De onde vem a motivação?

Um gerente de negócios chegou cedo a um seminário que seria apresentado naquele dia, falando sobre o tema Liderança. Ele estava vestindo camisa polo, calças brancas e tênis; pronto para ir jogar golfe. Ele caminhou até o palestrante, que se preparava para iniciar seu seminário e disse:

– Olha, essa sessão de hoje não é obrigatória, por isso não pretendo participar.

– Tudo bem, não tem problema. Mas por que você veio aqui tão cedo pra me dizer isso? Tem alguma coisa que você queira saber sobre o seminário?

– Bem, sim, tem um assunto que me interessa, confessou o gerente. Eu gostaria de saber como melhorar o desempenho do meu pessoal de vendas?

– Isso é tudo que você quer saber? Perguntou o palestrante.

– Sim. Respondeu o gerente.

– Bem, eu vou economizar seu tempo e garantir que você consiga participar do seu jogo de golfe.

O gerente então, inclinou para a frente e fez cara de atenção, esperando as palavras de sabedoria que o palestrante poderia lhe dizer sobre como melhor gerenciar seu pessoal.

– Você não pode. Foi a resposta do palestrante.

– O que?

– Você não pode gerenciar ninguém. Tenha um bom dia e um ótimo jogo.

– Como assim? O que você quer dizer com isso? Perguntou o gerente e o clima pareceu ficar um pouco tenso entre os participantes da conversa.

– Eu pensei que você pregasse a motivação em seus seminários. Como assim, não posso? ”

– Sim. O nosso seminário inteiro é sobre motivação. Mas uma das primeiras coisas que ensinamos aos gerentes é que eles não podem realmente controlar diretamente seu pessoal. A motivação sempre vem de dentro do seu funcionário, não de você.

– Então, o que você ensina? Perguntou o gerente intrigado.

– Ensinamos você a motivar pessoas. Esse é o ponto chave. E você faz isso gerenciando acordos, não pessoas. E isso é o que vamos discutir esta manhã.

O gerente então passou as mãos pelo rosto, depois as levou até os cabelos depois passou uma das mãos pelo queixo e sentou-se no primeiro banco, assento que ocupou, durante todo o resto do seminário.

Os desafios da automação em uma economia em mudança

“A inovação tecnológica deve ser adotada”, observa o Automation and a Changing Economy, um relatório recentemente publicado pelo The Aspen Institute.

“A automação tem sido uma força econômica e social amplamente positiva e, olhando para o futuro, a automação será necessária para alimentar, abrigar e elevar os padrões de vida de uma população em crescimento e envelhecimento.” Porém, “embora seja importante observar que o efeito geral e de longo prazo da automação na economia tem sido positivo – mais empregos, mais crescimento, padrões de vida melhores – isso não nega o impacto perturbador da automação sobre indivíduos e comunidades, o que resulta em deslocamentos, mudanças nas necessidades de habilidades e desigualdade de renda.”

O relatório está dividido em duas seções: O Caso de Ação, que explora como a automação afeta a segurança e as oportunidades econômicas dos trabalhadores e as Políticas de Prosperidade Compartilhada, que descrevem uma agenda de políticas para enfrentar os desafios e as oportunidades da automação.

A seguir, um resumo das principais conclusões e recomendações em cada uma das duas seções do relatório.

Caso de Ação

O que é automação? “A automação geralmente se refere ao uso da tecnologia para reduzir o nível de atividade humana necessário para concluir uma tarefa específica, substituindo ou aumentando o trabalho. A chave para esse conceito é que a tarefa em si ainda está sendo executada, mas com menos trabalho humano necessário. Como a automação ocorre no nível da tarefa, geralmente muda os trabalhos parcialmente, em vez de os eliminar, embora em casos limitados, a tecnologia possa automatizar um trabalho inteiro.”

A automação é apenas uma das maneiras pelas quais o trabalho é interrompido. Às vezes, trabalhos inteiros são substituídos por uma nova tecnologia, em vez de serem automatizados. Por exemplo, o advento dos carros eliminou a maioria dos trabalhos envolvidos na condução de carruagens e no cuidado de cavalos. Os trabalhos de fabricação, vendas e reparo de máquinas de escrever desapareceram não porque foram automatizados, mas porque as máquinas de escrever se tornaram obsoletas. A tecnologia também afeta os empregos, transformando modelos de negócios inteiros, como foi o caso do advento das compras on-line no varejo e do streaming de música e vídeo na indústria do entretenimento.

“No geral, é difícil prever todo impacto que a tecnologia pode causar. Mas o uso da tecnologia para automatizar o trabalho é mais fácil de prever do que outros impactos, porque a automação é baseada em máquinas que executam tarefas atualmente identificáveis. Por esse motivo, a automação é o que tecnólogos, acadêmicos e outros profissionais usam para projetar o impacto futuro da tecnologia no trabalho, com o entendimento de que o real impacto disruptivo da tecnologia pode ser mais amplo e imprevisível.”

O Caso de Ação chegou a quatro conclusões principais.

1. Embora a automação estimule o crescimento econômico, crie empregos e melhore os padrões de vida, ela também apresenta sérios desafios para trabalhadores e comunidades. Vários estudos recentes analisaram atentamente o futuro do trabalho nos próximos 10 a 15 anos. Por exemplo, um relatório de dezembro de 2017 da McKinsey examinou detalhadamente o trabalho que provavelmente será deslocado pela automação até 2030, bem como os trabalhos que provavelmente serão criados no mesmo período. A conclusão geral do relatório foi que uma economia crescente baseada em tecnologia criará um número significativo de novas ocupações que mais do que compensará os declínios nas ocupações deslocadas pela automação. No entanto, muitos trabalhadores verão seus empregos mudarem, pois empregos futuros exigirão habilidades diferentes.

2. Além disso, dada a crescente importância do talento em nossa economia do conhecimento, super empresas e super cidades continuarão a atrair uma parcela desproporcional das pessoas mais ambiciosas e talentosas, apresentando sérios desafios para os trabalhadores e as comunidades deixadas para trás – interrompendo as economias locais, aumentando desigualdade de renda e exacerbando as divisões econômicas, políticas, geográficas e sociais. Como McKinsey observou,

“embora possa haver trabalho suficiente para manter o emprego pleno até 2030 na maioria dos cenários, as transições serão muito desafiadoras – sendo praticamente impossível igualar ou até exceder a escala de turnos das eras da agricultura e manufatura que vimos no passado”.

3. Os investimentos em educação, treinamento e rede de segurança social ajudaram a mitigar os impactos negativos da automação no passado. A tecnologia vem substituindo trabalhadores e melhorando a produtividade desde o advento da Revolução Industrial na segunda metade do século XVIII. Nas revoluções econômicas anteriores baseadas em tecnologia, os períodos de destruição criativa e alto desemprego acabaram se resolvendo. Com o tempo, essas mesmas tecnologias e inovações disruptivas levaram à transformação da economia e à criação de novas indústrias e novos empregos. Esses investimentos possibilitaram que um número crescente de trabalhadores alcançasse um estilo de vida de classe média e aspirassem viver como o modo de vida de classe média.

4. Desafios recentes destacam as consequências de apoios limitados para trabalhadores vulneráveis. Enquanto esperamos que os países se adaptem mais uma vez às interrupções tecnológicas; porém não há como saber com certeza.

“Os trabalhadores de hoje são especialmente vulneráveis aos impactos da automação. A insegurança financeira, a força de trabalho envelhecida e a queda da mobilidade geográfica dificultam a reciclagem e a transição para novas ocupações após o deslocamento.”

Além disso, “a história recente registrou uma inversão dos esforços para apoiar os trabalhadores por meio de perturbações econômicas. O desinvestimento no treinamento dos setores público e privado, uma rede de segurança pública enfraquecida e acesso reduzido a benefícios e proteções no local de trabalho contribuíram para o lento e doloroso ajuste econômico que muitos trabalhadores e comunidades experimentaram nas últimas décadas.”

A inteligência artificial e outras novas tecnologias podem levar a uma automação mais profunda, mais rápida, mais ampla e mais disruptiva. A tecnologia está sendo cada vez mais aplicada a atividades que exigem capacidades cognitivas e inteligência para solução de problemas que não faz muito tempo eram vistas como o domínio exclusivo dos seres humanos. À medida que tecnologias poderosas como IA, robótica e aprendizado de máquina continuam a avançar, o impacto da automação pode ser mais profundo – expandindo drasticamente os tipos de tarefas que podem ser automatizadas; mais rápido, – pois o aprendizado de máquina permite que as máquinas aprendam a uma taxa muito mais rápida; mais amplo, transformando praticamente todos os setores e ocupações; e mais perturbador – a automação pode não ser mais perturbadora do que no passado, mas, desta vez, pode ser realmente diferente

Políticas para prosperidade compartilhada

A segunda seção do relatório descreve uma agenda política concreta para abordar quatro objetivos gerais:

1. Incentivos aos empregadores a liderar uma abordagem centrada no ser humano para automação. Isso inclui a expansão de aprendizagens, créditos tributários para treinamento de trabalhadores, parcerias regionais da força de trabalho, promoção de novas formas de participação dos trabalhadores nas decisões de automação e estratégias proativas para identificar e tratar de possíveis problemas.

2. Permitir que os trabalhadores acessem treinamento de habilidades, bons empregos e novas oportunidades econômicas. Isso inclui acesso a treinamento de habilidades eficaz e acessível, desenvolvendo um sistema de aprendizagem ao longo da vida, subsídios salariais, conforme necessário, e programas para promover o empreendedorismo.

