Ferramentas como o ChatGPT são realmente inteligentes?

Modelos de linguagem grandes (Large Linguage Models – LLMs) – como por exemplo, o BERT, GPT-3, – e os chatbots como ChatGPT, são impressionantes. Nos próximos anos, eles levarão a um desenvolvimento de uma série de ferramentas e aplicativos. Eles podem anunciar a próxima revolução da IA. Mas, quanto mais eles nos aproximam do tipo de inteligência geral que, apenas os humanos tem, como podemos separar seu verdadeiro significado e valor do hype que os acompanha?

Vou comentar isso a partir de dois artigos diferentes abordaram essas questões.

“O sucesso dos modelos de linguagem neural em muitas tarefas de NLP [Natural Language Processing] é empolgante”, escrito pelos professores de linguística Emiliy Bender e Alexander Koller em seu artigo de 2020 “ClimbingwardsNLU: On Meaning, Form, and Understanding in the Age of Data.” “Isso levou a reivindicações, tanto em publicações acadêmicas quanto populares, de que tais modelos entendem ou compreendem a linguagem natural ou aprendem seu significado. Do nosso ponto de vista, essas são afirmações exageradas causadas por um mal-entendido da relação entre forma linguística e significado”.

Em seu artigo, Bender e Koller explicam por que LLMs como o GPT-3 provavelmente se tornarão ferramentas de linguagem inovadoras – como corretores ortográficos ou processadores de texto altamente avançados – enquanto descartam as alegações de que eles têm a capacidade de raciocinar e entender o significado de a linguagem que estão gerando. Suas explicações são expressas em conceitos linguísticos que eles definem cuidadosamente: forma, intenção comunicativa, significado e compreensão.

A forma refere-se a como a linguagem é expressa de fato, ou seja, como texto quando expressa em um documento físico ou digital, ou como sons quando expressa em uma conversa ou palestra;

A intenção comunicativa é o propósito que um falante pretende alcançar por meio da linguagem, como transmitir alguma informação a outra pessoa, pedir que ela faça algo ou apenas socializar;

O significado é a relação entre a forma na qual a linguagem é expressa e a intenção comunicativa que está sendo usada para evocar no ouvinte ou leitor; e

A compreensão é a capacidade do ouvinte de captar o significado que o falante pretendia transmitir.

“Intenções comunicativas são sobre algo que está fora da linguagem. Quando dizemos Abra a janela! ou Quando ‘Malala Yousafzai’ nasceu?, a intenção comunicativa é fundamentada no mundo real que o falante e o ouvinte habitam juntos.” Transmitir significado por meio da linguagem e evocar a intenção de comunicação no leitor exige um conhecimento do mundo físico e social ao nosso redor. “Em contraste com alguns exageros atuais, o significado não pode ser aprendido apenas com a forma”, disseram os autores. “Isso significa que os grandes modelos de linguagem, como o BERT, não aprendem o significado; eles aprendem alguma reflexão do significado na forma linguística, o que é muito útil nas aplicações”.

O texto gerado por um LM ou chatbot não carrega nenhuma intenção comunicativa ou entende o modelo do estado de espírito do leitor, porque não foi para isso que eles foram treinados. “Isso pode parecer contra-intuitivo, dadas as qualidades cada vez mais fluentes do texto gerado automaticamente, mas temos que levar em consideração o fato de que nossa percepção do texto em linguagem natural, independentemente de como foi gerado, é mediada por nossa própria competência linguística e nossa predisposição para interpretar atos comunicativos como transmitindo significado e intenção coerentes, quer o façam ou não”.

Em “A A.I. está dominando a linguagem. Devemos confiar no que ela diz?”, um artigo da NY Times Magazine publicado em abril de 2022, o escritor de ciência Steven Johnson, escreveu sobre o GPT-3, – tanto sobre o seu desempenho, quanto possíveis armadilhas. “Nas primeiras vezes que usei o GPT-3, … fiquei emocionado”, escreveu ele. “Parecia quase impossível que uma máquina pudesse gerar um texto tão lúcido e responsivo baseado inteiramente no treinamento elementar da previsão da próxima palavra.”

“Desde o lançamento do GPT-3, a internet foi inundada com as facilidades do software – junto com suas fraquezas e outras tendências mais sinistras”, disse Johnson. “Até agora, os experimentos com os LLMs foram basicamente: experimentos de busca de sinais de verdadeira inteligência, explorando seus usos criativos e expondo seus vieses. Mas o potencial comercial final é enorme. Se a trajetória continuar, um software como o GPT-3 poderá revolucionar a forma como buscamos informações nos próximos anos. … O atendimento ao cliente pode ser totalmente transformado: qualquer empresa com um produto que atualmente exija uma equipe humana de suporte técnico pode treinar um L.L.M. para isso”.

Ao mesmo tempo, GPT-3 e outros LLMs estão atraindo críticas de que são capazes de imitar os padrões sintáticos da linguagem humana, mas incapazes de gerar suas próprias ideias, tomar decisões complexas e em amadurecer algo que se assemelhe à inteligência humana. “Para esses críticos, o GPT-3 é apenas o mais recente objeto da longa história de hype I.A., canalizando dólares de pesquisa e atenção para o que acabará por se revelar um beco sem saída, impedindo que outras abordagens promissoras amadureçam. Outros críticos ainda acreditam que software como o GPT-3 permanecerá para sempre comprometido pelos preconceitos, propaganda e desinformação nos dados em que foi treinado, o que significa que usá-lo para qualquer coisa além de truques de salão sempre será irresponsável.”

O artigo de Johnson levanta uma série de pontos de advertência sobre os LLMs e vou brevemente comentar algumas de suas advertências.

LLMs são apenas papagaios. O termo papagaio foi mencionado em um artigo de março de 2021, “On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?”, por Emily Bender e Timnit Gebru. O artigo deles argumentou que os LLMs estão apenas repetindo o enorme número de frases de autoria humana usadas em seu treinamento. Sua capacidade impressionante de gerar frases convincentes e articuladas nos dá a ilusão de que estamos lidando com um ser humano bem educado e inteligente, e não com um papagaio que só repete palavras e que não tem uma compreensão humana das ideias subjacentes às frases que está reunindo.

Falta de conhecimento de bom senso. Os LLMs carecem do conhecimento de bom senso sobre o mundo físico e social do qual a inteligência humana está inserida, incluindo as habilidades de raciocínio intuitivo que nossos cérebros biológicos consideram normais. Nascemos com a capacidade de aprender rapidamente e nos adaptar ao ambiente social ao nosso redor. “Um dos segredos do aprendizado das crianças é que elas constroem modelos ou teorias do mundo”, escreveu a psicóloga da UC Berkeley, Alison Gopney, em “The Ultimate Learning Machines”, um ensaio do WSJ de 2019. “O futuro da inteligência artificial depende do desenvolvimento de computadores que possam pensar e explorar os mesmos recursos que os bebês.”

Vieses nos dados de treinamento do LLM. Uma das principais descobertas do relatório do índice de IA de 2022 foi que, embora os LLMs como o GPT-3 estejam estabelecendo novos recordes em benchmarks técnicos, eles também são mais propensos a refletir os vieses que podem ter sido incluídos em seus dados de treinamento, incluindo temas racistas, sexistas, linguagem extremista e outras coisas nocivas, bem como padrões de linguagem abusivas e ideologias nocivas.

LLMs são caixas pretas. É muito difícil explicar em termos humanos por que um LLM escolheu uma resposta entre tantas outras. Os LLMs têm um grande número de parâmetros em suas complexas redes neurais, tornando muito difícil avaliar as contribuições individuais para uma decisão em termos de como um ser humano entenderá.

LLMs podem ser confiáveis? Os LLMs são muito bons em gerar textos, mas não possuem mecanismos para verificar a veracidade do que eles geram. Eles podem ser propensos a variações, inventando frases que parecem plausíveis, mas não fazem o menor sentido e não enganariam os humanos. “O debate mais acalorado sobre os LMMs não gira em torno da questão de saber se eles podem ser treinados para entender o mundo. Gira em torno de saber se eles são confiáveis”.

“O problema de treinamento será resolvido nos próximos anos e GPT-3 e seus pares deixam uma coisa muito clara: as máquinas adquiriram linguagem”, escreveu Johnson em conclusão. “Se você passar bastante tempo com o GPT-3, tentando explorar suas capacidades e falhas, acabará se sentindo como se estivesse interagindo com uma espécie de criança prodígio cujo brilhantismo é obscurecido por algumas limitações óbvias: capaz de respostas surpreendentes; possuindo profundo conhecimento e domínio em uma vasta quantidade de temas, mas também sem noção sobre muitos fatos básicos; propenso a respostas estranhas e sem sentido; livre de etiqueta e normas sociais”.

Prioridades em tempos turbulentos

“A pandemia do COVID-19 reescreveu as regras de negócios, e agora todo dia nasce algo disrruptivo”, temática do artigo da McKinsey, O que é mais importante? Seis prioridades para CEOs em tempos turbulentos. “Gerenciar organizações complexas é muito mais difícil hoje do que há alguns anos. E a tarefa mais difícil de todas para os CEOs é decidir o que é prioridade e o que pode esperar.”

Para descobrir as prioridades, depois de quase três anos de pandemia, a McKinsey conversou com centenas de CEOs em todo o mundo. Seis tópicos aparecem com destaque em suas agendas:Resiliência: “A resiliência está emergindo como algo vital para empresas que operam em um mundo de volatilidade e disrupção sem fim”.

Coragem estratégica. “Os melhores líderes e empresas são ambidestros: prudentes em administrar o lado negativo enquanto buscam corajosamente o lado positivo.”

