Elton Emanuel Brito Cavalcante
Resumo: Para o aprendiz, tudo é novo e importante. Para o experimentado em uma área, para aquele que é pesquisador e ponta e vive atualizando-se com respeito às novas tecnologias, este artigo é algo sem interesse. No entanto, pode ser útil a aqueles que não são especialistas, e que, portanto, buscam informações rápidas e leves ou para o aprendiz, como o autor deste artigo. Como se nota, o texto em tela aborda assuntos desde a perspectiva de quem não é profundo conhecedor do tema, mas interessado em aprofundar seus conhecimentos. A intenção do autor, por conseguinte, não é a de argumentar ou trazer algo de novo, mas simplesmente expor aquilo que leu de forma ligeira. O texto aborda a noção de Transformação Digital e o impacto da Indústria 4.0, sobretudo no tocante às questões de nomenclatura.
Palavras-chave: Transformação Digital, Indústria 4.0, Proteção de Dados.
1. INTRODUÇÃO: TRANSFORMAÇÃO DIGITAL
O contexto da transformação digital é o da indústria 4.0, ou seja, o da Quarta Revolução Industrial, que se baseia na digitalização dos sistemas de produção e gestão. Desde a Primeira Revolução Industrial, há uma busca constante por inovações que diminuam os custos e aumentem os lucros. Neste sentido, a máquina a vapor, que tinha como principal fonte de energia o carvão, revolucionou não só a forma de produzir, mas também a maneira de os humanos interagirem entre si. Isto é, houve uma transformação das mentalidades, cada vez mais aproximando-se da celeridade preconizada pela ótica liberal. A busca pelo incremento tecnológico fez, em pouco tempo, a indústria trocar o motor a carvão pelo à base de petróleo e a adotar a eletricidade de forma comercial, e isso é o que se convencionou chamar de Segunda Revolução Industrial. Já a Terceira Revolução baseou-se nos eletroeletrônicos e na rápida evolução dos meios de comunicação.
No século XXI, entretanto, com o avanço rápido da internet, e a digitalização de quase todas as fases dos sistemas de produção, tem-se a Quarta Revolução Industrial, que, em se tratando de economia, atingiria a digitalização da manufatura e o uso intensivo de novas tecnologias tanto nos processos de produção como na gestão dos negócios e na oferta de serviços (FERREIRA, 2018, p. 17). Assim, uma das grandes responsáveis por essa revolução seria a internet, basicamente quando esta tornou-se acessível à população em geral. A velocidade da internet interferiria no modo de vida contemporâneo, alterando relacionamentos interpessoais e diminuindo distâncias.
Ou seja, em poucas décadas, houve a expansão da internet e dos telefones inteligentes, abarcando quase a totalidade da população do planeta. A meta é buscar, desde já e com o auxílio da tecnologia, novos modelos de sociedade que funcionem melhor e resolvam problemas do nosso cotidiano de maneira ágil. [...] A ideia é, portanto, prover soluções tecnológicas para a população a qualquer momento e em qualquer lugar. Para isso, serão usadas tecnologias como o big data, internet das coisas (IoT) e inteligência artificial (TOVS, 2020, p. 01).
Nesse contexto aparecem as cidades que estão absolutamente conectadas, tanto em termos físicos como virtuais: o modelo, chamado de smart cities, visa resolver os problemas sociais e econômicos que acontecem no planeta. Nesse cenário, seriam integradas soluções tecnológicas nas áreas como saúde, indústria, varejo, transporte e segurança pública, com o intuito de oferecer serviços mais eficientes aos seus usuários. Avanços médicos e científicos. Trazer diagnósticos mais precisos, diminuir a taxa de sinistralidade, acelerar tratamentos e levar melhores condições de saúde para todos são desafios de uma sociedade moderna (TOVS, 2020, p. 01).
