fogo ela texta seus 6 amigos que ela está jogando um pouco late mas ela está no seu caminho para a bus station enquanto ela faz isso ela olhou no YouTube e tinha seus favoritos youtubers e vê o que eles postaram desde a última noite ela em paralelo também diz o newspaper principalmente físico, porque em switzerland é frio mas se não está disponível na bus stop ela faz isso online ela também usa, no mesmo tempo a sua conta de Spotify que ela então pode usar para freia e, muito importante ela está muito frio de isso olha, de novo, na Snapchat onde ela tem uma streak de Snapchat de 800 e algo 14, 814 que significa 814 dias em uma roda ela e seu melhor amigo textam a cada um, sem gravação porque se você tem um dia, um dia mal ele volta para zero então ela disse a mim que é mais ou menos uma hora da sua vida e eu não estou fazendo isso então agora eu disse a minha equipe a equipe de youth media no clínio de Berkman disse, olha o meu tema aqui por hoje eles me mandaram um desafio para falar sobre o futuro e eu sou uma pesquisa eu tendo a não ser um fortalecer eu disse, ok, vamos tomar esse desafio e aqui é o que nós dissemos uma hora em Ananda's life 20 anos de agora ainda o mesmo 16-year-old Ananda essa é a ficção então algum tipo de inteligência artificial vai arrasar a Ananda esse assistente vai dizer que o que seus amigos fez na noite e também contar que dois de seus amigos se desfriaram esse desfriamento vai resultar em um score que também impactará o score de credibilidade da família ao mesmo tempo que ela recebe essas notas, também a sua assistente virtual vai dizer para ela sobre a sessão as opções e ela será baseada em Ananda's escolhas, vai enviar essas escolhas para a cozinha, então a comida vai ser preparada para ela, enquanto ela faz uma chave lucky também a sua assistente virtual está preparada para ela com a sessão, Ananda's preferências e o que ela não disse há um tempo quando ela vai para a cozinha a sua assistente virtual lembra-se o trabalho e o desfriamento de seus parentes para não fazer o trabalho de casa há dois horas sem conectividade ela também aprende que esse trabalho de casa não foi enviado para a escola e que isso está diminuindo o seu score de aprendimento ela panica um pouco mas diz, ok, eu vou fazer tudo bem chamar-se seus amigos vamos ver como isso parece, 20 anos de agora mas eles com o que nós concordamos um veículo artificial um veículo de inteligência um veículo autônomo vai vir e pegar eles decidir que vai ser a Ananda e a sua explicação é que última noite ela mandou o livro no Amazonas e o livro vai estar no carro no dia de amanhã ela abre o livro, como ela entra no carro e na primeira página do livro que ela justamente mandou a noite antes é dizendo para ela por que esse livro é relevante para a sua cozinha quando ela está no carro ela pega seus amigos eles falam sobre a notícia de última noite e em algum momento uma voz interrompe eles no veículo e diz isso é só uma notícia falsa, o que você discussou não é real ok, então essa é a Ananda 20 anos de agora agora eu quero falar de um segundo exemplo novamente um exemplo real porque é um pouco diferente é uma história sobre Luís novamente ele existe ele vive em Colômbia e ele é 14 essa é a realidade dele ele vive em um avião com seu irmão e seus pais eles possam acessar a tecnologia quando eu falo de novo que eu vou fazer isso, isso acontece bastante que eu não me pergunto sobre coisas assim disse, você pode me ajudar um dia na sua vida ele disse, eu posso mas por favor pergunte as pessoas então minhas atividades da manhã são bastante limitas eu sou mais de uma pessoa na manhã a manhã é mais preferida para mim então eu disse, não se preocupe eu vou traduzir isso para as pessoas na sala então ele diz, ok, minhas manhã eles são principalmente fócurs na mídia social não muito, mas o que eu tento fazer na mídia social é que eu realmente estou muito apaixonado sobre fotografia e então eu spendo mais de meu tempo either looking at photographs looking at products related to photography so he has a DSLR camera and he looks at tutorials on YouTube and different photos on iStock in the evenings when he has a little bit more time by the way during the day he's not allowed to bring his phone to school and there is no good connectivity at school but during the evenings he does do some gaming and then again he spends more time looking at things related to photography maybe posts a few and also spends interesting enough some time on eBay looking at photo equipment again this is a reality and so again same exercise we ask the people in my office what would his reality look like in 20 years from now and here's what we came up again fiction he would still be woken up probably by his phone on his phone he would actually be able to look at some suggestions we heard it before from Mimi that were produced maybe by an artificial intelligence based technology productions of photography he made or suggestions of other photography made by others purely technology made on his way to school he would probably pass a lot of sensors and cameras