Construção de Novos Negócios. “Ir para a grandeza dentro do setor de uma empresa é uma coisa. Aventurar-se em um ramo totalmente diferente é outra coisa, muito mais complicada.”

Tecnologia. “Construir um novo negócio significa, inevitavelmente, uma tecnologia nova e melhor.”

Zero emissões. “As metas de sustentabilidade, competitividade econômica, acessibilidade e segurança estão presentes como nunca antes.”

Reconstruir a experiência do funcionário. “Na esteira da pandemia do COVID19, os CEOs precisam encontrar um novo plano de engajamento.”

Vou resumir aqui essas seis prioridades.

Resiliência. A crença de que a eficiência é fundamental para a vantagem competitiva transformou a gestão em uma ciência, cujo objetivo é a eliminação do desperdício, seja de tempo, materiais ou capital, escreveu Roger Martin, professor da Universidade de Toronto, em “The High Price of Efficiency,” um artigo de 2019 na Harvard Business Review. Mas, um foco excessivo na eficiência pode produzir efeitos negativos. Para contrabalançar os efeitos negativos, as empresas devem dar atenção a uma fonte menos apreciada de vantagem competitiva: a resiliência, — “que é a capacidade de se recuperar de dificuldades – de voltar à crescer e se desenvolver após um choque ou abalo”, comentário feito, um ano antes da Covid19.

Uma pesquisa recente com CEOs do Conference Board descobriu que a confiança do CEO caiu para os níveis mais baixos desde o início da pandemia. A maioria dos CEOs (81%), afirmaram estar se preparando para uma recessão breve e superficial, enquanto apenas 7% disseram que não esperavam uma recessão. “A pandemia exigiu das empresas serem muito mais ágeis”, disse a McKinsey. “Agora parece que inflação chegou para ficar, em grande parte graças ao esgotamento das cadeias de suprimentos, especialmente em energia.”

Para sobreviver à recessão, as empresas devem desenvolver resiliência. A McKinsey recomenda que os líderes considerem quatro abordagens principais para criar resiliência: (I) transformar interrupções de curto prazo em oportunidades de crescimento; (II) motivar trabalhadores com atribuições mais significativas, treinamento em habilidades mais difíceis e melhores oportunidades de progressão na carreira; (III) reconstruir cadeias de suprimentos para eficiência e resiliência; e (IV) fazer investimentos sustentáveis para se proteger contra a volatilidade dos preços dos combustíveis fósseis.

Coragem estratégica. “Em quase todas as conversas com CEOs, membros de conselhos e outros líderes, todos compartilham um sentimento comum: essa combinação de choques criou talvez o ambiente mais desafiador que as equipes de gerenciamento já enfrentaram – e que provavelmente não mudará em breve”, escreveu a McKinsey.

Este ambiente desafiador viu o surgimento de dois tipos de líderes: “O primeiro tipo adota uma postura cautelosa e defensiva ao lidar com a volatilidade e a incerteza. … Esses líderes estão em um modo estratégico de esperar e observar o desenrolar das condições.” A maioria dos executivos seniores se enquadra nessa categoria. O segundo tipo de líder “está tomando todas as ações defensivas corretas enquanto também se inclina para a volatilidade, usando-a como um catalisador para tracionar ações em torno de novas oportunidades”.

“Os melhores líderes e empresas são ambidestros.” Eles jogam tanto no ataque quanto na defesa, imaginando como sobreviver às incertezas do presente enquanto pensam nas oportunidades que podem surgir no futuro. Fazer isso com eficácia requer coragem estratégica.

Construção de Novos Negócios. “Para grandes empresas, abrir frentes em novos negócios é essencial para o crescimento e a inovação. A chave para o sucesso? Combinar os pontos fortes de uma incumbente com a agilidade de uma startup.”

Foco e agilidade são as principais vantagens competitivas de uma startup. As startups geralmente são organizadas em torno de uma inovação central. Eles podem, assim, concentrar todas as suas energias no desenvolvimento de suas ofertas inovadoras, colocando-as no mercado o mais rápido possível e melhorando-as continuamente com base no feedback real do cliente.

Isso é muito diferente para as grandes empresas. Ao longo dos anos, a empresa acumulou vários ativos valiosos, incluindo uma equipe de gerenciamento experiente, uma força de trabalho talentosa, fundos para novos empreendimentos, uma marca confiável, informações de mercado, propriedade intelectual e uma base de clientes que pode reduzir os custos de aquisição de clientes, — colocando assim seus negócios em uma trajetória de crescimento mais rápido.

“Quando empresas estabelecidas desenvolvem a capacidade de integrar seus ativos com modelos de negócios voltados para tecnologia, elas podem gerar continuamente novos negócios. Fazer isso bem requer quatro elementos: (I) forte patrocínio do CEO, (II) relacionamentos cuidadosamente estruturados entre a empresa e seus empreendimentos, (III) disciplina para financiar novos negócios; e (IV) validam suas ideias com uma equipe hábil de construção de negócios.”

Tecnologia. Dominar as tendências tecnológicas é essencial para desenvolver novos negócios, transformar os antigos e obter o máximo valor das transformações digitais de uma empresa.

O estudo da McKinsey, “Technology Trends Outlook 2022”, analisou de perto 14 das tendências tecnológicas mais promissoras, 9 baseadas em tecnologias digitais e de TI e 5 abrangendo tecnologias físicas. “[Enquanto] ainda é difícil prever como as tendências tecnológicas vão se desenrolar, os executivos podem planejar com antecedência, acompanhando o desenvolvimento de novas tecnologias, antecipando como as empresas podem usá-las e entendendo os fatores que afetam a inovação e a adoção.”

O estudo analisou cada uma dessas tendências tecnológicas com base em sua maturidade técnica e impacto no setor para identificar quais tendências eram mais importantes para as empresas. Para quantificar a interrupção geral que uma tendência causa, o estudo calculou uma pontuação para cada tecnologia com base em métricas tangíveis, incluindo: publicações e registros de patentes: os principais indicadores de atividade de pesquisa e inovação; menções de notícias e pesquisas online: representando o nível de interesse público; e montantes e número de empresas que fazem investimentos privados: as medidas de interesse financeiro.

Zero emissões. O caminho para zero emissões deu uma guinada inesperada em 2022. As interrupções se intensificaram. A guerra na Ucrânia levou à insegurança energética, e o aumento da inflação ameaça uma grave recessão global. Os CEOs enfrentam os seguintes problemas: conciliar resiliência com promessas de zero emissões. “Mas há boas notícias: os objetivos de sustentabilidade, competitividade econômica, acessibilidade e segurança nacional se encaixam como nunca antes.”

“Como o tema zero emissões se tornou um princípio para os negócios, os executivos querem mostrar credibilidade em como farão a transição para o zero emissões, ao mesmo tempo em que constroem e reforçam a resiliência contra a volatilidade dos choques econômicos e políticos.” Os líderes terão que decidir com rapidez como conduzir sua agenda de sustentabilidade. Alguns serão tentados a dobrar os combustíveis fósseis em detrimento das tecnologias renováveis emergentes.

Mas, a McKinsey observa que, a resposta certa a esses desafios é manter o foco no longo prazo enquanto se ajusta às condições atuais. “Uma postura resiliente, preparada para resistir a choques e preparada para acelerar em uma realidade alterada, permite que as empresas enfrentem não apenas o momento atual, mas também as futuras tempestades que provavelmente surgirão em um mundo de riscos crescentes.”

Reconstruir a experiência do funcionário. A prioridade final do CEO é a necessidade de se reengajar com os funcionários de sua empresa, que, no final, são as pessoas necessárias para fazer com que todas as coisas aconteçam. Há muito o que fazer. “Nos últimos anos, o contrato com os trabalhadores tornou-se um pouco transacional demais para o gosto de qualquer um – nós pagamos, você trabalha e ponto final”. Após a pandemia do COVID19, os CEOs precisam encontrar um novo plano de engajamento. Acertar no modelo de trabalho híbrido é uma dimensão. Mas a exigência de passar dois dias no escritório, vai se tornar obsoleta muito rápido, sem alguns novos incentivos.

Os CEOs precisam pensar muito sobre o escritório do futuro: um lugar onde os funcionários desejam estar – para ver amigos, discutir novas ideias e encontrar significado em seu trabalho, frente as longas e tediosas videochamadas, mas de grande engajamento do home office. Faça bem essas coisas e você descobrirá que seus problemas de retenção serão aliviados.

“O CEO é o grande estrategista da empresa”, escreveu a McKinsey em conclusão. “Ele também é o integrador final, encarregado de identificar os problemas que afligem a empresa e formular uma resposta que traga todos os recursos certos para funcionar. Fazer isso requer prática, perspectivas e estratégias: de fora para dentro e de dentro para fora da empresa; um telescópio para ver o mundo e um microscópio para cada área e setor; uma visão instantânea dos problemas imediatos e uma bola de cristal para ver o futuro.”

Pode um sistema de IA exibir inteligência de senso comum?

“Uma das limitações da IA pode ser caracterizada como a sua falta de inteligência de senso comum: a capacidade de raciocinar intuitivamente sobre situações e eventos cotidianos, o que requer um rico conhecimento prévio sobre como o mundo físico e social funciona”, escreveu Yejin Choi, professor da Universidade de Washington. Choi em “The Curious Case of Commonsense Intelligence”, um ensaio publica em 2022 pela Dædalus. “É trivial aos humanos, adquirir inteligência de bom senso; porém para a IA isso tem sido considerado um objetivo quase impossível, acrescentou Choi.”

O que é inteligência de senso comum?