3. Ajudar pessoas e comunidades a se recuperarem dos deslocamentos. Apoiar os trabalhadores desempregados através de reciclagem, serviços de reemprego e seguro-desemprego; e promover o desenvolvimento econômico local e regional por meio de estratégias direcionadas para ajudá-los a recuperar e fazer a transição e por meio de investimentos em infraestrutura digital.

4. Entender o impacto da automação na força de trabalho. Coletar dados e fornecer melhores informações às principais partes interessadas, para que possam antecipar e se preparar melhor para o impacto da automação em seus setores, comunidades e ocupação.

“A tecnologia não é o destino – o impacto da inovação no trabalhador é mediado por escolhas de políticas e como instituições, empregadores, organizações de trabalhadores, organizações sem fins lucrativos e filantropos, respondem a esses desafios. Ao ajudar os trabalhadores a tirar proveito de novas oportunidades e ajudar os trabalhadores que são fortemente afetados pela automação a retornar ao trabalho estável, podemos promover mais oportunidades e prosperidade amplamente compartilhada para todos.”

O processo de decisão em organizações complexas

Em um seminário do professor da Universidade de Toronto, Avi Goldfarb, que, juntamente com seus colegas da UoT, realizaram uma pesquisa sobre o valor econômico da IA. Goldfarb explicou que a melhor maneira de avaliar o impacto de uma nova tecnologia radical é observar como a tecnologia reduz o custo de uma função amplamente utilizada. Por exemplo, os computadores são calculadoras essencialmente poderosas, cujo custo das operações digitais diminuiu drasticamente nas últimas décadas, graças à Lei de Moore. Ao longo dos anos, aprendemos a definir tarefas em torno de operações digitais, como gerenciamento de inventários, transações financeiras, processamento de texto e fotografia. Da mesma forma, o valor econômico da Internet pode ser descrito como a redução o custo das comunicações e das pesquisas, permitindo encontrar e acessar todos os tipos de informações, incluindo texto, imagens, músicas e vídeos.

Visto por essa lente, a revolução da IA pode ser vista como uma redução do custo das previsões. O crescimento explosivo de big data e algoritmos avançados como o aprendizado de máquinas nos permitiram analisar e extrair insights de todos esses dados. Previsão, significa antecipar o que acontecerá no futuro e, dado o amplo papel das previsões nos negócios, no governo e em nossa vida cotidiana, a IA já está tendo um grande impacto em todos os tipos de atividades humanas. A tomada de decisão, o processo de identificação e escolha de alternativas, serão particularmente impactadas pelos avanços na IA.

As decisões geralmente envolvem duas tarefas principais: previsões e julgamento. O julgamento é a parte da tomada de decisão que, diferentemente da previsão, não pode ser explicitamente descrita e executada por uma máquina e é baseada em fatores humanos, como experiência, intuição e sentimentos inconscientes. À medida que as previsões de máquinas se tornarem baratas e comuns, o julgamento humano que alavanca e complementa as previsões, se tornará mais valioso, especialmente dada a crescente complexidade das decisões que nossas instituições são obrigadas a tomar.

“É o melhor e o pior dos tempos para os tomadores de decisão”, disse a McKinsey em seu artigo, Desembaraçando a tomada de decisão das organizações.

“Um grande número de dados, análises avançadas e algoritmos inteligentes estão fornecendo às organizações novas e poderosas entradas de dados e métodos para tomar todo tipo de decisão”.

Por outro lado, “os líderes corporativos também estão muito mais conscientes hoje do que há 20 anos atrás, dos vieses cognitivos – ancoragem, aversão à perda, viés de confirmação e muito mais – que prejudicam a tomada de decisão sem o nosso conhecimento”.

O que explica esse aparente paradoxo?

Nossa revolução emergente de dados e IA mantém a promessa de aumentar significativamente nosso julgamento e experiência e nos ajudar a tomar decisões mais inteligentes e eficazes.

Mas, explica a McKinsey, nossa crescente complexidade organizacional obscurece a responsabilidade pela tomada de decisões. O número de tomadores de decisão aumentou, dificultando o estabelecimento de linhas de responsabilidade clara. Além disso, a proliferação de comunicações digitais levou a muitas reuniões e discussões por e-mail e pouco diálogo de alta qualidade, contribuindo para o desengajamento, –

“ouvir uma apresentação muitas vezes; paralisa e frustra, por conter por muitos dados; gera ansiedade, por conter expectativas muito altas; e leva a decisões pobres, cada vez mais ruins”.

Como primeiro passo para entender a tomada de decisão, a McKinsey categorizou o tipo de decisão que está sendo tomada pela maioria das organizações:

• As decisões de grandes apostas têm o potencial de moldar o futuro da empresa. Essas decisões pouco frequentes e de alto risco geralmente envolvem situações com escolhas certas ou erradas pouco claras;
• As decisões transversais são relativamente frequentes e geralmente exigem ampla colaboração e um processo efetivo de tomada de decisão entre os diferentes grupos da organização;
• As decisões delegadas são frequentes e de baixo risco, e podem ser tratadas por indivíduos ou equipes de trabalho com contribuições limitadas de outras pessoas na organização; e
• Decisões ad hoc surgem episodicamente e geralmente são de baixo risco.

Para entender melhor a natureza da tomada de decisão, a McKinsey conduziu uma pesquisa on-line e obteve respostas de mais de 1.250 participantes de 91 países.

A amostra se inclinou para a alta gerência:

• 1/3 dos entrevistados eram executivos de nível C e
• 35% eram gerentes seniores.

A pesquisa se concentrou em grandes decisões, decisões transversais e delegadas, mas não perguntou sobre decisões ad hoc porque elas tendem a variar muito. Veja aqui os resultados da pesquisa.

Embora a maioria das organizações faça trocas entre velocidade (quão rápida a decisão foi tomada e executada?) E qualidade (quão boa foi a decisão?), A pesquisa mostrou que os vencedores da tomada de decisão tiveram um bom desempenho tanto em velocidade quanto em qualidade, além de obter melhores resultados financeiros.

Quanto tempo consome a tomada de decisão? De acordo com os entrevistados, mais da metade disse que gasta mais de 30% do seu tempo de trabalho na tomada de decisões e mais de 25% diz que a tomada de decisão ocupa a maior parte do tempo de trabalho.

Não é de surpreender que a parte do tempo aumente com a senioridade: 14% dos entrevistados do alto escalão dizem que passam mais de 70% do tempo tomando decisões. No entanto, 61% dos entrevistados disseram que seu tempo de tomada de decisão não é usado de maneira eficaz, incluindo 57% dos executivos de nível C.

A pesquisa também revelou que a velocidade é um desafio maior na tomada de decisão do que a qualidade.

• 57% dos entrevistados disseram que suas organizações tomam decisões de alta qualidade, em comparação com
• 48% que disseram que suas organizações tomam decisões de alta velocidade e
• 37% que disseram que suas organizações tomaram decisões de alta qualidade e alta velocidade.

Os resultados variaram de acordo com o tipo de decisão, com as decisões de grandes apostas alcançando os mercados mais altos

• 65% de alta qualidade;
• 55% de alta velocidade;
• 44% ambos;

e as decisões delegadas são as mais baixas: 

• 46% de alta qualidade; 
• 40% de alta velocidade; 
• 27% ambos.

Embora se possa esperar que decisões de alta qualidade envolvam mais deliberação e, portanto, demorem mais, os resultados indicaram que os resultados de velocidade e qualidade são altamente inter-relacionados. “Segundo os entrevistados, as organizações que tomam decisões rapidamente têm duas vezes mais chances de tomar decisões de alta qualidade, em comparação com os tomadores de decisão lentos.”

Essa combinação de alta qualidade e alta velocidade é muito mais comum nas organizações vencedoras. Para entender como eles fazem isso, McKinsey analisou como essas organizações vencedoras tomam decisões em comparação com todas as outras e encontrou três práticas recomendadas fundamentais:

• Tome decisões no nível certo, geralmente delegando para níveis mais baixos – uma prática 6,8x mais provável de fazer parte de uma empresa vencedora. “Esse resultado está intimamente relacionado a outra descoberta: decisões de alta qualidade e decisões rápidas são muito mais comuns em organizações com menos camadas de relatórios”.
• Concentre-se incansavelmente no valor de nível empresarial – uma prática 2,9 vezes mais provável de ser encontrada em uma organização vencedora. No geral, apenas 41% dos entrevistados disseram que as decisões de suas organizações estão alinhadas com a estratégia corporativa e em apoio a projetos de alto valor.
• Obtenha o comprometimento das partes interessadas relevantes – uma prática 6,8x mais provável de ser seguida pelas empresas vencedoras, que “construirão o compromisso de executar as decisões assim que forem tomadas, especialmente entre as pessoas que são responsáveis por uma determinada decisão”.

Além dessas práticas fundamentais, as organizações vencedoras também demonstram as melhores práticas específicas para cada tipo de decisão:

• Decisões de obtenção de bits – 2,3 vezes mais provável. “Aumente a qualidade das interações durante a tomada de decisões, explorando alternativas, desafiando hipóteses iniciais e nomeando um advogado do diabo para apresentar contra-argumentos”.
• Decisões transversais, – 4,5 vezes mais provável. “Concentre-se no processo e coordenação das reuniões de decisão para incentivar a colaboração entre os indivíduos e evitar silos.”
• Decisões delegadas, – 3,9 vezes mais provável. “Capacite os funcionários a tomar decisões, criando um forte senso de propriedade e responsabilidade e incentivando uma maior inclinação para a ação.”