O conceito hoje de cidades inteligentes, abarca o meio ambiente, o estilo de vida dos cidadãos, a economia, governança, capital humanos, habitação e mobilidade. Nesse sentido, cada vez mais as autoridades estão usando as inovações tecnológicas para melhorar seu padrão de vida. Um dos grandes exemplos é a cidade de Barcelona, totalmente adequada à tecnologia de ponta, tais como programas que diminuam os trâmites burocráticos, celeridade nas decisões judiciais através de robôs, investimento maciço em ensino e trabalho remotos, tecnologia para solucionar aspectos ambientais etc.
Ademais, ganham terreno a nanotecnologia e a nanobiotecnologia, sendo que esta última estuda em nanoescala a matéria atômica e molecular: Ela atua no desenvolvimento de materiais e componentes para diversas áreas de pesquisa como medicina, eletrônica, ciências, ciência da computação e engenharia dos materiais. Um dos princípios básicos da nanotecnologia é a construção de estruturas e novos materiais a partir dos átomos. O objetivo é elaborar estruturas estáveis e melhores do que se estivessem em sua forma "normal (Wikipedia). Por sua vez, a Nanotecnologia em vez de atuar em escala atômico-molecular, atua na escala celular. Ou seja, é a utilização de tecnologia em escala nano que tem como base os órgãos vivos, tentando estudá-los, modificá-los ou copiá-los para ajudar na formação da inteligência artificial.
2. TRANSFORMAÇÃO DIGITAL EM DISTINTAS ÁREAS
Neste momento, já há uma série de áreas que se utilizam desse processo de transformação digital. Abaixo alguns exemplos.
2.1. Transformação digital na área de educação
Em relação à educação, há impactos socioeconômicos provocados pela transformação digital. O avanço tecnológico-educacional, para um grande número de docentes, pelos menos na América Latina, é considerado como uma forma de o capitalismo estender-se no mundo, criando mais e mais desigualdades sociais. Essa mentalidade vem sendo mitigada ao longo da pandemia. Se tal fenômeno continuará, isto é, se pedagogos e docentes serão menos críticos à tecnologia burguesa, não se sabe. O que se sabe é que plataformas online de ensino a distância se popularizaram, permitindo maior dinamismo durante as aulas. Outro recurso muito utilizado é a realização de atividades em ferramentas compartilhadas: os estudantes podem ter acesso a arquivos e documentos postados por colegas e professores. Ademais, algumas soluções ainda permitem a edição colaborativa, possibilitando trabalhos em grupo (ESCOLA DA INTELIGÊNCIA, 2020, p.01).
A transformação digital, no entanto, vai mais além, pois já existem robôs professores, que interagem respondendo perguntas complexas, não se estressam e saem mais em conta para o empregador. Essa realidade também pode ser uma tendência nas próximas décadas, fazendo com que o profissional professor tenha que estar muito bem preparado para conseguir manter-se no mercado exercendo sua função. É claro que isso será tido pelos sindicatos como uma afronta à categoria e uma forma cruel de atacar o trabalhador. O fato é que profissões como a de datilógrafo estão praticamente extintas, graças ao uso massivo do computador, e isso foi um ganho para a sociedade, embora, no começo, tenha sido duro para os datilógrafos. Esse processo de mudança faz parte da sociedade, o capitalismo apenas o acelerou.
2.2. Transformação digital na área da saúde
A relação entre os profissionais da saúde, pacientes, clínicas e administradoras foi afetada pelo avanço da indústria 4.0. Para alguns, as novas ferramentas e estratégias digitais são utilizadas decisivamente na busca por tratamentos inovadores e soluções que democratizem o acesso à saúde. E isso torna os procedimentos mais baratos para a população em geral. Esse conjunto de avanços tecnológicos já influencia alguns aspectos críticos para o setor. É possível ver, por exemplo, cirurgias acontecerem de modo remoto, enquanto médicos de diferentes localidades auxiliam em um mesmo procedimento ou até operam robôs a distância. Soluções para agendamento de cirurgias trazem ganhos de produtividade e permitem economia e otimização de blocos e leitos. Na era da big data, a quantidade de dados que pode ser processada e tratada para melhorar significativamente as tomadas de decisão é enorme (INTELECTAH, sd, p. 01).
