Carta do Especialista 🧐
Sexta-feira, 15 de abril de 2022
Será que a Inteligência artificial pensa como os humanos? Robôs dominarão os fast-food? Os avanços tecnológicos na saúde humana podem ajudar na dos animais? Com tantos ataques hackers a pontes blockchain, será que podemos continuar investindo em criptomoedas? Será que poderemos dispensar os óculos para ver fotos em 3D? Na carta de hoje responderei a estas e outras perguntas!
Bora lá?!
🧠 Essa inteligência artificial pensa como um humano?
Em aprendizagem de máquina (“Machine Learning”), entender por que um modelo toma certas decisões é muitas vezes tão importante quanto se essas decisões estão corretas.
Embora existam ferramentas que podem ajudar os especialistas a entender o raciocínio de um modelo, muitas vezes esses métodos só fornecem insights sobre uma decisão de cada vez, e cada um deve ser avaliado manualmente. Os modelos são comumente treinados usando milhões de entradas de dados, tornando quase impossível para um humano avaliar decisões suficientes para identificar padrões.
Agora, pesquisadores do MIT e da IBM Research criaram um método que permite que um usuário agregue, classifique e classifique essas explicações individuais para analisar rapidamente o comportamento de um modelo de aprendizagem de máquina. Sua técnica, chamada “Interesse Compartilhado”, incorpora métricas quantificáveis que comparam o quão bem o raciocínio de um modelo corresponde ao de um humano.
O “Interesse Compartilhado” pode ajudar um usuário a descobrir facilmente tendências na tomada de decisões de um modelo — por exemplo, talvez o modelo muitas vezes se confunda com informações irrelevantes, como objetos de fundo em fotos. Agregar esses insights pode ajudar o usuário a determinar de forma rápida e quantitativa se um modelo é confiável e pronto para ser implantado em uma situação do mundo real.
O “Interesse Compartilhado” também aproveita técnicas populares que mostram como um modelo de aprendizagem de máquina tomou uma decisão específica, conhecida como métodos de “saliência”. Se o modelo está classificando imagens, os métodos de “saliência” destacam áreas de uma imagem que são importantes para o modelo quando ele tomou sua decisão. Essas áreas são visualizadas como um tipo de mapa de calor, também chamado de “mapa de saliência”, que muitas vezes é sobreposto na imagem original. Se o modelo classificou a imagem como um cão, e a cabeça do cão é destacada, isso significa que esses pixels foram importantes para o modelo quando decidiu que a imagem contém um cão.
O “Interesse Compartilhado” funciona comparando métodos de saliência com dados como os de anotações geradas por humanos que, por exemplo, cercam as partes relevantes de cada imagem. No exemplo anterior, a caixa cercaria todo o cão na foto. A comparação entre os métodos demonstra o quanto eles estão alinhados.
A técnica utiliza várias métricas para quantificar esse alinhamento (ou desalinhamento) e, em seguida, classifica uma decisão específica em uma das oito categorias. As categorias executam a gama de “perfeitamente alinhados ao homem” (o modelo faz uma previsão correta e a área destacada no mapa de saliência é idêntica à caixa gerada pelo homem) para “completamente distraída” (o modelo faz uma previsão incorreta e não usa nenhum recurso de imagem encontrado na caixa gerada pelo homem).
"Em uma extremidade do espectro, seu modelo tomou a decisão pela mesma razão que um humano tomou, e do outro lado do espectro, seu modelo e o humano estão tomando essa decisão por razões totalmente diferentes. Ao quantificar isso para todas as imagens do seu conjunto de dados, você pode usar essa quantificação para classificá-las", explica a autora Angie Boggust, estudante de pós-graduação do Grupo de Visualização do Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL), responsável pela pesquisa.
A técnica funciona de forma semelhante com dados baseados em texto, onde palavras-chave são destacadas em vez de regiões de imagem.
Conheça alguns exemplos destas aplicações no news.mit.edu
🐶 Avanços científicos estão ajudando os animais a ficarem mais saudáveis
Nos últimos anos, principalmente durante a pandemia, a utilização de diagnósticos menos invasivos, como os scanners de luz para medição de temperatura e os exames do tipo “swab”, com coleta de amostras a partir de hastes de algodão, aumentou demais. Agora cientistas apoiados pela União Europeia pretendem utilizar essas tecnologias para tratamento em animais de estimação.
