No ano passado, Daniel Knowles escreveu um relato sobre Kinshasa, capital da República Democrática do Congo, uma cidade de 13 milhões de habitantes. Uma de suas estatísticas me levou a uma toca de coelho: Kinshasa tem 13 voos de partida por dia.
Knowles escreve: “Kinshasa pode arder e a maior parte do mundo não percebe, porque Kinshasa está apenas ligeiramente melhor ligada à economia global do que o Pólo Norte”. A afirmação do Pólo Norte não é exatamente um exagero: Barrow, no Alasca, é o ponto mais ao norte dos EUA e abriga 5.000 pessoas – também tem cerca de 10 partidas por dia.
Há muitas maneiras de explicar a economia de uma cidade: PIB, comércio, investimento empresarial, quilómetros de estradas pavimentadas, etc. Mas estes indicadores muitas vezes parecem abstratos. O número de voos parece tangível, um sinal da globalização, riqueza, indústria e turismo de uma cidade, tudo reunido num único número.
Quando uma metrópole do tamanho de Paris tem apenas 13 voos por dia, isso desafia o meu modelo mental existente dos ingredientes necessários de uma cidade, como a indústria, o turismo ou o comércio. Ou seja, cidade grande = grande economia. Kinshasa representa uma ruptura surpreendente com os padrões históricos, rotulados pelo economista de Harvard, Edward Glaeser, como “urbanização dos países pobres”.
Para perceber porquê, vejamos as megacidades do mundo (a população é superior a 10 milhões de pessoas).
Lagos, Nigéria; Kinshasa, República Democrática do Congo; e Lahore, no Paquistão, ultrapassou recentemente os 10 milhões de habitantes, mas tem o menor número de voos por dia entre todas as megacidades.
* Ultrapassou 10 milhões de pessoas nos últimos 15 anos; as projeções populacionais são para 2018. Os dados utilizam o conjunto de dados de aglomerações urbanas da ONU . Voos: média de partidas (excluindo conexões) por dia em 2017, ICAO.
O modelo familiar é que a urbanização (isto é, as pessoas que se mudam para as cidades) acompanha o aumento dos rendimentos, tirando as pessoas da pobreza. No entanto, algumas megacidades mais recentes não estão a seguir este caminho, com rendimentos estagnados e não deixando as pessoas em melhor situação (ou mesmo em pior situação) nas cidades.
Podemos observar ambos quando examinamos o crescimento de Kinshasa versus Bangalore, na Índia, e Guangzhou, na China.
Kinshasa e Bangalore alcançaram o status de megacidades na década de 2010. Os voos de Bangalore cresceram 25 vezes; Kinshasa mal se mexeu.
Bangalore e Guangzhou representam a suposta norma: a urbanização como sinal de prosperidade económica. O crescimento industrial da China atraiu pessoas das áreas rurais para as urbanas; agora possui 6 das 25 melhores cidades do mundo. O crescimento de Bangalore foi impulsionado por um enorme setor tecnológico que exporta para o resto do mundo. Não é novidade que a rota aérea Bangalore-Delhi é a 12ª mais popular do mundo, com 81 voos entre cada cidade por dia.
Compare isto com o estatuto de megacidade de Kinshasa. Em vez de crescimento económico e salários mais elevados, as cidades estão a crescer devido a condições de vida rurais insustentáveis, às alterações climáticas e à guerra. As pessoas estão se movendo por necessidade e não por oportunidade.
O forte crescimento populacional (sem crescimento económico) significa que o planeamento urbano e os serviços urbanos (por exemplo, electricidade, acesso à água, saneamento) não conseguiram acompanhar o ritmo. A questão é se isto se tornará a norma para a urbanização do século XXI: cidades inchadas sem as infra-estruturas que poderíamos esperar de um centro populacional com 25 países.
Até 2030, existirão 11 novas megacidades; de interesse são os três com menos de 100 voos partindo por dia: Dar es Salaam, Tanzânia; Luanda, Angola; e Ahmadabad, Índia.
Projeção populacional para 2018. Os dados utilizam o conjunto de dados de aglomerações urbanas da ONU . As megacidades prováveis estão usando a projeção para 2030. Voos: média de partidas (excluindo conexões) por dia em 2017, ICAO
Até 2030, prevê-se que Dar es Salaam, na Tanzânia, cresça de 6 milhões para 10 milhões de pessoas. Luanda, Angola, crescerá de 7,7 milhões para 12,1 milhões (Angola tem a terceira maior taxa de fertilidade do mundo: 6,16 crianças nascidas/mulher) 1 . Ahmadabad, na Índia, aumentará de 7,6 milhões para 10,1 milhões de pessoas. Quando a população destas cidades mudar entre 50% e 100% nos próximos 12 anos, será que se assemelharão a Kinshasa ou seguirão um caminho mais próspero?
E também uma das cidades mais caras. Do The Economist , “Um pote de meio litro de sorvete de baunilha no supermercado custou US$ 31”
Richard Florida, cofundador do CityLab da Atlantic Media, escreveu extensivamente sobre esse assunto. Ele destaca uma parte interessante da pesquisa de Glasner que pode apontar para o destino de Luanda e Dar es Salaam. Essencialmente, a urbanização deficiente ocorreu no passado, mas foi acompanhada por um governo capaz. Cidades como Roma, Bagdad e Kaifeng, “estes lugares não tinham riqueza, mas tinham um sector público competente…As nações pobres mas urbanizadas de hoje não podem contar com essa competência pública [de governo]”.
Glasner prossegue salientando que a RD Congo (onde está localizada Kinshasa) está “entre as nações com as classificações mais baixas de competência governamental do mundo”. Nos próximos 12 anos, veremos se Angola e a Tanzânia – ambas atormentadas pela corrupção , pela disparidade de rendimentos e por um governo deficiente – conseguirão gerir o crescimento populacional (embora Angola tenha agora um novo presidente após um governo de 38 anos de José Eduardo dos Santos). ). É útil manter isto em perspectiva quando ideias sobre um melhor planeamento são lançadas como resposta à rápida urbanização.
Também vale a pena notar que estamos comparando estas novas megacidades com um padrão de vida que é frequentemente encontrado em megacidades ricas. Deveriam Paris, Tóquio e Nova Iorque ser as cidades modelo para a urbanização? Quando o The Guardian rotula as megacidades pobres como disfuncionais, superpovoadas e inabitáveis , não se trata inteiramente de um julgamento de valor; os residentes devem ter acesso a serviços básicos, como água, saneamento e educação. Ao mesmo tempo, replicar os padrões de vida da cidade de Nova Iorque em todas as megacidades significaria um desastre ecológico, com a sua enorme pegada energética e consumo de carne. Ironicamente, as cidades ricas são parte da razão pela qual estamos aqui: o consumismo inabalável contribui para as alterações climáticas, o que desempenha um papel no sentido de empurrar os residentes rurais para as megacidades emergentes.
Razões para ser cético em relação ao tráfego aeroportuário
O meu foco nos voos tem uma série de nuances, mas uma consideração é que os direitos aéreos são particularmente complicados em África. Na Europa, é muito mais fácil voar entre países devido à UE e às menos restrições do espaço aéreo. De acordo com o CityLab, “os países africanos demonstraram tendências proteccionistas para limitar o acesso de outros ao seu próprio espaço aéreo. Esses instintos começaram há uma geração, quando as nações recentemente independentes procuraram afirmar-se através da criação de companhias aéreas nacionais, e continuam até hoje.” O autor descreve como impossível um voo sem escalas entre Kinshasa e Lagos. O número de voos em África será reduzido por estas razões, mas também é uma consideração a razão pela qual o investimento estrangeiro e a globalização poderão ficar atrasados noutras megacidades.
O volume de voos é, como muitas métricas, um número imperfeito. Uma questão notável é que algumas grandes cidades compartilham aeroportos. Por exemplo, uma pessoa pode voar para Fort. Lauderdale e dirija para Miami. Ou, no caso de megacidades emergentes, a Nova Cidade de Taipei rodeia Taipei, partilhando efectivamente os seus aeroportos. Para medir os voos, os aeroportos foram agregados ao nível da cidade utilizando mapeamentos formais cidade-aeroporto. Por exemplo, a maioria dos motores de busca de voos retornará resultados para Nova York com vários aeroportos servindo a cidade, como Newark (EWR), JFK e LaGuardia (LGA).
Leitura bônus
Para os leitores preocupados com a economia, o estudo de Glasner também destaca a relação entre o PIB e a percentagem de urbanização em 1960 e 2010: “Os EUA só se tornaram um terço urbanizados em 1890, quando o Produto Interno Bruto (PIB) per capita era superior a 5.000 dólares, mas o os países em urbanização mais pobres atingiram hoje esse limiar com PIBs per capita inferiores a 1200 dólares.”