Em uma apresentação de 2020, Choi definiu senso comum como “o nível básico de conhecimento prático e raciocínio sobre situações e eventos cotidianos que são comumente compartilhados pela maioria das pessoas”. O bom senso é essencial para os humanos “viverem e interagirem uns com os outros de maneira razoável e segura” e, para um sistema de IA, o bom senso é essencial “para entender melhor as necessidades e ações humanas”. Ela explicou ainda mais a diferença entre o raciocínio de senso comum intuitivo e o raciocínio racional analítico, discutindo a pesquisa pioneira de Daniel Kahneman, – Princeton Professor Emérito e ganhador do Prêmio Nobel de Economia de 2002, – e seu colaborador de longa data Amos Tversky, que morreu em 1996.

Em seu livro, Thinking, Fast and Slow, Kahneman explica que nossa mente é composta de dois sistemas de pensamento muito diferentes, o Sistema 1 e o Sistema 2. O Sistema 1 é a parte intuitiva, inconsciente, rápida e sem esforço da mente. Os pensamentos vêm de forma automática e muito rapidamente, sem que façamos nada para fazê-los acontecer.

O Sistema 1 normalmente funciona de forma coerente com base em suas percepções do que está acontecendo ao redor, preenchendo lacunas, usando sua vasta quantidade de conhecimento de senso comum sobre como o mundo físico funciona e como as pessoas geralmente se comportam. Nossas mentes estão constantemente desenvolvendo coisas intuitivas sempre que percebemos um evento, incluindo o que causou o evento, o que acontecerá depois, bem como as motivações e estados emocionais de qualquer pessoa envolvida no evento. Essas coisas nos ajudam a lidar com eficiência com as inúmeras situações simples que encontramos na vida cotidiana. Mas, embora nos permita agir rapidamente, as coisas simples e coerentes que o Sistema 1 apresenta podem estar erradas e nos levar a erros.

Já o Sistema 2 é a parte mais lenta, lógica, deliberada e esforçada da mente. É onde avaliamos e escolhemos entre várias opções. Mas ele também é lento e se cansa facilmente, então geralmente não invocamos o Sistema 2, a menos que seja necessário um pensamento racional rigoroso e exigente para atividades como resolver quebra-cabeças, ler e escrever artigos, resolver problemas de matemática ou fazer um teste.

O senso comum é moldado pela biologia evolutiva e pelo contexto social. Nascemos com a capacidade de aprender rapidamente e nos adaptar ao ambiente social ao nosso redor. Em “The Ultimate Learning Machines”, um ensaio do WSJ de 2019, a psicóloga da UC Berkeley, Alison Gopney, observou que, embora o treinamento de algoritmos de aprendizado profundo para reconhecer cães e gatos exija um grande número de imagens rotuladas, crianças pequenas “podem aprender isso com apenas um pequeno número de exemplos. Algumas fotos de livros de histórias podem ensiná-las não apenas sobre cães e gatos, mas também sobre onças, rinocerontes e unicórnios.”

“Um dos segredos do aprendizado das crianças é que elas constroem modelos ou teorias do mundo”, acrescentou. “Crianças pequenas podem não aprender a jogar xadrez, mas desenvolvem ideias de bom senso sobre física …, mesmo que nunca tenham visto um carro ou uma parede antes.” Um grande desafio em IA é como construir sistemas que possam pensar, aprender e entender como o mundo funciona, como uma criança de 18 meses.

A pesquisa de IA nas décadas de 1960, 70 e 80 se concentrou no desenvolvimento de representações simbólicas do mundo com estruturas de conhecimento como redes semânticas e linguagens de programação baseadas em lógica como LISP e Prolog para desenvolver sistemas de raciocínio. “Mas, apesar de seu apelo intelectual, os formalismos baseados na lógica se mostraram muito frágeis para escalar além dos problemas experimentais de brinquedos”, escreveu Choi em seu ensaio Dædalus.

Os métodos lógicos formais são mais apropriados para problemas cuja solução pode ser obtida a partir de suas premissas iniciais por meio de inferências dedutivas, como a demonstração de um teorema matemático. Mas o raciocínio intuitivo e de bom senso é bem diferente. “O objetivo do raciocínio intuitivo é antecipar e prever o que pode ser uma explicação plausível para nossas observações parciais, para que possamos ler nas entrelinhas do texto e ver além do quadro da imagem”, explicou Choi. Além disso, o raciocínio intuitivo extrai de nosso conhecimento de senso comum sobre o mundo, para preencher os espaços em branco e, portanto, é anulado, ou seja, à medida que entendemos melhor o contexto real da situação, as explicações corretas podem ser bem diferentes daquelas originalmente fornecidas por nossa intuição.

A escala é outra razão importante pela qual a lógica formal falha quando aplicada ao raciocínio intuitivo e de bom senso. “A estrutura de raciocínio, para ser útil na prática, deve estar pronta para cobrir todo o espectro de conceitos e composições de conceitos que encontramos em nossas interações físicas e sociais cotidianas com o mundo. Além disso, o mundo real está repleto de situações inéditas, que exigem geração criativa de hipóteses, novas composições de conceitos e novas descobertas de regras de raciocínio”.

Choi acrescentou que “os formalismos baseados na linguagem, apesar de sua aparente imprecisão e variabilidade, são suficientemente expressivos e robustos para abranger o vasto número de fatos e regras de senso comum sobre como o mundo funciona. Afinal, é a linguagem, e não as formas lógicas, por meio da qual os humanos adquirem conhecimento sobre o mundo.”

Os Foundation Models, como o GPT-3, são um desses formalismos baseados em linguagem. Embora baseados em tecnologias de aprendizado profundo (DL), esses modelos de linguagem grandes (LLMs) contornaram as limitações anteriores de DL, aproveitando dois avanços recentes, grande escala e aprendizado de transferência. Os modelos de fundação são treinados com mais de 10 vezes mais dados do que os modelos DL anteriores, incluindo grandes blocos de informações na Internet, bem como livros digitais, artigos, relatórios e outras mídias digitais. E, ao contrário do treinamento específico para tarefas dos sistemas de IA anteriores, o aprendizado por transferência pega o conhecimento aprendido no treinamento de uma tarefa e o aplica a tarefas diferentes, mas relacionadas.

Pouco depois que o GPT-3 foi colocado online em 2020, seus criadores na empresa de pesquisa de IA, a OpenAI descobriram que o GPT-3 não apenas poderia gerar frases e parágrafos inteiros em inglês em uma variedade de estilos, mas também desenvolveu habilidades surpreendentes em escrever software de computador, mesmo embora os dados de treinamento estivessem focados no idioma inglês, não em exemplos de código de computador. Mas, como se viu, as vastas quantidades de dados usadas em seu treinamento incluíam muitos exemplos de programação de computador acompanhados de descrições do que o código foi projetado para fazer, permitindo assim que o GPT-3 aprendesse a programar sozinho. Da mesma forma, o GPT-3 aprendeu sozinho várias outras tarefas, como gerar documentos legais.

Choi lidera o Mosaic, um projeto do Allen Institute que está construindo um protótipo baseado em linguagem de conhecimento de senso comum e sistema de raciocínio intuitivo. O protótipo não poderia ser baseado em grandes modelos de linguagem existentes, como o GPT-3, porque esses modelos são normalmente treinados para gerar a próxima palavra, frase ou parágrafo em inglês sequencialmente da esquerda para a direita, uma técnica que não funciona para modelos de senso comum.

O GPT-3 funciona muito bem para gerar texto sequencial em inglês sobre muitos tópicos e estilos em resposta a uma pergunta ou solicitação. Mas a cognição humana cotidiana está longe de ser sequencial e requer um raciocínio flexível sobre eventos que podem não ter ocorrido sequencialmente, como o raciocínio contrafactual, — que envolve a consideração de alternativas possíveis para um evento que já ocorreu, e o raciocínio abdutivo — um tipo de raciocínio que busca a conclusão mais simples e provável para uma observação.

“Embora a maior parte do nosso raciocínio seja uma forma de raciocínio abdutivo, ele é menos conhecido pela maioria das pessoas. Por exemplo, Conan Doyle, o autor do cânone de Sherlock Holmes, erroneamente escreveu que Sherlock usou o raciocínio dedutivo para resolver seus casos. Pelo contrário, a chave para resolver os mistérios de Holmes era quase sempre o raciocínio abdutivo, que requer uma dose não trivial de imaginação e raciocínio causal para gerar hipóteses explicativas que podem não parecer óbvias para os outros”.

Como parte de sua pesquisa sobre IA de senso comum, Choi e seus colegas desenvolveram uma série de sistemas inovadores baseados em linguagem como o ATOMIC, uma coleção de descrição textual de regras e fatos de senso comum sobre objetos e eventos cotidianos e novos algoritmos de inferência que podem incorporar de forma flexível a natureza não sequencial do raciocínio intuitivo.

“Embora a pesquisa demonstre novos caminhos em potencial, estamos longe de resolver a IA de senso comum”, escreveu Choi em conclusão. “Muitas questões ainda permanecem abertas, incluindo mecanismos computacionais para garantir consistência e interpretação do conhecimento e raciocínio de senso comum, integração profunda entre linguagem e percepção para raciocínio multimodal, novos paradigmas de aprendizagem para abstração e analogias e métodos avançados de aprendizagem para aprendizagem interativa e ao longo da vida de conhecimento e raciocínio”.

As escolas de negócios e a estagnação salarial

Ouvi um podcast muito interessante, Are MBAs to Blame for Wage Stagnation, com o apresentador da Freakonomics Radio, Stephen Dubner e o economista do MIT Daron Acemoglu. O podcast discutiu um documento de Darem Acemoglu, Alex He e Daniel le Maire sobre o efeito MBA de um CEO nos salários dos funcionários de sua empresa, publicado no National Bureau of Economic Research (NBER).

