Category Archives: Machine Learning

Ciência, GPT, Loon Factory, Machine Learning

A primeira programadora do mundo foi uma mulher?

Ada Lovelace nasceu no dia 10 de dezembro de 1815, em Londres, sob o nome de Augusta Ada Byron. Ela era a única filha legítima do poeta Lord Byron e de sua esposa, Lady Anne Isabella Milbanke Byron. Por conta de um relacionamento tumultuado entre seus pais, Ada nunca chegou a conhecer seu pai, que abandonou a família quando ela tinha apenas um mês de idade e faleceu quando ela tinha oito anos.

Infância e Educação

Desde pequena, Ada mostrou uma inclinação para a matemática e a lógica, algo que sua mãe encorajou. Lady Byron, temendo que Ada herde o temperamento volátil e poético de Lord Byron, fez questão de proporcionar a ela uma educação rigorosa em matemática e ciências. Para isso, contratou tutores renomados, como Mary Somerville e Augustus De Morgan.

A amizade com Mary Somerville, uma das primeiras mulheres a serem reconhecidas como cientista, levou Ada a desenvolver um grande interesse por estudos científicos e a introduziu a outras figuras proeminentes da ciência.

Encontro com Charles Babbage

Aos 17 anos, Ada foi apresentada a Charles Babbage, matemático e inventor, durante uma demonstração de sua máquina diferencial, um dispositivo mecânico projetado para realizar cálculos matemáticos. A jovem Ada ficou fascinada pelo projeto, e essa reunião marcou o início de uma longa e produtiva colaboração entre os dois.

Babbage, mais tarde, começou a trabalhar em uma máquina ainda mais ambiciosa, chamada “Máquina Analítica”. Esta invenção foi concebida como um dispositivo de propósito geral que poderia ser programado para realizar qualquer tipo de cálculo.

A Primeira Programadora

O reconhecimento de Ada Lovelace como a primeira programadora do mundo se deve ao seu trabalho com a Máquina Analítica. Em 1843, ela traduziu para o inglês um artigo do matemático italiano Luigi Federico Menabrea sobre a máquina. No entanto, Ada foi além e adicionou suas próprias anotações ao trabalho, que eram tão extensas que acabaram sendo três vezes mais longas que o artigo original.

Nestas anotações, Ada descreveu um algoritmo para a Máquina Analítica processar números de Bernoulli. Esse algoritmo é considerado o primeiro programa de computador da história.

Ada percebeu que a máquina tinha potencial para ir além dos simples cálculos matemáticos. Ela especulou que qualquer conteúdo, seja música, arte ou texto, poderia ser traduzido em números e, assim, ser manipulado pela Máquina Analítica.

Legado

Infelizmente, Ada Lovelace faleceu jovem, aos 36 anos, em 1852. Embora sua visão sobre computação estivesse à frente de seu tempo, o legado de Ada só foi plenamente reconhecido décadas mais tarde, com o advento da era da computação.

Hoje, Ada Lovelace é celebrada não apenas como a primeira programadora, mas também como uma visionária da computação. O Dia de Ada Lovelace, celebrado no segundo dia de terça-feira de outubro, serve como um lembrete de sua contribuição inestimável para o mundo da ciência e tecnologia.

Ada Lovelace foi a primeira programadora de computador, pois em 1842 reconheceu que a máquina era capaz de muito mais do que simples cálculos e escreveu o primeiro algoritmo – indo além da funcionalidade de um simples ábaco para colocar a humanidade numa trajetória para inovações tecnológicas subsequentes.

Considerando que a primeira programadora era uma mulher, a história e as contribuições da computação deveriam, por todos os direitos, parecer muito diferentes. No entanto, como é evidente a partir das estatísticas actuais das mulheres que trabalham em STEM, perdeu-se o dinamismo desses primeiros passos dramáticos. Na verdade, há décadas que as mulheres têm sido gravemente sub-representadas tanto em posições STEM como em posições de liderança e, embora a tendência esteja a mudar, ainda há muitos caminhos a percorrer para alcançar a igualdade.

Relatórios recentes do Fórum Económico Mundial , da Federação Nacional de Ciência e de um estudo conjunto da LeanIn.org e da McKinsey ilustram o sentimento com que muitas mulheres no setor da tecnologia lutam todos os dias em números concretos:

  • Apenas 1 em cada 4 executivos de alto escalão são mulheres.
  • Para cada 100 homens promovidos de nível inicial a gerente, apenas 87 mulheres são promovidas. [1]
  • 37% das mulheres líderes tiveram um colega de trabalho que recebeu o crédito pelos seus esforços, enquanto apenas 27% dos homens passaram pela mesma situação.
  • 32% das mulheres em funções técnicas e de engenharia são muitas vezes as únicas mulheres na sala
  • As mulheres líderes têm duas vezes mais probabilidade de serem confundidas com alguém mais subalterno.
  • Existem apenas 12,3 milhões de mulheres (cerca de 35% da força de trabalho) em funções STEM em 2023. [2]
  • Na tecnologia, as mulheres representam cerca de 24% dos cargos de liderança e nas infraestruturas é apenas 16%. [3]
  • 91% disseram que a discriminação de género continua a ser um obstáculo à carreira e 100% relataram a dúvida e a falta de confiança como um obstáculo, de acordo com um relatório da Society for Women’s Health Research. [4]

Nossa responsabilidade para com a próxima geração

Pessoalmente, ao longo da minha carreira tive experiências positivas e negativas como mulher na área de tecnologia. O lado positivo é que nunca tive que esperar na fila do banheiro em uma conferência de tecnologia. Mas em diferentes épocas e em diferentes funções, fui questionado. Minhas ideias foram desconsideradas apenas para serem adotadas quando um colega sugeriu a mesma abordagem. Disseram-me que sou muito emotivo e que deveria sorrir mais. Disseram-me que sou muito agressivo e intimidador. Disseram-me para observar minha linguagem corporal. Francamente, é exaustivo pensar no número de vezes que me disseram para não ser eu mesmo ao longo dos anos.

Como resposta aprendida a estas experiências, tornei-me uma forte defensora de outras mulheres na tecnologia e uma defensora da reivindicação do seu legítimo espaço em salas de conferência e chamadas Zoom – como deveria ser.