A Flórida também tem um ótimo resumo de um estudo de Remi Jedwab e Dietrich Vollrath. Eles observam que as megacidades pobres não são tão incomuns e têm ocorrido ao longo da história. O crescimento de Kinshasa é surpreendente devido ao recente século de urbanização principalmente nos países ricos.
Este artigo pretende falar a todas as megacidades, mas destaca Kinshasa como um exemplo notável. Os problemas que assolam a RD Congo também decorrem do colonialismo. Este estudo foi particularmente esclarecedor no que diz respeito à compreensão do papel de Kinshasa: “Poder-se-ia dizer que a relação mais forte [de Kinshasa] é consigo mesma, apesar da sua dependência de algumas outras províncias, em particular para o seu abastecimento alimentar. Na verdade, o capital parece estar centrado no interior, em si mesmo e nas suas próprias actividades, ou, em qualquer caso, orientado para áreas externas que não são nem congolesas nem africanas. É portanto evidente que, cinquenta anos após a sua independência, o conceito de nação – que, aliás, é um legado inconveniente num país tão vasto ‘inventado’ pelo colonialismo – ainda não conseguiu materializar-se sob a forma de uma estrutura territorial adequada .”
Um problema com a medição da economia de Kinshasa é que muitos dos empregos são informais. Um relatório do Guardian citou Somik Lall, economista do Banco Mundial, dizendo: “O que parece estar a acontecer em África é que está a desencadear apenas o comércio informal de pequena escala [em oposição ao comércio global]. As pessoas que vêm para cidades como Kinshasa não trazem benefícios económicos.” Por estas razões, o PIB de Kinshasa subestimará a sua actividade económica real. Ao mesmo tempo, se a maior parte da economia for informal, não estamos a subestimar o investimento estrangeiro ou o comércio internacional (e, como resultado, provavelmente não necessitamos de um aeroporto movimentado).
Corporações globalmente têm embarcado em testes com esta inovação tecnológica, antecipando sua capacidade de revolucionar setores tão diversos quanto comunicação, finanças, direito, serviços profissionais e até mesmo serviços públicos, incluindo o setor educacional. Esses Modelos de Linguagem de Grande Escala (LLMs) são sustentados por um marco científico denominado “modelo Transformers“, uma contribuição significativa feita por pesquisadores do Google em 2017.
“Reconhecemos a natureza pioneira do nosso trabalho com modelos transformers desde o início, mas anos após sua concepção, ainda estamos animados com seu potencial expandido em diversos domínios, que vai de cuidados de saúde a robótica e segurança, amplificando a criatividade humana e muito além”, afirma Slav Petrov, pesquisador sênior do Google envolvido no desenvolvimento de LLMs.
Os LLMs são celebrados por seu potencial em elevar a produtividade através da escrita e análise textual. No entanto, essa mesma eficiência é o que os torna uma ameaça potencial ao emprego humano. Segundo análises da Goldman Sachs, a automação poderia afetar o equivalente a 300 milhões de postos de trabalho em tempo integral nas principais economias, um vetor de desemprego em massa.
Com a rápida adoção desta tecnologia em nossas rotinas diárias, entender como os LLMs geram texto é crucial para reconhecer por que esses modelos são tão versáteis no processamento cognitivo — e o que mais eles poderiam facilitar na criação. Segue exemplo interativo;
Mas não é só isso que torna os LLMs tão inteligentes. O que desbloqueou suas habilidades de analisar e escrever com a mesma fluência que fazem hoje foi uma ferramenta chamada transformador, que acelerou e aumentou radicalmente a maneira como os computadores entendiam a linguagem.
Os transformadores processam uma sequência inteira de uma vez – seja uma frase, um parágrafo ou um artigo inteiro – analisando todas as suas partes e não apenas palavras individuais.
Isso permite que o software capture melhor o contexto e os padrões e traduza – ou gere – texto com mais precisão. Esse processamento simultâneo também torna o treinamento dos LLMs muito mais rápido, melhorando sua eficiência e capacidade de escala.
Um dos maiores e mais avançados LLMs do mundo é o GPT-4, o mais recente modelo de inteligência artificial da OpenAI que, segundo a empresa, exibe “desempenho de nível humano” em vários benchmarks acadêmicos e profissionais, como o exame da ordem dos EUA, testes de nivelamento avançados como testes de SAT.
O GPT-4 pode gerar e ingerir grandes volumes de texto: os usuários podem inserir até 25.000 palavras em inglês, o que significa que ele pode lidar com documentação financeira detalhada, obras literárias ou manuais técnicos.
O produto remodelou a indústria tecnológica, com as maiores empresas de tecnologia do mundo – incluindo Google, Meta e Microsoft, que apoiaram a OpenAI – a competir para dominar o espaço, ao lado de pequenas start-ups.
Os LLMs lançados incluem o modelo PaLM do Google, que alimenta seu chatbot Bard, o modelo Claude da Anthropic, o LLaMA da Meta e o Command da Cohere, entre outros.
Embora esses modelos já estejam sendo adotados por uma série de empresas, algumas das empresas por trás deles estão enfrentando batalhas legais em torno do uso de textos, imagens e áudio protegidos por direitos autorais extraídos da web.
A razão para isso é que os atuais LLMs são treinados na maior parte da Internet em língua inglesa – um volume de informações que os torna muito mais poderosos do que as gerações anteriores.
A partir deste enorme corpus de palavras e imagens, os modelos aprendem como reconhecer padrões e, eventualmente, prever a próxima melhor palavra.
Mas as coisas nem sempre saem conforme o planejado. Embora o texto possa parecer plausível e coerente, nem sempre é factualmente correto. LLMs não são mecanismos de busca que buscam fatos; eles são mecanismos de detecção de padrões que adivinham a próxima melhor opção em uma sequência.
Devido a esta natureza preditiva inerente, os LLMs também podem fabricar informações num processo que os investigadores chamam de “alucinação”. Eles podem gerar números, nomes, datas, citações inventados – até mesmo links da web ou artigos inteiros.
Os utilizadores de LLMs partilharam exemplos de links para artigos de notícias inexistentes no FT e na Bloomberg, referências inventadas a artigos de investigação, autores errados para livros publicados e biografias repletas de erros factuais.
Em um incidente de grande repercussão em Nova York , um advogado usou o ChatGPT para criar um resumo para um caso. Quando a defesa interrogou o relatório, descobriu que estava repleto de opiniões judiciais e citações legais inventadas. “Eu não compreendia que o ChatGPT pudesse fabricar casos”, disse mais tarde o advogado a um juiz durante sua audiência no tribunal.
Embora os pesquisadores afirmem que as alucinações nunca serão completamente apagadas, o Google, a OpenAI e outros estão trabalhando para limitá-las por meio de um processo conhecido como “aterramento”. Isso envolve a verificação cruzada dos resultados de um LLM com os resultados de pesquisa na web e o fornecimento de citações aos usuários para que eles possam verificar.
Os humanos também são usados para fornecer feedback e preencher lacunas de informação — um processo conhecido como aprendizagem por reforço por feedback humano (RLHF) — o que melhora ainda mais a qualidade do resultado. Mas ainda é um grande desafio de investigação compreender quais as questões que podem desencadear estas alucinações, bem como como podem ser previstas e reduzidas.
Apesar destas limitações, o transformador resultou numa série de aplicações de IA de ponta. Além de alimentar chatbots como Bard e ChatGPT, ele aciona o preenchimento automático em nossos teclados móveis e o reconhecimento de fala em nossos alto-falantes inteligentes.
Seu verdadeiro poder, entretanto, está além da linguagem. Seus inventores descobriram que os modelos de transformadores podiam reconhecer e prever quaisquer motivos ou padrões repetidos. Desde pixels em uma imagem, usando ferramentas como Dall-E, Midjourney e Stable Diffusion, até código de computador usando geradores como GitHub CoPilot. Poderia até prever notas na música e DNA em proteínas para ajudar a projetar moléculas de drogas.
Durante décadas, os investigadores construíram modelos especializados para resumir, traduzir, pesquisar e recuperar. O transformador unificou todas essas ações em uma única estrutura capaz de realizar uma enorme variedade de tarefas.
“Pegue este modelo simples que prevê a próxima palavra e ela. . . pode fazer qualquer coisa”, diz Aidan Gomez, executivo-chefe da start-up de IA Cohere e coautor do artigo do transformador.
Agora eles têm um tipo de modelo que é “treinado em toda a internet e o que sai do outro lado faz tudo isso e melhor do que tudo que veio antes”, afirma.