we heard it before about predictive policing and actually both of those cameras could potentially also have picked up that he was late for school and sent a message to his parents he spends a lot of time on the way to school to think about his future job because one of his dads according to Ronaldo a pilot just lost his job because of artificial intelligence so he wants to basically not fall into the same trap and thinks about ways of education or improve his pathways and so when he can and when he's empowered too he tries in his free time to use things like virtual assistants or online tutors and mentors to improve some of the areas where the school does not support him and luckily for him he has a great NGO in Bogota that helps him and supports him with his passion of gaming and brings themes around artificial intelligence and gaming closer to him and that enables him to develop and some of his passions more so I know I'm halfway through and so with this I want to share four observations and connect those to the two realities and two fictional stories here with me the first topic that really keeps me busy during the day but also at night and I'm struggling with I'm an optimist inside of me I'm usually an optimist but this topic really keeps me busy and I'm ambivalent as how I feel about it so what I tried to do before coming here is just look at some of the headlines when it comes to young people and identity and here are two observations or two questions that I'm asking myself we heard it from Mimi artificial intelligence based technologies they can enhance creativity or they can be powerful tools to nudge you or help you be more creative as you see at the very top but at the same time I ask myself what does this mean for a person like Ananda or Louise will it just create more of the same or will it really empower them to be more creative and the second thing that really keeps me busy is thinking about the future of jobs and not just the jobs itself so what kind of jobs will young people choose but how will they feel about the future and pathways moving into the future will they be optimistic about it or will they go with it so concerned that it will really shape their own identities the second area that really keeps me busy is the work not related to artificial intelligence more to social media and privacy is privacy and so what comes out of this work again not artificial intelligence related is that young people do care about privacy so if someone leaves this room and still thinks that young people do not care about privacy I said it very clear young people very much care about privacy curating their reputation and thinking about their privacy two things again that keep me thinking one is young people are often at the forefront of using some of these technologies AI or not and so I ask myself what will this mean will they for instance have the choice to opt out is that an option or if they opt out what will this do to the data sets we heard it before it might create bias data sets so how do we guard young people's privacy better and two we also heard it before thinking for instance about image interpretation and recognition many things that young people do online are heavily contextual and for a non young person really difficult to understand and so if it's not just about picture recognition but picture interpretation in the context of young people that really I'm puzzled and so that's where my optimism is not so high today ok and so the third area that keeps me busy I know I have one minute left swissie me wants to really make this happen the third area in me the third area is learning here again some headlines so two questions again that I'm thinking about together with my team is not only it's clear from the headlines that artificial intelligence will impact education and learning but I wonder are we actually equipped to implement these technologies and not just young people but our educators equipped to implement and use these technologies and then there are questions around like how do we personalize and interest women learning to scale while addressing the diversity of passions and pathways so in one way we want to scale it and on the other hand we do care about the individuals and their preferences and their pathways so that's to me a difficult balance act and the third area where I feel quite optimistic about so to end on a more positive note this area of well-being and if you spent the day with us there were quite a few interesting remarks made about this I do think it has for instance potential to facilitate diagnosis deliver targeted treatment increase for instance social awareness about complex health issues it can be used for instance to assess suicide risks or it can deliver mental health therapy for many young people and adults in need two questions again I feel like well-being itself is a very cultural question or term in itself what does it mean to be well I think we can have certain parts where we agree with and others are to me very culturally shaped and related to