2.3. Transformação digital na área de Engenharia
A Engenharia tem também se adaptado à Indústria 4.0, especialmente a Internet das Coisas Industriais, e muitos benefícios há adquirido com isso. Ramos (2019, p. 01) afirma que, antes mesmo de modernizar o canteiro de obras, a tecnologia pode ser utilizada para evitar erros e aumentar a colaboração da equipe para elaborar projetos. Diz a autora ainda que uma das tecnologias mais utilizadas é o Building Information Modeling (BIM) ou Modelagem de Informações da Construção, o qual vai além das plantas em 3D, adicionando novas variáveis, como o tempo e custos, em projetos 4D e 5D. No canteiro de obras. Já existem casos de utilização de drones, equipamentos de escaneamento a laser e de construção de casas modulares em diversos países inclusive no Brasil. As soluções podem ser úteis em diversas atividades do mestre de obra e sua equipe, como no levantamento topográfico do terreno, na criação de modelos em 3D e na inspeção de áreas de difícil alcance A Internet das Coisas [...] também já está sendo utilizada na transformação digital de algumas empresas de construção. Um exemplo disso é a instalação de sensores em máquinas para monitorar e montar, automaticamente, cronogramas de manutenção preventiva (RAMOS, 2019, p. 01). Outro grande exemplo é que atualmente pode-se planejar e imprimir toda uma casa utilizando-se, para tanto, apenas do trabalho robotizado. É claro que a inspeção é sempre humana, mas, nestes casos, o trabalho operário é quase nulo, sendo as máquinas as grandes operadoras do serviço.
2.4. Transformação digital na área de Gestão de custos e finanças
Talvez o exemplo mais claro esteja na automação dos bancos, pois para estes o trabalho hercúleo é ter que coletar, processar, controlar e analisar milhões de dados não estruturados. Graças às técnicas de automação do atendimento ao cliente, as empresas podem não apenas processar big data simultaneamente, mas também minimizar erros humanos. O processamento de dados em tempo real é amplamente usado no gerenciamento de risco, gerenciamento inteligente de finanças, monitoramento de negociações e muitos outros casos (METASIX, sd, p. 01). Assim, por exemplo, os aplicativos do internet banking fazem transações rápidas para os clientes e extremamente baratas para as entidades financeiras, pois não necessitam mais de um setor de pessoal enorme para fazer o que os ditos aplicativos fazem em minutos.
2.5. Transformação digital na automação de gestão de custos e finanças
Talvez o exemplo mais claro esteja na automação dos bancos, pois para estes o trabalho hercúleo é ter que coletar, processar, controlar e analisar milhões de dados não estruturados. Graças às técnicas de automação do atendimento ao cliente, as empresas podem não apenas processar big data simultaneamente, mas também minimizar erros humanos. O processamento de dados em tempo real é amplamente usado no gerenciamento de risco, gerenciamento inteligente de finanças, monitoramento de negociações e muitos outros casos (METASIX, sd, p. 01). Assim, por exemplo, os aplicativos do internet banking fazem transações rápidas para os clientes e extremamente baratas para as entidades financeiras, pois não necessitam mais de um setor de pessoal enorme para fazer o que os ditos aplicativos fazem em minutos.
2.6. Transformação digital na triagem de documentos.
Por esta deve-se entender os serviços de cunho burocrático relativos à análise ou conferência de documentos, podendo ser empregado tanto no setor privado quanto no estatal. Como exemplo, pode-se ter a análise de crédito, processo lento, cansativo, manual e burocrático que, antes, necessitava de muitos carimbos e departamentos para ser aprovado. Isso era motivo de reclamações por parte dos usuários. Atualmente, entretanto, pode ser feita a análise de forma digital. Existem várias ferramentas baseadas na Inteligência Artificial que podem fazer o mesmo serviço, como exemplo citam-se duas: o Atomics e o S-Works, desenvolvidos pela empresa de Minas gerais Simply. Ambas ferramentas combinam as tecnologias de automação e nuvem Azure, da Microsoft, com recursos de IA, machine learning. A Atomics utiliza IA para automatizar processos que antes eram feitos manualmente: ela classifica eletronicamente documentos como RG, CPF, CNH, comprovantes de endereço, contratos e termos de adesão. O sistema é capaz de detectar fraudes como duplicidade e adulteração de documentos, verifica se todos os documentos estão assinados e, no caso de pessoas analfabetas, faz um reconhecimento da impressão digital. Ao final do processo, as imagens dos documentos são convertidas em dados usando OCR. Já o S-Works executa eletronicamente as tarefas que vem depois da triagem dos documentos, incluindo checklist, comparação de informações, consultas em sites externos e validação de regras de negócios. Segundo a Simply, a tecnologia pode ser aplicada a diversos produtos financeiros de uma instituição, como os processos abertura de contas, contratação de empréstimos, venda de cartões, entre outros (COMPUTERWORLD, sd, p. 01).