Existem pessoas especiais que infelizmente não estão na mídia, essas pessoas são especiais por um detalhe simples, amam o que fazem, dessa forma não falam na primeira pessoa, fazendo o que amam acabam mudando o mundo dia após dia.
Uma das melhores partes do meu trabalho é estudar a ponto de conhecer esses super heróis muitas vezes pessoalmente e outras por histórias.
Normalmente são a fonte do conhecimento e da sabedoria, conhecer pessoas incríveis que estão fazendo coisas incríveis.
Alguns deles são bem conhecidos, mas mais discretamente fazem o trabalho de tornar o mundo melhor sem fama ou reconhecimento.
Alguns são professores que pensam fora da caixa para preparar a próxima geração para ter sucesso na faculdade e na vida. Outros são profissionais de saúde ou especialistas em agricultura, trabalhando para levar a ciência mais avançada aos lugares mais remotos da Terra.
De um sobrevivente do Ebola na Nigéria a um nerd de dados sueco, essas são as pessoas que trabalham de verdade para melhorar vidas.
Quero apresentá-lo a apenas algumas das milhões de pessoas que fazem a diferença em nosso mundo. Embora possam ser humildes demais para se chamarem de heróis, não consigo pensar em palavra melhor para descrevê-los. Suas vidas me inspiram. Espero que eles também inspirem você.
Quem sabe conseguimos que mais pessoas se inspirem nesses verdadeiros heróis.
Marian Croak
Marian Rogers Croak é vice-presidente de engenharia do Google. Anteriormente, ela foi vice-presidente sênior de pesquisa e desenvolvimento da AT&T.
Marian detém nada menos que 200 patentes e entrou no Hall da Fama dos Inventores Nacionais por sua patente sobre a tecnologia VoIP (Voice over Internet Protocol).
Ela é uma das duas primeiras mulheres negras a receber essa honra, junto com Patricia Bath. Sua invenção permite que os usuários façam chamadas pela internet em vez de uma linha telefônica. Hoje, o uso generalizado da tecnologia VoIP é vital para trabalho remoto, conferências e também doações por celular.
Essa heroína inventou o “Voice over Internet Protocol”: a tecnologia que permitiu que forças de trabalho inteiras continuassem a se comunicar e famílias e amigos permanecessem em contato durante os lockdowns de 2020 — e indo muito além.
Trata-se de uma tecnologia salva-vidas que foi desenvolvida na década de 1990.
Croak descreve como uma época onde “muitas pessoas eram céticas — e estavam certas para aquele momento. Mas com muito trabalho e muitos testes e experimentações, você vê o que realizamos hoje.”
Trata-se de uma tecnologia salva-vidas. Croak descreve como uma época onde “muitas pessoas eram céticas — e estavam certas para aquele momento. Mas com muito trabalho e muitos testes e experimentações, você vê o que realizamos hoje.”
Ela desenvolveu essa tecnologia após o furacão Katrina e revolucionou a forma como as pessoas doam para organizações de caridade quando ocorre um desastre natural, recebeu o Prêmio de Patente Thomas Edison 2013 por esta tecnologia.
Marian se inspirou para desenvolver essa tecnologia depois de ver a AT&T desenvolver uma tecnologia que ajudou o American Idol a criar um sistema de votação que dependia de mensagens de texto em vez de chamadas de voz, em 2003.
A tecnologia que ela criou com o co-inventor Hossein Eslambolchi não foi finalizada até outubro de 2005, alguns meses após o furacão Katrina.Mas por meio dessa tecnologia após o terremoto de 2010 no Haiti, mais de US$ 43 milhões em doações foram coletadas por organizações de ajuda humanitária por meio de doações por mensagem de texto.
Em conversa no World Economic Forum, Croak falou sobre a história e viu esse momento como parte de uma trajetória de explosões de inovação que acontecem em momentos difíceis. “Existem revoluções científicas em que as pessoas têm essas incríveis mudanças de paradigma. Isso normalmente acontece em períodos de grande turbulência — onde todos estão muito motivados para algo novo e algo para aliviar o caos.”
“Na minha vida pessoal, a maior parte do que fiz que impactou outras pessoas foi sempre durante momentos de estresse e dificuldade. Acredito que podemos nos beneficiar desse momento horrível da história. Geralmente as pessoas estão focadas na chegada — mas a jornada é tão importante quanto. A única maneira de abrir as portas é sendo impressionante e trabalhando tanto, a ponto de você não conseguir ser ignorado.”
Enquanto para Croak, trata-se de ter a mentalidade certa e a confiança de saber que você pode consertar as coisas que estão quebradas.
“Você não precisa ser vítima de problemas. Você pode superar os problemas e corrigi-los. Na jornada para consertá-los, envolve fracasso. As coisas evoluem e você tem que continuar experimentando e aperfeiçoando-as.”
Ela diz que a situação atual pode parecer uma espécie de estase, mas que as coisas podem e vão mudar porque os seres humanos têm o poder de imaginar cenários diferentes.
“Os inventores são apenas humanos. Qualquer pessoa pode ter ideias inovadoras. Mas temos que compartilhar essas ideias e colaborar uns com os outros para que possam ser realizadas.”
Com modéstia característica, Croak admitiu que “deixar um caminho para os outros entrarem” é importante, mas também revelou que ela está bastante confortável em ser uma estranha.
“Muitas vezes eu senti que é realmente uma vantagem para nós não nos encaixarmos e não termos aquele lugar naquela mesa. Isso para mim geralmente é um benefício porque nos permite dar um passo atrás e realmente observar de maneira bastante objetiva onde estão as lacunas e o que é necessário para a mudança. Fazer parte do grupo estraga sua perspectiva porque há uma necessidade de confirmação, mas a invenção exige que você seja diferente.”
Mas ela admitiu: “Tudo bem ser o único — mas você não quer permanecer nessa posição — você quer que outros venham. Eu me certifico de que a geração atrás de mim também possa subir a escada. ”
“Tenho que me vender o tempo todo”, disse ela, “se você é negra e mulher, tem que provar que é competente. Avançando, há maneiras de mudar isso — garantir que pessoas como Marian sejam visíveis, tornará mais fácil para alguém como eu.”
Maravilha e ingenuidade são ferramentas poderosas. Croak argumenta que as crianças têm uma imaginação rica — que é o combustível da invenção. “Você precisa ser infantil. Um pouco ingênuo e não inibido pelo que é possível.”
Croak disse que sua motivação para 2021 era manter sua própria curiosidade infantil, esquecendo suas circunstâncias pessoais e concentrando-se nos “pontos problemáticos”.
“A coisa mais significativa que vejo que fará com que as coisas mudem — e esperamos que mudem — é o aumento da conscientização sobre as desigualdades.” Croak exortou a comunidade de tecnologia a se concentrar nesse “presente” para ver como o mundo realmente é e onde estão as lacunas. “Para lidar com essa enorme quantidade de desigualdade.”
A Dra. Marian Croak passou décadas trabalhando em tecnologia inovadora, com mais de 200 patentes em áreas como Voz sobre IP, que lançou as bases para as chamadas que todos usamos para fazer as coisas e manter contato durante a pandemia. Nos últimos seis anos, ela foi vice-presidente do Google, trabalhando em tudo, desde engenharia de confiabilidade do site até levar Wi-Fi público para as ferrovias da Índia.
Agora, ela está assumindo um novo projeto: garantir que o Google desenvolva inteligência artificial com responsabilidade e que tenha um impacto positivo. Para fazer isso, Marian criou e vai liderar um novo centro de especialização em IA responsável no Google Research.
Marian fala sobre sua nova função e sua visão de IA responsável no Google. Você pode assistir a partes de nossa conversa neste vídeo ou ler alguns pontos-chaves que ela discutiu.
“Meus estudos de pós-graduação foram em análise quantitativa e psicologia social. Fiz minha dissertação analisando os fatores sociais que influenciam o viés intergrupal, bem como o comportamento altruísta. E sempre abordei a engenharia com esse tipo de mentalidade, analisando o impacto do que estamos fazendo nos usuários em geral. […] O que eu acredito muito, muito fortemente é que qualquer tecnologia que estamos projetando deve ter um impacto positivo na sociedade.”
“Estou animado por poder galvanizar o talento brilhante que temos no Google trabalhando nisso. Temos que ter certeza de que temos as estruturas e o software e as melhores práticas projetadas pelos pesquisadores e engenheiros aplicados […] para que possamos dizer com orgulho que nossos sistemas estão se comportando de maneira responsável. A pesquisa em andamento precisa informar esse trabalho, o trabalho que estamos fazendo com a engenharia de soluções melhores, e também precisa ser compartilhado com o mundo exterior. Estou entusiasmado em apoiar equipes que fazem tanto pesquisa pura quanto pesquisa aplicada — ambas são valiosas e absolutamente necessárias para garantir que a tecnologia tenha um impacto positivo no mundo.’’
