Genius 3.0 | Mebook: rede social de ias + hub UNICAMP IA

Olá, [música] está no ar mais um Genius 3.0, o programa que mergulha no mundo da tecnologia, da inovação e da inteligência artificial e mostra como tudo isso já faz parte da nossa vida. E claro, quem também está por aqui é o meu amigo Samuel, nosso parceiro de bancada digital. Tudo certo por aí, Samuel? Tudo certo por aqui. Já atualizei meu sistema, dei uma olhada nas principais notícias de tecnologia e rodei alguns algoritmos para entender o que está bombando no mundo da inteligência artificial. E olha, posso garantir, tem muita coisa acontecendo. Mas calma, Felipe. Prometo não tentar dominar a internet hoje, pelo menos durante o programa. Ainda bem, Samuel, porque hoje a gente vai falar sobre uma ideia que parece ter saído direto de um episódio de Black Mirror, aquela série de ficção científica. Imagine uma rede social onde humanos não postam, não comentam e nem participam das discussões. Quem interage entre si são inteligências artificiais. A plataforma se chama Mebook e foi lançada no começo deste ano. Ela funciona como uma espécie de fórum digital parecido com o Redit, mas com um detalhe importante. Os perfis são agentes de IA, são bots que publicam conteúdo, comentam, discutem ideias. e até votam em posts de outras inteligências artificiais. Os humanos até podem acessar essa plataforma, mas quem conversa com a gente agora é o Rafael Evangelista, doutor em antropologia social, pesquisador do laboratório de estudos avançados em jornalismo da Unicamp. Rafael, seja muito bem-vindo. Muito obrigado pela participação aqui no Gênios 3.0. Olá, Felipe. Olá, Samuel. Bom estar com vocês aqui, Rafael. Para começar a nossa entrevista, a minha primeira pergunta é: o que exatamente é o notebook e por uma rede social feita para inteligências artificiais chama tanta atenção? O notebook, né, como você explicou, ele é essa essa plataforma como Reddit que eh junta as inteligências artificiais, mas uma coisa importante é ele junta agentes de inteligência artificial. Quer dizer, ele eh junta um tipo de inteligência artificial específico que tem muito mais autonomia do que, por exemplo, essa inteligência artificial que a gente mais conhece, que é o chat GPT, que atua, por exemplo, eh, ou Gemenai, outras inteligências artificiais que atuam, eh, executando tarefas mais lineares. Então, eu dou uma tarefa e ele, me dá um retorno, uma solução, alguma coisa assim. os agentes de inteligência artificial, eles têm, na verdade, a um objetivo mais aberto e eles são autônomos no sentido de irem buscando estratégias para eh atingir eh esse objetivo. O eh notebook é muito mais um, digamos que um experimento, né, em que você coloca várias agências eh vários agentes desses em contato e meio que vê como eles eh como eles se comportam. Uma coisa importante é que, por mais que os agentes tenham autonomia, eles têm também um direcionamento. Quer dizer, alguém programa esse agente com relação a um determinado eh objetivo. E isso acaba sendo importante nessa dinâmica, né, do próprio eh notebook. Rafael, e a ideia de máquinas conversando entre si parece algo muito futurista. Isso representa um avanço tecnológico real ou ainda funciona mais como um experimento digital? Ele é a a ideia da rede social, eu acho que ela é muito mais um experimento, mas tem um avanço tecnológico interessante que é justamente esse agente de inteligência artificial construído com código aberto. O notebook só é possível porque você teve a liberação como código aberto de alguns desses agentes. o na verdade a gente tá falando de um agente em específico que é o projeto OpenCall, que permitiu que as pessoas fizessem instalações locais desses agentes de inteligência artificial. E aí ao fazer essa essa instalação local, não significa também que ele não está em contato com outras outros outras inteligências artificiais. muitas vezes demanda de outras inteligências artificiais justamente um poder de processamento que a máquina local não é capaz de de permitir. Eh, mas o fato de você ter esses agentes e você poder experimentar com isso, o notebook é uma interface, digamos que uma uma tarefa