2.7. Transformação digital na identificação de atos ilícitos
Mais ou menos na mesma linha do tópico anterior, a Inteligência Artificial pode triar dados, analisá-los e divulgá-los para muitas pessoas de uma vez só. Exemplo disso foi feito pela empresa de segurança QG Security, que criou um aplicativo, nomeado Roubo de Carga, o qual direciona informações sobre roubos de cargas por meio do WhatsApp e Telegram (PAULA, 2019, p. 01).
2.8. Transformação digital no apoio ao processo de tomada de decisão
Os bancos de dados de muitas empresas hoje usam a Inteligência Artificial para comparar, mensurar e ajudar os executivos a tomar decisões precisas. Em tais casos, os dados não são apenas postos para o executivo, pois são categorizados, analisados desde a perspectiva interna da estrutura da empresa até o contexto interno, nacional ou internacional. Ou seja, a Inteligência Artificial estaria fazendo aquilo que uma centena de especialistas talvez levasse meses para juntar os dados e analisá-los friamente. Nesse sentido, a empresa que utiliza tal tecnologia ganha tempo e economiza, em termos de pessoal, e tem informações mais seguras e detalhadas.
2.9. Transformação digital na área da Mineração
O setor de mineração no Brasil está em alta, principalmente com a adoção da indústria 4.0 na indústria mineira. Durante algum tempo, a mineração no país foi a 2.0, cujo escopo era a linha de montagem. Em seguida aderiu à 3.0, dando ênfase na automação através da robótica. Atualmente, vive a fase digital, utilizando dispositivos descentralizados, interconectados baseados na IIoT. Hoje, encontra-se na 4.0 que apresenta dispositivos inteligentes interconectados e controle descentralizado, além de inteligência sobre coisas.
Quanto às inovações para o setor, são drones, câmeras, projetos de minas e estruturas auxiliares por realidade virtual, sistemas ferroviários autônomos, monitoramento de minerodutos por IoT e fibra ótica, equipamentos autônomos na mineração subterrânea, detonação remota, programas especialistas para gerenciamento, das operações, principalmente de beneficiamento (PIMS Plant Information Management System), impressão 3D, barragens, entre outros (IBRAM, 2020, p. 01).
2.10. Technology applied to buildings
Cada vez mais a construção civil e as engenharias em geral estão adaptando-se à tecnologia 4.0. Hoje, por exemplo, uma casa pode ser planejada e construída utilizando-se apenas grandes impressoras, prescindindo, pois, da mão de obra humana. Na parte interna da casa entra a tecnologia das coisas, deixando a casa cada vez mais inteligente, isto é, que uma pessoa pode pedir que a geladeira ou o ar liguem e estes, apenas pelo reconhecimento de voz, executarão as tarefas.
2.11. Applied Biomedicines
A tecnologia de última geração também atingiu as ciências médicas. Hoje um cirurgião pode fazer uma cirurgia remota de altíssimo risco. E mais: os cirurgiões estão sendo substituídos por robôs. Não só a parte especificamente médica como também a administração das clínicas médicas, cada vez mais influenciadas pelas ferramentas desenvolvidas por programadores para gerir empresas de grande e médio porte.
3. EXPRESSÕES USUAIS NA ERA DA INDÚSTRIA 4.0
Neste tópico, falar-se-á das principais palavras e expressões ligadas à transformação digital provocada pela indústria 4.0.