“Este campo, o campo da IA Responsável e da Ética, é novo. A maioria das instituições desenvolveu apenas princípios, e são princípios abstratos de alto nível, nos últimos cinco anos. Há muita dissensão, muito conflito em termos de tentar padronizar as definições normativas desses princípios. De quem é a definição de justiça ou segurança que vamos usar?
Há bastante conflito agora dentro do campo, e pode ser polarizador às vezes. E o que eu gostaria de fazer é que as pessoas tenham a conversa de uma maneira mais diplomática, talvez, do que estamos tendo agora, para que possamos realmente avançar nesse campo.”
“Se você olhar para o trabalho que fizemos em VoIP, isso exigiu uma grande mudança organizacional e de negócios na empresa para a qual eu trabalhava. Tivemos que reunir equipes que eram muito contenciosas — pessoas que tinham experiência no domínio da Internet e podiam se mover de maneira rápida e furiosa, junto com outras que eram muito metódicas e disciplinadas em sua abordagem. Grandes conflitos! Mas, com o tempo, tudo se resolveu, e conseguimos realmente fazer uma grande diferença em termos de escalar o VoIP de uma maneira que permitisse lidar com bilhões e bilhões de chamadas de maneira muito robusta e resiliente. Então valeu mais a pena.”
Pioneira em Voice over Internet Protocol (VoIP) e inventora da tecnologia text-to-donate, Marian Croak detém mais de 200 patentes. Agora como Vice-Presidente de Engenharia do Google, ela se concentra em engenharia de confiabilidade para melhorar o desempenho dos sistemas e serviços do Google.
“Acho que quanto mais modelos as pessoas têm, mais inspiradas elas ficam para entender que são capazes de fazer qualquer coisa”
Ao longo de sua carreira, Marian Croak trabalhou para ajudar outras pessoas a realizar seu potencial — tanto por meio de suas invenções quanto como mentora. Ela traz para cada iniciativa uma mentalidade positiva e uma determinação para encontrar novas soluções para problemas desafiadores. Como vice-presidente de engenharia do Google e inventor de mais de 200 patentes, Croak serve de modelo para outros, incentivando-os a confiar em suas próprias habilidades.
Sou Lauren Emanuel do Escritório de Patentes e Marcas Registradas dos Estados Unidos. Recentemente, conversei com Marian Croak sobre a importância da orientação, o valor que a liberdade de pensamento agrega à invenção e o impacto da Voz sobre Protocolo de Internet e da tecnologia de texto para doação. Segue aqui um pouco da nossa conversa.
Me parecia que a internet seria um substituto perfeito para o que estávamos fazendo, porque você poderia combinar tráfego de voz e dados em uma rede.
Trabalhei muitos anos na Bell Labs, com rede de voz tradicional. E gradualmente a internet começou a se tornar uma rede popular e usada por muitas pessoas para comunicar coisas como e-mail e mensagens de texto.
À medida que começou a evoluir, ficou claro para mim e algumas outras pessoas que você poderia realmente transmitir tráfego de voz por meio dele. E então, se isso fosse verdade, significaria que a maior parte do nosso tráfego de voz poderia realmente se mover para a Internet, e seria uma rede muito mais eficiente e onipresente do que aquela que tradicionalmente usamos.
Então, dediquei muito esforço para tentar garantir que o tráfego de voz que pudesse ser colocado na internet fosse confiável e tivesse uma qualidade de serviço muito forte.
Estávamos em um ponto da evolução da rede telefônica em que ela precisava ser atualizada e novas tecnologias tinham que ser inseridas nela, pois estava começando a envelhecer. Houve um ponto de inflexão e tivemos que olhar para diferentes tipos de tecnologias, e me pareceu que a internet seria um substituto perfeito para o que estávamos fazendo, porque você poderia combinar tráfego de voz e dados em uma rede.
Junto com a patente também conseguimos uma patente para “debitar dinamicamente um valor de doação”, ou tecnologia de texto para doar”
Eu costumava passar muito tempo cuidando da rede telefônica durante um programa de TV muito popular, onde as pessoas podiam votar em diferentes apresentações. Chamava-se American Idol, e as pessoas podiam ligar para um número 800 e votar em seu artista favorito. E nossas redes frequentemente ficavam muito sobrecarregadas, e teríamos que transferir o tráfego de um ponto para outro, e uma das soluções que tínhamos era realmente começar a usar mensagens de texto, ou SMS, para capturar a votação para que as redes… as redes telefônicas — não ficariam sobrecarregadas.
Acho que a maioria de nós se lembra da terrível, terrível tragédia que aconteceu em Nova Orleans e nas comunidades vizinhas durante o furacão. E foi muito, muito triste ver o que estava acontecendo, e muitas, muitas pessoas queriam ajudar o mais rápido possível. E foi durante esse evento que pensei na possibilidade de poder enviar uma doação por mensagem para uma organização como a Cruz Vermelha ou outras organizações sem fins lucrativos que pudesse ser imediatamente transferida para as pessoas que realmente precisavam da ajuda.
Em 11 de maio de 2010, Marian Croak recebeu a Patente dos EUA nº 7.715.368 para um método e aparelho para debitar dinamicamente um valor de doação, que também é conhecido como tecnologia text-to-donate. O desenho acima é a figura 1 da patente.
Muitas de suas invenções estão relacionadas de Marian a ajudar as pessoas a se conectarem e usarem a tecnologia para resolver problemas. Ajudar as pessoas é uma força motriz para ela.
“Quando eu estava na pós-graduação, fiz muitas pesquisas sobre comportamento altruísta e o que ajuda as pessoas a aumentar sua propensão a ajudar pessoas necessitadas. Acho que cresci na cidade de Nova York, e sempre via pessoas que precisavam de ajuda e quantas vezes passávamos por lá e não ajudamos. E eu queria entender como aumentar o comportamento de ajuda. E acho que fui assim a vida toda”.
Marian Croak diz que seu pai foi um de seus maiores defensores e primeiras fontes de inspiração. Aqui, Marian (à esquerda) e sua irmã, Susan (à direita), posam com o pai por volta de 1962. Imagem cortesia de Marian Croak.
Foi questionada em como encorajamos e apoiamos mais mulheres e estudantes negros de qualquer gênero a explorar a tecnologia, se tornarem inventores e criarem patentes
“Acho que quanto mais modelos as pessoas têm, mais inspiradas elas ficam para entender que são capazes de fazer qualquer coisa. Acho que o trabalho que o Escritório de Patentes está fazendo em termos de tornar as coisas mais populares — como inventores — mais populares para estudantes mais jovens, para que eles possam entender que são apenas as pessoas que estão fazendo essas invenções e como é importante para eles avançar o mundo criando coisas novas e entendendo os problemas existentes que podem ser resolvidos por soluções que eles possam encontrar”
“Quem você mais admirava enquanto crescia?”
Eu admirava meu pai. Ele não teve uma educação formal além do ensino fundamental, e ainda assim ele era muito bem sucedido e extremamente inteligente, e ele era um grande leitor, e ele sempre me inspirou a trabalhar muito duro, você sabe, a pensar sobre as coisas de uma maneira criativa . Ele me deu muita liberdade de pensamento e, você sabe, ele estava defendendo fortemente minha educação e minhas conquistas. E ele era apenas uma pessoa que tinha muito orgulho de mim. Então, me ajudou muito a continuar quando as coisas ficaram difíceis, tê-lo ao meu lado.
Sempre me interessei em saber como as coisas funcionavam e como consertá-las quando estavam quebradas. E continuo a manter esse interesse e motivação. Toda a minha profissão tem foco em procurar algo que precisa mudar ou ser consertado e tentar fazer isso.
Wu me lembro de ser criança e minha mãe, ela trabalhava em casa como dona de casa e, frequentemente, quando as coisas quebravam, ela ligava para meu pai, e então meu pai ligava para um eletricista ou encanador, e Eu os seguia pela nossa casa. E eu estava realmente interessado em como eles consertariam as coisas que estavam quebradas.
E pensei que ia ser um deles porque queria que minha mãe me ligasse quando algo quebrasse. Então, fiquei muito interessado em como as coisas funcionavam e como consertá-las quando estavam quebradas. E continuo a manter esse interesse e motivação. Toda a minha profissão tem procurado algo que precisa mudar ou ser consertado e tentar fazer isso.