No podcast, Acemoglu observou que, nas últimas décadas, os salários cresceram mais lentamente do que a produtividade – fato que há muito intriga os economistas. “Se você olhar para o salário real dos trabalhadores com ensino médio, ele aumentou cerca de 2,5% ao ano em termos reais entre 1945 e o final dos anos 1970 – um aumento notável. E desde 1980, vem diminuindo em termos reais a cada ano. Portanto, uma grande fração da população dos EUA está se tornando cada vez mais pobre, mesmo enquanto estamos construindo as tecnologias mais incríveis, as maiores empresas que a humanidade já viu, a economia mais avançada.”

A parcela do PIB que vai para os trabalhadores, caiu de 63% na década de 1980 para 58% em 2020 e durante essas mesmas quatro décadas, a parcela de empresas americanas administradas por um executivo com MBA ou algum outro diploma de negócios — aumentou de 25% na década de 1980, para mais de 40% em 2020. Essas duas tendências estão conectadas? A profissionalização da classe gerencial fez com que os salários dos trabalhadores caíssem? Continue a leitura para entender o contexto.

Para esclarecer essa questão, Acemoglu e seus colaboradores analisaram dados dos Estados Unidos e da Dinamarca, incluindo informações de empresas e dos trabalhadores. Eles escolheram a Dinamarca, além dos EUA, porque o país tem dados de altíssima qualidade, que permitem fazer análises que seriam mais difíceis com dados apenas dos EUA. Sua metodologia foi bem simples. Eles rastrearam os ganhos dos trabalhadores, quando há uma mudança no tipo de gerencia que lidera a empresa, ou seja: quando ela passa de um gestor de negócios, nível técnico, para um gestor com formação em negócios e vice-versa.

A descoberta principal do estudo foi que, quando um CEO sem formação em negócios é substituído por um CEO com um MBA, há um declínio significativo nos salários. Cinco anos após sua nomeação, os salários diminuem 6% e a mão-de-obra diminui 5% nos EUA, enquanto na Dinamarca, tanto os salários quanto a mão-de-obra diminuem 3%. “Em nenhum dos dois países vemos quaisquer tendências diferenciais na participação da mão-de-obra, salários, emprego, produção ou investimento antes do início do mandato dos gestores com MBA. Também não detectamos uma resposta de emprego, produção, investimento ou produtividade, o que sugere que os gestores com MBA não são mais produtivos do que seus antigos pares”.

Esses resultados respondem por 20% da queda da mão de obra e cerca de 15% da desaceleração do crescimento salarial desde 1980 nos EUA, e por 6% da queda na participação da mão de obra na Dinamarca. Além disso, a nomeação de um CEO com MBA leva a um aumento de 3% no retorno sobre os ativos (RoA) nos EUA e um aumento de 1,5% na Dinamarca; o valor de mercado das ações da empresa aumenta em cerca de 5%; e tudo mais sendo igual, os gestores com MBA ganham mais do que os gerentes de outras áreas.

O que explica as diferenças nos salários e na mão-de-obra entre empresas lideradas por gestores com MBA e sem MBA?

A explicação está na diferente resposta ao lucro por trabalhador por parte das empresas lideradas por cada tipo de gestor. As empresas lideradas por gestores sem MBA têm maior probabilidade de compartilhar quaisquer lucros excedentes com seus trabalhadores: um aumento de 10% no lucro por trabalhador está associado a um aumento de 1% nos salários. Por outro lado, nas empresas dirigidas por gestores com MBA, um aumento do lucro por trabalhador não tem qualquer impacto nos seus salários.

Por que os gestores com formação em negócios têm menos probabilidade de compartilhar os lucros de suas empresas com seus funcionários?

É porque esses indivíduos são muito exigentes, mais propensos a adotar uma linha dura com o trabalho e mais propensos a buscar pessoas diplomadas ou com práticas em gestão de negócios, focados em resultados e lucros. Esse modelo de gestão ficou mais evidente nos anos 1980, quando grande parte das empresas do mundo adotou a reengenharia e downsizing, promovendo a cultura da empresa enxuta e maximização de lucros.

Com base em sua análise de dados, os autores demonstram que a aversão a compartilhar lucros é adquirida principalmente nas escolas de MBA. Como evidência adicional, eles citam duas ideias propagadas por escolas de MBA que influenciaram os gestores de negócios nas últimas quatro décadas.

A primeira ideia é de que maximizar o valor do acionista deve ser o objetivo principal dos gestores, apresentado pela primeira vez por economistas na década de 1970, principalmente pelo economista da Universidade de Chicago e ganhador do Prêmio Nobel Milton Friedman. Em um artigo da NY Times Magazine de 1970, “A responsabilidade social das empresas é aumentar seus lucros”, Friedman escreveu:

“Em um sistema de livre iniciativa e propriedade privada, um executivo corporativo é um funcionário dos proprietários do negócio. Ele tem responsabilidade direta com seus empregadores. Essa responsabilidade é conduzir os negócios de acordo com seus desejos, que geralmente serão ganhar tanto dinheiro quanto possível, em conformidade com as regras básicas da sociedade, tanto as consagradas na lei quanto as consagradas no costume ético.” Preocupações de negócios além de obter lucro – como “promover fins sociais desejáveis” ou “fornecer empregos, eliminar a discriminação, evitar a poluição e tudo o mais” equivaliam a “pregar o socialismo puro e não adulterado“.

Esses pontos de vista foram amplamente adotados pela comunidade empresarial, incluindo a Business Roundtable (BRT), — uma associação de CEOs de grandes empresas americanas. Mas diminuíram consideravelmente após a crise financeira de 2008. Em 2019, o BRT divulgou uma declaração atualizada sobre o propósito de uma corporação que se afastou de seu compromisso anterior com a primazia do acionista para agora enfatizar um “compromisso com todas as partes interessadas” e com “uma economia que serve a todos os americanos”.

A segunda ideia é nossa obsessão com eficiência econômica e corporações enxutas. A crença de que a eficiência é fundamental para a vantagem competitiva transformou a gestão em uma ciência, cujo objetivo é a eliminação do desperdício, seja de tempo, materiais ou capital, escreveu Roger Martin, professor da Universidade de Toronto, em “The High Price of Efficiency” um artigo de janeiro de 2019 na Harvard Business Review. “Por que não queremos que os gerentes se esforcem para um uso cada vez mais eficiente dos recursos?”, ele perguntou. Um foco excessivo na eficiência pode produzir efeitos negativos surpreendentes.

O problema é que, nas últimas quatro décadas, tratamos a economia como uma espécie de máquina que pode ser dividida em partes, cada uma das quais, sendo otimizadas para criar um ‘todo’ eficiente. Em princípio, o modelo pretendia produzir uma grande evolução no meio social (uma grande classe média), com uma diminuição dos resultados nas extremidades superior e inferior, correspondendo tanto às famílias mais ricas quanto às mais pobres. As famílias mais ricas fariam investimentos e pagariam impostos substancialmente mais altos que ajudariam a todos, especialmente as famílias mais pobres.

Mas, a máquina econômica não tem funcionado como esperado, ponto também levantado por Acemoglu no podcast. De 1947 a 1976, a renda média das famílias americanas cresceu mais de 2,4% CGR. Como resultado, a renda familiar mediana dobrou em uma geração de 30 anos. Mas, de 1977 a 2019, a renda média cresceu apenas 0,6% CGR, o que significa que a renda familiar média aumentou apenas 31% nos últimos 42 anos.

“Na medida em que as escolas de negócios foram a vanguarda dessas ideias que se tornaram mais difundidas entre os gestores e foram propagadas por consultores de gestão, nossas estimativas devem ser vistas como limites inferiores sobre os efeitos dessas práticas de gestão”, observou o artigo do NBER. “Se assim for, tanto nos Estados Unidos quanto na Dinamarca, as práticas de gestão que priorizam o retorno para o acionista e o corte de custos podem ter contribuído significativamente para o declínio da participação de lucros ao trabalhador e para a desaceleração dos salários.”

No final do podcast, Dubner perguntou a Acemoglu o que ele diria aos alunos de um curso de MBA se fossem convidados a ministrar um curso sobre o impacto dos líderes na estagnação salarial.

“Eu sugeriria dois caminhos para uma reflexão mais aprofundada”, disse Acemoglu. “Por mais poderoso que seja um líder empresarial – ou um líder político, ou até mesmo um ditador – seu poder está embutido nas normas da sociedade. Se as normas da sociedade não forem permissivas, ele não será capaz de fazer esse tipo de coisa. O símbolo das forças de que estamos falando são pessoas como Jack Welch. Jack Welch era tão poderoso quanto qualquer CEO seria, e ele é um exemplo de CEOs que cortaram salários. Mas Jack Welch não teria sido capaz de fazer o que fez se a sociedade, amigos e vizinhos, seus acionistas – não aceitassem as políticas e o estilo de gestão que ele trouxe”.

“E segundo, eu sugeriria rever o que realmente ensinamos às pessoas nessas instituições, sobre posições de poder? precisamos voltar aos programas de estudos, voltarmos às dicas que as pessoas recebem nas escolas de negócios ou em outros ambientes semelhantes, incluindo talvez em empresas de consultoria de gestão.”

A IA chegou à fase adulta?