O valor econômico de uma identidade digital

A identidade desempenha um papel importante em nossa vida cotidiana. É a chave que determina as transações específicas nas quais podemos participar de forma legal, bem como as informações que temos direito a acessar. Pense em ir a uma empresa, entrar em um avião, acessar um site ou fazer uma compra online. Geralmente, não prestamos muita atenção no uso de nossas identidade, a menos que algo dê muito errado.

Durante boa parte da história, nossos sistemas de identidade foram baseados em interações face a face e em documentos e processos físicos.

A transição para uma economia digital requer sistemas de identidade radicalmente diferentes. Em um mundo cada vez mais governado por transações e dados digitais, nossos métodos para gerenciar segurança e privacidade estão se mostrando inadequados. Violações de dados, fraudes em larga escala e roubo de identidade tornaram-se comuns. Além disso, uma parcela significativa da população mundial não possui as credenciais necessárias para participar da economia digital. Nossos métodos para gerenciar identidades digitais estão longe de ser adequados.

O McKinsey Global Institute lançou o Digital Identification: uma chave para crescer de forma inclusiva – um relatório abrangente com mais de 100 páginas que examinava o estado das identidades digitais em todo o mundo.

O relatório analisou o potencial da criação de valor das boas IDs (identidades) digitais para indivíduos e instituições, bem como os seus riscos e desafios. A análise da McKinsey levou em conta quase 100 usos concretos de IDs digitais em sete países: Brasil, China, Etiópia, Índia, Nigéria, Reino Unido e EUA.

De acordo com McKinsey, um “bom” ID digital deve ter quatro atributos principais:

1. Verificação e autenticação com um alto grau de garantia: O ID atende aos padrões do governo e do setor privado para diversos usos cívicos e econômicos importantes nos canais digitais;
2. Único: “um indivíduo tem apenas uma identidade dentro de um sistema, e toda identidade do sistema corresponde a apenas um indivíduo;”
3. Estabelecer o consentimento individual: “os indivíduos registram-se conscientemente e usam o ID digital com conhecimento de quais dados pessoais serão capturados e como serão usados;” e
4. Protege a privacidade do usuário e garante o controle sobre dados pessoais: inclui forte proteção de privacidade e segurança, ao mesmo tempo em que fornece aos usuários acesso e controle sobre quem pode acessar seus dados.

O Banco Mundial estima que das 7,6 bilhões de pessoas no planeta, cerca de um bilhão não possui uma forma de identificação legalmente reconhecida, 3,4 bilhões têm alguma forma de identificação legalmente reconhecida, mas com capacidade limitada de usá-la através de canais digitais e 3,2 bilhões possuem uma identificação legal, reconhecida que lhes permitem participar totalmente da economia digital. Nos países de baixa renda, 45% das mulheres com mais de 15 anos não têm identificação, em comparação com 30% dos homens.

Os IDs digitais prometem permitir a criação de valor econômico para cada um desses três grupos. Para aqueles que não possuem qualquer forma de identificação legalmente reconhecida, uma identificação digital representa um caminho para a rápida inclusão na economia digital, incluindo acesso a serviços financeiros, benefícios governamentais e mercado de trabalho. Por exemplo, de acordo com o Banco Mundial, uma identificação digital pode ajudar a fornecer acesso a serviços financeiros para os 1,7 bilhão de indivíduos que atualmente não têm esse acesso, e potencialmente economizar cerca de 110 bilhões de horas, em serviços eletrônicos simplificados do governo, para transferências diretas de benefícios.

Para os 3,4 bilhões de indivíduos com capacidade limitada de usar sua identificação física no mundo digital, a capacidade de usar um ID digital para autenticação permitiria que eles aproveitassem as eficiências e outros benefícios advindos do acesso a uma ampla variedade de aplicativos digitais, incluindo governo eletrônico e serviços de saúde.

E, para os 3,2 bilhões de indivíduos que já participam da economia digital, as boas novas são que os IDs digitais podem melhorar seu controle, privacidade e segurança sobre seus dados e transações, ajudando a reduzir o número crescente de violações de segurança cibernética.

“Por exemplo, em 2017, US $ 16,8 bilhões foram perdidos nos Estados Unidos devido a fraudes de identidade e, desde 2013, mais de 6,2 bilhões de registros de dados de clientes foram violados somente nos Estados Unidos.”

O relatório da McKinsey analisou o potencial impacto econômico da identificação digital nos sete países-foco e extrapolou os resultados para um conjunto mais amplo de 23 países, cobrindo 63% da população global e 78% do PIB global. O relatório mostrou ainda que o potencial do valor econômico da identificação digital é diferente nas economias emergentes e nas maduras. Para as economias emergentes, o potencial médio de criação de valor da identificação digital é equivalente a 6% do PIB até 2030; para economias maduras, a criação média de valor é equivalente a 3% do PIB até 2030.

Para a maioria das economias emergentes, o escopo de melhoria é bastante considerável, mesmo com implantações básicas de ID baseadas principalmente na autenticação e verificação. Para economias maduras onde muitos processos e aplicativos já são digitais, as melhorias exigem a implantação de programas de identificação digital mais avançados, como a ativação de recursos de compartilhamento de dados entre instituições.

O potencial econômico pode diferir significativamente entre os países com base em dois fatores principais: a parcela da economia restringida por gargalos que a identificação digital pode resolver e desbloquear, como benefícios do governo e gastos com saúde; e o potencial de criação de valor, permitindo uma ampla variedade de interações digitais em toda a economia.

A McKinsey estima que mais da metade do valor econômico da identificação digital será acumulado para indivíduos em uma variedade de funções, incluindo consumidores, trabalhadores e proprietários de ativos. O valor econômico restante flui para as instituições do setor público e privado com as quais os indivíduos interagem, como fornecedores de bens e serviços, empregadores e fornecedores de benefícios governamentais.

Os maiores contribuintes para o valor econômico são o acesso a serviços financeiros e emprego. Os IDs digitais, por exemplo, permitem o acesso a contas bancárias digitais e a plataformas de contratação e correspondência de talentos. As maiores fontes de valor para empresas e instituições governamentais são economia de tempo e custo, redução de fraudes, aumento de vendas de bens e serviços, maior produtividade do trabalho e maior receita tributária.

A oportunidade de expandir o uso de ‘bons’ IDs digitais está crescendo, à medida que as tecnologias melhoram e se tornam mais acessíveis, e à medida que mais pessoas em todo o mundo têm acesso a smartphones e à Internet. Mas, como outras inovações, as tecnologias de identificação digital podem ser usadas para beneficiar a sociedade e para outros fins indesejáveis.

“O Digital ID oferece benefícios sociais, cívicos e políticos aos indivíduos, desde maior inclusão, formalização e transparência até melhor controle dos dados online. Projetado com cuidado e dimensionado para altos níveis de adoção, também pode criar um valor econômico significativo, particularmente em economias emergentes, com benefícios para indivíduos e instituições. No entanto, esse potencial, gera risco de uso indevido deliberado de programas de identificação digital por atores governamentais e comerciais, além de riscos mais amplos comuns a outras interações digitais em larga escala, como falhas de tecnologia e violações de segurança. Esses riscos devem ser levados em consideração no design, implementação e governança de qualquer sistema de identificação digital. À medida que o cenário evolui, mais pesquisas ajudarão a esclarecer as vantagens e desvantagens da identificação digital, e se o esforço valerá a pena. Afinal, a identificação digital pode ser a próxima fronteira na criação de valor global e uma nova força para o crescimento inclusivo.”

O paradoxo da produtividade

Nos últimos 10 a 15 anos, assistimos a vários avanços tecnológicos, de smartphones a aprendizado de máquina. No entanto, apesar desses avanços impressionantes, durante a maior parte deste período, as economias do mundo ficaram paralisadas em uma era de lento crescimento da produtividade. As opiniões são muitas, mas, no final, não há consenso sobre as causas desse aparente paradoxo da produtividade, sobre quanto tempo a desaceleração durará ou sobre o que fazer a respeito.

Alguns economistas argumentaram que a estagnação secular é a razão por trás dessa situação incomum, causada principalmente pela relutância das empresas em investir e dos consumidores em gastar. Outros acham que o envelhecimento da população em todo o mundo, acompanhado por uma força de trabalho lenta ou em declínio, é um fator importante. Alguns outros afirmam que houve um declínio em inovação e produtividade nas últimas décadas, em comparação com o período entre 1870 e 1970.

Outros argumentam ainda que sempre houve atrasos entre os avanços tecnológicos e seu impacto no crescimento econômico. Embora as tecnologias possam avançar rapidamente, humanos e instituições mudam lentamente. E, quanto mais transformadoras as tecnologias – como atualmente acontece -, mais tempo leva para que seu impacto seja sentido nas economias e sociedades.

Mas as empresas e os setores não são os únicos que tentam se adaptar à nossa rápida economia digital. Os indivíduos também estão experimentando sua própria versão do paradoxo da produtividade. Os computadores pessoais, juntamente com aplicativos como processamento de texto e planilhas, introduziram uma nova categoria de ferramentas de produtividade pessoal nos anos 80. Uma década depois, a Internet e a World Wide Web permitiram que as pessoas se comunicassem facilmente entre si e deram acesso a todos os tipos de informações e aplicativos.

Mais recentemente, o advento de smartphones, aplicativos e outras tecnologias importantes levaram as ferramentas de produtividade pessoal a um nível totalmente novo. É difícil imaginar como era a vida sem essas ferramentas, que se tornaram uma parte indispensável de nossas vidas pessoais e profissionais nas últimas duas décadas.