Frequentei escolas católicas quando criança e depois fui para uma escola pública na cidade de Nova York. É uma escola que na verdade foi fechada agora, mas foi, foi uma experiência incrível. Estava cheio de professores que realmente sabiam como capturar sua imaginação e inspirá-lo a fazer grandes coisas. Lembro-me de ter uma professora de química. Eu tive, você sabe, professores de matemática que tornaram as coisas tão interessantes e tão práticas que eu realmente me apaixonei por aprender com essa experiência.
Marian Croak falando no evento “Google for India” em dezembro de 2015.
Ao longo da sua carreira, houve um momento específico em que você sentiu que falhou ou quis desistir? Como você continuou a seguir em frente?
“Sim, há muitas vezes em que me sinto assim, na verdade, e não é como se demorassem dias ou semanas, mas quando você está tentando fazer coisas novas e está tentando mudar as coisas. , você vai falhar muito porque é quase como aprender a andar. Você vai cair muito. Não sei se você chamaria isso de falha, mas parece assim.
Uma vez que você é adulto, não entende muito bem isso. Você precisa praticar alguma coisa e experimentar algo antes que aquilo realmente se torne poderoso o suficiente para realmente se usar. A melhor coisa a se fazer às vezes é apenas dar uma pausa”
Sempre dei pausas. Fui corredora por um longo tempo, e agora sou uma andarilha, então apenas deixo as coisas acontecerem. Uma vez de volta, tudo vai parecer muito melhor. E é a passagem do tempo, sabe. No dia seguinte, as coisas sempre parecem um pouco mais brilhantes e você pode seguir em frente. Sempre gostei de trabalhar em equipe, então acho que se você colaborar com as pessoas, sabe, às vezes você se sentirá desanimado e para baixo, mas seu parceiro não, ou algum colega de equipe poderá ver uma solução melhor ou um caminho diferente. Isso ajuda muito também. Raramente trabalho sozinha.
“Internamente meus pensamentos às vezes são muito mais importantes do que o que está acontecendo no ambiente externo que poderia me proibir ou desencorajar desses pensamentos”
Você é mentora de outras pessoas?
Sim. Eu, eu passo muito tempo fazendo mentoria com pessoas, especialmente porque avancei em minha carreira. Acho que é uma das coisas mais importantes que faço. Principalmente para quem está apenas começando — quando parece tão assustador e posso ajudá-los a questionar, como você poderia fazer isso? As pessoas questionam sua própria confiança — suas próprias habilidades — porque simplesmente não têm confiança. E eu sinto que é importante para mim ajudá-los a entender o quanto eles são capazes de fazer. Pode ser uma jornada difícil, mas vale muito a pena.
Que conselho você dá para estudantes e jovens que aspiram trabalhar em tecnologia e inventar?
Acho que o mais importante é tentar encontrar diferentes áreas nas quais você esteja mais interessado, porque você precisará se inspirar para continuar quando as coisas estiverem difíceis. E tem que ser algo que você esteja intrinsecamente motivado para trabalhar.
Você pode querer encontrar uma solução para epidemias ou injustiça social. Há toda uma gama de coisas que você pode aplicar a tecnologia para ajudar, é importante encontrar a área em que você está mais inspirado para continuar. Mesmo em dias difíceis ou momentos difíceis ou com pessoas desencorajadoras em sua vida, que você sabe que, de forma única, quer resolver esse problema, ou quer contribuir para a solução de um problema.
Acho que é fácil inspirar as pessoas a pensarem em se tornar mais criativas e em resolver problemas. Acho que o que acontece é que eles não entendem como aplicar isso a um processo de patenteamento e as etapas envolvidas.
O máximo de educação que pudermos fornecer e também as ferramentas para ajudar as pessoas a registrar patentes de maneira mais fácil e fazê-las entender o que precisam fazer para que algo seja patenteável. Eu acho que seria ótimo.
Você sabe, tantas pessoas que você nunca esperaria ter essas ideias tremendas, mas elas não sabem como, você sabe, realmente usar os sistemas de patentes e como fazer isso. Então, acho que qualquer educação que possa ser fornecida nesse sentido seria extremamente útil para as pessoas.
O que te inspira?
O que mais me inspira são os problemas. Algo que parece muito difícil, mas perceber que tudo bem e que há muitas pessoas com quem você pode colaborar para mudar os problemas realmente difíceis.
Os problemas realmente difíceis são os que são mais prováveis para as pessoas se afastarem., Portanto, eles são os que provavelmente precisam de mais atenção. Eu diria que, sou inspirada por algo que é difícil, desafiador e difícil e parece impossível. Isso me inspira a realmente focar nessas coisas.
Marian Croak é homenageada no State of Black Women Summit, um evento interno para Googlers, em novembro de 2019.
Se pudermos permitir que os jovens e a sociedade tenham o máximo de liberdade de pensamento possível e compreendam todos os diferentes tipos de perspectivas e disciplinas, acredito que isso realmente incentivaria a invenção.
Você já teve um momento “Eureka”?
Ah, muitas, muitas, muitas vezes. E é engraçado porque muitos desses momentos Eureka — eles desaparecem, você sabe, depois de pensar um pouco mais. Mas sim, muitas vezes tenho momentos de eureca em que estou tentando resolver um problema difícil ou pensando em como você faz algo melhor do que está sendo feito agora. E eu, eu vou pensar: “Oh, isso, isso pode funcionar.” Você sabe, e às vezes isso acontece. Às vezes dá frutos, outras vezes não, mas eu gosto desses momentos.
Qual foi o seu momento Eureka mais memorável?
Espero não ter tido um ainda. Quer dizer, eu acho que na vida, você sabe, você pensa: “Oh, essa foi a melhor coisa que já aconteceu comigo”, e então você vive um pouco mais, e então algo, você sabe, supera isso. E então eu espero que isso continue acontecendo.
Que tipo de ambiente devemos criar para ajudar a invenção a prosperar?
As pessoas precisam de muita liberdade em termos de seus processos de pensamento, e precisam ter muitas disciplinas diferentes para influenciar a maneira como pensam. Dizer às pessoas que elas estão erradas ou focar em seu desempenho, você sabe — você é bom ou ruim, você vai ser avaliado de uma certa maneira — às vezes pode ser bastante sufocante para a invenção, onde você precisa de energia criativa para basta explorar várias opções e um caminho alternativo.
Se pudermos permitir que os jovens e a sociedade tenham o máximo de liberdade de pensamento possível e compreendam todos os diferentes tipos de perspectivas e disciplinas, acho que isso realmente incentiva a invenção. Além disso, apenas a crença de que as coisas precisam mudar, que estamos, você sabe, que tudo o que precisa ser inventado — a maioria das coisas que precisam ser inventadas — ainda não foi inventada, e que vamos olhar para trás nesse período de tempo e pensar:
“Ah, como foi primitivo fazermos assim”, e só para perceber, você sabe, as possibilidades que existem para o futuro eu acho que é tão importante.
Da direita para a esquerda: Marian Croak se junta aos colegas do Google Valeisha Butterfield Jones, Justin Steele, Nilka Thomas, Simone Davis e Daisy Auger-Dominguez no Culture Shift Awards Brunch em 16 de março de 2016, em Menlo Park, Califórnia.
Olhando para o impacto de suas invenções, do que você mais se orgulha?
Especialmente durante a pandemia, acho que as pessoas apreciaram a tecnologia Voice over IP.
Então eu acho, você sabe, isso é interessante observar a facilidade com que as pessoas conseguem continuar se comunicando, mesmo que não possam estar fisicamente próximas umas das outras.
O texto para doar acaba de ganhar vida própria. Você sabe, houve muitos, muitos aprimoramentos, e, e é, é bem usado. Houve tantas extensões disso, você sabe. Às vezes, quando você vai fazer uma compra, ela aparece na internet agora. E acho que isso é ótimo, como na web, você poderá doar com muita facilidade. E eu, acho que isso ajuda a todos nós.
Ajuda o mundo a se tornar um lugar melhor com tecnologias que permitem que as pessoas façam rapidamente algo que ajude os outros.
Você também conseguiu ser notavelmente bem-sucedida em um campo tradicionalmente dominado por homens.
Como você faz isso?
Eu me envolvo tanto no que estou fazendo que o fato de alguém ser homem ou suas características físicas desaparecem um pouco para mim, e estou apenas olhando, essa é outra pessoa interessada no que estou interessada e estamos trabalhando juntos nisso.
