Thumbnail

Sandy Carter prendeu nossa atenção com a palestra “Fusão mente-máquina: sete tendências futuras em um mundo de trabalho pós-IA”. Créditos: Divulgação

SXSW

Fusão mente-máquina: 7 tendências em um mundo pós-IA

Thiago Moro
Thiago Moro
13/03/2024 16:56
Colaboradora da Forbes, reconhecida como uma das dez mulheres mais poderosas em tecnologia pela CNN e uma das dez principais líderes de AI responsável, Sandy Carter prendeu nossa atenção com a palestra “Fusão mente-máquina: sete tendências futuras em um mundo de trabalho pós-IA”.
Confira quais seriam os principais pontos que merecem estar no nosso radar considerando um cenário que mescla as transformações oriundas da tecnologia de ponta com o cérebro humano, que ainda tenta entender onde está e para onde irá. Um convite a repensar a forma como trabalhamos e a abraçar novas oportunidades para aprimorar a nossa produtividade e competências:
1. Exponencial Baby: ainda estamos em fase inicial de desenvolvimento da IA, mas a previsão é de chegarmos a quase 660 Zettabytes. Ainda assim, 80% das empresas entrevistadas por Sandy admitem que vão usar Inteligência Artificial Generativa em 2024, o que deve aumentar em 25% a sua produtividade. Um ótimo exemplo é o ChatGPT, que alcançou 100 milhões de usuários em apenas dois meses. Isso renderá muitos frutos e novos produtos, como uma jaqueta que mostra o humor de quem a está vestindo naquele momento. Ou tecnologias que permitem aos professores identificar se seus alunos estão realmente captando o conteúdo apresentado. Como os líderes vão lidar com essa leitura de informação dos seus colaboradores?
2. Multimodal Learning Modes: Sandy apresentou alguns modelos preditivos da inteligência artificial aprendendo de maneira multimodal, por meio do uso de vídeos, textos, sons e imagens. É a máquina aprendendo como os seres humanos, testando e conhecendo os cinco sentidos. Como exemplos, ela citou um dispositivo chamado Rabbit R1, que usa a tecnologia Perplexity AI, e que consegue trocar ideias e responder perguntas do usuário, bem como realizar tarefas como chamar carro de aplicativo, tocar músicas e muito mais. Também o Eletric Sheep, o mais tecnológico dos cortadores de grama existentes no mercado. Com câmeras acopladas, consegue tocar o solo, entender e parametrizar e o que ele deve fazer, usando redes neurais para utilizar futuramente estas informações e melhorar a cada vez sua performance.
3. Era da Experimentação: que tal usar um dispositivo que permite fazer uma imersão em um ensaio da cantora Alicia Keys, vendo de perto o trabalho do backing vocal, ouvindo e sentindo tudo que acontece? E para quem achou que o filme Her (2013. Direção: Spike Jonze) era uma realidade muito distante, Sandy comentou que o sentimento de solidão gerado no pós-pandemia, somado ao advento dos computadores faciais, tem feito as pessoas buscarem cada vez mais acompanhantes virtuais.
4. Gêmeos digitais: tudo que existe fisicamente, pode ser replicado digitalmente. Esta forma de predizer coisas e situações permite estressar algoritmos em modelos digitais, simulando fenômenos que poderia acontecer no modelo físico.
5. Tokenização de tudo: o consumidor clama por autenticidade. A tokenização chega para suprir essa lacuna e permitir que produtos sejam autenticados e rastreados, da mesma forma que possibilita simplificar processos. É o caso do primeiro registro de imóveis feito em Tampa (EUA) via token, com uma única assinatura digital, colocando definitivamente no passado a burocracia dos cartórios.
6. Convergência tecnológica: novamente o tema apresentado por Amy Webb vem à tona. Sandy também falou sobre o fenômeno da convergência tecnológica, da experimentação, da tokenização, do block chain com IA e dos dispositivos conectados. O que era uma tendência, está se tornando pura realidade.
7. Confiabilidade da IA: importante lembrar que estamos falando de tecnologia e que, por mais exata que seja esta ciência, ela ainda tem muitos gaps a serem ajustados. Ou seja: é preciso fazer um double check para se certificar quanto à veracidade das informações, visto que a falta de dados em algumas frentes faz com que o IA não tenha o suporte adequado para criar um algoritmo robusto e confiável.