Entretanto, um relatório encomendado pela CW Jobs em Maio de 2022 concluiu que 60% das mulheres que trabalham em carreiras STEM foram inspiradas por modelos, em comparação com apenas 46% dos homens. [5]

Em suma, devemos isso às mulheres que estão atrás de nós, mostrando-lhes o que é possível e almejando posições cada vez mais altas. E se o fizermos, haverá uma vantagem significativa:

  • A contratação de mulheres para funções STEM traz novas perspectivas e diversidade que tornam os produtos e ofertas mais atraentes e bem-sucedidos.
  • Um relatório de pesquisa da Accenture e Girls Who Code argumenta que, com aulas de informática e um sistema de apoio adaptado especificamente para meninas no ensino fundamental e continuando até a faculdade, o número de mulheres em empregos de computação poderia crescer de 24% para 39% e gerar US$ 299 bilhões em ganhos acumulados.
  • As empresas com uma maior proporção de mulheres nos seus conselhos tendem a investir mais em inovação e a ser mais inovadoras. Por exemplo, um estudo recente descobriu que um aumento de 10% na representação feminina nos conselhos de administração estava associado a um aumento de 7% nas patentes e citações de inovação. [6]
  • Um estudo realizado pelo Hay Group descobriu que as mulheres têm vantagens comprovadas em competências transversais, como profissionalismo, networking, colaboração, comunicação escrita e oral e pensamento crítico – e que as mulheres superam os homens em 11 das 12 competências-chave de inteligência emocional. [7]
  • Estudos anteriores do BCG e de outras organizações mostram que uma proporção mais equilibrada de mulheres, especialmente em cargos de chefia, estimula a inovação, a resiliência e o desempenho financeiro, entre outros benefícios. Além disso, descobrimos que as mulheres em funções financeiras têm maior probabilidade do que os homens de terem antecedentes multidisciplinares, melhorando potencialmente as suas capacidades para liderar transformações em toda a empresa. [8]

Podemos mudar a narrativa

Ao criar oportunidades para as mulheres em STEM, a nossa indústria colherá recompensas significativas – mas caberá a todos nós criar esse ambiente, tanto homens como mulheres. Iniciar a conversa é apenas o primeiro passo. Para ter sucesso, exigiremos que as mulheres líderes continuem a quebrar barreiras, a encorajar a próxima geração, a liderar pelo exemplo e a conhecer o seu valor.

Algumas coisas para compartilhar com aqueles que estão ensinando, contratando ou orientando mulheres à medida que elas sobem na carreira educacional ou profissional:

Esteja ciente do preconceito. Independentemente das percepções, as estatísticas mostram que a disparidade salarial entre homens e mulheres e a falta de oportunidades para muitas mulheres, em oposição aos seus colegas do sexo masculino, são problemas reais que devem ser resolvidos. Homens e mulheres devem estar conscientes destas realidades e defender oportunidades para as superar, especialmente nas áreas de remuneração, promoção e avaliação.

Tome uma atitude. Aqui estão as etapas proativas que você pode seguir para mudar a narrativa:

  • Criar ou apoiar programas de mentoria e patrocínio – Ambos são importantes, mas há uma diferença de objetivos entre mentores e patrocinadores. Seja claro quanto à diferença e encontre pessoas em sua rede que possam ajudá-lo em ambos.
  • Aproveitar programas educativos para aumentar a confiança – Defender o patrocínio empresarial em todos os níveis de ensino, incentivando as raparigas a aprender competências STEM e a fornecer feedback positivo à medida que aprendem.
  • Assumir riscos em projetos escolares ou profissionais – Novas pesquisas sugerem que as mulheres podem não ser mais avessas ao risco do que os homens, mas as mulheres podem enfrentar mais reações adversas e consequências negativas do que os homens quando assumem riscos no trabalho. Há trabalho a ser feito de ambos os lados para que as mulheres tenham poder para se manifestar e para que a gestão permita falhas rápidas.
  • Encontrar o equilíbrio entre trabalho e vida pessoal – As mulheres terão sempre dificuldade em encontrar o delicado equilíbrio entre trabalho e casa, mas tornar isto uma prioridade numa organização será benéfico para o recrutamento e para a cultura.

Estas ações são apenas o começo para enfrentar um grande desafio. A próxima geração precisa de ser ousada e ter a convicção de que é capaz de causar enormes impactos numa indústria que é, a partir de hoje, muito dominada por homens e desesperada por novos rostos, vozes e ideias.

 

 

Ciência, Corporativo, Curiosidades, Especiais, Hurb, Hurb Responde, Loon Factory, Machine Learning, Notícias, Saúde Mental, Tecnologia, Turismo

As praias brasileiras consideradas as mais bonitas do mundo: você conhece?

O Futuro Aeroporto Comercial de Angra dos Reis e as Joias Escondidas da Costa Verde

O litoral brasileiro é vasto e repleto de belezas que encantam viajantes do mundo inteiro. Em meio a esse cenário, Angra dos Reis e Paraty que se situam na Costa Verde do Rio de Janeiro sempre se destacou por suas paisagens exuberantes, suas águas esmeralda e, claro, por sua rica história. E, em breve, essa região receberá um novo impulso turístico com a construção do aeroporto comercial de Angra dos Reis.

Aeroporto Comercial de Angra dos Reis: A Nova Porta de Entrada

Previsto para tornar-se um dos principais hubs aéreos da região, o novo aeroporto em Angra dos Reis promete incrementar o turismo e facilitar o acesso às maravilhas da Costa Verde. Este projeto evidencia a crescente importância que a região vem ganhando no cenário turístico nacional e internacional.

A infraestrutura do aeroporto é pensada para suportar um tráfego considerável de passageiros, com terminais modernos, tecnologia de ponta e uma pista adequada até mesmo para voos internacionais. Isso significa que, em breve, viajantes do mundo inteiro poderão chegar a Angra diretamente, sem escalas.

Ilha Grande: O Paraíso (Quase) Escondido

Apesar da fama de suas praias, como Lopes Mendes e Aventureiro, a Ilha Grande ainda guarda segredos pouco explorados. Suas trilhas levam a mirantes deslumbrantes, cachoeiras escondidas e praias semi-desertas, onde a sensação é de estar em um paraíso privativo. A biodiversidade marinha também é um espetáculo à parte, tornando o local ideal para mergulho e snorkeling.

Saco dos Mamanguás: O Fiorde Tropical

Poucos sabem, mas a poucos quilômetros de Paraty, encontra-se o Saco dos Mamanguás, considerado o maior fiorde tropical do mundo. Esta formação geológica rara, com montanhas íngremes que mergulham em águas profundas, oferece um cenário deslumbrante e um refúgio para a biodiversidade local.