3.1. Tecnologia 5G
A tecnologia 5G seria está relacionada com a comunicação móvel e também faz parte do processo de transformação digital provocado pela indústria 4.0. Atualmente, no Brasil, usam-se as tecnologias 2G, 3G, 4G. No entanto, prevalece a 3G, abrangendo 99,8% dos usuários. E o que significa esse G? Para Ferreira, essas redes de comunicação móvel, sejam da geração que forem, consistem em um conjunto de tecnologias que nos habilita a trocar informações a partir de dispositivos portáteis (como os celulares) a qualquer momento, do lugar onde estivermos, mesmo que estejamos em movimento. Isso as diferencia das redes de comunicação fixa, que só podem ser utilizadas a partir de pontos precisos no espaço, como é o caso dos telefones fixos (FERREIRA, sd, p. 01).
A evolução histórica desse conceito de G é importante conhecer: A 5G, que hoje está em vias de ser implantada no Brasil, é a culminação de um longo processo histórico de evolução tecnológica. Lá em 1979, quando a primeira geração de redes de comunicação móvel (1G) foi posta em operação no Japão, a tecnologia de sistemas de rádio analógicos utilizados à época só permitia a comunicação por áudio, a tradicional chamada telefônica. Pouco mais de 10 anos depois, foi lançada a segunda geração (2G) agora com sinal digital que além de aumentar a segurança das comunicações viabilizou o envio de mensagens SMS (do inglês, Short Messaging Service, mensagens apenas de texto) e MMS (Multimedia Messaging Service, para imagens e vídeos). O verdadeiro ponto de inflexão na nossa forma de usar as comunicações móveis, porém, veio com a terceira geração (3G). As taxas de transmissão nome técnico daquilo que coloquialmente chamamos de velocidade da internet da 3G eram de tal forma superiores à da 2G que com ela era possível carregar vídeos na hora, jogar jogos online, fazer chamadas de vídeo e interagir em tempo real em redes sociais; tudo isso direto do seu celular. Essa tecnologia, por si só revolucionária, recebeu um empurrão a mais com o lançamento do iPhone 3G, em 2008, marco de abertura da era dos smartphones. A transição para a quarta geração (4G) foi mais suave (FERREIRA, sd, p. 01).
Da 4g para 5G há diferenças marcantes, sendo que os principais ganhos de desempenho aparecem em quatro características da rede: elevadíssimas taxas de transmissão, a alta confiabilidade de rede, latência próxima a 0 e alta capacidade de rede (FERREIRA, sd, p. 01). A confiabilidade é fundamental, pois há casos em que não pode haver oscilações e falhas na transmissão, é o caso, por exemplo, das cirurgias operadas remotamente, pois uma falha qualquer pode levar o paciente a óbito.
Sobre a tecnologia 5G há uma verdadeira guerra travada entre Estados Unidos e China em relação à segurança dos dados. A empresa líder em tecnologia 5G é a chinesa Huawei, isso por si só já deixa os Estados Unidos e a União Europeia preocupados, pois é notória a concorrência chinesa e sua capacidade de espionagem de dados. Assim, existe o receio de que os equipamentos da Huawei tenham as chamadas backdoors, isto é, canais clandestinos de comunicação. Em tese, as backdoors poderiam ser utilizadas pelo governo chinês para promover todo tipo de ações escusas, como coletar dados em massa ou realizar ataques cibernéticos a infraestrutura crítica (FERREIRA, sd, p. 01). Ou seja, a existência dos Estados Unidos enquanto principal potência mundial e a de potências emergentes, como é o caso do Brasil, estaria seriamente ameaçada.
3.2. Internet das coisas e Internet Industrial das Coisas
O processo de automação e da digitalização dos dados não é tão recente, mas a sua expansão, tanto para as indústrias como para a população em geral, está cada vez mais comum. A automação é o processo de substituição da força de trabalho humano por robôs. Neste sentido, pode-se afirmar que a fase atual da automação é a Inteligência Artificial, pois esta, como o próprio nome indica, tenta criar um robô que tenha uma inteligência semelhante à dos humanos e autônoma. Uma das grandes estruturas utilizadas para atingir esse fim é o da digitalização.