Estudos mostram que ter um cachorro em casa pode tornar as pessoas mais ativas fisicamente, inclusive em casos de idosos que podem ter uma melhora significativa de vida. Pois ajuda a reduzir os níveis de estresse e reduz a sensação de isolamento e solidão.
No entanto, apesar dos benefícios de se ter um amigo de quatro patas, existe uma preocupação que chama a atenção dos profissionais: A bactéria chamada “Capnocytophaga canimorsus” que vive na saliva dos cães e gatos, embora seja inofensiva para eles, em raras ocasiões, se um cão morde ou lambe um corte, algumas cepas do micróbio podem causar infecções e doenças graves nas pessoas.
A condição é rara, e quase nunca acomete jovens saudáveis. Mas pode causar graves doenças em pessoas com sistema imunológico comprometido, com baço danificado ou sem baço e pessoas que sofrem de alcoolismo. Os sintomas são semelhantes aos da gripe, causando dores e febre alta. Como não há sinais específicos e a infecção é rara, chegar a um diagnóstico ainda é muito difícil.
Infelizmente, cerca de 30% dos casos resultam em morte e, muitos que sobrevivem passam por amputação devido à gangrena. Outros pacientes podem sofrer de sepse e falência de múltiplos órgãos. Mesmo que os antibióticos matem o micróbio, identificar o “Capnocytophaga canimorsus” pode ser muito difícil – até em laboratórios hospitalares.
O laboratório belga do Dr. Renzi coletou saliva de 285 cães e identificou a bactéria em 83% deles usando um teste de PCR desenvolvido para o projeto CANITEST.
Para o diagnóstico de cães, o jovem pesquisador Dr. Blaz Cugmas começou a desenvolver tecnologias e protótipos que os veterinários podem usar em animais como parte do projeto dogSPEC. Um dos protótipos desenvolvidos é um sensor de sangue que detecta a cor do sangue e, assim, calcula os níveis de oxigênio no sangue. Uma queda dramática no oxigênio do sangue, por exemplo, pode indicar uma doença grave.
Atualmente, existe no mercado o oxímetro de pulso, que pode ser comprado por qualquer pessoa. É um dispositivo que ilumina através de um dedo para um sensor do outro lado. O Doutor adaptou uma versão para animais de estimação e fez o teste em cães e gatos em diferentes locais ao redor do corpo. "Mostramos que existem alguns locais onde você pode aplicar um oxímetro de pulso e obter um sinal forte", disse ele.
Um dos desafios de um veterinário ao examinar o paciente é medir a temperatura, visto que, o termômetro deve ser aplicado no reto do animal. Muitos médicos, inclusive, evitam ou deixam esta etapa por último, pois ao estressar o bichinho você pode perder sua cooperação.
Pensando nisso, Curgmas, está desenvolvendo um termômetro infravermelho semelhante aos que vemos em estabelecimentos. O dispositivo será muito útil para o dia a dia de veterinários.
Em casos de vermelhidão da pele, o Dr. Cugmas também está desenvolvendo um dermatoscópio móvel para animais de estimação. Este dispositivo usaria a luz para avaliar a vermelhidão, ou eritema, da pele de um animal. Em humanos, um dermatoscópio é usado por médicos especialistas para examinar marcas que podem sinalizar câncer de pele melanoma.
Outro desafio do projeto é tornar os equipamentos resistentes aos cães, o trabalho está em andamento para fortalecer fisicamente os dispositivos.
Muito interessante!
Saiba mais no PHYS.org
🍔🍟 Robôs trabalhando junto com os humanos em restaurantes
Nada de homem vs máquinas, ou episódios apocalípticos em que os robôs exterminam a humanidade para tomar o controle... Hoje vou falar do futuro dos sistemas autônomos em restaurantes de fast-food que pode não ser tão distópico quanto achávamos.
As inovações do fast-food estão de modo intrínseco ligadas aos avanços tecnológicos. Temos o exemplo dos Drive-thrus em resposta ao desenvolvimento de rodovias interestaduais. Era esperado e inevitável que a robótica avançasse e encontrasse seu lugar no negócio de restaurante de serviço rápido.
Um dos temores que esta inovação trouxe é a substituição de funcionários humanos pelas máquinas. O que a princípio, parece ruim, mas se analisarmos com olhares otimistas, na verdade esta é uma ótima solução para trabalhos rotineiros, repetitivos e que em muitos casos é extremamente cansativo.