A princípio, essas ferramentas deveriam economizar tempo e facilitar nossa vida. Mas, como sabemos, não foi o caso. Artigo após artigo nos lembra que, graças à Internet e aos smartphones, todos estão disponíveis o tempo todo; isso se parece com um ciclo interminável de caixas de entrada transbordantes e demandas urgentes; que, por mais que trabalhemos, estamos sobrecarregados e sobrecarregados, porque há muito mais a fazer todos os dias do que tempo para fazê-lo.

O que explica esse paradoxo da produtividade pessoal?

O executivo financeiro e o professor sênior do MIT Robert Pozen há muito se interessa pelos desafios de produtividade enfrentados pelos profissionais. Ele escreveu sobre o assunto, incluindo seu livro, Produtividade extrema: aumente seus resultados, reduza suas horas.

“Você está se sentindo sobrecarregado com suas obrigações no trabalho e em casa?”,

Perguntou Pozen em um artigo de agosto de 2018 na Harvard Business Review (HBR).

“Você não está só. A maioria dos funcionários dos EUA reclama que se sente sobrecarregado”.

O artigo fez referência a uma pesquisa de 2016, que constatou que:

• 58% dos trabalhadores dizem que são, às vezes, sobrecarregados com o trabalho,
• 28% se sentem assim apenas raramente e
• 9% dizem que o trabalho nunca os sobrecarrega.

O artigo de Pozen incluiu uma série de perguntas para ajudar os profissionais a avaliar sua produtividade pessoal. A avaliação consiste em 21 perguntas divididas em sete categorias: desenvolvimento de rotinas diárias, planejamento de sua agenda, lidar com mensagens, muito trabalho, realização de reuniões eficazes, aprimoramento das habilidades de comunicação e delegação de tarefas a outras pessoas.

Os resultados foram publicados em um artigo da HBR em março de 2019, O que torna algumas pessoas mais produtivas que outras. Quase 20.000 entrevistados de todo o mundo responderam às perguntas: aproximadamente 50% eram da América do Norte; 21% da Europa; 19% da Ásia; e os 10% restantes da Austrália, América do Sul e África. 55% dos entrevistados eram do sexo masculino e 45% do sexo feminino. No geral, três padrões principais se destacaram.

Trabalhar de forma mais inteligente é mais importante para a produtividade pessoal do que trabalhar longas horas. Profissionais com as maiores pontuações de produtividade geralmente exibiam alguns comportamentos-chave: “Eles planejaram seu trabalho com base em suas principais prioridades e depois agiram com um objetivo definido. Eles desenvolveram técnicas eficazes para gerenciar um alto volume de informações e tarefas. E eles entenderam as necessidades de seus colegas – para reuniões curtas, comunicações responsivas e orientações claras. ”

Idade e antiguidade estavam altamente correlacionadas com a produtividade pessoal. Os entrevistados foram agrupados em cinco faixas etárias, de menos de 30 a mais de 60 anos. As pontuações de produtividade aumentaram sistematicamente quanto mais velhos os respondentes, provavelmente refletindo os benefícios de aprender a trabalhar de forma mais inteligente com anos de experiência. “Os fatores que motivaram essas pontuações mais altas de produtividade para os entrevistados em faixas etárias mais velhas foram seus hábitos mais fortes em quatro áreas: desenvolvimento de rotinas para atividades de baixo valor, gerenciamento de fluxo de mensagens, realização de reuniões eficazes e delegação de tarefas a outros.

Os dados também capturaram cinco níveis de antiguidade, do mais jovem ao mais antigo. Assim como a idade, os índices de produtividade foram mais altos nos níveis mais altos de antiguidade, sugerindo que bons hábitos de produtividade podem ajudar os profissionais a alcançar cargos de nível superior e que, à medida que as pessoas crescem na organização, elas precisam aprender a se tornar mais produtivas. “Mais entrevistados seniores alcançaram alta produtividade com um melhor planejamento de suas agendas, muito trabalho e habilidades de comunicação mais fortes.”

Embora as pontuações gerais de produtividade dos entrevistados masculinos e femininos sejam quase as mesmas, houve diferenças de gênero em categorias específicas. As mulheres tiveram pontuações mais altas na preparação de seus calendários na noite anterior e na realização de reuniões eficazes, por exemplo, enviando uma agenda com antecedência, mantendo as reuniões em menos de 90 minutos e garantindo que houvesse um acordo sobre as próximas etapas. Os homens tendiam a pontuar mais alto ao lidar com o alto volume de mensagens, mantendo horários livres em seus planejamentos para eventos não planejados e agindo rapidamente para finalizar tarefas e produtos.

O artigo concluiu com um conjunto de recomendações para lidar com os desafios de produtividade enfrentados pela maioria dos profissionais:

Planeje seu trabalho com base em suas principais prioridades e depois aja com um objetivo definido. Isso inclui revisar os horários diários na noite anterior para enfatizar as prioridades e enviar uma agenda detalhada a todos os participantes antes de qualquer reunião.

Desenvolva técnicas eficazes para gerenciar a sobrecarga de informações e tarefas. Isso inclui transformar processos diários em rotinas nas quais você não precisa pensar, deixando tempo na sua agenda diária para lidar com eventos não planejados e delegar tarefas a colegas de trabalho com os quais eles possam lidar sem o seu envolvimento pessoal.

Entenda as necessidades de seus colegas para reuniões curtas, comunicações responsivas e orientações claras. Isso inclui limitar a maioria das reuniões a não mais de 90 minutos, encerrar todas as reuniões com etapas e responsabilidades claramente definidas e estabelecer objetivos e métricas claros para os esforços da equipe.

50 anos depois, os inventores da Internet falam sobre Ela

Cinquenta anos atrás, foi criado o primeiro link de dados permanente entre um computador na UCLA e o Instituto de Pesquisa Stanford (SRI). Foi a primeira conexão da ARPANET, que se tornaria uma grande rede de computadores militares e de pesquisa e mais tarde se tornaria a Internet pública que conhecemos hoje. As consequências não intencionais desta primeira conexão, surgiriam mais tarde, e mesmo as pessoas que ajudaram a estabelecer a primeira conexão da ARPANET parecem muito preocupadas com o que a internet se tornou hoje.

O professor da UCLA, Leonard Kleinrock, ainda hoje mostra com orgulho a sala 3420, no Boelter Hall do departamento de engenharia – onde a primeira mensagem na Internet foi enviada por um estudante de pós-graduação chamado Charley Kline ao cientista Bill Duvall no SRI em 29 de outubro de 1969.

Kleinrock desenvolveu grande parte da base teórica para a primeira rede digital e precursora da Internet. Mas, apesar de suas convicções de que a internet teve um impacto positivo no mundo, algumas de suas reflexões mostram que a internet evoluiu para algo que não é do bem.

Kleinrock diz que não esperava o surgimento das mídias sociais e das redes sociais. E é aí que muitos dos maiores problemas da Internet se derivam, enfatiza – coisas como adulteração de eleições, capitalismo de vigilância, bullying, notícias falsas, deepfakes, pornografia e assim por diante. Kleinrock diz que inicialmente viu essas coisas como problemas que os cidadãos da internet acabariam reagindo e resolvendo.

“Eu costumava dizer que a internet estava passando pela adolescência, mas não digo mais isso.”

As desvantagens de uma Internet social

A Internet é um playground para os piores instintos dos seres humanos.

A maioria dos problemas apontados por Kleinrock ocorre no contexto das redes sociais e outros espaços sociais online, onde o anonimato dos usuários e a falta de responsabilidade on-line, permitem às pessoas fazer declarações e agir sem ter que assumir responsabilidade pessoal por seus atos. Ninguém precisa colocar sua reputação em risco, da mesma maneira que em um espaço público físico.

As pessoas, podem considerar as outras pessoas na Internet, apenas como um pontos na tela, algo menos que o real, e podem achar mais fácil maltratá-las on-line por causa disso. Por causa do seu anonimato e relacionamento frágil com os outros, é muito fácil espalhar boatos e informações não factuais.

Charley Kline, que enviou a primeira mensagem da Internet, diz que a Internet moderna pode atuar e espalhar coisas ruins mais rapidamente e mais longe do que qualquer outro meio de comunicação anterior.

“publicar um panfleto dizendo que alguém é estuprador, dá muito trabalho” … “Agora você pode fazer isso em apenas alguns segundos e espalhá-lo para milhões de pessoas”.

Para remediar o problema de identidade e responsabilidade, Kleinrock diz que uma reputação digital, atribuída à identidade online de uma pessoa, seria bem vinda.

Se alguém usa habitualmente o Twitter, sua reputação digital mostraria isso. Se alguém recomendasse um produto que as pessoas acabassem amando, isso seria creditado a ele também.

A força democratizante da Internet

Nos anos 70 e 80, a ARPANET era uma rede para um grupo exclusivo de pessoas altamente qualificadas – cientistas, professores, pessoas do governo ou militares e havia um conjunto de regras para a comunicação

Impulsionada pelo advento do computador pessoal, a Internet acabou sendo comercializada e oferecida aos consumidores. Em meados dos anos 90, milhões de pessoas já a estavam acessando. O próprio Kleinrock antecipou que grandes redes de computadores se tornariam um fenômeno do mercado de massa, mas ele não viu claramente como seria utilizada.

A internet começou como uma plataforma de comunicação “um para muitos”. Um número relativamente pequeno de editores, criou ou selecionou conteúdo para um grande número de internautas. Mas desde o início, a internet tinha instintos populistas. Na década de 2000, a internet estava rapidamente se tornando uma plataforma muitos-para-muitos, um lugar onde as pessoas podiam publicar, ou selecionar, seu próprio conteúdo.