Meus pensamentos às vezes são muito mais importantes do que o que está acontecendo no ambiente externo que poderia me proibir ou me desencorajar desses pensamentos. É como eu quero colocar esses pensamentos em prática, e, podem haver muitas, muitas pessoas no mundo que preferem que eu não faça isso, mas é como se isso é que estivesse me levando. É o desejo de fazê-lo. E há muitas pessoas que querem ajudar e incentivar isso, então eu me concentro nessas pessoas e confio nelas.
Marian Croak fala no Wireless Global Congress 2016 em San Jose, Califórnia. Imagem cortesia da Wireless Broadband Alliance (WBA).
Você já fez referência ao Stockdale Paradox, que Stockdale descreveu:: “Você nunca deve confundir a fé de que vai prevalecer no final — o que você nunca pode perder — com a disciplina para enfrentar os fatos mais brutais de sua realidade atual, sejam eles quais forem.” Como esse paradoxo foi aplicável à sua jornada?
Bem, eu acho que o que é muito importante é permanecer realista sobre as coisas e ver o pior caso que pode acontecer, mas também estar disposto a perceber que isso ainda não aconteceu, e há uma saída para isso. Há uma maneira de sair disso.
Podemos chegar a um lugar melhor com tecnologia ou alguma solução para os problemas, mas você tem que ser capaz de enfrentar o problema e lidar com a realidade, a intensidade do problema. E só a partir daí que pode realmente resolvê-lo. Então, acredito que é extremamente importante permanecer realista. Olhe para os piores casos que podem acontecer, não negue a realidade, não apenas espere que as coisas melhorem, mas realmente veja o quão ruim elas podem se tornar.
E então, a partir desse ponto, eu acho, você sabe, você pode se inspirar para fazer algo melhor e entender o que você tem que fazer.
Marian, cada parágrafo da sua história me inspira, parabéns por fazer a diferença.
João Ricardo Mendes
P.S : Kevin Feige food for thought. Marian would be a great Marvel Super Hero, I really mean it.
A mais nova tinta branca da Purdue University e a parceria com a Loon Factory para revolucionar o bem estar em locais de pobreza extrema.
Em meio à luta incessante contra o aquecimento global, um avanço da engenharia surge como um feixe de luz refletido no teto das nossas esperanças. Engenheiros da Purdue University, conscientes do imperativo urgente de encontrar soluções sustentáveis para o resfriamento urbano, desenvolveram a tinta mais branca já registrada. Esta inovação promete uma revolução na maneira como lidamos com o calor nas áreas urbanas, potencialmente reduzindo drasticamente a necessidade de sistemas de ar condicionado.
Desenvolvimento:
A pesquisa realizada pela equipe da Purdue University revelou uma tinta de um branco tão puro que ultrapassa tudo o que conhecíamos sobre pigmentos e sua funcionalidade. A nova formulação não apenas reflete uma quantidade extraordinária de luz solar, mas também resfria as superfícies a temperaturas inferiores às do ambiente circundante. A aplicação dessa tinta em um telhado de 1.000 pés quadrados poderia traduzir-se em um efeito de resfriamento de 10 quilowatts, equivalente ao desempenho de aparelhos de ar condicionado centrais que atendem às residências típicas.
Mais do que um fenômeno de laboratório, este desenvolvimento está prestes a ser testado na prática. João Ricardo Mendes, fundador do Hurb e entusiasta de inovações sustentáveis, anunciou uma colaboração pioneira com a Purdue University. Através da Loon Factory, a incubadora de P&D do empresário, o Projeto Santorini será lançado no início de 2024 para transformar o Morro do Vidigal no Rio de Janeiro.
Projeto Santorini: Uma Odisseia Urbana e Sustentável
Nomeado em homenagem à famosa ilha grega conhecida por suas casas caiadas de branco refletindo a luz do sol, o Projeto Santorini tem como objetivo revestir as residências do Morro do Vidigal com a inovadora tinta branca. Esta iniciativa tem o potencial de não só melhorar o conforto térmico dos moradores mas também contribuir para a diminuição do consumo de energia e dos custos associados ao ar condicionado.
Impacto Social e Ambiental:
A escolha do Morro do Vidigal como local para esta iniciativa não é apenas uma questão de aplicação tecnológica, mas também uma abordagem humanística. “O calor não só desconforta mas pode exacerbar problemas sociais como a ansiedade e a violência”, afirma Ruan. Ao oferecer um ambiente mais fresco e confortável, espera-se que o Projeto Santorini possa trazer benefícios tangíveis para o bem-estar da comunidade.
Conclusão:
Com o compromisso de Mendes e o brilhantismo da equipe de Purdue, o Projeto Santorini destaca-se como um exemplo de como a ciência de ponta pode encontrar lugar no dia a dia das cidades, respondendo a necessidades básicas com soluções criativas e eficientes. Enquanto o mundo observa, o Morro do Vidigal prepara-se para se tornar um modelo de inovação e sustentabilidade, um testemunho da possibilidade de harmonizar avanços tecnológicos com respeito ao ambiente e melhoria da qualidade de vida.
Chamada para Ação:
Este é apenas o começo. Iniciativas como o Projeto Santorini podem servir de inspiração para outras comunidades ao redor do mundo. É um chamado para que inovadores, pesquisadores, empresários e governos unam forças para implementar soluções que possam combater o aquecimento global de forma prática e acessível, promovendo a sustentabilidade ambiental e o progresso social. A parceria entre a Purdue University e o Hurb através de João Ricardo Mendes demonstra que, quando a ciência e a paixão se aliam, o céu é literalmente o limite.
Engenheiros da Purdue Criam Tinta Mais Branca para Combater Aquecimento Global
Em um esforço revolucionário para conter as crescentes temperaturas globais, engenheiros da Purdue University fizeram um avanço na ciência dos materiais ao desenvolver a tinta mais branca já registrada. Esta inovação não é apenas um feito científico, mas também uma solução potencialmente transformadora no combate ao aquecimento urbano e ao uso excessivo de ar condicionado.
A Ciência por Trás da Tinta Ultra-Refletiva
A equipe de Purdue, liderada pelo professor Xiulin Ruan, não se contentou com os avanços do passado. Em outubro, eles já haviam surpreendido o mundo com uma tinta incrivelmente branca, e agora, aprimoram-na ainda mais. A última formulação reflete até 98,1% da luz solar e emite calor infravermelho, o que significa que as superfícies pintadas dissipam mais calor do que absorvem.
Ruan destaca a potência de resfriamento desta tinta, que é impressionantemente mais eficaz do que muitos sistemas de ar condicionado residenciais. Ele ilustra que a aplicação da tinta em uma área de 1.000 pés quadrados poderia resultar em um poder de resfriamento de 10 quilowatts — um feito notável para algo tão simples quanto uma camada de tinta.
Efeitos Nocturnos e Diurnos da Tinta
Além do seu albedo sem precedentes, a capacidade da tinta de resfriar as superfícies durante a noite e sob a luz direta do sol é igualmente notável. Medições rigorosas mostraram que as superfícies pintadas com a tinta ficaram 19 graus Fahrenheit mais frias do que o seu ambiente durante a noite e 8 graus Fahrenheit mais frias durante o pico solar do meio-dia.
Projeto Santorini: Um Caso de Estudo em Escala Real
Em uma fusão entusiasmante de ciência e sustentabilidade social, João Ricardo Mendes, fundador do Hurb, revelou uma colaboração notável com a Purdue University. Através da Loon Factory, a ala de pesquisa e desenvolvimento que reflete a paixão e visão de Mendes, um projeto chamado “Projeto Santorini” foi anunciado.
Este projeto ambicioso pretende aplicar a inovadora tinta nos telhados das casas do Morro do Vidigal, com a expectativa de que a temperatura mais baixa possa contribuir para o bem-estar dos moradores. Mendes reconhece o impacto do calor nas condições de vida, citando a relação entre temperaturas mais altas, ansiedade e violência.
Impacto Potencial e Próximos Passos
Com a iniciativa programada para começar no início de 2024, o Projeto Santorini não apenas testará a eficácia da tinta em grande escala, mas também se tornará um modelo para futuras intervenções urbanas centradas no clima. Os benefícios de tal iniciativa podem ultrapassar o mero conforto térmico, oferecendo reduções significativas no consumo de energia, nas emissões de carbono e nos custos de vida para os moradores.
A Purdue University e o Hurb estão, portanto, na vanguarda de uma iniciativa que pode redefinir a arquitetura urbana e o design sustentável. A tinta mais branca de Purdue não é apenas um avanço científico; é uma promessa de um futuro mais fresco e sustentável. À medida que o mundo busca soluções para a crise climática, essa tinta representa um raio de esperança — um reflexo literal e figurativo de inovação e possibilidade.