O Fórum Econômico Mundial estimou em outubro de 2020 que, até 2025, a robótica deslocaria cerca de 85 milhões de empregos, ao mesmo tempo criaria 97 milhões de empregos novos – o que convenhamos é excelente.
Graças a transformação digital, as oportunidades de aprendizagem e especialização se tornaram mais viáveis para todos, até mesmo pessoas de baixa renda. Muitos trabalhadores estão deixando de procurar por empregos em restaurantes para se profissionalizarem em áreas com melhor remuneração, tarefas mais flexíveis e que exigem menos desgastes físicos.
Consequentemente, os donos de Fast-Food precisaram se adequar a este novo cenário. No pico da pandemia, muitos restaurantes tiveram que contratar serviços de robótica, justamente por não terem funcionários disponíveis, por conta do lockdown.
O interessante, é que a estratégia trouxe diversas vantagens, como um ótimo retorno financeiro e maior produtividade – já que as máquinas não precisam descansar – além disso, elas não precisam de benefícios trabalhistas ou salário. Até mesmo antes da pandemia, restaurantes como o Panera Bread registraram 100% de faturamento todos os anos.
Segundo Jake Brewer, diretor de estratégia na Miso Robotics, em milhões de restaurantes do mundo as vagas de emprego não estão sendo preenchidas. "As pessoas não estão aparecendo na estação de fritura”
A Miso Robotics é reconhecida no momento pelo braço robótico Flippy, que comanda a estação de frituras em mais de 100 unidades do “White Castles”. Quando a Miso instalou seu primeiro Flippy em 2018, em um Pasadena Caliburger, a intenção era ajudar a pequena rede de equipe a solucionar problemas do dia a dia.
O Flippy original não cumpria com o objetivo de ser totalmente autônomo. Apesar de conseguir cozinhar e virar hambúrgueres, uma pessoa ainda tinha que colocar a carne na grelha e depois movê-la para o pão. O trabalho humano permaneceu essencial.
O ideal do robô da Miso é que ele assumisse as tarefas maçantes liberando os funcionários para trabalhos mais complexos ou voltados ao público. Aos poucos Flippy passou a fritar, neste papel, ele foi capaz de realizar sem assistência humana.
Em 2020 a “White Castles” viu grandes resultados com a experiência da sua primeira Flippy como fritura, e logo pediu mais 10 para os outros estabelecimentos locais. Em novembro a Miso entregou a máquina alevinos de segunda geração autônoma, Flippy 2, em uma unidade, em Illinois, e a marca ficou tão satisfeita com o upgrade que ordenou 100 a mais no início deste ano.
Vale a pena saber mais sobre o assunto, acesse o Fast Company.
📱 Especialistas dizem que a nova tecnologia de smartphone 3D pode mudar a fotografia
Pesquisadores da Universidade de Stanford criaram um projeto que permite que sensores de imagens padrão vejam a luz em 3D. A nova tecnologia viabiliza que as câmeras meçam a distância de objetos tornando as imagens tridimensionais amplamente disponíveis em um smartphone.
Segundo o doutorando em engenharia elétrica Okan Atalar: “As câmeras 3D existentes precisam de pixels especializados, que são difíceis de realizar em grandes formatos e têm fatores de preenchimento menores devido à eletrônica complexa necessária para capturar 3D nos pixels” ele complementa dizendo: “Nossa abordagem converte sensores 2D padrão e altamente avançados em sensores 3D em vez de construí-los do zero.”
Hoje, calcular a distância de objetos com luz só é possível com sistemas “LIDAR – “LIght Detection And Raging”, especializados e caros. O funcionamento acontece através de um disparo a laser que atinge o objeto e mede a luz refletida.
Com isso, dá para saber em que distância está o objeto, quão rápido está viajando, se está se aproximando ou afastando e se dois objetos em movimento podem se cruzar.
O novo projeto de Stanford pode permitir um sistema LIDAR com resolução de megapixels. Uma resolução maior faz com que a identificação de alvos em maiores alcances.
Para adicionar imagens 3D a sensores padrões, é usado uma fonte de luz e um modulador para ligar e desligar a luz milhões de vezes por segundo. Dessa forma, os engenheiros conseguem medir as variações na luz e calcular a distância. Mas para isso os moduladores requerem uma quantidade grandiosa de energia.