O Arquipélago Mágico

A região de Angra é pontilhada por centenas de ilhas, cada uma com sua peculiaridade e beleza. Desde as mais badaladas, como a Ilha da Gipóia, até as mais discretas e pouco exploradas, a sensação é de estar em um arquipélago mágico, onde cada ilha esconde uma nova surpresa.

Hospedagem de Luxo na Costa Verde

A infraestrutura hoteleira da região tem acompanhado o crescimento do turismo. Resorts de luxo, pousadas charmosas e até opções mais rústicas, como campings e hostels, compõem o leque de opções. O destaque fica por conta dos hotéis boutique, que oferecem uma experiência mais personalizada, combinando luxo, conforto e integração com a natureza.

Em conclusão, a Costa Verde, com seus tesouros naturais e culturais, está se consolidando como um dos destinos turísticos mais desejados do Brasil. E, com o advento do novo aeroporto comercial de Angra dos Reis, a região se prepara para receber ainda mais visitantes ávidos por descobrir suas maravilhas.

Descubra a Costa Verde com a Hurb.com

Para os viajantes que desejam imergir nas belezas da Costa Verde e desfrutar de toda a exuberância deste arquipélago, a Hurb.com é o parceiro ideal. A plataforma conta com uma vasta seleção de hotéis, desde opções mais luxuosas até alternativas mais econômicas, todos criteriosamente selecionados para garantir uma experiência única aos seus usuários.

Além disso, a Hurb.com oferece pacotes completos que incluem passagens aéreas, hospedagens e, em muitos casos, tours e atividades para explorar o melhor da região. Com a facilidade de planejar e reservar toda a viagem em um único lugar, a experiência se torna ainda mais convidativa.

Não importa se você é um aventureiro em busca de trilhas e praias escondidas, um casal em busca de um refúgio romântico ou simplesmente alguém que quer relaxar à beira-mar; a Hurb.com tem a opção perfeita para cada perfil de viajante.

Então, ao pensar em sua próxima escapada para a deslumbrante Costa Verde, considere a Hurb.com como sua principal aliada para tornar essa jornada inesquecível. A magia do arquipélago espera por você!

 

 

Arte e Cultura, Ciência, Curiosidades, Gerais, GPT, Hurb, Hurb Responde, Loon Factory, Machine Learning, Mundo Hurb, Notícias, Tecnologia

Quem ganhou o Prêmio Nobel de Medicina em 2023?

O Prémio Nobel de Fisiologia ou Medicina deste ano foi à bioquímica Katalin Karikó e ao imunologista Drew Weissman pelas descobertas que permitiram o desenvolvimento de vacinas de mRNA contra a COVID-19 .

 

 

As vacinas foram administradas mais de 13 mil milhões de vezes, salvaram milhões de vidas e preveniram milhões de casos graves de COVID-19, afirmou o comité do Nobel.

Karikó, que está na Universidade de Szeged, na Hungria, e Weissman, na Universidade da Pensilvânia, na Filadélfia (UPenn), abriram o caminho para o desenvolvimento das vacinas ao encontrar uma maneira de entregar material genético chamado RNA mensageiro às células sem desencadear uma reação imunológica indesejada.

 

Karikó é a 13ª mulher cientista a ganhar o Prêmio Nobel de medicina ou fisiologia. Ela nasceu na Hungria e mudou-se para os Estados Unidos na década de 1980. “Esperamos que este prémio inspire as mulheres, os imigrantes e todos os jovens a perseverar e a ser resilientes. É isso que espero”, ela diz à Nature .

Um novo capítulo

As vacinas contra a COVID-19 desenvolvidas pela Moderna e pela colaboração Pfizer-BioNTech fornecem mRNA que instrui as células a criar cópias de uma proteína encontrada nas partículas do vírus SARS-CoV-2, chamada proteína spike. Isso estimula o corpo a produzir anticorpos direcionados à proteína, além de desencadear outras respostas imunológicas.

A complicada história das vacinas de mRNA

Durante décadas, as vacinas de mRNA foram consideradas inviáveis ​​porque a injeção de mRNA no corpo desencadeou uma reação imunológica que decompôs imediatamente o mRNA. Em meados da década de 2000, trabalhando na UPenn, Karikó e Weissman demonstraram que a troca de um tipo de molécula no mRNA, chamada uridina, por uma semelhante chamada pseudouridina contorna as defesas imunológicas inatas das células.

“Estou muito satisfeito por vê-los reconhecidos”, diz Robin Shattock, cientista de vacinas do Imperial College London, que trabalhou em vacinas de mRNA. “A sua contribuição foi realmente fundamental para o sucesso das vacinas contra a COVID-19 e penso que estará subjacente à tecnologia do RNA durante algum tempo.”

O que é mRNA?

O RNA mensageiro (mRNA) é uma molécula de RNA de fita simples. O RNA é um tipo de ácido nucléico e carrega a informação genética da célula. O RNA é semelhante ao DNA, mas existem várias diferenças estruturais. O RNA usa o açúcar ribose em vez da desoxirribose. Também existe como uma cadeia simples nas células e apenas algumas vezes é de cadeia dupla. O DNA, em contraste, é sempre de fita dupla. O RNA usa as bases adenina, guanina, citosina e uracila, enquanto o DNA usa adenina, guanina, citosina e timina. O DNA é uma estrutura mais permanente na célula e pode ser encontrado no núcleo dos eucariotos. Em contraste, o RNA é criado e destruído mais facilmente e pode ser encontrado tanto no citoplasma quanto no núcleo. A tabela abaixo explica a diferença entre DNA e RNA.

 

Característica ADN ARN
Açúcar Desoxirribose Ribose
Bases A, G, C, T A, G, C, U
Número de fios 2 1 ou 2
Localização Núcleo Núcleo ou citoplasma

A principal função do mRNA é transportar o código do DNA do núcleo para o citoplasma, onde pode ser usado na síntese de proteínas em eucariotos, como aqueles encontrados nas células humanas. As células procarióticas também usam mRNA, mas não há núcleo, portanto o processo desde a criação do mRNA até a criação da proteína é mais simplificado.

O que o mRNA faz?

Qual é o propósito do mRNA? O objetivo do mRNA e o papel do mRNA é levar as instruções do DNA ao ribossomo para a produção de proteínas. O papel do mRNA na produção de proteínas é essencial. Então, qual é a função do mRNA? A função do mRNA é transportar o código genético do DNA para o ribossomo. Nos eucariotos, isso permite que o DNA permaneça seguro dentro do núcleo. Também permite um nível de controle mais rígido e uma regulação mais específica da produção de proteínas.