A inteligência artificial surgiu em meados da década de 1950 como uma nova e promissora disciplina acadêmica. A IA tornou-se uma das áreas mais empolgantes das ciências da computação nas décadas seguintes. Mas, depois de anos de promessas e exageros não cumpridos, um período chamado de inverno de IA, com projetos fracos, quase mataram a área de estudo e pesquisa. A IA renasceu com sucesso na década de 1990 com um novo paradigma estatístico baseado na análise de grandes quantidades de dados com computadores poderosos e algoritmos sofisticados. Agora, seis décadas após o início, a IA parece finalmente atingir a maioridade.

“2021 viu a globalização e a industrialização da IA se intensificarem, enquanto as questões éticas e regulatórias dessas tecnologias se multiplicaram”, disse o relatório AI Index de 2022 sobre o progresso da IA, lançado em março de 2022 pelo Stanford’s Institute for Human-Centered Artificial Inteligência (HAI). “2021 foi o ano em que a IA passou de uma tecnologia emergente para uma tecnologia madura – não estamos mais lidando com uma parte especulativa da pesquisa científica, mas sim com algo que tem impacto no mundo real, tanto positivo quanto negativo”, escreveu Jack Clark, co-presidente do AI Index. Vários fatores levaram à sua conclusão, em particular o advento do Foundations Models como o GPT-3 da OpenAI e o BERT do Google.

Na última década, sistemas de IA cada vez mais poderosos igualaram ou superaram os níveis humanos de desempenho em várias tarefas específicas, como reconhecimento de imagem e fala. Esses sistemas de Deep Learning (DL) de tarefas específicas geralmente contam com Supervised Learning (SL), um método de treinamento em que os dados devem ser cuidadosamente rotulados, – por exemplo, gato, não-gato -, exigindo assim um grande investimento em tempo e dinheiro para produzir um modelo que é estritamente focado em uma tarefa e não pode ser facilmente reaproveitado.

Os Foundations Models contornaram essas limitações de DL com base em dois avanços recentes, o Transfer Learning e Huge Scale. O aprendizado por transferência (Transfer Learning) pega o conhecimento aprendido no treinamento de uma tarefa específica e o aplica a tarefas diferentes, mas relacionadas, como usar o treinamento para reconhecer carros em imagens e aplicar isso ao reconhecimento de caminhões e ônibus. Como resultado, os Foundations Models podem ser adaptados para muitas tarefas diferentes com quantidades relativamente pequenas de ajuste.

A enorme escala desses modelos baseia-se em três avanços recentes: (I) grandes melhorias no desempenho e nos custos do hardware de computação; (II) novas arquiteturas transformadoras que permitem que esses grandes modelos aproveitem sistemas paralelos; e (III) mais dados (10 vezes mais dados) de treinamento do que os modelos DL anteriores, incluindo grandes blocos de informações na Internet, bem como livros, artigos, relatórios e outras mídias digitais.

Em 30 de novembro, a OpenAI lançou o ChatGPT, uma versão do GPT-3 que interage com os usuários em um formato de conversação. “O formato de diálogo permite que o ChatGPT responda a perguntas, admita erros, conteste premissas incorretas e rejeite solicitações inadequadas.” A OpenAI incentiva os usuários a experimentar o ChatGPT, e muitos milhões já o fizeram, sobrecarregando o sistema com tráfego muito alto.

“Quantas pessoas já testaram o ChatGPT?”, perguntei ao ChatGPT antes de postar este blog em Junho, e ele prontamente respondeu: “Não tenho um número exato de quantas pessoas já experimentaram o ChatGPT, mas ele é muito utilizado por pesquisadores, desenvolvedores e empresas em todo o mundo para processamento de linguagem natural (NLP), como chatbots, tradução de idiomas e resumo de texto. Também é usado por muitos indivíduos para projetos pessoais e experimentação.”

Nos últimos meses, li vários artigos e assisti muitos vídeos sobre o ChatGPT. Eles abrangem desde grande admiração até profundo ceticismo. Deixe-me comentar um desses artigos.

“ChatGPT é, simplesmente, o melhor chatbot de inteligência artificial já lançado para o público em geral”, escreveu o colunista de tecnologia do NY Times Kevin Roose em “The Brilliance and Weirdness of ChatGPT”. O ChatGPT “chegou com força… e muitos de seus fãs falam dele em termos grandiosos e atônitos, como se fosse uma mistura de software e feitiçaria”. As ferramentas anteriores de IA eram boas em tarefas estreitas e bem definidas, “mas ainda tendem a falhar quando tiradas de suas zonas de conforto”.

“Mas o ChatGPT é diferente. Mais esperto. Mais estranho. Mais flexível.” Ele pode escrever piadas (algumas das quais são realmente engraçadas), trabalhar com códigos de computador e redações de nível universitário. Ele também pode atuar em diagnósticos médicos, criar jogos de Harry Potter baseados em texto e explicar conceitos científicos em vários níveis de dificuldade.”

Essa nova geração de chatbots está inspirando admiração e medo. Seu impacto econômico pode ser semelhante ao da eletricidade de um século atrás. Por outro lado, isso pode ser “o começo do fim de todo o trabalho de conhecimento e tarefas administrativas e burocráticas e um precursor do desemprego em massa”.

“Pessoalmente, ainda estou tentando entender o fato de que o ChatGPT – um chatbot que algumas pessoas acham que pode tornar o Google obsoleto, e que já está sendo comparado ao iPhone em termos de seu potencial impacto na sociedade – e este ainda não é o melhor modelo de I.A. da OpenAI.”, escreveu Roose em seu parágrafo final. “Isso seria o GPT-4, a próxima versão do grande modelo de linguagem da empresa.” Há rumores de que o GPT-4 será lançado em 2023 e espera-se que seja significativamente mais poderoso que o GPT-3.

Deixe-me agora passar para um artigo mais cético. “O novo chatbot conquistou a Internet e mostrou como a IA conversacional pode ser boa – mesmo quando inventa coisas”, escreveu Will Knight, redator sênior da Wired, em “ChatGPT’s Most Charming Trick Is Also Its Biggest Flaw”. “O ChatGPT se destaca porque pode pegar uma pergunta formulada naturalmente e respondê-la usando uma nova variante do GPT-3, chamada GPT-3.5. Esse ajuste desbloqueou uma nova capacidade de responder a todos os tipos de perguntas, dando ao poderoso modelo de IA uma nova interface atraente que praticamente qualquer pessoa pode usar.”

“Colocar uma nova interface em uma tecnologia também pode ser uma receita para o hype”, acrescentou Knight. “Apesar de seu potencial, o ChatGPT apresenta algumas falhas, comuns às ferramentas de geração de texto. Nos últimos dois anos, OpenAI e outros mostraram que algoritmos de IA treinados em grandes quantidades de imagens ou texto podem ser capazes de feitos impressionantes. Mas como eles trabalham de forma puramente estatística, em vez de realmente aprender como o mundo funciona, esses programas são propensos a gerar fatos e declarações preconceituosas e odiosas – problemas ainda presentes no ChatGPT. Os primeiros usuários do sistema reportaram que o serviço entregava respostas de pura bobagens aparentemente convincentes sobre um determinado assunto.”

Outros artigos focaram no potencial de negócios dessas poderosas tecnologias de IA. Em “A tecnologia que invadirá nossas vidas em 2023”, o escritor de tecnologia de consumo do NY Times, Brian Chen, prevê que 2023 nos trará uma variedade de novos e aprimorados assistentes de IA.

“Usuários que ficaram impressionados com a competência linguística do ChatGPT ficaram também surpresos com seus erros, particularmente com aritmética simples”, escreveu ele. Deixando de lado as falhas, podemos esperar que as empresas de I.A. melhorem os pontos fortes desses chatbots com ferramentas que simplificam a forma como escrevemos e lemos textos. “Por um lado, é muito provável que no próximo ano possamos ter um chatbot que atue como assistente de pesquisa. … Isso não significa que veremos uma enxurrada aplicativos de A.I. em 2023. Pode ser que muitas ferramentas que já usamos para o trabalho comecem a incorporar a geração automática de linguagem em seus aplicativos.”

Da mesma forma, em “A inteligência artificial está finalmente permeando os negócios”, o The Economist escreveu que “novos e poderosos Foundations Models estão se movendo rapidamente do laboratório para o mundo real. O Chatgpt, uma nova ferramenta de IA que foi lançada recentemente para testes, está fazendo sucesso por sua capacidade de criar piadas e explicar conceitos científicos. Mas a empolgação também está entre os usuários corporativos, desenvolvedores e financiadores de capital de risco desses desenvolvedores”.

2022 pode muito bem ser lembrado como o ano em que a IA finalmente atingiu a maioridade. Como observou este artigo do NY Times, “existem muitas maneiras pelas quais esses bots são superiores a você e a mim. Eles não se cansam, não deixam a emoção tomar conta, podem extrair ou examinar instantaneamente quantidades gigantescas de informações. E eles podem gerar texto, imagens e outras mídias em velocidades e volumes que nós, humanos, nunca poderíamos.” Mas, ao mesmo tempo, precisamos aprender “o que esses sistemas podem fazem bem e o que não podem, como eles substituirão o trabalho humano a curto prazo e como não o farão“. Perceber o potencial de uma nova tecnologia importante leva tempo. Há claramente muito trabalho a ser feito.

A globalização fracassou?

“A grande promessa da globalização era que os países, à medida que se tornassem mais integrados, também se modernizariam em uma dimensão política”, disse o apresentador da Freakonomics Radio, Stephen Dubner, em seu podcast Has Globalization Failed?

A globalização deveria aumentar a prosperidade e a democracia. A década de 1990 marcou o início de uma era de ouro da globalização, quando o mundo parecia estar se unindo. As nações estavam se tornando mais economicamente interdependentes. A internet promoveu as comunicações em todo o mundo. A disputa ideológica entre o comunismo e o capitalismo parecia ter acabado. A democracia estava espalhando um conjunto de valores universais – liberdade, igualdade, direitos humanos.