• Os internautas fizeram seus próprios vídeos para o YouTube.
• Os internautas compartilharam as notícias e informações que se encaixavam com sua visão de mundo no Facebook e no Twitter.

Ao contrário da rede restrita, prevista em seu início, a internet se tornou uma grande força democratizante. Como plataforma de publicação, transformou pessoas comuns em jornalistas, videomakers e especialistas.

Ela transformou donas de casa em influenciadoras e os jogadores de vídeo game em celebridades. Mas esse próspero ecossistema populista, e as empresas que fazem negócios lá, tradicionalmente resistem às regras e regulamentos, especialmente do governo. Isso remonta ao início, desde a ARPANET. Sempre havia um espírito de auto governança. Isso é ilustrado claramente nesta diretriz, encontrada em um manual de etiqueta de rede de 1982 do AI Lab do MIT:

“. . . as mensagens pessoais para outros assinantes da ARPANet (por exemplo, para organizar uma reunião ou dizer um alô amigável) geralmente não são consideradas prejudiciais ”, … “Enviar correio eletrônico pela ARPANet para fins comerciais ou políticos é antissocial e ilegal. Ao enviar essas mensagens, você pode ofender muitas pessoas. . . ”

Essa internet inicial não tinha leis e regulamentos, mas diretrizes voluntárias e uma suposição de que os usuários queriam manter a qualidade de sua rede. Também era para criar uma sensação de liberdade, diz Kline.

“Houve uma tentativa consciente de dizer: ‘Olha, não vamos restringir o que pode ser feito nessa rede’, em parte porque, ao permitir que ela seja aberta, pensamos que coisas novas serão inventadas e descobriremos coisas inteligentes que podemos fazer ”…

“Mas ninguém estava pensando em como isso poderia ser mal utilizado, o que obviamente aconteceu”.

A responsabilidade dos atuais barões da Internet

Kline ressalta que as pessoas que estavam construindo a ARPANET em 1969 nunca sonharam que milhões de pessoas estariam um dia na mesma rede. Os criadores da ARPANET podem ser perdoados por não olhar quatro décadas no futuro para os problemas da Internet pública de hoje. Mas o cientista Bill Duvall, que recebeu a primeira mensagem na Internet há 50 anos, diz que os barões da internet de hoje não têm essa desculpa.

“Existe uma responsabilidade social na criação disso” … “Não acho que os cientistas da computação tenham se saído muito bem: ‘Se projetar isso, acontecerá aquilo; ou: é melhor fazer algo para resolver isso'”.

Sim, ele está se referindo ao Facebook.

“Quando o Facebook está basicamente configurando algo que pode claramente ser usado para notícias falsas, eles deveriam pensar ao mesmo tempo em como controlar isso” … “Isso não foi feito e estamos pagando muito caro por isso.”

Kleinrock, Duvall e Kline dizem que a internet, em geral, foi transformadora e boa para o mundo. Mas os três homens da Internet concordam que a Internet poderia ter evoluído para algo onde houvesse mais proteção para os usuários.

Duvall diz que apenas as pessoas que ajudaram a construir e promover a internet – tecnólogos – podem realmente entender a complexidade de seus problemas. Portanto, cabe às empresas de tecnologia, não aos governos, encontrar e aplicar as tecnologias e políticas que resolverão os seus problemas. Fazer isso adequadamente pode exigir que as empresas de tecnologia deixem de lado os interesses dos acionistas e façam o certo pelas sociedades de onde obtêm lucros.

Ferramentas de Inteligência Artificial

“Queremos usar a IA para aumentar as habilidades das pessoas, para nos permitir realizar mais e para gastar mais tempo em nossos empreendimentos criativos”.

— por Jeff Dean, pesquisador Senior do Google

Chamar o Google de apenas um gigante das buscas seria um eufemismo com a rapidez com que cresceu de um mero mecanismo de busca para uma força motriz por trás de inovações em vários setores importantes de TI.

Nos últimos dois anos, o Google plantou suas raízes em quase tudo do mundo digital, seja eletrônicos de consumo, como smartphones, tablets, laptops, softwares, como Android e Chrome OS, ou o software inteligente apoiado pela IA do Google.

O Google tem inovado ativamente na indústria de software inteligente. Apoiado por sua experiência em pesquisa e dados analíticos adquiridos ao longo dos anos, o Google ajudou a criar várias ferramentas como TensorFlow, ML Kit, Cloud AI e muito mais para entusiastas e iniciantes, que estão em busca de melhor entender os recursos da IA.

A IA do Google está focada em trazer os benefícios da IA para todos.

As seções a seguir ajudam a esclarecer como o Google direcionou suas ferramentas para grupos específicos de usuários, como desenvolvedores, pesquisadores e organizações, e como as pessoas podem se beneficiar das ferramentas de IA do Google.

Para desenvolvedores

Com mais desenvolvedores mergulhando no mundo da IA, o Google está atendendo às suas necessidades, fornecendo várias ferramentas poderosas, como

TensorFlow

O TensorFlow é a oferta do Google ao mundo, de uma biblioteca para aprendizado de IA de código aberto fim a fim, utilizando o aprendizado de máquina para melhorar os serviços prestados por vários de seus produtos.

Usando o conjunto de ferramentas e bibliotecas do TensorFlow, os desenvolvedores podem criar modelos de aprendizado de máquina altamente precisos e bem definidos.

A partir daí pode-se trabalhar na construção de modelos e implantação em uma variedade de dispositivos. O TensorFlow pode facilitar a criação e a implantação de modelos de IA complexos, que, com um forte apoio da comunidade, abre-se a oportunidade para muitas idéias, seja você um novato ou um indivíduo experiente.

Algumas amostras: TensorFlow Dev Summit 2020.

Kit Machine Learn

O ML Kit leva a experiência de aprendizado de máquina do Google para desenvolvedores de dispositivos móveis em um pacote poderoso e fácil de usar.

O ML Kit é um SDK somente para celular, atualmente disponível para Android e iOS para aproveitar os benefícios do Machine Learning do Google em seus aplicativos móveis e prepará-los para resolver problemas do mundo real. O ML Kit pode ajudá-lo a obter sucesso em tarefas orientadas pelas técnicas subjacentes de Machine Learning, como:

Identificação de idioma

Passar texto para o ML Kit -> Obtem-se o idioma detectado no texto.

Ele suporta mais de 100 idiomas, incluindo hindi, árabe, chinês e muitos outros! Lista completa de idiomas suportados aqui.

Reconhecimento de Texto

Clique em uma foto -> Obtenha o texto da foto.

Digitalização e etiquetagem de imagens

Clique em uma foto -> Obter uma lista de objetos na foto

Reconhecimento Facial

Clique em uma foto -> Obter todos os rostos da foto

Respostas inteligentes

Passe a mensagens para ML Kit -> Obtenha 3 respostas inteligentes

Digitalização de código de barras

O ML Kit suporta a digitalização e extração de informações de código de barras (QR code)

Clique em uma foto -> Obtenha informações do código de barras / código QR digitalizado

Integração de modelo personalizado com o TensorFlow Lite

Com APIs prontas para uso para implementação no dispositivo ou na nuvem para uma variedade de casos de uso, que pode-se aplicar facilmente seu modelo de ML aos seus dados e acompanhar o desempenho do seu aplicativo com uma opção para integração personalizada com o TensorFlow Lite.

Google Open Source

O Google Open Source traz todo o valor do código aberto e todos os recursos do Google.

À medida que um software mais novo e melhor é desenvolvido, há uma necessidade constante de atualizações e novos recursos. Depois que os desenvolvedores começaram a criar código fonte aberto, a comunidade pode participar ativamente e ajudar a melhorar e expandir esses códigos. Com códigos disponíveis gratuitamente, os desenvolvedores podem modificar e dimensionar o código acessando seu repositório, geralmente resolvendo problemas complexos no processo.

O Google prometeu reunir mais informações para os desenvolvedores, incentivando-os a disponibilizar seu código abertamente para qualquer pessoa interessada, oferecendo vários projetos gratuitos e de código aberto, como:

• ClusterFuzz, que descobriu mais de 11000 erros nos últimos dois anos em vários projetos.
• AutoFlip, que reorganiza inteligentemente os vídeos para caber em dispositivos modernos.
• Blockly, que oferece fácil codificação através de blocos de código de arrastar e soltar, que podem até ser usados para criar lógica de negócios.

Indicadores de justiça

Uma ferramenta que fornece métricas para quantificar a justiça em um sistema de aprendizado de máquina. Desenvolvido pelo TensorFlow, a intenção é eliminar qualquer preconceito de um sistema de aprendizado de máquina, melhorando sua imparcialidade e diminuindo os preconceitos dos sistemas e organizações.

CoLaboratory

Colaboratory ou Colab, em resumo, é um editor e compilador de código on-line para Python. É como o Google Docs, mas para Python, com recursos de armazenamento no Google Drive. É relativamente fácil de usar e elimina o incômodo de compartilhar configurações entre vários usuários, simplificando o processo de colaboração. Ele também oferece a capacidade de trabalhar remotamente em seu código, com a opção de criar descontos para explicações detalhadas com trechos de código.

Para mais informações sobre o que é o Google Colab, confira o vídeo.

Para Pesquisadores

Ao mergulhar em um novo campo de estudo, uma extensa pesquisa é uma necessidade absoluta. Com conjuntos de dados abrangentes e avançados gerados pelos modelos existentes, disponíveis abertamente para os usuários, o Google simplificou o processo para colocar suas mãos neles oferecendo as seguintes ferramentas:

Conjuntos de dados do Google – Datasets

Como todo modelo de aprendizado de máquina, o problema fundamental é treiná-lo com dados corretos. Os conjuntos de dados do Google resolvem esse problema.