Por que o mRNA é importante?

O RNA mensageiro é importante porque permite a produção de proteínas e a regulação rígida do processo. Ao usar o mRNA como mensagem intermediária, o DNA é capaz de permanecer no núcleo. Isto protege o DNA e ajuda a evitar quaisquer alterações no código. Além disso, o mRNA pode ser alterado em um processo denominado splicing. Isto permite formas alternativas do mesmo gene, dependendo das necessidades da célula. O mRNA também pode ser criado em grandes ou pequenas quantidades, dependendo da quantidade de proteína necessária à célula. Há também controle do mRNA através de sua estabilidade. O RNA de fita simples, como o mRNA, é frequentemente degradado rapidamente pela célula. Isso permite um controle rígido da produção de proteínas.

Sem o mRNA, as proteínas nunca seriam criadas através do processo de síntese protéica. O mRNA transporta a mensagem do DNA para os ribossomos. Ribossomos são organelas que leem o mRNA e criam a sequência proteica correta. Os ribossomos estão localizados no citoplasma e, portanto, não têm acesso ao DNA no núcleo. O processo que os ribossomos usam para ler o mRNA e produzir proteínas é chamado de tradução.Sem o mRNA, as proteínas nunca seriam criadas através do processo de síntese protéica. O mRNA transporta a mensagem do DNA para os ribossomos. Ribossomos são organelas que leem o mRNA e criam a sequência proteica correta. Os ribossomos estão localizados no citoplasma e, portanto, não têm acesso ao DNA no núcleo. O processo que os ribossomos usam para ler o mRNA e produzir proteínas é chamado. Durante esse processo, o ribossomo coloca suas duas subunidades em torno do mRNA. O ribossomo lê o mRNA em grupos de três nucleotídeos chamados códons. Cada códon é lido por uma molécula adicional, chamada RNA de transferência (tRNA). O tRNA traz os aminoácidos corretos com base nos códons para o ribossomo. O ribossomo então catalisa uma ligação peptídica entre os aminoácidos para formar uma cadeia polipeptídica. Eventualmente, a cadeia é liberada e pode se dobrar em uma proteína completa .

 

 

“Eles demonstraram que a mudança do tipo de nucleotídeos de RNA na vacina alterou a maneira como as células a veem”, disse John Tregoning, imunologista de vacinas do Imperial College London, em comunicado à imprensa para o Centro de Mídia Científica do Reino Unido. “Isso aumentou a quantidade de proteína da vacina produzida após a injeção do RNA, aumentando efetivamente a eficiência da vacinação: mais resposta com menos RNA.”

“Esta descoberta abriu um novo capítulo para a medicina”, disse Qiang Pan Hammarström, membro do comité do Nobel, imunologista do Instituto Karolinska em Estocolmo, numa conferência de imprensa após o anúncio do prémio. “O investimento em pesquisa básica de longo prazo é muito importante.”

Revolução das vacinas

Existem agora vacinas de mRNA em desenvolvimento para uma série de outras doenças, incluindo a gripe, o VIH, a malária e o zika.

“É realmente como uma revolução que começou desde a pandemia de COVID”, diz Rein Verbeke, pesquisador de vacinas de mRNA na Universidade de Ghent, na Bélgica. Ele acrescenta que as contribuições de Karikó e Weissman foram essenciais para o sucesso das vacinas durante a pandemia e depois dela. “A parte deles foi realmente crucial para o desenvolvimento desta plataforma.”

Uma vacina de mRNA contra a COVID-19 contendo RNA não modificado, desenvolvida pela CureVac, com sede em Tübingen, Alemanha, foi amplamente vista como um fracasso após o seu desempenho medíocre em ensaios clínicos .

 

Outro componente chave das vacinas de mRNA contra a COVID-19 foram as nanopartículas lipídicas (LNPs) que circundam o RNA modificado e facilitam a sua entrada nas células. Numerosos cientistas contribuíram para o desenvolvimento de LNPs, diz Verbeke, e teria sido bom se o comité do Nobel também tivesse reconhecido as suas contribuições para as vacinas de mRNA. A modificação do mRNA e o desenvolvimento de LNPs “foram os dois principais passos necessários para que as vacinas de mRNA funcionassem”, afirma.

No entanto, muitas pessoas estiveram envolvidas no desenvolvimento de LNPs e seria difícil destacar qualquer contribuição, diz Pierre Meulien, que trabalhou na utilização de mRNA para desencadear respostas imunitárias na década de 1990 na Transgène, uma pequena empresa de biotecnologia perto de Estrasburgo, em França. Karikó e Weissman “realmente criaram a chave para o sucesso de todo o empreendimento em torno das vacinas de mRNA”, acrescenta.

O desenvolvimento de vacinas e terapêuticas de mRNA ainda está no início, diz Shattock. Cientistas e empresas de biotecnologia estão ocupados criando novas aplicações para a tecnologia de mRNA, desde tratamentos contra o câncer até vacinas de próxima geração contra a COVID-19. Muitas equipes também estão trabalhando em formas aprimoradas de entrega de mRNA. “O que vemos usado hoje não é o que será usado no futuro”, diz ele. “Estamos no início de uma revolução do RNA.”

Embora as injeções contra a COVID-19 coloquem as vacinas de mRNA no mapa, o impacto da tecnologia provavelmente chegará longe, diz Karikó. “É simplesmente ilimitado.”

Biografia de Drew Weissman

Drew Weissman, de origem americana, tem desempenhado um papel fundamental na pesquisa médica ao longo dos anos. Apesar dos detalhes específicos de sua biografia não estarem disponíveis nos resultados da pesquisa, sabe-se que seu compromisso com a ciência o levou a colaborar com Katalin Karikó, uma bioquímica da Hungria.

Pesquisa de Drew Weissman

O reconhecimento de Weissman e Karikó no Prêmio Nobel está centrado em seus estudos inovadores relacionados à tecnologia do mRNA, que posteriormente permitiram o desenvolvimento de vacinas, notadamente as da Pfizer e Moderna, que se tornaram cruciais na luta contra a pandemia de COVID-19. A pesquisa sobre o mRNA tem potencial para revolucionar não apenas a vacinologia, mas também o tratamento de várias outras doenças.