“Estou curioso para saber o quão bem-sucedido ou malsucedido você se encontra?”, Dubner perguntou a sua convidada Anthea Roberts, professora da Universidade Nacional da Austrália e coautora do livro de 2021 Six Faces of Globalization: Who Wins, Who Loses, and why it matters.

“Uma das coisas que eu acho que saiu claramente de controle foi que a Rússia e a China não deram os frutos da maneira que os Estados Unidos esperavam”, respondeu Roberts. “Mas parte disso também pode ser que os EUA quisessem dizer que era sobre democracia, mas na verdade muito disso também era sobre seus próprios interesses econômicos, e agora sua compreensão de seus interesses econômicos mudou”.

A globalização “tirou centenas de milhões de pessoas da pobreza”, acrescentou. “Houve realmente um aumento de consumo, que tornou nossas vidas muito mais diversificadas, desde comida até eletrônicos. Mas acho que no mesmo estágio, se você olhar para outras métricas, houveram alguns efeitos prejudiciais. Comunidades foram deixadas para trás. Também vimos aumento dos suicídios, vícios em drogas e estruturas sociais estão desmoronando.”

Em outras palavras, se a globalização foi bem-sucedida, malsucedida ou algo em meio termo, isso vai depender das histórias que ouvimos e que contamos uns aos outros. Nem todos contam a mesma história e tendemos a descartar ou ignorar coisas que concordamos ou discordamos. Em seu livro, Roberts conta seis histórias de globalização muito diferentes:A Narrativa do Estabelecimento. A globalização é uma maré alta que levanta todos os barcos. “Chamamos isso de narrativa do establishment, porque foi o paradigma dominante para entender a globalização no Ocidente nas três décadas que se seguiram ao fim da Guerra Fria.” Muitos ainda acreditam que o livre comércio aumenta a prosperidade e promove a paz.

A narrativa populista de esquerda: “As economias nacionais são manipuladas para canalizar os ganhos da globalização para poucos privilegiados.” Houve um aumento acentuado na desigualdade, e os ganhos da globalização foram em grande parte para as elites às custas dos pobres e do esvaziamento da classe média.

A Narrativa Populista de Direita: “Trabalhadores, suas famílias e suas comunidades perdem com a globalização, tanto economicamente quanto culturalmente.” Esta narrativa tem fortes sentimentos anti-comércio e anti-imigrante. As elites são culpadas por não terem protegido suas populações domésticas das ameaças econômicas que devastaram suas comunidades.

A Narrativa do Poder Corporativo. As corporações multinacionais são as verdadeiras vencedoras da globalização, às custas dos trabalhadores, governos e cidadãos. Corporações multinacionais tiraram proveito de um mercado global “para produzir barato, vender em qualquer lugar e pagar o mínimo possível de impostos”.

A Narrativa Geoeconômica. Certos países em desenvolvimento, especialmente a China, ganharam às custas dos Estados Unidos e de outros países desenvolvidos. Embora ambos os países tenham ganhado com a globalização, a China vem fechando a lacuna e os EUA percebem cada vez mais a China como um concorrente econômico e uma ameaça à segurança.

A Narrativa das Ameaças Globais: Todos acabam perdendo com a globalização, embora os pobres e os países em desenvolvimento sejam os que mais perderão. A globalização é uma fonte aceleradora de ameaças globais, como pandemias e mudanças climáticas.

Dubner discutiu essas narrativas com Roberts em seu podcast, fazendo várias perguntas a Roberts.

Qual dessas narrativas se alinha melhor com a forma como você vê o mundo? Roberts não escolheu um favorito. Ela apontou que as narrativas não são mutuamente exclusivas. Cada um deles tem sua parcela de defensores e aborda um conjunto diferente de preocupações. As conversas sobre globalização geralmente esquentam porque, se você olhar pelas lentes de uma narrativa, pode ser muito difícil considerar a visão de outra.

“Estou muito mais interessada em dar às pessoas ferramentas que as ajudem a pensar sobre problemas complexos, em vez de dizer-lhes o que pensar sobre problemas complexos”, acrescentou. “Como você pesa a eficiência econômica em relação às preocupações com a lealdade tradicional ou como você pesa a eficiência econômica em relação às preocupações com a segurança nacional? Na verdade, não acho que haja uma resposta certa e clara para isso”.

Quão influente tem sido a mídia ocidental ao apresentar e moldar a realidade da globalização? “A mídia reflete a realidade, mas também ajuda a moldar a próxima rodada da realidade”, respondeu Roberts. Ao relatar e tentar dar sentido ao que veem, a mídia cria maneiras de entender eventos e histórias que influenciam a maneira como as pessoas percebem suas vidas.

“Uma das coisas que você viu nos EUA é um pouco de avaliação da necessidade de maiores insumos e diversidade em termos de como você está relatando as coisas internamente. Mas acho que também haveria um argumento para fazer isso internacionalmente, porque assim como as costas leste e oeste dominam os Estados Unidos, a mídia ocidental e a mídia de língua inglesa dominam globalmente. Isso torna muito mais difícil entender as perspectivas de outros lugares.”

Dubner perguntou sobre a percepção chinesa dos EUA. A China costumava admirar os EUA por sua prosperidade e status de superpotência. Mas, à medida que a China ganhou dos EUA, esse respeito diminuiu e eles não conseguem acreditar no quão caótico os Estados Unidos parecem ter se tornado.

Essa mudança de percepção afeta a relação geopolítica entre os EUA e a China? A mudança de percepção é real, disse Roberts. Em vez de perguntar: “como podemos ser mais parecidos com a América?” Os chineses agora estão se perguntando “como podemos ter certeza de que não acabaremos com esse tipo de desigualdade e polarização?”

“Também acho que há uma sensação real na China de que os Estados Unidos estão tentando conter a ascensão da China, e isso é algo que realmente afeta uma forte consciência nacional por causa de sua experiência com o Século da Humilhação nas mãos do Oeste. Se você tratar a China como inimiga, a China se tornará o inimigo.”

A economia global é realmente globalizada? “Acho que nunca foi totalmente globalizada e está se tornando menos globalizada”, respondeu Roberts. Algumas coisas se globalizaram mais do que outras, como o capital e o comércio de mercadorias. Mas, mesmo assim, muito mais comércio acontece, diminuindo as maiores distâncias. Não globalizamos o trabalho e os níveis de imigração não são muito altos. Pensamos na Internet e na Web como sendo verdadeiramente globais, mas a China, a Rússia e outros países impuseram restrições ao acesso à Internet. “Estamos vendo fragmentação em toda uma variedade de áreas.”

E a globalização das ideias? Quão livremente as ideias estão fluindo agora ao redor do mundo? “Você definitivamente viu um fluxo maravilhoso de ideias e colaboração entre cientistas com relação à pandemia de Covid19, por exemplo”, respondeu Roberts. “De muitas maneiras, a ciência é muito mais globalizada do que muitas outras áreas.” No entanto, também existem assimetrias muito fortes e preconceitos em relação ao Ocidente, como quais idiomas as pessoas usam mais, que mídia leem e onde estão localizadas as melhores universidades? Podemos ver mais um reequilíbrio com a ascensão da Ásia.

Ela acrescentou que algumas das dinâmicas que estamos vendo agora nos EUA terão um efeito inibidor no fluxo global de ideias, como direcionar colaborações de pesquisa entre americanos e instituições chinesas e direcionar pessoas de nacionalidade ou etnia chinesa que têm trabalhado nos EUA há anos. “Acho que veremos mais separação dos ecossistemas tecnológicos entre a China e o Ocidente, e isso tornará a colaboração acadêmica e científica mais difícil.”

Dubner concluiu o podcast perguntando a Roberts: o que você diria para encorajar uma perspectiva mais equilibrada sobre a globalização? “Eu diria a você para tentar se colocar no lugar de pessoas diferentes”, ela respondeu. “Como seria o mundo se eu fosse um trabalhador comum, vivendo em Pequim e tivesse a experiência do Século da Humilhação e agora estivesse olhando para essas abordagens americanas? Como seria o mundo se eu vivesse na Rússia e tivesse passado pelos terríveis anos 90, sem renda e sem segurança?’ Tente situar-se em perspectivas diferentes.”

Por que o Blockchain não avança como deveria?

“Blockchain, a tecnologia que sustenta o bitcoin e outras criptomoedas, há anos é vista por algumas empresas como uma forma de impulsionar projetos de transformação da indústria, entre eles o rastreamento de ativos por meio de cadeias de suprimentos complexas”, de acordo com o artigo do Wall Street Journal, “Blockchain falha em ganhar tração na empresa”.

“Até agora isso não aconteceu.”

As tecnologias Blockchain surgiram pela primeira vez em 2008 como a arquitetura que sustenta o bitcoin, a criptomoeda mais conhecida, mais valiosa e mais amplamente mantida. Ao longo dos anos, o blockchain evoluiu em duas direções principais:

1) Continua a se concentrar em blockchain como plataforma subjacente para bitcoin, bem como para o grande número de criptomoedas, tokens digitais e outros criptoativos que foram criados desde então.

2) Se concentra no blockchain como uma plataforma de dados distribuídos para aplicativos colaborativos envolvendo várias instituições, como cadeias de suprimentos, serviços financeiros e sistemas de saúde.