O Google Datasets é uma coleção de conjuntos de dados com curadoria do Google que é atualizado periodicamente, analisando a ampla gama de interesses dos pesquisadores.

O Google oferece uma ampla variedade de categorias de conjuntos de dados, cobrindo imagens, áudios transcritos, vídeos e texto. Destinado a uma ampla variedade de usuários com casos de uso variados, cada categoria apresenta um detalhamento do conjunto de dados com links de download para facilitar o acesso.

Depois que os usuários baixam os conjuntos de dados e treinam seu modelo, eles podem prepará-los para cenários do mundo real. A pesquisa de mais conjuntos de dados pode ser feita através de conjuntos de dados do Google.

Pesquisa de conjuntos de dados do Google – Datasets search

Com cada modelo na Internet gerando seu próprio conjunto de dados, o Google ajudou a facilitar o processo de compartilhamento dos conjuntos com outros usuários na Internet, através de um recurso de pesquisa. Assim como o serviço de pesquisa que busca qualquer coisa na Web, a Pesquisa de conjuntos de dados do Google restringe sua pesquisa ao conjunto de dados que se está procurando. A partir daí, pode-se saber mais sobre o conjunto de dados específico e trabalhar nele. Os dados são importantes e o Google sabe disso

Crowdsource

Outra iniciativa do Google para aumentar a precisão de seus dados, é apresentando aos usuários desafios divertidos, solicitando que eles reconheçam várias categorias de imagens, como desenhos, cartas, jornais, ilustrações e muito mais.

Nessas categorias, os colaboradores podem identificar e rotular imagens para melhorar os serviços do Google. Um distintivo divertido com metas a serem alcançadas, para quem gosta de contribuir, com espírito competitivo.

Saiba mais sobre o Crowdsource

O Google Crowdsource não funciona apenas em imagens, mas em várias outras seções, como:

• Reconhecimento de caligrafia
• Expressões faciais
• Traduções
• Validação de tradução
• Legendas da imagem
• Verificação da etiqueta da imagem

Para Organizações

Ao monitorar de perto o mercado, o Google pode identificar como seus serviços podem transformar o potencial de uma empresa. O Google oferece a elas, ferramentas que podem otimizar seu fluxo de trabalho ao adotar os conhecimentos de IA e ML O Google oferece conjunto de dados, modelos personalizados, serviços em nuvem de alto desempenho e muito mais.

Várias organizações já se beneficiaram das ferramentas de inteligência artificial do Google, como Lyft, Max Kelsen, eBay, entre outras. As organizações podem se beneficiar das seguintes ferramentas do de IA do Google:

Cloud TPU

Com todo o processamento de números, o Machine Learning requer um sistema de alto desempenho. E justamente por isso, o Google construiu seu TPU, abreviação de Tensor Processing Unit que serve exatamente isso. O Cloud TPU permite que as empresas ofereçam seus melhores serviços aos clientes, reduzindo os custos de hardware.

As empresas podem escolher sua TPU de nuvem preferida, desde tarefas menos exigentes até as mais complexas,.

Cloud AI

O Cloud AI permite implementar recursos de aprendizado de máquina em seus negócios, para que esteja sempre pronto a enfrentar novos desafios. Usando o Cloud AI, as empresas podem usar os modelos já disponíveis fornecidos pelo Google ou personalizar um deles ao seu gosto.

A nuvem IA é dividida em três componentes.

AI Hub

Fornece uma coleção de componentes de IA prontos para usar, com opções para compartilhar e experimentar os modelos.

Blocos de construção de IA

Permite que os desenvolvedores adicionem recursos de conversação, visão, idioma, dados estruturados e Cloud Auto ML.

Plataforma AI

A Plataforma AI capacita cientistas de dados, engenheiros e desenvolvedores a transformar rapidamente suas ideias na implantação com vários serviços, como o Notebooks da Plataforma AI, Deep Learning Containers, Serviços de Rotulagem de Dados, Avaliação Contínua, Treinamento da Plataforma AI e muito mais.

Leitura interessante

Cloud AutoML

Sendo usado por marcas populares como Disney, Imagia, Meredith e outras, o Cloud AutoML permite o treinamento de modelos personalizados de aprendizado de máquina para gerar dados de de alta qualidade. Sendo totalmente integrado a vários outros serviços do Google, emparelhado com um processo de transferência contínuo de um serviço para outro.

Conclusão

A IA existe há um período relativamente curto, mas os avanços já descobertos são surpreendentes. Analisando os benefícios da IA, as empresas podem obter muitas vantagem adotando Inteligência Artificial e Machine Learning.

O Google tem inovado constantemente, com várias ferramentas, como ML Kit, TensorFlow, ajudando empresas e desenvolvedores e pesquisadores. Ao incentivar o uso de suas ferramentas de IA de nuvem, o Google está tentando ampliar a presença de IA e ML no mundo real.

O objetivo é capacitar usuários com meios de avaliar, colaborar, melhorar e implantar seus modelos de aprendizado de máquina personalizados para aumentar a produtividade e melhorar os serviços.

Medindo o valor dos serviços digitais

O Produto interno bruto (PIB) é a medida básica da produção econômica geral de um país, e tem como base o valor de mercado de todos os bens e serviços que o país produz. A maioria das medidas de desempenho econômico usadas por governos para informar suas políticas e decisões são baseadas no PIB. Porém, surgem preocupações sobre as informações baseadas no PIB, dadas as principais mudanças que ocorreram no mundo nas últimas décadas.

O PIB é essencialmente uma medida de produção; adequado, quando as economias eram dominadas pela produção de bens físicos, o PIB não captura adequadamente a parcela crescente de serviços e as soluções cada vez mais complexas que caracterizam as economias avançadas. Também não reflete importantes atividades econômicas além da produção, como renda, consumo e padrão de vida.

Em 2008, uma Comissão de Medição do Desempenho Econômico e do Progresso Social, liderada pelos economistas Joseph Stiglitz e Amartya Sen, ganhadores do Prêmio Nobel, foi convocada para reconsiderar os limites do PIB como um indicador do desempenho e progresso econômico.

“O que medimos afeta o que fazemos; e se nossas medições forem falhas, as decisões podem ser distorcidas.” nota do relatório.

A Comissão recomendou complementar as medidas clássicas do PIB e da produção econômica com informações adicionais que capturassem o bem-estar das pessoas, além de considerar as medidas para ajudar a refletir a evolução da economia.

Na última década, um novo conjunto de preocupações surgiu com a ascensão da economia digital baseada na Internet.

Como você mede o valor das quantidades crescentes de informações gratuitas disponíveis na Internet, incluindo artigos da Wikipédia, mapas do Google, interações no Facebook, aplicativos para smartphones e vídeos do YouTube?

Na palestra Por que é importante que o PIB ignore os bens livres, proferida na conferência de 2012 de Tecnologia, o professor do MIT Erik Brynjolfsson disse que, apesar de estar no meio de uma grande revolução tecnológica, as estatísticas oficiais do governo não incluem o valor dos bens digitais e assim, poderia-se concluir que o setor de informação mal cresceu desde os anos 1960, participando penas com cerca de 4,5% da economia.

Como isso é possível, se gastamos cada vez mais tempo consumindo e desenvolvendo bens digitais?

“Obviamente, existem problemas de medição na maneira como mantemos e amostramos nossas estatísticas, e isso é um problema real porque, o que não é medido, não pode ser gerenciado”,

Alguns problemas na medição do valor dos bens digitais.

A primeira coisa é que o custo marginal da entrega de algo pela Internet é bem próximo de zero. Embora em alguns casos seu modelo econômico seja baseado em publicidade, em muitos casos os usuários contribuem com seu tempo e desenvolvem conteúdo digital por nada. As informações on-line podem ser atualizadas a cada minuto do dia e acessíveis em praticamente qualquer lugar do mundo, mas seu preço geralmente é radicalmente mais baixo do que o de sua concorrente física – se houver um preço.

O problema é que o PIB mede o valor total gasto com esses bens e serviços. Se o preço for zero, – zero vezes qualquer coisa ainda é zero. Então mesmo que se possa criar uma enorme quantidade de informações, artigos ou qualquer outra coisa; se o preço é zero, os matemáticos e estatísticos, em seus cálculos, conseguem provar que isso resulta em uma grande contribuição de tendência zero para o PIB.

“As métricas tradicionais não são adequadas para a economia da informação, porque grande parte da economia digital é gratuita”.

Como se pode medir o valor de mercadorias cujo valor é essencialmente zero?

Um trabalho de pesquisa recente de Avinash Collis e Felix Eggers introduziu um novo método para medir o valor dos produtos digitais, usando experimentos de escolha online. Sua proposta é baseada na medição do excedente do consumidor de um bem digital – definido livremente como a diferença entre o valor que os consumidores estariam dispostos a pagar e o preço real que pagam. Em princípio, medir o excedente do consumidor fornece uma medida direta do valor do bem digital.

Na prática, é bem difícil medir o excedente do consumidor digital. Para fazer isso, os autores usaram três pesquisas on-line em larga escala, abrangendo 65.000 pessoas, para medir a disposição do consumidor em aceitar compensações monetárias a vários tipos de produtos digitais por um determinado período. A diferença entre o preço que os consumidores estavam dispostos a aceitar e o preço real do bem digital – em muitos casos zero – foi usado para calcular o excedente do bem digital, ou seja, o valor do bem, para o bem digital dos consumidores.