 

Aplicações Reais e Impacto Futuro

O trabalho de Weissman e Karikó na tecnologia do mRNA demonstrou o enorme potencial desta abordagem no desenvolvimento rápido de vacinas. O sucesso das vacinas de mRNA contra a COVID-19 é um testemunho direto disso. Mas, para além da atual pandemia, a tecnologia do mRNA tem implicações vastas e de longo alcance. Ela poderia ser aplicada no tratamento de doenças genéticas, no desenvolvimento de terapias personalizadas para o câncer, e em muitas outras áreas da medicina que até agora questionamos.


Drew Weissman, com sua visão e paixão pela ciência, ajudou a pavimentar o caminho para um futuro médico mais brilhante e esperançoso, com possibilidades quase ilimitadas para o uso do mRNA em terapias e vacinas.

Em termos de impacto futuro, a tecnologia de mRNA abre portas para muitas aplicações. Além das vacinas, tem o potencial de tratar doenças

Embora os resultados da pesquisa fornecidos não incluam links próprios para artigos acadêmicos de Weissman, é plenamente reconhecido na comunidade científica que sua pesquisa com Katalin Karikó tem sido fundamental no campo do mRNA.

 

Arte, GPT, Loon Factory, Machine Learning, Mundo Hurb, Notícias, Projetos, Tecnologia

Google lança Phenaki, melhor que GPT4?

O Google essa semana apresentou o Phenaki, um modelo que pode sintetizar vídeos realistas a partir de sequências textuais.

 

A geração de vídeos a partir de texto é particularmente desafiadora devido a vários fatores, como alto custo computacional, durações variáveis ​​de vídeo e disponibilidade limitada de dados de texto e vídeo de alta qualidade.Para resolver os dois primeiros problemas, Phenaki aproveita seus dois componentes principais:

  1. Um modelo codificador-decodificador que compacta vídeos em embeddings discretos, ou tokens, com um tokenizer que pode funcionar com vídeos de duração variável graças ao uso de atenção causal no tempo.
  2. Um modelo de transformador que traduz incorporações de texto em tokens de vídeo: usamos um transformador mascarado bidirecional condicionado a tokens de texto pré-computados para gerar tokens de vídeo a partir do texto, que são posteriormente destokenizados para criar o vídeo real.
Este vídeo de 2:28 minutos foi gerado usando uma longa sequência de prompts inseridos em uma versão mais antiga do Phenaki e depois aplicado a um modelo de super resolução.
Comandos:

“Visão em primeira pessoa de andar de moto em uma rua movimentada.”“Visão em primeira pessoa de andar de moto por uma estrada movimentada na floresta.”“Visão em primeira pessoa de andar de moto muito lentamente na floresta.”“Visão em primeira pessoa freando uma motocicleta na floresta.”“Correndo pela floresta.”“Visão em primeira pessoa de uma corrida pela floresta em direção a uma linda casa.”“Visão em primeira pessoa de uma corrida em direção a uma casa grande.”“Correndo pelas casas entre os gatos.”“O quintal fica vazio.”“Um elefante entra no quintal.”“O quintal fica vazio.”“Um robô entra no quintal.”“Um robô dança tango.”“Visão em primeira pessoa de correr entre casas com robôs.”“Visão em primeira pessoa da corrida entre as casas; no horizonte, um farol.”“Visão em primeira pessoa de voar no mar sobre os navios.”“Ampliar em direção ao navio.”“Diminua o zoom rapidamente para mostrar a cidade costeira.”“Diminua rapidamente o zoom da cidade costeira.”

Para resolver os problemas de dados, demonstramos que o treinamento conjunto em um grande corpus de pares imagem-texto e um número menor de exemplos de vídeo-texto pode resultar em generalização além do que está disponível apenas nos conjuntos de dados de vídeo.Quando comparado aos métodos anteriores de geração de vídeo, observamos que Phenaki poderia gerar vídeos arbitrariamente longos, condicionados a uma sequência de prompts de domínio aberto na forma de texto variável no tempo ou uma história. Até onde sabemos, esta é a primeira vez que um artigo estuda a geração de vídeos a partir de tais prompts variáveis ​​no tempo.Além disso, observamos que nosso codificador-decodificador de vídeo superou todas as linhas de base por quadro atualmente usadas na literatura, tanto na qualidade espaço-temporal quanto no número de tokens por vídeo.

Esta história de 2 minutos foi gerada usando uma longa sequência de prompts, em uma versão mais antiga do Phenaki, e depois aplicada a um modelo em super resolução.

Comandos:

“Muito tráfego na cidade futurista.”

“Uma nave alienígena chega à cidade futurista.”

“A câmera entra na nave alienígena.”

“A câmera avança até mostrar um astronauta na sala azul.”

“O astronauta está digitando no teclado.”

“A câmera se afasta do astronauta.”

“O astronauta sai do teclado e caminha para a esquerda.”

“O astronauta deixa o teclado e vai embora.”

“A câmera se move além do astronauta e olha para a tela.”

“A tela atrás do astronauta mostra peixes nadando no mar.”

“Crash zoom no peixe azul.”

“Seguimos o peixe azul enquanto ele nada no oceano escuro.”

“A câmera aponta para o céu através da água.”

“O oceano e o litoral de uma cidade futurista.”

“Crash zoom em direção a um arranha-céu futurista.”

“A câmera amplia uma das muitas janelas.”

“Estamos em uma sala de escritório com mesas vazias.”

“Um leão corre em cima das mesas do escritório.”

“A câmera dá um zoom na cara do leão, dentro do escritório.”

“Amplie o leão vestindo um terno escuro em uma sala de escritório.”

“O leão que veste olha para a câmera e sorri.”

“A câmera se aproxima lentamente do exterior do arranha-céu.”

“Timelapse do pôr do sol na cidade moderna.”

Phenaki pode criar histórias visuais coerentes e longas a partir de uma cadeia de prompts, com uma resolução central de 128×128 pixels.

Queríamos entender se seria possível aproveitar a capacidade do Imagen Video de gerar vídeos de alta resolução com fidelidade fotorrealista sem precedentes e se beneficiar de seus módulos de super-resolução subjacentes para aprimorar a produção do Phenaki, com o objetivo de combinar os pontos fortes dessas duas abordagens em algo que poderia criar belas histórias visuais.

Para conseguir isso, alimentamos a saída do Phenaki gerada em um determinado momento (mais o prompt de texto correspondente) para o Imagen Video, que então executa a super-resolução espacial. Um ponto forte distinto do Imagen Video, em comparação com outros sistemas de super-resolução, é sua capacidade de incorporar o texto no módulo de super-resolução.