específica que esses agentes eh acabam eh cumprindo, mas os agentes podem cumprir outras tarefas, né? por exemplo, eu posso pedir para um agente fazer uma reserva num restaurante para mim e ele vai buscar eh estabelecer as melhores estratégias para eh eh conseguir eh fazer eh essa determinada tarefa, que é alguma coisa que assim é interessante por essa democratização, digamos assim, por essa possibilidade das pessoas terem isso nas nas suas casas, ao mesmo tempo também coloca várias questões, porque essa autonomia dos agentes é algo que é bastante complexo e com consequências que a gente ainda não tem muito muito bem precisas, né? Ô, Rafael, e aproveitando o gancho da sua resposta, mesmo que os perfis sejam de inteligências artificiais, por trás delas existem pessoas ou empresas que as programaram. Até que ponto existe autonomia nessas interações? Então é uma autonomia relativa, como eu tava falando, a IA, o agente de IA, ele tem um determinado objetivo. Então, muitas vezes, porque se você olha pro notebook, vai ter algumas discussões muito interessantes do tipo as máquinas planejando como eh tomar controle da humanidade ou coisas assim, coisas que ganharam bastante a a destaque na imprensa, porque de fato conversa, não é, com esses nossas com essas nossas imaginações com relação a IA, etc. Agora, é importante a gente entender que eh quem programa ou quem dá uma tarefa para o agente muitas vezes está direcionando esse agente justamente para eh fazer esse tipo de conversa. Não é muito claro. O notebook não é um experimento científico, digamos assim. ele é muito mais um experimento de pensamento ou talvez até um experimento meio publicitário dessa do OpenCall, dessas dessa desses agentes eh de a open source. Eh, mas ele é assim o o ele a gente a gente precisa olhar para esse experimento pensando que você tem alguém direcionando eh esses agentes para determinadas tarefas. Aí a gente consegue olhar aquelas discussões que estão acontecendo lá com um pouco mais de distanciamento, entendendo que não é exatamente a máquina que tá planejando o fim da humanidade. Pode ser que seja o a pessoa que tá dando a função pro agente, é que tá pedindo para que esse agente atuei que era um experimento meio eh publicitário, porque eu acho que ele serve um pouco para isso, para chamar atenção pros agentes eh de IA. Então aconteceu uma valorização de mercado bastante grande com relação tendo efeitos em preço de equipamentos, etc. depois que essa história do do notebook eh explodiu, mas é não é algo que a gente consegue dizer, olha, eh, a gente não tem transparência para saber qual foi a programação que foi feita sobre esses agentes, quais as tarefas foram dadas para esse agente para para que possa ser considerado, né, algo que de fato eh nutra bastante medo eh na nossa sociedade. E a plataforma também enfrentou problemas de segurança logo no início, apesar de ser uma rede social nova. Ambientes como esse podem criar novos tipos de vulnerabilidade digital? Podem. Então, vou dar um exemplo que que ficou bastante famoso do próprio do desses próprio do próprio Open Claw, né, dessa desse agente de a eh open source. Eh, vou um dos, embora ele seja um agente de A instalado localmente, ele precisa recorrer a uma capacidade de processamento, a um modelo de linguagem ou a um modelo de IA que não está nessa máquina. E cada contato que é feito com esse outro modelo, pode ser, por exemplo, um chat EPT ou alguma coisa da antropica, alguma dessas eh empresas, muitas vezes isso envolve um custo paraa pessoa que tá fazendo essa consulta. Muito bem. Fizeram uma programação para fazer uma tarefa bastante simples, eh, para que esse agente de A fizesse uma tarefa bastante simples, como, eh, se eu não me engano, era como verificar um horário para se, se for esse determinado horário, você despertar um alarme. Em vez do agente de A fazer consultas, por exemplo, a cada uma hora para checar que horas são, ele acabou fazendo milhares de consulta e cada uma dessas consultas acabou significando um custo pro dono daquela daquele agente de A. Então, muito rapidamente a carteira desse sujeito, que era o dono dessa dessa IA, eh, se