it so how can we account for cultural differences in how we express mental and emotional distress particularly in the context of young people again who is going to help us which is transitional effort if it's mostly going to be machines two last slides I promise here I usually show my colleague Renee Silva as a sign for empowerment so how do we make sure that we actually arrive in a more so we heard at the very beginning we are at this crossroad we have two paths to choose from so how do we make sure we take the right one so not just from an individual but maybe also from a group perspective we arrive where we actually want to be at a much more positive or better future and so two things that are really important to me one is we need we have to start empowering young people and what I mean by that is we also have to start including them in the conversations around AI not just thinking of them as users of potentially AI based technologies but also of developers of such and two I think an empowerment strategy would also mean that we clearly need to think about a strategy related to skills so what are the right skills that we need to give to young people and equip them with to navigate this digital space better and so last slide actually borrowed or stolen today from my colleagues John Palfre and Urs Gasser and their book born digital basically the message to all of us if we want to arrive at a better and more positive future I do think we have to start working together and we have to put young people at the center of this and then build concentric circles around it so we have to include the friends the teachers, coaches, mentors we have to involve the tech companies in this conversation and we have to include law and policy makers thank you vou convidar todos os palestrantes ao palco a gente vai responder algumas perguntas no finalzinho sei que a gente está um pouco com um tempo pouco curto mas tem gente com microfones aqui quem precisa aí pode ir para ouvir uma pergunta super que não quer calar, por favor olha, tem pessoal com microfones que vão estar buscando vocês eu queria enquanto vocês pensam nas suas perguntas eu queria perguntar para vocês acho que a Sandra deu um ótimo fechamento aqui sobre olhando o futuro e a primeira coisa que todo mundo falasse um pouquinho quais são as coisas que te animam sobre a inteligência artificial aqui para frente e quais são as coisas que a gente tem que ter em mente que a gente tem que ter um cuidado especial um pensamento especial para que a gente tenha a sociedade que a gente quer ter então com isso quem quiser responder primeiro pode pegar um microfone que me anima embora haja uma grande complexidade na tecnologia hoje cada vez mais ela se torna disponível então você vê como o trabalho de criatividade que a Mimi mostrou mas muitos outros esforços que cada vez mais ela se torna acessível então nós temos que olhar que há uma possibilidade um potencial para que comunidades os adolescentes das pessoas mais novas então cada vez mais as ferramentas se tornam disponíveis para que as pessoas possam utilizar e do outro lado da moeda é o desafio que eu acho que é o grande risco de você estar preparado para usar e você ter o acesso a essas ferramentas então dentro da mesma moeda se tem as duas coisas se tem as possibilidades oportunidades e os desafios o que eu vejo bem rápido e eu também me anima eu geralmente estava um pouco desanimado com questões dos desafios da inteligência artificial porque um debate vem sendo predominantemente um debate preocupado isso mudou um pouco agora tem duas semanas quando eu li um texto que foi escrito pelo antropólogo Irmano Viana que está inclusive participando desse impósio não sei se está aqui ainda mas ele escreveu um texto brilhante produzido por um inglês chamado inteligência artificial antropófaga onde ele explora as interseções entre inteligência artificial e o manifesto antropófago do Oswald de Andrade que é um fundador do pensamento modernista e talvez até uma das melhores interpretações sobre o que é o Brasil e nesse texto ele fala uma coisa que eu acho brilhante que ele fala o seguinte que fosse possível entender o Leão falar até brincando com uma citação do Wittgenstein em que ele diz o seguinte e se a inteligência artificial não for necessariamente uma inteligência definida por propósitos específicos mas e se ela puder refletir contextos culturais muito mais complexos por exemplo até brinca e se tivesse uma inteligência artificial em todas as línguas nativas do Brasil por exemplo e se tivesse uma inteligência artificial que nos permitisse entender a linguagem dos animais ou a perspectiva do que é ser uma planta no planeta Terra ou a perspectiva de ser um peixe e assim por diante então em outras palavras ele propõe uma coisa que eu acho brilhante e que eu não tinha visto e por isso eu acho esse um dos melhores textos que eu já li sobre inteligência artificial não formos necessariamente o centro do pensamento da inteligência artificial como é que faz para criar uma inteligência artificial que é muito maior e muito mais