Para ver um exemplo que mostra como o sistema ponta a ponta funciona na prática, veja o exemplo anterior.

As legendas correspondentes a este exemplo são as seguintes:

https://blog.hurb.com/wp-content/uploads/2023/09/2z73455wyhhm-7MJ7P0HF9AaRkrLVHbb1d-01ab654a3ce314ae3fee3a56f6f23108-penguin__1__D12845A9-1.mp4?_=1
Comandos:

“muito perto da onda do pinguim na prancha de surf amarela”

“O pinguim surfa na prancha amarela até a praia. Pinguim deixa prancha amarela e continua andando.”

“Pinguim andando rapidamente na praia e seguindo a câmera. Pinguim acena para a câmera. Pés passam pela câmera em primeiro plano”

“Um pinguim colide com 100 bolas saltitantes coloridas”

“diminuir zoom lentamente. pinguim sentado em um ninho de pássaro com um único ovo colorido”

“Reduzir o zoom. Vista aérea de um pinguim sentado em um ninho de pássaro na geleira antártica do arco-íris”

https://blog.hurb.com/wp-content/uploads/2023/09/fenaki-hurb-google-1.mp4?_=2

https://blog.hurb.com/wp-content/uploads/2023/09/ar-hurb-0ai.mp4?_=3

 

Corporativo, Curiosidades, GPT, Hurb, Loon Factory, Machine Learning, Mundo Hurb, Tecnologia

O que são LLMs?

Como funciona um LMS?

Um LMS (Sistema de Gerenciamento de Aprendizagem) é uma plataforma digital que permite criar, gerenciar e distribuir conteúdo de aprendizagem online. Ele funciona como um ambiente virtual de aprendizagem, onde é possível disponibilizar materiais didáticos, realizar atividades, avaliações e interações entre os usuários.

Os LMSs são compostos por diversas funcionalidades, tais como: gerenciamento de usuários, gestão de cursos, criação e edição de conteúdo, avaliações e relatórios. Eles são amplamente utilizados em empresas, escolas e universidades para oferecer treinamentos e capacitações online.

Em filmes antigos de futuristas, como a Odisseia no Espaço de 2001, o computador principal (HAL) era capaz de falar com os humanos e entender o que eles diriam com grande facilidade. Na época, fazer com que os computadores entendessem e produzissem linguagem parecia uma tarefa impossível, mas os mais recentes modelos de linguagem grande (LLM) são capazes de fazer isso de uma maneira que torna quase impossível para um humano dizer se está falando com outro humano ou com um computador.

A tarefa por excelência do processamento de linguagem natural (NLP) é entender a linguagem humana. No entanto, há uma grande desconexão, os seres humanos falam em palavras e frases, mas os computadores só entendem e processam números.

Como podemos transformar palavras e frases em números de forma coerente? Uma atribuição de palavras a números é chamada de incorporação de palavras. Podemos pensar em uma incorporação de palavras como uma atribuição de pontuações às palavras, com algumas propriedades interessantes.

O que é uma incorporação de palavras?

Antes de entrarmos no que é uma incorporação de palavras, deixe-me testar sua intuição. Na Figura 1, localizei 12 palavras no avião. As palavras são as seguintes:

  • Banana
  • Basquete
  • Bicicleta
  • Prédio
  • Carro
  • Castelo
  • Cereja
  • Início
  • Futebol
  • Morango
  • Tênis
  • Caminhão

Agora, a questão é: onde você localizaria a palavra “Apple” neste avião? Há muitos lugares para onde poderia ir, mas estou permitindo 3 possibilidades rotuladas como A, B e C.

O que eu faria é localizá-lo no ponto C, porque faria sentido ter a palavra “Maçã” perto das palavras “Banana”, “Morango” e “Cereja”, e longe das outras palavras, como “Casa”, “Carro” ou “Ténis”. Esta é precisamente uma incorporação de palavras. E quais são os números que estamos atribuindo a cada palavra? Simplesmente as coordenadas horizontais e verticais da localização da palavra. Dessa forma, a palavra “Apple” é atribuída aos números [5,5], e a palavra “Bicicleta” às coordenadas [5,1].

Por uma questão de redundância, vamos enumerar algumas propriedades que uma boa incorporação de palavras deve ter:

  1. Palavras que são semelhantes devem corresponder a pontos próximos (ou equivalentemente, a pontuações semelhantes).
  2. Palavras diferentes devem corresponder a pontos distantes (ou equivalentemente, a pontuações significativamente diferentes).

Incorporações de Palavras Capturam Recursos da Palavra

A palavra incorporação acima satisfaz as propriedades 1 e 2. É isso? Ainda não. Há algo mais nessas incorporações de palavras, e é que elas não apenas capturam a semelhança das palavras, mas também capturam outras propriedades da linguagem. Na linguagem, as palavras podem ser combinadas para obter conceitos mais complicados. Em matemática, os números podem ser adicionados ou subtraídos para obter outros números. Poderíamos construir uma incorporação de palavras que capture relações entre palavras, como relações entre números?

Vamos olhar para quatro palavras, “Puppy”, “Dog”, “Calf” e “Cow”. Essas palavras estão claramente correlacionadas. Agora, para testar sua intuição novamente, vou localizar as palavras “Puppy”, “Dog” e “Calf” no avião, e vou pedir que você adicione a palavra “Cow”. Onde você o adicionaria, no local rotulado como A, B ou C?

Embora faça sentido localizá-lo em A, mais perto de “Besseo”, já que ambos são bovinos, ou em B, já que é um animal adulto, como “Cão”, o lugar onde eu colocaria isso é no ponto C, com coordenadas [3,4].

Por quê?

Porque o retângulo formado pelas quatro palavras captura algumas relações muito importantes entre elas.

Por exemplo, duas analogias são capturadas aqui. A analogia “Um filhote de cachorro é para um cachorro como um bezerro é para uma vaca” pode ser traduzida para “O caminho da palavra filhote para a palavra cachorro é o mesmo que o caminho da palavra bezerro para a palavra vaca”. A analogia “Um cachorro é para uma vaca como um filhote de cachorro é para um bezerro” também é capturada neste retângulo, como é mostrado na figura abaixo.

No entanto, esta nem é a ponta do iceberg. A principal propriedade das incorporações de palavras que está em vigor aqui é que os dois eixos (vertical e horizontal) representam coisas diferentes.