O Blockchain fez sua primeira aparição nos ciclos de hype do Gartner em 2016. Apesar de estar em um estágio inicial e imaturo, muitos de seus proponentes acreditavam que as plataformas corporativas de blockchain estavam chegando e, portanto, rapidamente atingiram o pico de expectativas. Mas, à medida que a realidade se estabeleceu, as expectativas caíram e, em 2022, as plataformas blockchain atingiram o seu ponto de maior retração.

No mundo das criptos, o bitcoin e a maioria dos outros ativos perderam grande parte de seu valor e várias empresas entraram em colapso, como a FTX e outros vários empreendimentos faliram. we.trade, um financiamento comercial baseado em blockchain, encerrou suas operações em junho depois de ficar sem recursos. Alguns meses depois, a Australian Securities Exchange cancelou seu sistema de compensação baseado em blockchain. E no final de novembro, a TradeLens anunciou que estava descontinuando sua plataforma de comércio global baseada em blockchain. Outros projetos corporativos de blockchain, como o aplicativo de rastreabilidade de alimentos do Walmart, ainda continuam, mas sua aceitação e progresso foram mais lentos do que o previsto.

A IBM e a Maersk lançaram o TradeLens em 2018 junto com outras 94 organizações. Seu objetivo era promover um comércio global mais eficiente e seguro, aproveitando as informações digitais de remessa de contêineres em sua plataforma blockchain compartilhada. A TradeLens foi um dos maiores projetos corporativos de blockchain, cujos parceiros incluíam 15 grandes transportadoras marítimas, 10 bancos multinacionais de financiamento e mais de 270 terminais portuários. De acordo com o comunicado da Maersk, “a plataforma, fundada em uma visão ousada de alcançar a colaboração global, ainda não alcançou a viabilidade necessária para continuar trabalhando e funcionando como um negócio independente”.

Por que o TradeLens e outros projetos corporativos de blockchain falharam, ou estão progredindo mais devagar do que o previsto? O artigo do WSJ cita três possíveis razões: I. a dificuldade de recrutar participantes para colaborar em um objetivo comum; II. o tempo necessário para implantar uma nova tecnologia transformadora complexa; e III. a complexidade intrínseca dos sistemas baseados em blockchain. Deixe-me comentar cada uma dessas possíveis razões.

A dificuldade de recrutar participantes colaboradores

“A TradeLens só poderia funcionar com a colaboração de uma série de empresas e nações – que nunca se encaixaram”, disse o artigo. Isso não é de surpreender. Iniciativas complexas, que requerem a estreita colaboração de várias empresas são bastante difíceis de organizar por vários motivos: as empresas participantes são, muitas vezes concorrentes; há também um conjunto de prioridades, exigências por transparência, pois geralmente não confiam umas nas outras, querem direitos de propriedade e participações na governança, compatíveis com seus investimentos e assim por diante. Vou citar dois exemplos concretos de minhas experiências pessoais nas indústrias de TI e Telecom.

Nas primeiras décadas da indústria de TI, no Brasil, dos anos 90, os fornecedores trouxeram para o mercado seus próprios sistemas de rede proprietários, como o NetWare da Novell e o DECnet da Digital. Isso funcionava muito bem, desde que todas as comunicações estivessem dentro da mesma empresa usando a mesma arquitetura, do mesmo fornecedor. Mas tentar passar por empresas e fornecedores distintos era muito complicado. Imagine que enviar um simples e-mail usando um aplicativo de um fornecedor ‘A’, para alguém em uma instituição diferente usando o aplicativo de um fornecedor ‘B’ era bastante complicado.

A internet mudou tudo isso. Durante as décadas de 1970 e 1980, as comunidades acadêmica e de pesquisa desenvolveram redes abertas e protocolos de e-mail, — TCP/IP, SMTP, POP, IMAP, — que permitiu que as pessoas se comunicassem facilmente com qualquer pessoa em qualquer sistema. Alguns anos depois, os padrões abertos da web – HTML, HTTP, URLs – permitiram que um usuário em um PC conectado à internet, acessasse informações em qualquer servidor web em qualquer lugar do mundo. O crescimento explosivo da internet na década de 1990 finalmente forçou as empresas a abraçar a rede aberta, e-mail e padrões da web, e a participar de organizações como IETF e W3C formadas para supervisionar sua evolução.

Uma história semelhante aconteceu com o UNIX. Na década de 1980, o UNIX tornou-se um sistema operacional popular para estações de trabalho, supercomputadores e vários aplicativos, mas diferentes fornecedores desenvolveram sua própria versão do UNIX – AIX da IBM, Solaris da Sun, HP-UX da HP – que diferiam um pouco, de modo que os usuários não podiam facilmente portar aplicativos em todas essas versões diferentes do UNIX. Vários grupos tentaram e falharam em criar um conjunto padrão de interfaces de programas de aplicativos (APIs) UNIX, principalmente porque os fornecedores não confiavam uns nos outros. Finalmente, o Linux surgiu na década de 1990 como um sistema operacional de código aberto semelhante ao UNIX e foi adotado de todo o coração por centros de pesquisas e comunidades da Internet.

Com o tempo, um número crescente de empresas apoiou o Linux, contribuiu para seu desenvolvimento e fundou o Open Source Development Labs (OSDL) em 2000 para supervisionar seu desenvolvimento, que se tornou a Linux Foundation em 2007. Em 2016, a Linux Foundation lançou o Hyperledger projeto baseado no Hyperledger Fabric, uma infraestrutura de blockchain autorizada de código aberto na qual o aplicativo TradeLens foi desenvolvido. As empresas geralmente não adotam novas tecnologias e aplicativos importantes, nem colaboram em seu desenvolvimento até que essas tecnologias tenham provado seu valor comercial no mercado. Isso ainda não aconteceu com blockchains, principalmente porque as tecnologias ainda são muito novas e imaturas para substituir as soluções existentes boas o suficiente.

O tempo necessário para implantar uma nova tecnologia transformadora complexa

“As tecnologias de uso geral (GPTs) são motores para o crescimento”, escreveram Erik Brynjolfsson, Daniel Rock e Chad Syverson em “The Productivity J-Curve”, um artigo de pesquisa do NBER de 2020. “Essas são as tecnologias que definem seu tempo e podem mudar radicalmente o ambiente econômico.” Mas realizar seu potencial requer investimentos complementares maciços, como redesenho de processos de negócios, co-invenção de novos produtos e modelos de negócios, requalificação da força de trabalho e um repensar fundamental da própria organização. Além disso, quanto mais transformadoras as tecnologias, mais tempo leva para adotá-las amplamente por empresas e setores em toda a economia.

Por exemplo, após a introdução da energia elétrica no início da década de 1880, as empresas levaram 40 anos para descobrir como reestruturar suas fábricas para aproveitar essa nova fonte de energia, com inovações de fabricação como a linha de montagem e desenvolver novos produtos domésticos elétricos como geladeiras, lava-louças e máquinas de lavar roupas. Da mesma forma, os transistores substituíram os tubos de vácuo em rádios, TVs e computadores na década de 1950. Mas levaria mais algumas décadas para a indústria de semicondutores decolar com o desenvolvimento de um grande número de produtos eletrônicos de consumo, incluindo computadores pessoais e smartphones, e computadores muito poderosos que permitiram o desenvolvimento de aplicativos grandes e complexos, como comércio eletrônico, pesquisa e IA. Blockchain é uma tecnologia de propósito geral, capaz de suportar uma ampla variedade de aplicações e provavelmente se tornará um dos próximos passos importante na evolução contínua da internet. Mas, como a internet, o blockchain é uma tecnologia fundamental, cujo impacto transformador total levará tempo. O processo de adoção de tecnologias fundamentais é gradual, incremental e constante, porque elas devem superar muitos tipos diferentes de barreiras — tecnológicas, organizacionais e políticas.

A complexidade intrínseca do blockchain

Blockchains são baseados em décadas de pesquisas em criptografia, dados distribuídos, teoria dos jogos e outras tecnologias avançadas. Mas por mais avançadas que sejam essas tecnologias, a complexidade real no uso corporativo de blockchains não se deve a suas tecnologias. A complexidade está nos aplicativos colaborativos suportados por plataformas blockchain.

Eu penso nos aplicativos blockchain como uma espécie de ERP 2.0. Os sistemas Enterprise Resource Management (ERP) visam melhorar a eficiência de uma organização, compartilhando informações entre seus vários departamentos e processos. As implementações de ERP são geralmente bastante complexas porque afetam muitas das funções da organização. Imagine agora implementar um sistema ERP, não entre departamentos de uma mesma organização, mas em várias organizações diferentes espalhadas pelo mundo — que geralmente não confiam umas nas outras. Na minha opinião, esta é a principal razão para a complexidade intrínseca do blockchain corporativo, — a natureza dos aplicativos, não a tecnologia.

Marco Iansiti e Karim Lakhani explicaram muito bem essa complexidade e a promessa de blockchains em seu artigo de 2017 da Harvard Business Review, “The Truth about Blockchain”:

“Contratos, transações e seus registros estão entre as estruturas definidoras de nossos sistemas econômico, jurídico e político. Eles protegem os ativos e estabelecem limites organizacionais. Estabelecem e verificam identidades e registram eventos. Governam as interações entre nações, organizações, comunidades e indivíduos. Orientam a ação gerencial e social. E, no entanto, essas ferramentas críticas e as burocracias formadas para gerenciá-las não acompanharam a transformação digital da economia. Em um mundo digital, a forma como regulamos e mantemos o controle administrativo precisa mudar.”

“Com o blockchain, podemos imaginar um mundo no qual os contratos são incorporados em código digital e armazenados em bancos de dados transparentes e compartilhados, onde são protegidos contra exclusão, adulteração e revisão. Neste mundo, todo acordo, todo processo, toda tarefa e todo pagamento teria um registro e assinatura digital que poderiam ser identificados, validados, armazenados e compartilhados”.