holística é muito mais integrada com o mundo e que o ser humano não está no centro desse mundo então é quase um movimento copernístico existe isso, copernicístico de você tentar enxergar a complexidade do que poderia ser a inteligência artificial para muito além do horizonte que a gente está enxergando hoje então eu achei isso um convite espetacular de expansão de horizontes brutal e aí me fez perceber que talvez o debate e as aplicações isso que a gente está pensando hoje é uma coisa muito limitada uma coisa muito pequena perto do potencial integral de que uma tecnologia como essa que é o mundo isso me anima eu também me sinto hopeful por mais acesso a essas tecnologias mas eu acho que é igualmente importante que a gente a melhor saber como usar essas tecnologias não há nada novo aplicado a outras tecnologias também mas onde eu me sinto particularmente precisamos fazer um melhor trabalho é trazer diferentes pessoas juntos e isso é o que nós tentamos fazer neste dia e eu estou seguro em este rumo são pessoas de muitas diferentes áreas e disciplinas porque eu comprei os últimos meses de ler sobre a inteligência artificial e é realmente um tema complicado e eu preciso eu sou psicologista, eu preciso ajudar as pessoas de computer ciência, eu preciso ajudar as pessoas com a filosofia background escolas legais para realmente entender isso melhor e nós precisamos chegar mais perto a cada um e ter essas conversações em uma língua que podemos entendermos a cada um o que me faz optimista é que se queremos fazer claro que vamos em a direção com o que estamos usando AI, machine learning, todas essas tecnologias nós precisamos ter um público massivo que está interessado e precisamos ter muitas pessoas que estão puxando para isso e o que me faz optimista é que parece que estamos no buraco de isso agora olha como muitas pessoas estão aqui para falar sobre a inclusão e AI é incrível e eu acho que isso diz muito porque a coisa que é muito difícil de comunicar muito é que os carmes de essas tecnologias são netos um exemplo muito simples é que você pode decidir que você não quer um account de Gmail mas se você email alguém que tem um Google como um account de Gmail sua informação é construída por seus servers então não é sobre sua decisão, é sobre todos os decisões e então esses issues eles tomam respostas coletivas e isso me faz muito emocionante ver as coisas como esse evento onde temos muitas pessoas que estão interessadas em falar sobre isso e pensar sobre o que podemos fazer isso me faz me sentir como se fosse algo acontecer que poderia ser muito bom e aí a gente tem tempo para algumas perguntas que eu queria abrir para vocês que esperaram o account da paciência quem tem os microfones aí ótimo Olá no tema de inclusão eu gostaria de perguntar como educador, um dos maiores problemas que temos é o gap digital e como nós movemos para uma época de aumentados homens e aumentados homens para preventar esse gap de melhorar boa ideia vamos pegar uma rodada de perguntas o pessoal com microfones levanta a mão bem alto levanta a mão que está o microfone está aqui boa noite a minha pergunta foi isso não se importa quando você tiver uma discussão quais os pontos se vocês chegaram a discutir os pontos que são importantes para acontecer a inclusão hoje de aí no Brasil porque para as comunidades para o público mais ligado a CED como é que é quais os formatos de possibilidades para eles que foram discutidas ou se foram em algum momento discutidas fazer a pergunta primeiro queria agradecer as palestras eu queria abordar também um pouco como é que a parte da inclusão a gente falou aqui da tecnologia do acesso à tecnologia acho que não entender a base de a gente poder ter tudo isso é exatamente o que foi falado na primeira apresentação da grande massa de dados que a gente hoje tem acesso e a gente a partir disso pode extrair algum tipo de informação e inteligência e também foi dito que 90% acho que nos últimos 10 anos esses dados foram gerados mas quantos por cento desses dados são proprietários então a questão é assim como é que a gente vai guiar não basta o que eu quero para onde eu quero ir porque eu preciso dos dados mas a maioria desses dados eles são proprietários então é assim como é que essa questão vai evoluir como é que a gente vai poder atacar isso de abrir dados de Google essas coisas todas posso falar? a minha pergunta é muito parecida com a dele entender essa parte geopolítica porque quem tem os acessos quem tem mais tecnologia hoje vai dominar esse mercado vai utilizar a inteligência artificial a seu próprio benefício e isso incomoda os países que são subdesenvolvidos vão ser dominados essa é uma pergunta uma outra seria a coisa da sociologia dessa inteligência artificial porque eles começam a se conversar são inteligências criadas em um país e em outro país e elas vão conversar isso é interessante eu nunca ouvi eu procurei muito na internet não vejo ninguém comentando sobre isso essa sociologia ela é prevista boa noite a todos a minha pergunta é direcionada ao meio ambiente na primeira apresentação a palestrante