A equipe de Stanford resolveu o problema do modulador usando um fenômeno chamado ressonância acústica. Eles construíram o modulador acústico usando “Wafer de Niobato e Lítio”, um cristal transparente altamente desejável por suas propriedades elétricas, auditivas e ópticas – revestido com dois eletrodos transparentes.
O design deste modulador é simples e se integra a um sistema proposto que usa câmeras prontas para uso, como as de telefones celulares comuns e SLRs digitais. A vantagem desta nova solução é que é compacta de baixo custo e com eficiência energética. Podem ser aplicados em diversos outros dispositivos de gravação como drones, “rovers” extraterrestres, entre outros.
“Nossa abordagem também pode funcionar no regime infravermelho”, disse Atalar. “Nenhum sensor de imagem IR pode detectar profundidade sem exigir modificações significativas.”
A tecnologia LIDAR já existe nos iPhone 13 Pro e iPhone 13 Pro Max, que oferecem melhor foco em baixa iluminação e alta nitidez. Mas segundo os estudantes de Stanford, a tecnologia desenvolvida por eles é mais barata de implementar em comparação a da Apple e pode ser instalada em variedade maiores de smartphones.
E aí, já está ansioso para fazer suas fotos em 3D?
Saiba mais no Digital Trends.
💱 Ataques hackers a pontes Blockchain
Recentemente a rede blockchain Ronin subjacente ao jogo Axie Infinity, baseada em NFT, sofreu um ataque hacker, que causou um prejuízo de US $625 milhões em criptomoeda.
Esta foi a maior quantia roubada no serviço chamado “ponte blockchain”, trata-se de um sistema que conecta uma blockchain a outra para ser feita a transferência de moedas e tokens entre elas.
Situações como esta já aconteceram anteriormente, e ao que parece não é tão incomum, pois 2 meses antes, US$ 325 milhões foram levados em outra plataforma de ponte chama Wormhole, e 6 meses antes aconteceu o mesmo com a plataforma ponte de corrente chamada Poly, desta vez levaram US$ 600 milhões - surpreendentemente os hackers devolveram o valor roubado da Poly.
Até o momento, as pontes são o ponto fraco em muitos sistemas de criptomoedas, o que chamou a atenção dos hackers, pois em menos de 1 ano, mais de US $1 bilhão foram levados.
As pontes se tornaram particularmente mais vulneráveis a ataques pois estão lidando com muitas solicitações complexas e mantendo muita moeda. Ao contrário das blockchains, não há padrões de como devem manter tudo seguro, criando assim oportunidades para bugs exploráveis.
Como o fundador da CertiK, Ronghui Gu, explica: “Se você está tentando criar uma ponte entre N criptomoedas diferentes, a complexidade disso é N ao quadrado”, o que significa N mais chances de os bugs aparecem.
Mesmo com esta falha na segurança das pontes, as criptomoedas são seguras. O problema é que muitas pontes não estão no blockchain, como o caso da Ronin, que foi configurada para funcionar “fora da cadeia”, como um sistema de interface com a blockchain, mas existe em um servidor que não faz parte dela.
“Sem a blockchain para liquidar as transações, a ponte Ronin contava com nove validadores, que foram comprometidos por uma combinação de hacks de código e engenharia social não especificada.”
Para impedir que as pontes sejam atacadas, o que não é uma tarefa fácil, é necessária uma “auditoria de código” em que a equipe de desenvolvimento de um projeto possa trabalhar em diferentes linguagens de programação e ambientes de computação, trazendo especialistas externos para cobrir pontos cegos que os desenvolvedores podem não se atentar. Apesar disso, vários projetos não têm nenhum auditor designado.
Por conta da rapidez com que o mercado surgiu, a maioria das empresas está sob pressão para crescer, dimensionar e criar recursos para afastar os concorrentes, o que em muitos casos prejudica os cuidados com a segurança.
Saiba mais no The Verge.
Por hoje é só!
E você que gosta das últimas novidades e tendências do nosso mundo em Transformação Digital, conheça o “TrenDs News”, nosso podcast disponível no Spotify com episódios novos todas as 3as feiras e cujas gravações acontecem todas as 6as feiras, das 8h00 às 9h00 no Clube Transformação Digital do Clube House. Prestigie e participe! 🤝