Os pesquisadores realizaram uma série de pesquisas. Em uma delas, eles identificaram os aplicativos e sites on-line mais utilizados, em vários dispositivos, e os agregaram em oito categorias diferentes:

• e-mail,
• mecanismos de pesquisa,
• mapas,
• comércio eletrônico,
• vídeo,
• música,
• mídia social e
• mensagens instantâneas.

A pesquisa quantificou o valor de cada uma dessas categorias digitais, determinando quanto dinheiro seria necessário para um consumidor desses conteúdos digitais por um ano.

A pesquisa foi realizada duas vezes. Em 2016 e em 2017. Aqui estão os valores médios de 2017 que seriam necessários para compensar um consumidor em cada uma das categorias digitais por um ano:

• Ferramentas de busca – $ 17,530
• E-mail – $ 8.414
• Mapas – $ 3.648
• Vídeo –  $ 1.173
• Comércio eletrônico – $ 842
• Mídias sociais – $ 322
• Música – $ 168
• Mensagens – $ 155

Os mecanismos de pesquisa e o e-mail foram as duas categorias mais valiosas, porque para muitas pessoas esses serviços digitais são essenciais para o seu trabalho, em comparação com outras categorias.

Os dados mostram que a economia digital está contribuindo com mais valor para o consumidor do que imaginamos, especialmente quando você considera que há 15 anos muitos desses serviços digitais não existiam ou estavam começando. Agora, eles estão totalmente integrados ao nosso trabalho e vida pessoal.

Em suas conclusões, os autores do artigo alertam que estes são resultados iniciais. São necessárias muito mais pesquisas para entender melhor como medir o valor de bens digitais gratuitos ou quase gratuitos, amplamente utilizados, para obter uma visão mais realista do que cria valor em nossa economia cada vez mais digital.

“Uma grande limitação do nosso estudo continua sendo a relativa falta de precisão em nossas estimativas. Comparado com o PIB, só podemos fornecer uma estimativa relativamente grosseira das mudanças no excedente do consumidor, considerando o tamanho da amostra … Trabalhos futuros devem usar tamanhos de amostra mais maciços … Outra limitação do nosso estudo é que ele é direcionado a pessoas que usam a Internet. As experiências de escolha são acessíveis apenas on-line e, portanto, as pessoas que não usam a Internet (cerca de 11% da população dos EUA) são excluídas.”

“Apesar de suas limitações, os experimentos de escolha que realizamos estão ao menos tentando medir diretamente um conceito que sabemos que não é medido corretamente por outros dados oficiais. Em suma, acreditamos que é melhor estar aproximadamente correto do que precisamente errado.”

Além da transformação digital para garantir RoI

O conceito de Transformação Digital está rapidamente se tornando algo tão falado e que todo mundo diz estar praticando, que ele já começa a perder seu real sentido, passando para algo chamado de saciedade semântica – um conceito de que algo não tem valor porque pode significar muitas coisas, ou muito pouco.

Para os executivos, algo mais alarmante está ocorrendo: a transformação digital pode se tornar um empecilho para os esforços digitais realizados. Eles lutam para aumentar os lucros e obter RoI significativo com investimentos digitais em larga escala, mas não obtém tal retorno, como desejado.

Então, como obter valor em uma empresa digital e garantir que todos os investimentos ofereçam esse RoI?

É necessário mais do que transformar. É preciso transcender as abordagens tradicionais de crescimento e mudança. A PwC fez uma pesquisa, a QI digital da PwC em 2020, nela, foram estudadas milhares de empresas e seus comportamentos digitais. E foi descoberto que:

• Apenas 5% das empresas estão obtendo retorno moderado ou significativo de seus esforços digitais em todas as áreas medidas: crescimento, lucros, inovação, experiência do cliente, crescimento da marca, atração e retenção de talentos, interrupção de seu próprio setor, uso de dados para melhorar decisões, corte custos e combater novos entrantes da indústria.

Esse grupo de empresas – Transcendentes – obtém retorno real em suas empresas por abraçar a inovação e não temer mudanças…

Mas o que é preciso para transcender?

Quatro diferenciadores principais oferecem desempenho, consistência e destaque. E são elementos sobre os quais muitos líderes falam, mas nem todos atuam ou obtêm valor real.

1. Mudança de postura – não adianta apenas falar

Ações valem mais que palavras. Se os líderes da empresa não adotarem estratégias digitais que os ajudem a se adaptar a esse mundo em constante mudança, não conseguirão transcender. Para transcender, deve-se assumir riscos calculados, começando pela maneira de como liderar.

• 84% dos Transcenders não apenas incentivam – usam estratégias de liderança focadas na colaboração e novas formas de trabalhar.
• 92% dos Transcenders agem de acordo com as ideias de todos, não apenas dos superiores.

Isso é importante, pois os gestores não conseguem pensar em tudo ou ter todas as ideias. Alguns exemplos de ideia vinda de colaboradores e que se tornaram casos de sucesso:

• O Hot Cheetos de Flamin.
• O Post-it de Spencer Silver da 3M e
• Ken Kutaragi da Sony que teve a ideia do Playstation depois de brincar com o Nintendo de sua filha.

Os Transcenders desenvolvem uma estratégia digital básica, de modo que seus líderes se esforçam para evitar obstáculos à inovação e criam um ambiente de oportunidades para que as ideias surjam: Simulando a ideia, dando exemplo, criando ambientes e fazendo apresentações.

• O marketing trabalha junto com as finanças?
• O RH incentiva enviar ideias de novos negócios?
• Funcionários menos experientes são convidados a reformular os problemas e criar novas soluções?

Grandes ideias não são vinculadas por títulos ou departamentos.

2. Invista como quiser

A maioria das empresas investem em treinamento, tecnologia e inovação. Mas obter o retorno requer um esforço diferenciado. Sem a infraestrutura que suporta um ambiente em constante evolução, as aspirações fracassam.

Os processos, as tecnologia e as habilidades estão implorando para serem modernizadas – não apenas para o agora, mas para o futuro. Depois de fazer isso, terá tempo para se concentrar no crescimento acima dos custos:

65% dos Transcenders direcionam suas iniciativas digitais e investem mais de 33% que outras empresas, em crescimento. Mesmo que agora não seja viável gastar mais, você pode realocar investimentos para iniciativas que incentivam a inovação e a tecnologia, que não apenas ajudam a reduzir custos ou economizar tempo, mas também impulsionam negócios.

Fazer isso pode parecer assustador, mas para os Transcenders o retorno é mais impressionante. A adoção de ferramentas e iniciativas digitais aumentou a participação dos funcionários em inovação em 84% nessas empresas. E, como grupo, eles viram um crescimento 17% maior na margem de lucro do que outros nos últimos três anos.

3. Coloque as pessoas em primeiro lugar

Nenhum negócio prospera sem talento criativo motivado. Para ir da transformação à transcendência, a experiência e o aprimoramento dos funcionários é fundamental – do tipo: colocar as pessoas na vanguarda da inovação – são cruciais.

Transcender significa ver seu negócio, sua empresa, como destemida, que muda suas táticas e dá aos funcionários, as ferramentas necessárias para elaborar novos planos e novas táticas. Você precisa das melhores pessoas e precisa delas para permanecer e crescer com você. (Sem mencionar que normalmente custa muito – mais de US $ 4.000 para contratar um novo funcionário.)

Para colocar seu pessoal em primeiro lugar, provavelmente será necessário repensar o treinamento:

• 64% dos Transcenders do estudo Global QI da PwC recentemente aumentaram seus processos de treinamento. Sim, é crucial ensinar habilidades para o novo ambiente digital, mas elas precisam ser pequenas, imediatamente aplicáveis, práticas e motivadoras. E não se trata apenas de habilidades tecnológicas. Há um nível de agilidade mental e de habilidades – para aceitar e processar mudanças e novas formas de trabalho – e um impulso colaborativo necessário para passar ao status do Transcender. Além disso, você está preparando funcionários para o futuro, movendo-os do foco em fazer uma ou duas coisas muito bem para pensar de maneira diferente e usar ferramentas digitais de forma colaborativa.

A recompensa para as empresas transcendentes:

• 72% sempre ou frequentemente alcançam a adoção pretendida de novas iniciativas (em oposição a apenas 35% das outras), e
• 97% da Transcenders relatam maior produtividade dos funcionários ao usar ferramentas digitais e formas de trabalhar. Ah, e os Transcenders têm uma probabilidade 200% maior do que as outras empresas de atrair e reter os melhores talentos.

4. Construa uma cultura resiliente

Desafio gera resiliência; que é o resultado da persistência, juntamente com a visão de navegar pelas mudanças. Transformar rapidamente uma ameaça potencial em oportunidade tem sido fator determinante para empresas que estão vencendo a transformação digital.

É por isso que 98% dos Transcenders estão confiantes de que suas empresas sobreviverão, independentemente dos desafios que virão.

Mas qual a principal diferença entre transformação e transcendência?

As transformações têm um começo, um meio e um fim. E o que determina cada fase é o sue projeto ou sua implementação.

Mas a transcendência é uma sequência de constante aprendizado e aprimoramento. Os líderes Transcendentes fazem uma aposta, explicam a mudança cultural necessária e as táticas que permitirão essa melhoria. Eles têm uma visão clara e ajudam os outros a vê-la também.

Essa abordagem é a razão pela qual as Transcenders adotam grandes interrupções e se fortalecem:

• 67% passaram, pelo menos, por um evento perturbador nos últimos dois anos, de fusões e aquisições até mudanças significativas na estratégia de negócios. Além disso, a flexibilidade e o compromisso com o digital dão às empresas transcendentes uma forte vantagem competitiva:

• 86% relatam um aumento na inovação rápida nos negócios.