Essa transformação da economia baseada em blockchain levará tempo. Mas, como aconteceu com outras tecnologias transformadoras, tenho esperança de que progrediremos em uma série de etapas incrementais, incluindo etapas iniciais como TradeLens que não funcionaram muito bem e com as quais podemos aprender.

Metaverso e AR/VR serão a próxima grande novidade da TI?

“Metaverso AR/VR serão realmente a próxima grande novidade?”, perguntou The Economist em A reality check for the metaverse is coming, e em outro artigo, o “The World Ahead 2023”, sua edição de final de ano sobre a qual escrevi há poucos dias. “Após a computação de desktop, a internet para o consumidor e o boom dos smartphones, a indústria de computação para o consumidor já passou para a sua próxima grande novidade”, disse o artigo. “O próximo ano verá grandes empresas de tecnologia apostando em duas possibilidades relacionadas e muito comentadas. Um deles são os headsets de realidade virtual (VR) e realidade aumentada (AR); a ideia de que, tendo encolhido os computadores para caber em nossos bolsos, o próximo passo é prendê-los em nossos rostos. O outro é o metaverso, que propõe deixar de lado a internet ainda amplamente plana – baseada em textos, imagens e vídeos bidimensionais – para ser substituída por uma tridimensional e imersiva, experimentada como uma espécie de rede mundial – videogame.”

Não há dúvida de que o metaverso e os headsets AR/VR são tendências importantes a serem observadas nos próximos anos. Como escreveu o The Economist em um artigo de novembro de 2021, “à medida que os computadores se tornam mais capazes, as experiências que eles geram se tornam mais ricas. A internet começou sua vida exibindo nada mais emocionante do que um texto branco em um fundo preto.”

O último grande avanço nas interfaces de usuário ocorreu na década de 1980, quando as interfaces de texto deram lugar às interfaces gráficas de usuário (GUIS). As GUIs foram desenvolvidas pela primeira vez na Xerox PARC no final dos anos 1970 e mais tarde popularizadas pelo Apple Macintosh nos anos 80. Na década de 1990, as GUIs foram adotadas por quase todos os PCs e dispositivos de usuário, e os navegadores Web baseados em GUI desempenharam um papel importante no crescimento explosivo da Internet.

Em meados dos anos 2000, novas versões dos consoles Xbox e PlayStation trouxeram melhorias para o desempenho de videogames, altamente visuais e interativos. Esses avanços prometiam inaugurar uma nova geração de interfaces de usuário não apenas para videogames e outros aplicativos de entretenimento, mas também para todos os tipos de aplicativos de educação, ciência, saúde, governo e negócios. Me lembro que, para explorar o potencial desses aplicativos, muitos projetos foram lançados, inclusive um da IBM, em 2005, focado no Second Life, uma plataforma semelhante a um metaverso na qual os usuários podiam desenvolver uma variedade de aplicativos do mundo virtual.

Vários ambientes foram construídos no Second Life, como reuniões virtuais, eventos online, visitas a museus e outros semelhantes. Mas, apesar das grandes expectativas, nenhum aplicativo ofereceu a experiência do usuário de videogames.

AR, VR e Metaverso vão atingir as expectativas?

A tecnologia avançou, assim como nosso uso e experiência online como e-commerce, reuniões virtuais, e-learning e telemedicina. Deixe-me comentar o status atual e a promessa de AR, VR e Metaverso.

Realidade aumentada

AR compreende um conjunto de tecnologias que sobrepõem dados digitais gerados por computador, imagens e animações em objetos do mundo real. Muitos aplicativos AR são focados em entretenimento e disponiveis por meio de aplicativos para smartphones e tablets, como, Pokemon Go e Snapchat. Mas o AR está sendo cada vez mais aplicado a uma variedade de aplicações industriais e médicas e fornecido por meio de dispositivos vestíveis de viva-voz, como fones de ouvido AR e óculos inteligentes.

Em 2019, uma apresentação/palestra muito boa, a Why Companies Need an Augmented Reality Strategy, do professor de Harvard Michael Porter e James Heppelmann, CEO da PTC, uma empresa de software abordou a seguinte temática:

“Enquanto o mundo físico é tridimensional, a maioria dos dados está presa em páginas e telas bidimensionais”. A restrição de lidar com produtos altamente complexos não é mais uma falta de dados e insights, mas sim, como os humanos melhor assimilam e agem sobre as enormes quantidades de dados de produtos, que agora podem ser coletados, armazenados e analisados por uma variedade de aplicativos. Esse abismo entre os mundos real e digital exige que as pessoas traduzam mentalmente os volumes de informações 2-D agora disponíveis para uso em um mundo 3-D. Isso nem sempre é fácil… qualquer um pode comprovar: quem montou móveis em casa, seguindo o diagrama e as instruções passo a passo; ou quem tentou aprender a usar o kit multimídia, entretenimento e navegação de seu novo carro; e até um técnico especialista, tentando diagnosticar e consertar um problema sério em um elevador ou motor a jato; para todos estes a AR permitirá um novo paradigma de entrega de informações, escreveram os autores. “Ao sobrepor informações digitais diretamente em objetos ou ambientes reais, o AR permite que as pessoas processem o físico e o digital simultaneamente, eliminando a necessidade de unir mentalmente os dois. Isso melhora nossa capacidade de absorver informações com rapidez e precisão, tomar decisões e executar tarefas necessárias com rapidez e eficiência.”

Realidade virtual

Enquanto a AR sobrepõe dados e imagens no mundo real, a realidade virtual é uma simulação gerada por computador que faz com que o usuário se sinta imerso em um mundo virtual 3D. Os usuários experimentam e interagem com seus ambientes virtuais por meio de seus óculos de realidade virtual imersivos, que podem rastrear e reagir aos movimentos da cabeça e dos olhos dos usuários, bem como por meio de tecnologias hápticas que podem simular a experiência do toque, permitindo que os usuários controlem objetos virtuais. Os headsets e aplicativos de realidade virtual foram desenvolvidos pela primeira vez na década de 1980, mas avançaram significativamente nas últimas décadas.

A RV tem sido particularmente bem-sucedida em videogames. “A indústria de videogames – o único tipo de entretenimento totalmente exposto ao poder de composição da lei de Moore – vende mundos virtuais há anos”, escreveu The Economist em seu artigo de novembro de 2021. Jogos online como World of Warcraft, Fortnite e Roblox têm centenas de milhões de usuários, enquanto suas empresas de jogos têm altas avaliações – evidência de que mundos virtuais imersivos podem ser populares e lucrativos.

Aplicações de RV foram desenvolvidas em vários domínios além dos videogames, como shows virtuais na indústria do entretenimento; reuniões, conferências, feiras e eventos de negócios no mundo todo; e em uma variedade de aplicações como simuladores de voo, treinamento de astronautas, treinamento militar e educação médica.

Metaverso

Como vimos, as tecnologias AR/VR prometem grandes avanços em interfaces de usuário, fones de ouvido e aplicativos, todos em andamento há algum tempo como parte da evolução incremental da Internet. Mas, a promessa do metaverso é mais profunda, ou seja, a substituição de uma internet amplamente plana e bidimensional por uma internet imersiva tridimensional. Isso seria realmente uma próxima grande novidade.

Mas quão realista é tal promessa de metaverso? Na tentativa de lançar alguma luz sobre essa questão, li vários artigos recentes que abordavam a questão comparando a RV com o Metaverso. Por exemplo, este artigo define o metaverso como “um reino virtual tridimensional online, aberto, compartilhado, persistente que oferece às pessoas a conexão umas com as outras de todas as partes de suas vidas. Ele vincularia muitas plataformas, da mesma forma que a rede mundial de computadores conecta vários sites usando um navegador. … Os paralelos com a realidade virtual são impossíveis de ignorar ao ler sobre o Metaverso. No entanto, existem algumas diferenças significativas.”

A primeira grande diferença é que enquanto a realidade virtual é bem definida, o metaverso não é. “O Metaverso, de acordo com Mark Zuckerberg, é uma rede corporificada onde você está presente no material em vez de apenas assisti-lo. De acordo com a versão mais recente da Microsoft, também é conhecido como um ambiente digital persistente preenchido por tecnologias relacionadas de pessoas, lugares e objetos. Quando comparamos nossa própria compreensão da realidade virtual, essas descrições podem parecer bastante vagas. Também é provável que mesmo as corporações de TI não tenham uma descrição abrangente.” Isso não é surpreendente, visto que a RV existe há quase quatro décadas, enquanto o desenvolvimento sério do metaverso é relativamente recente.

Outro artigo acrescenta que não há uma definição clara do metaverso. “Algumas definições do metaverso o apresentam como um mundo digital aberto, compartilhado e persistente, enquanto outras o definem como uma internet corporificada. Como resultado, você pode encontrar apenas descrições vagas sobre o metaverso em comparação com as da realidade virtual.”

Em outras palavras, como acontece com outras tecnologias potencialmente transformadoras, leva tempo para saber como elas vão funcionar. “Ninguém tem certeza se vr, ar ou o metaverso é realmente o futuro da computação, disse The Economist em conclusão. “Mas as revoluções da noite para o dia não são como a tecnologia funciona. A Apple não inventou o smartphone do nada. Ela aperfeiçoou uma fórmula na qual seus concorrentes vinham trabalhando há anos, na forma de telefones BlackBerry e handhelds Palm, por exemplo. Isso não garante que as empresas que apostam nessas tecnologias da moda sejam bem-sucedidas. Mas isso mostra por que eles estão tentando.”