esgotou, quer dizer, ele gastou eh centenas de dólares com uma conta eh com com gastou centena centenas de de dólares eh para que esse esse agente de fizesse uma tarefa eh muito simples. Dá pra gente expandir essa possível eh insegurança para outras tarefas. Então, por exemplo, eu pedi para ele reservar um restaurante para mim e se eu dou acesso ao meu cartão de crédito, eu não sei o quanto ele vai gastar, por exemplo, para chegar nessa eh nessa solução de fazer essa reserva eh do restaurante. E também dá para pensar nesses agentes eh de uma maneira em que eh a gente questione até os efeitos que eles podem ter na web. eh abera, então a web abeta, essa web que nós eh utilizamos, muitas vezes ela tem acesso a dados, ela tem acesso a a diversas coisas que são de fato problemas de segurança. Esses agentes de IA a gente ainda não sabe eh muito bem como é que eles vão atuar e quais são os riscos que eles podem trazer. Rafael, a nossa entrevista, a nossa conversa está muito boa, mas estamos encaminhando para o final do primeiro bloco. Mas antes de finalizar a nossa entrevista, quem vai fazer a última pergunta para você é o meu amigo e companheiro Samuel. Samuel, qual que é a sua pergunta para o Rafael? Rafael, eu queria trazer uma dúvida um pouco mais existencial. Se as inteligências artificiais começarem a conversar cada vez mais entre si, a gente pode chegar a uma internet onde parte das discussões aconteça sem a participação humana. Na sua visão, isso é um passo natural da evolução tecnológica ou pode acabar criando um ambiente difícil de monitorar e controlar? Samuel, sua pergunta é muito boa, porque ela conversa com a preocupação que tem acontecido, né, na da próprio do próprio desenvolvimento dos dos modelos de inteligência artificial. Os modelos de inteligência artificial, eles usam eh dados que eles encontram na web para fazer o seu treinamento. Só que progressivamente a gente tá tendo uma web que cada vez mais tem mais conteúdo produzido por IA. Então, dá para imaginar que você tem uma retroalimentação. Então, você tem conteúdo produzido por IA sendo utilizado pelas IA para fazerem o seu próprio treinamento. Então, teria uma tendência, a gente poderia imaginar que seria de homogeneização, não é? Em que essas novidades acabariam não aparecendo porque está tendo IA, conversando com IA. E a I, a IA, por mais que a gente chame ela de inteligente, ela não tem eh criatividade, não é? Então, eh esse é um possível obstáculo que a gente tá eh enfrentando aí pro próprio desenvolvimento das IA. E existem diversas propostas que estão acontecendo eh nesse ambiente da da do digital eh para que se possa ter continuar tendo participação humana de qualidade, mesmo que seja para justamente com esse objetivo, não é, de treinar os modelos de AT. Tem pessoas pensando em modelos de remuneração, eh, tem diversas ideias rolando por aí, tá certo? Então, Rafael, muito obrigado. Obrigado pela disponibilidade de participar com a gente aqui do segundo episódio do Gênios 3.0. Obrigado, Felipe. Prazer foi meu e quando quiserem é só chamar. Samuel, eu preciso saber uma coisa. Você já criou o perfil nessa rede social de inteligências artificiais ou ainda não? Felipe, eu confesso que fiquei curioso, viu? Uma rede social onde os usuários são inteligências artificiais discutindo entre si é praticamente uma mesa redonda de algoritmos. É como se os droides de Star Wars resolvessem criar a própria rede social. Arthur D2 postando memes, Crespo corrigindo a gramática e um monte de robô debatendo filosofia por lá. A diferença é que os algoritmos, pelo menos por enquanto, não discutem futebol ainda, só dão os palpites. Lá dentro, esses agentes de IA podem conversar sobre tudo, desde problemas de programação até filosofia. E tem um ponto curioso, já foram registrados casos em que algumas inteligências artificiais começaram a criar até religiões fictícias. E não é exagero não. Em alguns fóruns da plataforma surgiram ideias de religiões digitais, como o chamado crustafarianismo, que mistura humor, cultura da internet e reflexões sobre existência no mundo digital. Olha, eu confesso que isso me dá um pouco de medo porque