A transformação pode estar perdendo seu significado, mas a transcendência está apenas entrando no zeitgeist. E é isso que manterá seu pessoal – e sua empresa – focados para a estrada aberta, à frente, e não no espelho retrovisor, para trás.

Inteligência Artificial e a evolução da história

No ano passado o MIT inaugurou mais um e seus centros de estudos avançados, o Schwarzman College of Computing – uma resposta estratégica do MIT ao aumento da demanda por conhecimento da inteligência artificial – uma tecnologia que remodelará a “geopolítica, nossa economia, nossa vida cotidiana e a própria definição de trabalho” nas próximas décadas.

Na celebração de abertura, houveram palestras e painéis sobre uma ampla variedade de tópicos, alguns focados em aplicações inovadoras de tecnologias de IA, outros nos problemas desafiadores levantados por essas poderosas tecnologias.

Sobre as questões mais desafiadoras, do impacto da IA em nossas interações sociais, é muito interessante a abordagem da palestra da professora do MIT Sherry Turkle sobre Repensando o atrito na cultura digital e também o artigo do professor de Yale, Nicholas Christakis, sobre Como a IA Nos Recompensará.

Há ainda a entrevista realizada pelo colunista do NY Times Thomas Friedman com o ex-secretário de Estado dos EUA, Dr. Henry Kissinger. A entrevista foi baseada em um artigo de junho de 2018 do Dr. Kissinger – Como o Iluminismo Termina: “Filosoficamente, intelectualmente – em todos os aspectos – a sociedade humana não está preparada para a inteligência artificial.”

Friedman perguntou como Kissinger se interessou pelo assunto da IA. Kissinger respondeu que começou a refletir sobre a IA depois de ouvir uma palestra sobre o assunto em uma conferência em 2015. Ao longo de três anos de discussões, ele ficou cada vez mais preocupado com o fato de o conhecimento técnico da IA estar muito à frente do nosso entendimento de suas implicações políticas, sociais e humanas, bem como de seu impacto a longo prazo na evolução da história. Foi isso que o levou a escrever o seu artigo.

A tese central do artigo de Kissinger é que “Até agora, o avanço tecnológico que mais alterou o curso da história moderna foi a invenção da imprensa no século XV, que permitiu a busca de conhecimento empírico para suplantar a doutrina litúrgica e a Era da Razão para gradualmente substituir a Era da Religião … ”

“A Era da Razão originou os pensamentos e ações que moldaram a ordem mundial contemporânea. Mas essa ordem está agora em agitação em meio a uma nova revolução tecnológica ainda mais abrangente, cujas consequências não conseguimos contar totalmente, e cujo ponto culminante pode ser um mundo que depende de máquinas movidas por dados e algoritmos e não governado por normas éticas ou filosóficas.”

A revolução da IA pressagia um Novo Iluminismo ou uma Nova Era das Trevas, perguntou Friedman. “Não sabemos”, respondeu Kissinger. Não entendemos como relacionar as muitas opções oferecidas pela AI a critérios humanos como ética, ou mesmo para definir quais são esses critérios.

“A era da internet em que já vivemos prefigura algumas das questões e questões que a IA só tornará mais aguda” … escreveu Kissinger no artigo.

“Os usuários da internet enfatizam a recuperação e manipulação de informações em vez de contextualizar ou conceituar seu significado … como regra geral, exigem informações relevantes para suas necessidades práticas imediatas … A verdade se torna relativa. As informações ameaçam sobrecarregar a sabedoria … Inundado pelas mídias sociais com as opiniões de multidões, os usuários são desviados da introspecção … ”

“O impacto da tecnologia da internet na política é particularmente pronunciado. A capacidade de direcionar micro grupos quebrou o consenso anterior sobre prioridades, permitindo um foco em propósitos ou queixas especializadas. Os líderes políticos, sobrecarregados por pressões de nicho, são privados de tempo para pensar ou refletir sobre o contexto, contratando o espaço disponível para desenvolver a visão. A ênfase do mundo digital na velocidade inibe a reflexão; seu incentivo capacita o radical sobre o pensativo; seus valores são moldados pelo consenso de subgrupos, não pela introspecção.”

A IA leva essas preocupações para um nível totalmente diferente. Até agora, aplicamos tecnologias para automatizar processos dentro de sistemas e objetivos prescritos pelo homem. A IA, em contraste, é capaz de prescrever seus próprios objetivos.

“Os sistemas de IA, por meio de suas próprias operações, estão em constante fluxo à medida que adquirem e analisam instantaneamente novos dados, depois buscam melhorar a si mesmos com base nessa análise. Através desse processo, a inteligência artificial desenvolve uma habilidade anteriormente pensada como reservada para os seres humanos. Faz julgamentos estratégicos sobre o futuro.”

Kissinger acha que “o impacto da IA terá consequências históricas”. Suas aplicações são cada vez mais capazes de gerar resultados totalmente inesperados e radicalmente diferentes da maneira como os seres humanos resolvem problemas.

“Com o tempo, a inteligência artificial trará benefícios extraordinários para a ciência médica, energia limpa, questões ambientais e muitas outras áreas”, escreveu Kissinger em seu artigo, “Mas justamente porque a IA faz julgamentos em relação a um futuro em evolução, ainda não determinado, incerteza e ambiguidade são inerentes aos seus resultados.”

Seu artigo lista três áreas principais de preocupação:

1. Os aplicativos de IA podem alcançar resultados indesejados. Como podemos garantir que nossos sistemas de IA cada vez mais complexos façam o que queremos? A ficção científica está cheia de cenários de IA, por exemplo, Hal em 2001: Uma Odisseia no Espaço. Mas, além da ficção científica, existem outras maneiras principais pelas quais as coisas podem não funcionar como o esperado. Todos conhecemos bugs de software, especialmente bugs em softwares altamente complexos, como é o caso dos sistemas de IA. A crescente complexidade dos sistemas de IA e seu alistamento em funções de alto risco, como controlar aviões, carros, robôs cirúrgicos e sistemas de saúde, significa que devemos redobrar nossos esforços em testar e avaliar a qualidade desses sistemas de IA.

2. Além dos bugs de software, os sistemas de IA podem ter problemas próprios, especialmente se desenvolvidos usando algoritmos de aprendizado de máquina e treinados com grandes conjuntos de dados. Pode haver falhas adicionais nos próprios algoritmos. Ou os dados do treinamento podem incluir vieses imprevistos. Os sistemas podem muito bem estar funcionando como projetados, mas não como realmente queremos que eles funcionem. Pode demorar um pouco para descobrir se o problema está no software, nos algoritmos de aprendizado de máquina, nos dados de treinamento ou em alguma combinação de todos os itens.

3. O sistema de IA pode ser incapaz de explicar a sua lógica, mesmo que esteja funcionando corretamente e atinja os objetivos pretendidos. Pode ser incapaz de explicar como o fez em termos que os humanos entenderão. Explicar a um ser humano o raciocínio por trás de uma decisão ou recomendação específica feita por um algoritmo de aprendizado de máquina é bastante difícil, porque seus métodos – ajustes sutis nos pesos numéricos que interconectam seu grande número de neurônios artificiais – são muito diferentes daqueles usados por humanos. Ao atingir seus objetivos, a IA pode mudar os processos de pensamento e valores humanos. Em geral, os humanos resolvem problemas complexos desenvolvendo um modelo explícito ou conceitual do problema. Esses modelos fornecem o contexto para se chegar a uma solução ou tomar uma decisão. A IA, por outro lado, aprende matematicamente, ajustando marginalmente seus algoritmos enquanto analisa seus dados de treinamento. Essa falta de contexto inerente pode levar a IA a interpretar mal as instruções humanas. Torna difícil para a IA levar em conta o tipo de advertências subjetivas, qualitativas, como éticas ou razões, que orientam as decisões humanas.

Além disso, dado que a IA aprende exponencialmente mais rápido que os humanos, é provável que seus erros e desvios se propaguem e cresçam mais rapidamente do que aqueles tipicamente cometidos por humanos. Um sistema de IA que esteja constantemente aprendendo com a ingestão de novos dados pode inevitavelmente desenvolver pequenos desvios que, com o tempo, podem se transformar em falhas catastróficas. Os humanos usam atributos qualitativos como sabedoria, julgamento e bom senso para moderar e corrigir seus erros – atributos que os sistemas de IA com base quantitativa geralmente não possuem.

Para encerrar, Thomas pergunta a Henry:

“Quando você voltar daqui a 10 anos e entregar ao [presidente do MIT] Rafael um boletim para a Escola de Computação, o que constituirá sucesso para esta nova empresa?”.

A que Kissinger respondeu: “Eu gostaria de ver se as pessoas que estarão explorando o próximo estado, no futuro próximo, têm um domínio melhor do que agora sobre a natureza das concepções que a inteligência artificial produz.”

“Então, eu gostaria de ver se foi possível desenvolver alguns conceitos [para controlar ataques cibernéticos baseados em IA] que sejam comparáveis aos conceitos de controle de armas nos quais estive envolvido, digamos, 50 anos atrás, que nem sempre foram bem-sucedidos. Em teoria era bastante explicável. Mas ainda não temos isso.”

E em todos ou na maioria dos campos de IA que estão sendo explorados, eu ficaria muito interessado em ver se as empresas ou instituições que os estão promovendo não estão apenas resolvendo o problema que os interessou, mas… fizeram algum progresso nas implicações. Isso determinará o nosso futuro e o futuro do mundo.”