Se você olhar com cuidado, mover-se para a direita transforma o filhote em um cachorro e o bezerro em uma vaca, o que é um aumento na idade. Da mesma forma, mover-se para cima transforma um filhote em um bezerro e um cachorro em uma vaca, o que é um aumento no tamanho do animal. Parece que essa incorporação é entender que as palavras nela têm duas propriedades principais, ou características: idade e tamanho. A

lém disso, parece que a incorporação está localizando a idade no eixo horizontal e o tamanho no eixo vertical. Nesse caso, para onde você imaginaria que a palavra “baleia” vai? Provavelmente em algum lugar acima da palavra “vaca”. E se houvesse uma palavra para “cão realmente velho”? Essa palavra iria para algum lugar à direita da palavra “cão”.

Uma boa incorporação de palavras seria capaz de capturar não apenas a idade e o tamanho, mas também muito mais características das palavras. Como cada recurso é um novo eixo, ou coordenada, uma boa incorporação deve ter muito mais de duas coordenadas atribuídas a cada palavra. A incorporação cohere, por exemplo, tem 4096 coordenadas associadas a cada palavra.

Essas linhas de 4096 (ou quantas) coordenadas são chamadas de vetores, então muitas vezes falamos sobre o vetor correspondente a uma palavra e a cada um dos números dentro de um vetor como uma coordenada. Algumas dessas coordenadas podem representar propriedades importantes da palavra, como idade, sexo, tamanho. Alguns podem representar combinações de propriedades. Mas alguns outros podem representar propriedades obscuras que um ser humano pode não ser capaz de entender.

Mas, em tudo, uma incorporação de palavras pode ser vista como uma boa maneira de traduzir a linguagem humana (palavras) em linguagem de computador (números), para que possamos começar a treinar modelos de aprendizado de máquina com esses números.

Incorporações de frases

As incorporações de palavras parecem ser bastante úteis, mas, na realidade, a linguagem humana é muito mais complicada do que simplesmente um monte de palavras juntas. A linguagem humana tem estrutura, frases, etc. Como alguém seria capaz de representar, por exemplo, uma frase? Bem, aqui está uma ideia. Que tal as somas de pontuações de todas as palavras? Por exemplo, digamos que tenhamos uma incorporação de palavras que atribui as seguintes pontuações a essas palavras:

  • Não: [1,0,0,0]
  • I: [0,2,0,0]
  • Am: [-1,0,1,0]
  • Bom: [0,0,1,3]

Então a frase “Não, eu estou bem!” corresponde ao vetor [0,2,2,3]. No entanto, a frase “Eu não sou bom” também corresponderá ao vetor [0,2,2,3]. Isso não é uma coisa boa, já que o computador entende essas duas frases exatamente da mesma maneira, mas elas são bem diferentes, quase opostas! Portanto, precisamos de melhores incorporações que levem em conta a ordem das palavras, a semântica da linguagem e o significado real da frase.

É aqui que as incorporações de frases entram em jogo. Uma incorporação de frases é como uma incorporação de palavras, exceto que associa cada frase a um vetor cheio de números, de maneira coerente. Por coerente, quero dizer que satisfaz propriedades semelhantes à incorporação de uma palavra. Por exemplo, frases semelhantes são atribuídas a vetores semelhantes, frases diferentes são atribuídas a diferentes vetores e, o mais importante, cada uma das coordenadas do vetor identifica alguma propriedade (só clara ou obscura) da frase.

A incorporação Cohere faz exatamente isso. Usando transformadores, mecanismos de atenção e outros algoritmos de ponta, essa incorporação envia cada frase para um vetor formado por 4096 números, e essa incorporação funciona muito bem.

Como um pequeno exemplo, aqui está um mapa de calor das primeiras 10 entradas de algumas frases (escrever as 4096 entradas inteiras ocupará muito espaço, então nós a truncamos).

Observe que essas frases são todas muito semelhantes. Em particular, as três frases destacadas têm praticamente o mesmo significado. Se você olhar para os vetores correspondentes deles, eles também são muito semelhantes. Isso é exatamente o que uma incorporação deve fazer.

Como usar essas incorporações?

Agora que você aprendeu como essas incorporações são úteis, é hora de começar a brincar com elas e encontrar bons usos práticos para elas! O painel Cohere (dashboard.cohere.com) fornece uma interface muito amigável para usá-los. Aqui está um pequeno exemplo, com as seguintes frases:

  • Eu gosto do meu cachorro
  • Eu amo meu cachorro
  • Eu adoro meu cachorro
  • Olá, como você está?
  • Ei, como vai?
  • Oi, e aí?
  • Adoro assistir futebol
  • Eu gostei de assistir a copa do mundo
  • Eu gosto de assistir a jogos de futebol

Para ver os resultados da incorporação de frases, vá para a guia “Incorporar” no painel Cohere e digite as frases (clique aqui para uma demonstração de incorporação com a qual você pode jogar).

Os resultados saem como vetores com 4096 entradas para cada frase. Estes são obviamente difíceis de visualizar, mas há uma maneira de reduzi-los a 2 entradas por frase para serem facilmente visualizados. Esta visualização está no enredo abaixo.

Observe que a incorporação parecia capturar a essência das frases, e há 3 grupos claros de frases. No canto superior esquerdo, você encontra as frases que cumprimentam uma pessoa, no meio, aquelas que falam sobre o cachorro de uma pessoa e, no canto inferior direito, aquelas que falam sobre futebol. Observe que frases como “Ei, e aí” e “Olá, como você está?” não têm palavras em comum, mas o modelo pode dizer que elas têm o mesmo significado.

Incorporações de Sentenças Multilíngues

A maioria das incorporações de palavras e frases depende da linguagem em que o modelo é treinado. Se você tentasse encaixar a frase francesa “Bonjour, comment ça va?” (significando: olá, como você está?) na incorporação da seção anterior, será difícil entender que deve estar perto da frase “Olá, como você está?” em inglês. Com o objetivo de unificar muitos idiomas em um e ser capaz de entender texto em todos esses idiomas, a Cohere treinou um grande modelo multilíngue, que mostrou resultados maravilhosos com mais de 100 idiomas. Aqui está um pequeno exemplo, com as seguintes frases em inglês, francês e espanhol.

  • O urso vive na floresta
  • El oso vive en el bosque
  • L’ours vit dans la foret
  • A copa do mundo é no Qatar
  • El mundial es en Qatar
  • La coupe du monde est au Qatar
  • Uma maçã é uma fruta
  • Una manzana es una fruta
  • Une pomme est un fruit
  • El cielo es azul
  • O céu é azul
  • Le ciel est bleu

O modelo retornou a seguinte incorporação.