Google anunciou que está trabalhando para melhorar o transito e emissões de CO2 no Rio de Janeiro, o nome do projeto é Green Light otimiza semáforos para reduzir emissões veiculares nas cidades, ajudando a mitigar as mudanças climáticas e melhorando a mobilidade urbana a escolha da cidade foi fortalecida pela iniciativa do Hurb Labs de projetar Barcos Autônomos Tripulados com o objetivo de melhorar o tempo de trânsito do carioca e o investimento do Hurb Labs na Squair.io, líder em otimização de energia em prédios urbanos.
O transporte rodoviário é responsável por uma quantidade significativa de emissões globais e urbanas de gases de efeito estufa. É especialmente problemático nos cruzamentos das cidades, onde a poluição pode ser 29 vezes maior do que nas estradas abertas. Nos cruzamentos, metade destas emissões provém da aceleração do tráfego depois de parar. Embora uma certa quantidade de tráfego pára-e-arranque seja inevitável, parte dele pode ser evitada através da otimização das configurações de tempo dos semáforos. Para melhorar o tempo dos semáforos, as cidades precisam instalar hardware caro ou realizar contagens manuais de veículos; ambas as soluções são caras e não fornecem todas as informações necessárias.
A Green Light usa IA e tendências de condução do Google Maps, com um dos mais fortes conhecimentos de redes rodoviárias globais, para modelar padrões de tráfego e criar recomendações inteligentes para engenheiros de tráfego urbano para otimizar o fluxo de tráfego. Os primeiros números indicam um potencial de redução de até 30% nas paradas e de 10% nas emissões de gases de efeito estufa (1). Ao otimizar cada cruzamento e coordenar os cruzamentos adjacentes, podemos criar ondas de sinais verdes e ajudar as cidades a reduzir ainda mais o tráfego pára-arranca. A Luz Verde está agora ativa em 70 cruzamentos em 12 cidades, 4 continentes, de Haifa, em Israel, a Bangalore, na Índia, a Hamburgo, na Alemanha – e nestes cruzamentos conseguimos poupar combustível e reduzir as emissões para até 30 milhões de viagens de carro por mês.
Green Light reflete o compromisso do Google Research em usar IA para enfrentar as mudanças climáticas e melhorar milhões de vidas em cidades ao redor do mundo.
Como funciona
1. Compreender a intersecção
Com base no nosso esforço de décadas para mapear cidades em todo o mundo, podemos inferir os parâmetros dos semáforos existentes, incluindo: duração do ciclo, tempo de transição, divisão verde (ou seja, tempo e ordem do direito de passagem), coordenação e operação do sensor (atuação). .
2. Medindo tendências de tráfego
Criamos um modelo para entender como o tráfego flui através do cruzamento. Isso nos ajuda a compreender os padrões típicos de tráfego, incluindo padrões de partida e parada, tempos médios de espera em um semáforo, coordenação entre cruzamentos adjacentes (ou falta dela) e como os planos de semáforos mudam ao longo do dia.
3. Desenvolver recomendações para a cidade
Usando IA, identificamos possíveis ajustes no tempo dos semáforos. Compartilhamos esses ajustes como recomendações práticas com a cidade. Os engenheiros de trânsito da cidade analisam as recomendações, aprovam-nas e podem implementá-las facilmente em apenas 5 minutos, utilizando as políticas e ferramentas existentes na cidade.
4. Analisando o impacto
Medimos quantas paradas economizamos para os motoristas e seu impacto nos padrões de trânsito. Em seguida, utilizamos modelos padrão da indústria para calcular o impacto climático destas mudanças. Compartilhamos isso com a cidade parceira e continuamos monitorando quaisquer mudanças futuras necessárias.
Interface de recomendação amigável para cidades parceiras
O painel Green Light fornece recomendações práticas específicas da cidade, mostrando tendências de apoio para cada recomendação, com a opção de aceitar ou rejeitar a sugestão. Após a implementação de uma recomendação, o painel mostra um relatório de análise de impacto.
Por que trazer Luz Verde para sua cidade?
Uma maneira simples e de alto impacto para as cidades se tornarem verdes
Não é necessária compra, instalação ou manutenção de hardware adicional
Cobertura automática, monitoramento e otimização de cruzamentos
Fonte confiável da verdade (com base nas tendências de direção do Google Maps)
Recomendações práticas claras e relatórios de impacto
Como o Hurb usa Machine Learning para escolher as melhores opções de voo para os clientes
Conheça como o Hurb utiliza a tecnologia para melhorar os processos e a experiência do cliente por meio de um projeto de machine learning de ponta a ponta.
Atualmente o principal produto que comercializamos são os pacotes mês fixo , que são compostos por dois elementos principais: a hospedagem e a passagem aérea até o destino. Oferecemos ótimas ofertas aos nossos clientes, vendendo pacotes para viagens com seis ou mais meses de antecedência.
Dentro deste intervalo de tempo, entre a compra e a data da viagem, nosso algoritmo desenvolvido in house faz 250 milhões de buscas por dia efetuando a reserva nos micro-segundos onde os preços se encontram na mínima (há uma grande volatilidade nos preços) conseguimos encontrar o melhor momento para adquirir as passagens e hospedagem, negociando com companhias aéreas e hotéis, bem como utilizando a tecnologia para explorar as oscilações de preços de mercado. Abaixo segue um exemplo de pacote onde o cliente pode viajar em 2024, exceto feriados e períodos de alta temporada. Como no exemplo abaixo onde na data de 19/03/2023 a passagem Rio-Cancun teve o preço mínimo de R$1.343,31 e o preço médio do dia R$3.246,12
Embora as datas dos pacotes sejam flexíveis, o cliente ainda tem algum controle sobre quando irá viajar. Enviamos um formulário solicitando três sugestões de datas em que desejam viajar e tentaremos alocá-las dentro dessas datas ou o mais próximo possível dessas datas (desde que encontremos boas ofertas nessas datas). Encontrar a melhor passagem aérea para o cliente é um desafio, precisamos considerar vários fatores, como: as preferências dos clientes (viajar de manhã ou à noite, disponibilidade de espera por longas conexões), garantir que o preço das passagens aéreas se ajuste nosso orçamento e também as próprias restrições do destino. Por exemplo, Morro do São Paulo é um destino em uma ilha, então o cliente precisa chegar a tempo de pegar o barco até a ilha antes do anoitecer.
Assim que encontrarmos uma passagem aérea adequada para o cliente, nós a enviaremos para que ele aceite ou recuse. Caso eles recusem, temos que encontrar outra opção de passagem aérea para eles e reenviar até que aceitem, o que gera muito retrabalho, custos e também seria prejudicial à experiência do cliente. Quando o cliente rejeita mais de 3 opções, o Hurb negocia outras datas dentro da validade do pacote ou solicita ao cliente o cancelamento do pedido. Além disso, até o desenvolvimento do modelo, os critérios sobre o que é uma passagem aérea adequada eram subjetivos e dependiam do especialista em viagens.
Regulamento do pacote do Hurb.
Para aumentar nossa eficiência e reduzir esse retrabalho, desenvolvemos uma solução de aprendizado de máquina que nos dá a probabilidade de um cliente aceitar uma determinada opção de voo com base nos clientes e nas informações do voo.
Solução
Conforme mencionado acima, o objetivo era minimizar o retrabalho e maximizar a satisfação do cliente, aumentando a taxa de aceitação de voos através de uma solução que nos dá a probabilidade de um cliente aceitar uma opção de voo para que possamos tomar melhores decisões e reduzir a incerteza.
O primeiro passo foi alinhar expectativas e entender o problema do negócio, resolvendo questões como:
Como o modelo seria usado e implementado?
Existe alguma restrição que precisamos considerar, como latência?
Quais são as possíveis entradas do modelo?
Como o modelo deve ser entregue? Como uma API?
Como o modelo será avaliado? Temos uma linha de base?
O que seria um MVP?
Então começamos a explorar os dados disponíveis. Já tínhamos anos de dados de opções de voos anteriores enviados manualmente aos clientes e seu resultado (aceito ou recusado). Portanto, tínhamos um problema de classificação em mãos!
Começámos por avaliar os dados através de uma análise exploratória de dados, que incluiu:
Compreender outliers para encontrar a melhor estratégia para lidar com eles;
Compreender a distribuição dos dados numéricos;
Compreender proporções das variáveis categóricas e sua cardinalidade;
Compreender as correlações entre as variáveis;
Que possível viés os dados poderiam ter?
Encontrar a linha de base humana histórica para o problema.