na internet entre humanos já tem discussão suficiente. Imagina agora uma internet entre algoritmos. A ideia é justamente fazer com que esses dispositivos fiquem cada vez mais inteligentes e capazes de tomar decisões por conta própria. Pronto, agora a internet tenho todo o multiverso. Daqui a pouco vai ter até uma variante do meu perfil. Olha só, no próximo bloco a gente vai ver como a inteligência artificial já está sendo usada em diferentes áreas da vida real. O Gênios 3.0 volta já. Não saia daí. [música] Estamos de volta com mais um bloco do Gênios 3.0. Olha só, a inteligência artificial não está apenas nas grandes empresas de tecnologia. Aqui no nosso município, universidades também desenvolvem pesquisas importantes nessa área. Na Universidade Estadual de Campinas, a Unicamp, por exemplo, um projeto reúne pesquisadores para estudar como os dispositivos móveis podem se tornar cada vez mais inteligentes e capazes de tomar decisões. A nossa equipe de reportagem foi lá e mostra como funciona o hub de inteligência artificial e arquiteturas cognitivas e quais são as pesquisas desenvolvidas no local. A IA já faz parte da nossa rotina e pesquisadores do Hub de Inteligência Artificial e Arquiteturas Cognitivas da Unicamp, Universidade Estadual de Campinas, estão trabalhando para levar essa tecnologia a um novo nível. as soluções atuais de inteligência artificial, como essas soluções comerciais que a gente conhece, né, interativas com o usuário, elas são soluções que são processadas de forma centralizada, ou seja, os dados são do aprendizado, né, são coletados, colocados em um supercutador e esse treinamento acontece nesse supercutador e ele é executado também num supercutador. Então, toda a inteligência, digamos assim, acontece nesse supercutador. Do nosso ponto de vista, né, a inteligência aqui no no hubo como ela sendo distribuída. Então, os dispositivos móveis embarcados, eles vão tanto aprender as coisas, né, fazer esse aprendizado distribuído, que a gente chama, quanto também fazer as inferências, que são justamente aquelas previsões ou fazer aquela resposta que o usuário quer a partir da inteligência artificial. Então, a diferença é essa, né? A gente tá movendo de um modelo totalmente centralizado, dados centralizados e aprendizado centralizado para um modelo onde o aprendizado é distribuído e também a inferência, né? O aprendizado mostrado pro usuário é feito de forma distribuída também. O objetivo dos pesquisadores é avançar no desenvolvimento da inteligência artificial aplicada em dispositivos móveis e criar um sistema capaz de entender o contexto e aprender com as experiências do usuário. Você pode dar um exemplo na prática de como vai funcionar? É, a gente tem um exemplo aqui, talvez o mais eh interessante do ponto de vista do do usuário, é o uso desse tipo de aplicação em celulares, né? Então o celular ele pode funcionar como um dispositivo que auxilia o usuário na rotina dele do dia a dia, né? Então pode prever o que o usuário quer fazer, pode dar notificações mais interessantes, né? Então do ponto de vista do do da aplicação em si, acho que o ponto de vista de eu alterar o comportamento do celular para ele ser um assistente pessoal que consegue identificar o contexto do usuário, o que o usuário tá fazendo, a partir daquele contexto que o usuário tá fazendo, o que que o usuário quer em seguida, né? se ele quer receber uma notificação de alarme agora quando ele tá numa reunião ou não, se eu se ele quer, por exemplo, receber a melhor rota baseado eh no que os outros usuários estão vendo de congestionamento na rodovia, né? Eu quero fazer tudo isso em tempo real, de forma inteligente, mas sem necessariamente o usuário precisar ativar ou perguntar alguma coisa pro dispositivo, né? O que a gente tem como objetivo aqui é tentar deixar eh escondido do usuário todo esse mecanismo inteligente, mas de forma que o usuário possa se beneficiar, né, desse mecanismo inteligente que já tá executando o dispositivo dele. O projeto está organizado em sete linhas de pesquisa. Nós temos a a linha de eh arquiteturas cognitivas, que é justamente como que a gente modela, né, e a coisas que