Observe que o modelo conseguiu identificar as frases sobre o urso, o futebol, uma maçã e o céu, mesmo que estejam em idiomas diferentes.

As incorporações de palavras e frases são o pão com manteiga dos LLMs. Eles são o bloco de construção básico da maioria dos modelos de linguagem, uma vez que traduzem a fala humana (palavras) em fala de computador (números) de uma maneira que captura muitas relações entre palavras, semântica e nuances da linguagem, em equações em relação aos números correspondentes.

As incorporações de frases podem ser estendidas a incorporações de linguagem, nas quais os números anexados a cada frase são agnósticos. Esses modelos são muito úteis para tradução e para pesquisar e entender texto em diferentes idiomas.

Amazônia, Hurb, Machine Learning, Notícias, Projetos, Sustentabilidade, Tecnologia

Hurb no World Economic Forum em Davos

O que são rastros?

Rastros, abreviação de trilhas de condensação, são nuvens em forma de linha que às vezes você vê atrás dos aviões. Eles se formam quando o vapor d’água no ar se condensa em torno de pequenas partículas de fuligem e outros poluentes emitidos pelos motores dos aviões.

Como os rastros contribuem para o aquecimento global?

Os rastros podem persistir como nuvens cirros por minutos ou horas, dependendo das condições. Normalmente, o lado da Terra que não está voltado para o sol libera calor durante a noite. À noite, nuvens naturais e rastros de companhias aéreas retêm o calor. Durante o dia, eles também refletem a luz solar e o calor que entram. Os rastos noturnos aquecem mais do que os diurnos porque não refletem a luz solar que entra e apenas retêm o calor, criando um efeito de aquecimento líquido. Um relatório recente do IPCC observou que as nuvens criadas por rastos são responsáveis ​​por cerca de 35% do impacto do aquecimento global da aviação.

 

 

Usando a IA do Google para ajudar as companhias aéreas a evitar rastros

Os aviões nem sempre fazem rastros. Os rastros só ocorrem quando os aviões voam por regiões úmidas. Se os aviões evitarem intencionalmente voar através destas regiões, poderão evitar a criação de rastos de aquecimento, com impacto mínimo no consumo de combustível.

O desafio é saber onde essas regiões irão ocorrer. Ao combinar enormes quantidades de dados meteorológicos, dados de satélite e dados de voo, a IA pode criar previsões de última geração sobre quando e onde é provável que se formem rastos. Pilotos e despachantes podem então usar essas informações para ajustar as altitudes de seus voos.

Nossa equipe desenvolveu uma abordagem para aproveitar imagens de satélite e visão computacional para detectar rastros e atribuí-los a voos associados, com base em centenas de horas de rotulagem de dezenas de milhares de imagens de satélite. A imagem abaixo mostra nossa IA detectando rastros sobre os Estados Unidos, com base em imagens de satélite.

Testando com a American Airlines e Emirates

Um grupo de pilotos da American Airlines e da Emirates realizou 70 voos de teste durante seis meses usando nossas previsões baseadas em IA para evitar rotas que criassem rastros. Após esses voos de teste, analisamos imagens de satélite e descobrimos que as previsões reduziram os rastros em 54% em comparação com quando os pilotos não usaram nossas previsões. Vimos também que os voos que evitavam os rastos queimavam 2% mais combustível, o que se traduziria em 0,3% mais combustível quando dimensionados para toda a frota de uma companhia aérea. (Isso ocorre porque nem todos os voos fazem rastros e, com as previsões da IA, apenas uma fração dos voos precisa ser ajustada.) Juntos, isso sugere que os custos para evitar rastros poderiam estar na faixa de US$ 5-25/tonelada de CO2e, o que tornaria uma das soluções climáticas mais econômicas.

O Fórum Económico Mundial é a organização internacional empenhada em melhorar a situação do mundo através da cooperação público-privada no espírito da cidadania global. Ela se envolve com líderes empresariais, políticos, acadêmicos e outros líderes da sociedade para moldar agendas globais, regionais e industriais
Embora as partes interessadas estejam cada vez mais convencidas de que o turismo sustentável é benéfico e necessário para um setor do turismo robusto e resiliente, quantificar os benefícios a longo prazo para os destinos e as empresas continua a ser um desafio fundamental. Como podem as mais recentes inovações ser aproveitadas para expandir o valor económico da aviação e do turismo e, ao mesmo tempo, atingir a meta líquida zero até 2050? Palestrantes: Rohan Ramakrishnan, João Ricardo Mendes, Sally Davey, Keith Tan, Silvia Garrigo. 
O representante do Brasil João Ricardo Mendes no painel desenvolveu a tese de usar correntes de vento a favor, falando que nào acreditava em gás Hélio para aviação.

 

Como funciona?
  1. Dados rotulados: Nossa equipe de engenheiros analisou imagens de satélite e passou centenas de horas rotulando dezenas de milhares de imagens de rastros coletadas pelo satélite geoestacionário GOES-16.
  2. Treinar um modelo de visão computacional de última geração: Usamos dados rotulados para treinar um modelo de visão computacional de última geração para detectar rastros quando eles são formados. O modelo de detecção pode identificar rastros visíveis nas imagens GOES em questão de 30 minutos.
  3. Combine grandes conjuntos de dados: combinamos nosso modelo de visão computacional com dados meteorológicos em grande escala, dados de voo e imagens de satélite para desenvolver um modelo de previsão mais preciso.
  4. Integrar insights de IA ao fluxo de trabalho dos pilotos: Fizemos uma parceria com a American Airlines para integrar previsões de zonas prováveis ​​de rastros nos tablets que seus pilotos usavam em voo, para que pudessem fazer ajustes de altitude em tempo real, assim como fazem para evitar turbulência, para evitar a criação de rastos.
  5. Analisar resultados de desempenho: Avaliamos o desempenho do modelo de previsão usando imagens de satélite, comparando o número de rastos produzidos em voos onde os pilotos usaram previsões para evitar rastos com rastos criados em voos onde os pilotos não usaram previsões de rastos. Em nossa primeira prova com a American Airlines, observamos uma redução de 54%.

No futuro, estenderemos os nossos modelos a satélites geoestacionários na Europa, África, Oceano Índico ( Meteosat Terceira Geração ), Leste Asiático e Austrália Ocidental ( Hikawari ).

 

 

 

 

 

 

 

 

 

 

 

PS: Um blog para quem ama viajar 💙

Sair da versão mobile