falou sobre desenvolvimento e a criação de novas tecnologias que são cada vez mais inteligentes e atendem cada vez mais as demandas da sociedade mas é por um outro lado e até de um lado um pouco mais pessimista como fica o descarte dessas tecnologias que tem uma obsolescência programada o que se vê também é que o descarte de tecnologias que não tem mais utilidade na sociedade são distribuídas em recordes sociais geográficos onde a população é compreendida de baixa renda então como é que o lixo pode ser distribuído na sociedade sendo esse lixo o oriundo da tecnologia inutilizada a gente tem alguns clusters de perguntas pelo menos isso facilita um pouco eu vou falando para vocês quem quiser responder pode responder as perguntas específicas quem sente mais propriedade para responder as perguntas sobre a inclusão a divisão digital os públicos CDE como é que eles entram nessa história então a questão de inclusão a gente tem perguntas sobre a grande massa de dados que está sendo gerada e essa questão da propriedade então as empresas que dominam esses dados e acho que a Mimi também fala um pouquinho sobre essa questão que está numa questão de rede e quem tem esses dados como é que a gente faz com isso como a gente pode a gente pode abrir os dados vai ser uma questão cada vez mais importante a questão de quem tem mais tecnologia quem está mais avançado vai dominar e isso acho que a gente até fala no seminário o Putin mencionou isso o que vocês acham sobre isso a pergunta sobre a sociologia das inteligências artificiais como é que elas vão interoperar acho que seria a pergunta criadas em vários outros lugares em rede como é que elas vão trabalhar juntos e na última acho que a questão do meio ambiente e do descarte é essa opção essência como é que a gente faz com toda essa tecnologia acho que é mais uma questão de hardware que você está falando então quem gostaria de atacar essa pergunta as perguntas primeiro eu vou falar em português sobre a questão dos dados que eu tenho olhado mais profundamente não sei de quantos vocês sabem pela regulamentação no brasil ou mesmo nos estados unidos todo o dado gerado na área médica pertence ao paciente isso por lei esses dados pertence a pessoa que gerou o dado mas ele não é executado dessa maneira hoje os seus dados você vai a um hospital e eles tem implementado um ponto do ar eletrônico esse dado vai ficar naquela banco de dados do hospital que ele tem por obrigação gerenciar esse dado ele tem que garantir a segurança desses dados e eles podem perder a privacidade e tudo mais mas quem é o dono do dado é o paciente eu acho que o que é importante nessa questão é você criar um ativismo em cima dessa propriedade do dado o que foi discutido nessa impósio é toda essa questão de quem se beneficia quem gera valor e quem ganha o valor que é gerado então nós somos hoje, nós estamos gerando os dados que geram valores para as empresas e como que você vai ter como um indivíduo como um cidadão vai poder chegar para as empresas e falar eu estou gerando um valor que monetariamente é você, mas eu que estou gerando isso então eu acho que é importante hoje não tem uma solução clara acho que em algumas áreas como uma medicina você tem isso bem definido embora não seja exercido nos Estados Unidos por exemplo quando você sai de um hospital você recebe um pendrive com todos os seus dados que foram gerados ali então você tem que ter essa maior não só autonomia, mas você tem que ter esse controle, quer dizer, ter esse acesso a esses dados então o que é importante é isso você ter alguma forma criar movimentos em que você consiga ter essa maior autoridade sobre seus próprios dados maior controle dos seus dados há tecnologias agora que vão facilitar de certa forma esse controle por exemplo, vocês já ouviram falar do bitcoin que é essa moeda eletrônica que é ela gerada automaticamente que uma das que eles estão gerando esse projeto aqui, habilitou o bitcoin chama-se blockchain e esse blockchain tem uma promessa você ter uma infraestrutura tecnológica que vai poder te dar um maior acesso e maior controle esses dados, por exemplo, é uma tecnologia que está tentando ser implementada nesse sentido e o gap é ele aumentado ou não duas coisas eu recomendo você ler o blog do meu colega Andrés Lombana que realmente está lá que escreve exatamente sobre esse tema e eu tenho certeza que ele pode ter uma conversação com você depois disso dois, eu eu não as positivas como eu estava, talvez, entrando hoje sobre isso porque muitas das avanças que eu aprendi sobre over the last few days são aplicadas para escolas privadas mesmo quando é sobre os países de desenvolvimento e então, de novo, a metade colombiana em mim realmente me sente pessimistica sobre isso e a esposa esperança que todos vocês vão sair desse lugar e realmente contribuir para que esse divido não seja maior porque se você veja o progresso feito na América Latina por exemplo, ao AI não é como em outras partes do mundo então, tem o potencial para fazer mais e eu recomendo todo mundo eu quero adorar a pergunta da data e talvez também a