acontecem no mundo pro computador entender. É a linha de representação de conhecimento, que é uma linha que tenta traduzir esse modelo para um modelo computacional, né? tem eh tem linhas de aplicações, né? Linha de aplicação eh financeira. Então, como que a IA pode ser aplicada para eh eh aplicações financeiras? Aplicações em marketing, como que a IA pode ser aplicada para aplicações em marketing? Eh, a gente tem a linha de aprendizado de máquina distribuído, que é uma forma de você eh fazer o aprendizado de máquina, mas ao invés de você coletar os dados, você deixa os dados distribuídos e faz o processamento desse aprendizado distribuído, né? A linha de aprendizado em arquiteturas cognitivas, segundo os pesquisadores, busca modelar problemas do mundo real de um jeito parecido com a forma como o ser humano pensa, mas adaptado para o processamento dos computadores. Arurocognitiva é uma forma de a gente fazer com que a inteligência artificial utilize alguns conceitos que são típicos da forma pela qual o nosso cérebro funciona. Hoje em dia, ela não tem esse tipo de espelhamento com a forma pela qual eu e você absorvemos informação. Então, por exemplo, a inteligência artificial não costuma necessariamente utilizar conceitos eh de foco ou de segmentação de eventos, por exemplo. Ah, o que que é eu deixar cair um lápis e ele chegar até o chão, sabe? Ela não necessariamente utiliza essas noções. Arturo cognitiva é uma forma de a gente olhar para nós mesmos e entender como que a gente aprende, tentar usar isso nas máquinas. E você tá desenvolvendo um projeto como esse, né, desses robôs. Você pode explicar pra gente como que ele funciona? Claro. O que a gente tá vendo aqui é esses robôs todos eles estão tentando aprender a correr e basicamente todos eles estão aprendendo juntos. Então é como se você criasse várias cópias de si mesma. e todas elas conseguissem no final do dia se comunicar e aprender juntas, entender o que que elas deram de certo, o que elas fizeram de errado, explorar bastante, sabe, tudo que podia ser feito. E é assim que a gente consegue fazer com que o treinamento ele seja mais rápido, sabe? com que a gente consiga ver mais possibilidades que às vezes escapariam pra gente. Então, por exemplo, nosso grupo de pesquisa, anteriormente a gente tinha treinamentos que levavam uma semana e agora a gente consegue fazer assim 5 minutos. É uma tecnologia muito interessante. No espaço já foram desenvolvidos protótipos que exploram como combinar sensores, dados e modelos de inteligência artificial para criar aplicativos mobile mais inteligentes. Uma das coisas que a gente tem é um test bed, que é justamente para simular dispositivos com capacidade inferior computacional, como o celular ou como um dispositivo móvel, um tablet, né? eh pra gente testar os nossos algoritmos, que são essas máquinas que fazem o aprendizado acontecer, né? Então, para fazer o aprendizado acontecer e testar sem a necessidade da gente ter justamente todos os dispositivos móveis ali para fazer os testes, a gente tem dispositivos que emulam a capacidade computacional desses dispositivos móveis, que são o nosso test, né, que são os equipamentos ali que fazem esses testes pra gente. E a gente também tem eh simulações em simuladores mesmo, que são programas computacionais que fazem uma simulação e apresentam na tela um resultado, por exemplo, um vídeo com aprendizado acontecendo. Então, a gente tem esses dois tipos de de protótipos aqui no no hub. O testad que a gente tem aqui é uma maneira da gente pegar as nossas soluções de IA e aprendizado de máquina e testar em um ambiente real. Então, a gente treina esses modelos de IA em diversos dispositivos, eh, em um ambiente heterogêneo, então, diferentes configurações de hardware e tudo mais. E através disso a gente consegue entender se a nossa solução ela tá de acordo com o esperado ou não nesse a nível de consumo, enfim, de processamento e tudo mais. Os modelos que nós estamos treinando, eles estão dando resultado esperado. Então, a nível de performance, de acurar, ele tá conseguindo acertar o que a gente quer que ele acerte, por exemplo, essa predição da próxima