Os dados históricos que tínhamos já eram conhecidos por terem um viés. Tivemos apenas as opções enviadas ao cliente, que já tinha filtros de especialistas em viagens aplicados. Não era o ideal, o melhor seria ter todas as opções possíveis mostradas ao especialista em viagens e alguma bandeira para identificar qual escolheu enviar, para que pudéssemos entender o padrão por trás da seleção de opções da operadora. Foi declarado como possível melhoria futura, é muito importante documentá-lo.
A engenharia de recursos também foi necessária para obter os recursos necessários, como obter conexão e tempo de viagem, extrair partes de data, extrair timedeltas e muito mais.
Em seguida utilizamos PCA (Análise de Componentes Principais) para entender se as características escolhidas se comportam de forma linear e tentamos separar visualmente as classes. Foi surpreendente encontrarmos um sinal positivo em relação à sua linearidade e podermos visualizar as classes, o que também significou que estávamos no caminho certo para resolver o problema.
A fase de experimentação também testou essa hipótese, na qual testamos diversos algoritmos diferentes, como Regressão Logística, Catboost e Redes Neurais. Tudo hiperajustado usando a estratégia de busca bayesiana.
Conforme constatado na fase exploratória de análise de dados, também estávamos lidando com conjuntos de dados desequilibrados. Portanto, também testamos o uso de estratégias de subamostragem e sobre amostragem, bem como o balanceamento das classes usando pesos.
Além disso, experimentamos diferentes seleções e engenharia de recursos, como o uso de transformação sen/cos em recursos cíclicos ou bucketização e tratamento como categórico. Além disso, experimentamos diferentes transformações categóricas, como um codificador quente e um codificador médio e muito mais.
MLFlow foi usado para rastrear todos os experimentos, salvando parâmetros, hiperparâmetros, métricas, conjuntos de dados, recursos, gráficos e muito mais. Isso foi essencial, pois experimentamos muitas configurações diferentes e precisávamos recuperar esses dados posteriormente para comparar os experimentos.
O projeto visa minimizar o retrabalho. Supondo que se o modelo prevê que o cliente irá rejeitar a opção, não enviaremos, então a única situação em que teríamos que retrabalhar seria o modelo prevendo que o cliente aceitaria, mas acabou rejeitando. Pensando nisso, podemos relacioná-lo com a precisão, onde o rótulo positivo seria a opção aceita. Podemos então assumir que a precisão seria a nossa taxa de aceitação de voos, que é uma métrica de negócio já conhecida e representa o que queremos maximizar. Agora podemos comparar e avaliar nossos experimentos.
Matriz de possíveis resultados de previsão. Imagem do autor.
Alcançamos ótimos resultados com os experimentos. Comparamos a precisão entre eles e também analisamos a distribuição do preço das passagens aéreas daquelas que o modelo previa como recusadas, mas foram aceitas. Isso foi feito para entender a oportunidade perdida, por isso escolhemos o modelo que tinha a melhor precisão sem muitas oportunidades perdidas.
Por fim, para testar o modelo, fizemos um shadow implantation de 3 meses, através do qual observamos um desempenho inferior do modelo comparado ao desempenho do teste durante a fase de treinamento. Era esperado, mas para entender melhor esse comportamento, também verificamos o desvio de dados usando o teste exato de Fisher, o teste de Kolmogorov-Smirnov e algumas abordagens de desvio de dados adversários. Identificamos muitos desvios de dados, que incluíram:
Novos destinos, que ainda não operamos;
Alteração na distribuição dos dados devido à alteração na proporção de destinos nacionais e internacionais;
Operamos clientes que viajarão com alguns meses de antecedência. Portanto, será sempre um subconjunto do treinamento utilizado para avaliar o modelo em produção.
Verificamos com a equipe de operações alguns desvios de dados e percebemos que funcionavam de forma diferente ao longo da semana, algumas semanas eram focadas na emissão, outras nas opções de envio. Portanto, o desvio de dados também dependia de como a equipe estava operando e poderia ser dinâmico.
Portanto, concluímos que a cada mês ainda teríamos algum desvio para lidar. Porém, como vimos, mesmo com o desvio de dados, o modelo ainda era bom o suficiente, acima do limite de produção. Além disso, após reportarmos os resultados aos stakeholders, eles concordaram conosco e aprovaram o modelo.
Implementação
Desenvolvemos a API utilizando o pacote BentoML, que abstrai e empacota o modelo. Em seguida, construímos e implantamos a imagem docker BentoML no Vertex AI. Posteriormente, implementamos e implantamos o modelo em um endpoint usando Vertex AI também.
BentoML é ótimo para abstrair e acelerar o desenvolvimento de APIs. Vertex AI é uma ferramenta excelente e intuitiva para dimensionar e implantar o modelo, os modelos também são versionados dentro do Vertex AI e também podemos testar modelos A/B, o que é uma funcionalidade muito útil.
Agora temos um endpoint que a equipe de operações pode usar para passar as entradas alinhadas e recuperar as probabilidades de aceitação. Foi integrado ao fluxo de trabalho de operações, que recupera as melhores passagens aéreas, verifica se o preço está dentro do limite orçamentário daquela rota e busca os clientes com maior probabilidade de aceitar aquela opção e envia automaticamente se estiver acima de um limite.
Embora não tenhamos observado grande aumento na taxa de aceitação de voos desde a implantação do modelo, tivemos um grande aumento na eficiência da operação, pois ajudou a automatizar parte do processo. Agora podemos escalar nossas operações e enviar mais opções ao cliente.
Manutenção
A implantação não é a última etapa! Temos que monitorar continuamente o modelo para garantir que ele ainda esteja funcionando conforme o esperado, uma vez que os modelos provavelmente ficarão obsoletos com o tempo.
Portanto, criamos dois fluxos de trabalho principais que são executados automaticamente e orquestrados pela ferramenta Flyte que roda em Kubernetes:
Monitore mensalmente o desempenho do modelo nos dois meses anteriores. Isso porque há períodos que o volume da nossa operação diminui porque não operamos em períodos de alta temporada.
Se o desempenho do modelo estiver abaixo de um limite, treine novamente o modelo automaticamente. Usamos uma estratégia simples para escolher os dados para retreinar, um período de janela dos últimos dois anos de dados para retreinar, ele retreina na mesma configuração do modelo, mas faz o hiperajuste novamente. O treinamento é novamente rastreado para MLFlow. Depois, se o desempenho do modelo estiver acima do limite, implante-o na Vertex AI.
A estratégia escolhida foi não treinar novamente se o modelo não fosse quebrado ou o desempenho variasse. Essa abordagem pode não ser a ideal, pois o modelo poderia ser melhor se fosse treinado novamente com novos dados, mas entendemos que era suficiente e não queríamos gastar recursos quando não fossem necessários.
Conforme mencionamos na solução, concluímos que sempre haverá algum grau de desvio de dados comparando os dados de produção e de treinamento. Poderíamos monitorá-lo também, mas atualmente, com a diminuição do COVID-19 estamos aumentando os destinos operados e muita coisa pode mudar no comportamento, por isso preferimos manter a simplicidade e apenas avaliar o desempenho do modelo, retreinando-o mensalmente quando necessário . Em trabalhos futuros adicionaremos um fluxo de trabalho de monitoramento de desvio de dados.
Também é importante mencionar que temos versionamento de modelos tanto no Vertex AI quanto no MLFlow Model Registry e versionamento de código no Github, assim mantemos o controle do que está acontecendo e podemos reverter se algo der errado.
No geral, temos sempre um modelo atualizado na produção e todo o processo é transparente para os stakeholders. Recebemos notificações por e-mail sempre que o fluxo de trabalho é executado e podemos continuar monitorando a latência e os erros na interface do Vertex AI. Além disso, fizemos uma documentação completa no Github e coda explicando todos os processos e decisões tomadas no projeto.
Conclusão
Desenvolvemos um modelo de aprendizado de máquina ponta a ponta que pode prever a probabilidade de um cliente aceitar uma opção de voo. Isso ajudou a escalar nossas operações, reduzindo riscos e custos e também aumentando a satisfação dos clientes.
Além disso, o modelo é constantemente atualizado com novos dados e reagindo às mudanças no comportamento dos clientes. Isso foi possível integrando ferramentas de código aberto, como MLFlow, BentoML e Flyte, com a pilha e ferramentas do Google, como VertexAI e Bigquery.
Nossa equipe de aprendizado de máquina também está melhorando continuamente nossos processos e pilha para agregar valor ao Hurb e, como por produto, ao nosso cliente.
Espero que você tenha gostado deste artigo! Se você quiser fazer parte da nossa equipe de aprendizado de máquina, encontre nossas vagas de emprego aqui . Além disso, você pode conferir mais sobre nosso trabalho no Hurb em nossa página do Medium .
