A transformação digital não é apenas para a Indústria
Ja se perguntou como, onde e em que condições profissionais estará em 2030? O Japão desenhou uma estratégia digital para 2030, com forte ênfase na formação de talentos, entre outras iniciativas. Todo e qualquer país que queira ter uma posição sólida na economia do século 21 tem que fazer sua transformação digital. O Brasil precisa urgentemente de um plano . O Japão que é a terceira maior economia do planeta, o país está em 27˚no ranking de 2020 de competitividade digital feito pela IMD (International Institute for Management Development). Este estudo avalia o desempenho da economia, da infraestrutura e da eficiência do governo e das empresas. Ao todo, são 63 países analisados. O Brasil, para efeito de comparação está 56ª posição, posição que o coloca entre os sete piores países. O que o Japão fez? Desenhou uma estratégia digital para 2030, com forte ênfase na formação de talentos digitais, transformação da indústria, governo digital e renovação econômica, modernização do ambiente de negócios e forte incentivo à inovação e startups. Está claro para eles que a transformação digital do país não é uma alternativa, mas imperativo. Todo e qualquer país que queira ter uma posição sólida na economia do século 21 tem que fazer sua transformação digital. É o que precisamos aqui. Estamos ficando para vez mais para trás em um mundo digital. Transformação digital não é apenas para empresas, mas para o país como um todo. Recomendo ler o relatório, “Japan Digital: Agenda 2030” no link aqui. Um ponto que chama atenção no estudo é a importância dada à IA. Reconhecem claramente que IA é uma tecnologia transformadora e que vai afetar de forma significativa todos os aspectos da sociedade japonesa. A IA está aos poucos saindo dos protótipos e entrando em produção, inclusive em setores extremamente regulados e cautelosos, como na medicina. O exemplo de um hospital no Reino Unido, descrito em “The world’s first large scale medical AI in Production — eye diagnosis by Deepmind” mostra que IA já é presente e não futuro. Aliás, se quiserem ter uma ideia mais ampla da aplicabilidade da IA na medicina, vejam o NeoFeed Report “O futuro já chegou à medicina”. O artigo do hospital britânico mostra algo que a maioria dos cases que lemos na mídia especializada não mostra. Geralmente o que vemos são entrevistas com startups e reportagens sobre casos de empresas usando IA em estágios de protótipos ou em labs de inovação. Como disse certa vez Linus Torvalds, criador do Linux, “Falar é fácil. Mostre-me o código”. Pois é: na maioria das vezes não vemos os sistemas de IA em produção, só em labs. Parodiando Linus, “IA num lab é fácil. Mostre-me a produção” Aqui no Brasil, a aplicação de IA enfrenta muitos desafios. Uma reportagem publicada aqui no NeoFeed, “Brasil avança, mas ainda está na “zona de rebaixamento” da inteligência artificial”, mostra que, no cenário da América Latina, o Brasil ocupa um papel de destaque. O país conta com 206, ou 42% do total de empresas identificadas. O México aparece em segundo lugar, com 97 companhias, seguido pelo Chile, com 57. Mas, apesar do desenvolvimento, a América Latina, que tem menos de 0,5% do investimento privado global em inteligência artificial, ainda está muito distante de ecossistemas mais maduros, como Estados Unidos e China. De acordo com o Artificial Intelligence Index Report 2019, da Universidade de Stanford, apenas 0,2% das citações em patentes relacionadas à IA no mundo vêm da região, contra 60,4% da América do Norte e 22,1% da Ásia Ocidental e Pacífico. A América Latina ainda está muito distante de ecossistemas mais maduros, como Estados Unidos e China Um dos maiores entraves é a escassez de talentos. Temos que reconhecer que não temos bolsos fundos o suficiente para bancar uma empresa como OpenAI e seu GPT-3, que se estima tenha custado de cinco a dez milhões de dólares. É difícil estimar o custo de desenvolvimento do GPT-3, uma vez que não existe muita transparência no processo. Mas sabemos uma coisa: treinar grandes redes neurais é muito caro. O GPT-3 é um modelo muito grande de Transformer, uma arquitetura de rede neural que é especialmente boa no processamento e geração de dados sequenciais. O GPT-3 é composto por 96 camadas e 175 bilhões de parâmetros, o maior modelo de linguagem até o momento. Para colocar isso em perspectiva, o Turing-NLG da Microsoft, o detentor do recorde anterior, tinha 17 bilhões de parâmetros, e o predecessor do GPT-3, o GPT-2, tinha 1,5 bilhão de parâmetros. A empresa Lambda Labs calculou a potência de computação necessária para treinar o GPT-3 com base nas projeções do GPT-2. De acordo com a sua estimativa, treinar uma rede neural de 175 bilhões de parâmetros requer 3.114E23 FLOPS. E para operar o GPT-3 estima-se que sejam necessários altos investimentos em hardware (e eletricidade, refrigeração, backup, etc.) que devem oscilar em torno de US$ 150 mil. As palavras-chave da IA são “capacidade computacional e talento”. Portanto, não é para qualquer um e aqui no Brasil não temos Big Techs e investidores em volume suficiente para bancar bilhões de dólares em pesquisa e desenvolvimento de IA. Mas, a pergunta é: será que precisamos formar muitos talentos em IA que sejam capazes de criar um GPT-3, ou será que não precisamos de talentos capazes de gerar soluções que usem plataformas como GPT-3 ou outras como base? Minha proposta é que devemos formar talentos que sejam capazes de criar soluções de negócio. E para isso não precisaremos de tantos PhDs, mas de profissionais com base suficiente para usar modelos e frameworks que já existem. As Big Techs a criaram e estão disponíveis no modelo open source. Além disso, começamos a ver mais e mais soluções AutoML, que embora não permitam criar algo sofisticadíssimo, atendem a imensa maioria dos problemas de negócio. A solução não é acabar com os cursos de doutorado e mestrado em IA. Ao contrário: devemos incentivar sua criação, mas em paralelo devemos criar de forma massiva cursos de graduação e treinamentos