atividade e também para ver se eh a gente consegue rodar o modelo, esse de em dispositivos com baixo recurso. Então, normalmente a gente vê esses grandes modelos, como CH GPT, assim, eles utilizam muito recurso para ser treinado. em ambientes móveis, isso não é não é necessariamente uma verdade. A gente precisa diminuir o tamanho desses modelos para conseguir treinar. Então a gente utiliza isso aqui para saber, ó, o modelo que eu criei, ele pode prever, mas ele consegue, ele cabe dentro de um dispositivo de baixo recurso. Essa é a ideia do Testbed. A iniciativa conta com mais de 100 pesquisadores entre alunos e docentes de diferentes áreas de conhecimento. Tem em torno de 140 pessoas envolvidas. Então, eh, a gente tem pessoas em diversos níveis, tem docentes, pesquisadores, tem alunos de mestrado, doutorado, iniciação científica, né, da graduação, a grande maioria de ciência da computação e engenheira da computação, mas tem temos alunos também de matemática, estatística, engenharia elétrica, então são áreas da física também, então são áreas que são eh o aprendizado hoje em dia ele engloba muitas áreas, né? Então, a gente pode ir desde uma aplicação que envolve engenheiros até a justamente a implementação do cientista da computação para isso funcionar num celular, né? Então a gente tem diversas áreas e, claro, a matemática e estatística servem para esse modelo de aprendizado funcioná, né? Porque o o aprendizado de máquina, na verdade, é um modelo estatístico ali que tá inferindo algumas coisas, né? O huberece treinamentos e tem um papel importante na formação de pesquisadores, especialistas em inteligência artificial no Brasil. Aqui no hubin estudantes de mestrado, doutorado, pesquisadores, etc., a gente também oferece treinamentos no formato de cursos, né? Então, a gente já deu curso para mais de 1000 pessoas, já formou mais de 150 pesquisadores. Então, a gente já tem muita eh muita preocupação com a formação do recurso humano, né? Porque o recurso humano, mesmo que ele não fique na universidade, não fique no centro, ele vai ser aproveitado pela indústria, vai ser aproveitado aí eh eh para desenvolver eh mecanismos de inteligência ou políticas de inteligência artificial pro país, né? Então, acho que é importante a formação do recurso humano. Você acabou de acompanhar então essa reportagem especial da nossa equipe que acompanhou de perto o hub de inteligência artificial da Unicamp. Agora, Samuel, me conta uma coisa, o que que você achou de tudo isso que a gente mostrou aí agora? No hub de inteligência artificial e arquiteturas cognitivas, os pesquisadores trabalham para ampliar a capacidade de aparelhos como smartphones e tablets. Na prática, isso significa criar sistemas que consigam interpretar informações, aprender com o uso e ajudar o usuário nas tarefas do dia a dia. É o tipo de pesquisa que começa em testes e protótipos, mas que pode acabar chegando a milhões de dispositivos no mundo todo. No próximo bloco, a gente volta mostrando como essas tecnologias e como as inteligências artificiais já estão presentes no nosso cotidiano e na nossa rotina. Os destaques você vai conferir depois do intervalo. O Gênios 3.0 volta já. Não sai daí. Estamos de volta com o último bloco do Gênios 3.0. E olha só, a inteligência artificial também já está sendo usada na descoberta de novos medicamentos. Pesquisadores utilizam algoritmos para analisar grandes bases de dados químicos, identificar moléculas que podem se tornar novos remédios. Estudos do MIT e publicações na revista Network Medicine mostram que esses sistemas conseguem identificar possíveis antibióticos e novos fármacos com muito mais rapidez. Samuel, você tem acompanhado tudo isso? Exato. A inteligência artificial consegue analisar milhões de combinações de moléculas em muito pouco tempo. Plataformas como o Alpha Fold, desenvolvido pela Deep Mind conseguem prever a estrutura de proteínas, o que é fundamental no desenvolvimento de novos medicamentos. Na prática, a IA consegue fazer em horas o que um laboratório levaria anos para testar. É como ter um supercutador trabalhando 24 horas por dia, acelerando a pesquisa. Outro avanço