pergunta de sustentabilidade para a pergunta da data acho que, para ser muito direto você está muito certo e a política socio-economia como o status do mundo que vivemos faz isso para que não tenha um modelo de trabalho que faz sentido para essas empresas que coletam um monte da nossa data para dar isso isso não existe agora e não há muito que nós podemos dizer para mudar isso, eu acho e agora, eu acho que há um monte de coisas que podemos fazer e eu acho algo que nós falamos muito em conferência e isso é um monte de pressão que está colocado por pessoas em essas empresas para tentar lidar com isso mas na realidade, isso é um sistema que vivemos parte disso é capitalismo esse é um conceito chamado de capitalismo de surveil isso faz sentido para as empresas para dar dinheiro para coletar data de nós que nós não somos e eu acho que isso vai para o que eu falei a única forma que nenhum de isso vai mudar é se nós todos vêm juntos e decidem como é que vamos colocar pressão e eu não acho que as respostas para isso são muito claras agora eu não acho assim, se ninguém tem isso por favor, me diga mas eu acho que há algo há um descanso aqui e nós estamos se preocupando com isso e agora as pessoas começam a perguntar ok, o que nós fazemos sobre isso? para a pergunta de sustentabilidade eu acho que algo que eu maybe eu quero ver o frame de isso um pouco em um sentido que, ao invés de pensar especificamente sobre a hardware uma conversa sobre os actual custos computacionais e os custos ambientais o actual custo ambientais da computação que estamos fazendo agora é muito difícil para nós poder fazer sentido para essas diferentes layers de internet e diferentes layers do processo que estamos fazendo mas sabemos que tem alguns impactos e eu acho que o que seria interessante estar pensando sobre a mudança da forma social que nós pensamos sobre essas coisas de novo, eu não quero escolher no Google se todas as e-mails devem ser arquivadas isso é uma capacidade tecnica mas é uma implementação social e isso muda algo sobre as formas em que os servers como muito data está sendo construída e o que isso parece, em termos de poder de processos e todos esses issues de sustentabilidade e isso agora é um muito difícil para nós para pensar sobre o que os tradeoffs são e eu acho que isso é uma conversa difícil que é o próximo passo na discussão maior na discussão Super rápido vou tentar falar das perguntas meio misturado aqui mas sobre a questão da desigualdade eu acho que a inteligência artificial é uma questão de escolha e aqui eu acho que a gente tem desafios e a gente tem também oportunidades o Brasil é um país que é por exemplo campeão de burocracia e de ineficiência muitas vezes na administração de serviços públicos nessa área eu acho que a gente pode fazer do limão uma limonada eu acho que a gente tem oportunidades de uso de tecnologias para combater corrupção para lutar por transparência em algum lugar da sala que talvez a Iassodara que tem um projeto brilhante chamado Serenata de Amor que usa inteligência artificial para monitorar gastos do Congresso e faz isso de uma forma brilhante então eu acho que essas tecnologias num país como o Brasil podem sim promover eficiência transparência, competitividade temas inclusive que várias pessoas aqui trabalham a Letícia e a Miriam da Fundação Brava estão pensando isso outras pessoas que estão aqui também estão pensando nisso então se tem uma coisa que não falta no Brasil é burocracia e nesse sentido o país poderia sim virar de produção de tecnologias e aplicações para inteligência artificial antiburocráticas então usar essa nossa dificuldade esses nossos desafios como algo positivo, fazer do Brasil um laboratório para o combate de ineficiência estatal e burocracia duas coisas que nós temos bastante abundância então nesse sentido se a gente conseguir fazer isso a gente vira possivelmente produtores de algumas aplicações que podem ser utilizadas em vários lugares do planeta porque quando a gente resolve por exemplo uma burocracia brasileira provavelmente essa burocracia vai estar sendo resolvida em vários outros lugares também então eu vejo isso como oportunidade nesse aspecto de administração pública combate, a deficiência etc eu acho que aqui a gente tem uma vantagem e aplicações muito claras para esse tipo de tecnologia bom gente, com isso acho que temos muito que pensar que eu queria ressaltar a importância desse evento de vocês estarem aqui eu acho que vários palestrantes falaram aqui que vocês agora têm um conhecimento maior do que quem está em volta de vocês a gente quer que o Brasil não seja só um espectador ou um comprador, consumidor mas um criador a gente como outros países no Sul Global podem adicionar essa criatividade e a direcionar a conversa isso envolve muito dessa questão de envolver outras pessoas de vocês serem pontos de luz que vão também iluminar o Brasil e outros países para que a gente também entre nessa conversa entre nessa criação que a gente direcione o mundo para onde a gente quer que seja com isso a gente encerra essa noite maravilhosa, muito obrigada