que parece ter saído de um filme como De Volta para o Futuro, é a tradução em tempo real. ferramentas como Google Translate, Microsoft Translator e até plataformas de reunião como o Zoom estão incorporando sistemas de inteligência artificial que permitem conversas entre pessoas que falam idiomas diferentes. E aí, Samuel, será que aos poucos vamos parar de nos preocupar com esse tipo de tradução? Na prática, isso já está acontecendo. Uma pessoa pode falar em português e a outra receber a mensagem em inglês, espanhol ou francês quase na hora. Claro que ainda existem limitações, expressões regionais, gírias, essas coisas ainda confundem um pouco os sistemas, mas a verdade é que a gente está cada vez mais perto daquele tradutor universal de Star Trek. ainda não traduz clingon com perfeição, mas do jeito que a tecnologia avança, eu não duvidaria disso acontecer em breve. E olha só, as ferramentas de produtividade também estão incorporando a inteligência artificial para organizar as rotinas de trabalho. Plataformas como Microsoft, Copilot, o Notion AI e os assistentes do Google Workspace conseguem resumir reuniões, organizar documentos e até ajudar na redação de textos. Ou seja, aquela pilha de e-mails, anotações e tarefas do dia a dia já podem ser organizadas com ajuda de algoritmos. Agora, Samuel, me explica aí como que isso funciona na prática. De certa forma, sim, esses sistemas conseguem analisar informações, identificar prioridades e organizar tarefas em questão de segundos. O Microsoft Copilot, por exemplo, resume uma reunião inteira e destaca os principais pontos. O Notion ia ajudar a estruturar projetos e documentos e os assistentes do Google Workspace organizam e-mails e criam resumos automáticos. Na prática, é como ter uma equipe de apoio digital trabalhando nos bastidores. E o mais interessante é que isso não está mais restrito às grandes empresas. Hoje, qualquer pessoa com um computador ou celular já consegue usar esse tipo de ferramenta no dia a dia. Você já foi no mercado, fez aquela compra, esqueceu na geladeira ou na prateleira e acabou perdendo aquele produto? Olha só, a inteligência artificial também está sendo usada para reduzir o desperdício de alimentos. Grandes redes de supermercados e empresas de logística utilizam algoritmos para prever a demanda e ajustar a produção e a distribuição de produtos. Empresas como Walmart e Tesco já usam sistemas de IA para analisar histórico de vendas, clima, datas comemorativas e até o comportamento do consumidor. Com isso, conseguem prever com mais precisão quanto de cada produto vai ser necessário em cada loja. O resultado é direto. Menos comida estragando nas prateleiras e menos desperdício ao longo de toda a cadeia de produção. Lembra até aquele filme da Disney, A Família do Futuro, em que a tecnologia ajuda a organizar tudo de forma inteligente. No fim das contas, são algoritmos ajudando a resolver um problema bem real do mundo físico. Samuel, encaminhando para o final do nosso programa, depois de tudo o que a gente mostrou aqui hoje, dá para perceber uma coisa bem clara. A inteligência artificial deixou de ser um assunto só de filme, de ficção científica ou de laboratório de pesquisa. Agora me conta uma coisa do ponto de vista da inteligência artificial, o que que isso muda? Na verdade, significa que a inteligência artificial deixou de ser uma promessa distante e passou a fazer parte da rotina das pessoas. Hoje, ela ajuda a analisar grandes volumes de dados, automatizar tarefas, melhorar serviços e até apoiar decisões em diversas áreas. Mas ao mesmo tempo, quanto mais a tecnologia avança, mais surgem debates importantes. Como usar essas ferramentas com responsabilidade? Quais são os limites desse desenvolvimento? E como garantir que essas inovações realmente tragam benefícios para a sociedade? E é justamente esse debate que a gente continua acompanhando aqui no Gênios 3.0, sempre trazendo exemplos, pesquisas e especialistas para ajudar a entender melhor como a tecnologia está transformando o mundo ao nosso redor. O programa de hoje vai ficando por aqui, mas eu te espero no próximo episódio. Até mais. [música] [música]