Antes os dados, informações, dispositivos atendiam ao sistema analógico, atualmente, porém, é o digital, o que permite maior celeridade e alto grau de confiabilidade nas transações. A esse processo de digitalização se conhece como Quarta Revolução Industrial.
Duas das consequências mais marcantes dessa revolução são a IoT e IIoT. A primeira é traduzida como a Internet das Coisas, isto é, uma possibilidade de dar aos dispositivos eletroeletrônicos residenciais e laborais a capacidade de atender a comandos remotos, seja pela voz do usuário, seja pelo celular. Assim, desde uma geladeira que se autorregula até um sistema de segurança que pode ser guiado por um smartphone, ter-se-ia um sistema de interconexão, ou seja, o IoT.
Um subtipo de IoT é o IIoT, mais voltado para a indústria de base, que também passaria a ter a quase totalidade de sua produção, sistema burocrático, setor de atendimento etc. passando pelo mesmo processo acima descrito, ou seja, estaria digitalizando-se, automatizando-se e, também, acatando cada vez mais a automatização. Isso implica que, em mais algumas décadas, talvez, o trabalho humano nas fábricas, comércio, educação, saúde etc. será desnecessário, pois tudo estará automatizado e digitalizado.
A noção de aparelhos e dispositivos interconectados já existia desde os anos 70 do século XX, e tal interconexão era conhecida como internet embarcada. Por sua vez, a expressão Internet das Coisas, em inglês Internet of Things (IoT), foi cunhada por Kevin Ashton em 1999 durante seu trabalho na Procter & Gamble. Ashton, que trabalhava na otimização da cadeia de suprimentos, queria atrair a atenção da gerência sênior para uma nova tecnologia interessante chamada RFID. Como a internet era a tendência mais quente em 1999 e por que de alguma forma fazia s entido, ele chamou sua apresentação de Internet das Coisas (ALFACOMP, sd, p. 01).
Em uma tentativa de definir Internet das Coisas, deve-se levar em conta que talvez fosse mais correto defini-la como Internet dos Objetos. Na verdade, existem objetos inteligentes (os chamados smart objects) na base da Internet das Coisas. E não estamos falando apenas de computadores, smartphones e tablets, mas sobretudo dos objetos que nos cercam dentro de nossas casas, no trabalho, nas cidades, no dia a dia. A Internet das Coisas nasceu aqui mesmo: da ideia de trazer os objetos da nossa experiência diária para o mundo digital [...]. No mercado de consumo, a tecnologia IoT é associada ao conceito de casa inteligente, incluindo dispositivos e eletrodomésticos (como luminárias, termostatos, sistemas e câmeras de segurança doméstica e outros eletrodomésticos) podendo ser controlados por meio de dispositivos como smartphones (ALFACOMP, sd, p. 01).
Internet das Coisas (IoT) e Internet Industrial das Coisas (IIoT) constituem-se em dois tipos de avanços tecnológicos correspondentes à era da revolução digital, também conhecida como Quarta Revolução Industrial. Não são opostas, em verdade, se complementam. Pode-se definir a IoT como uma rede de dispositivos conectados capazes de comunicarem uns com os outros e fornecerem dados aos usuários por meio da Internet. Os dispositivos IoT se conectam com a Internet e geralmente têm sensores para coleta de dados. Embora um dispositivo IoT seja útil quando usado sozinho, ele se torna bem mais valioso quando usado em conjunto com vários outros (COPADATA, sd, p. 01). Seu uso vai desde a casa residencial aos prédios, sítios, subestações, maquinário fabril, aparelhos de segurança etc.
O IIoT, entretanto, é um tipo de IoT. É uma tecnologia utilizada em ambientes industriais muito mais complexos, sobretudo as de produção de base. Em ambas tecnologias há implícito aquilo que se vem denominando tecnologia inteligente, ou seja, realiza quefazeres de forma remota sem a intervenção direta humana. Elas estão revolucionando a maneira como as fábricas e organizações industriais são executadas. A IIoT pode proporcionar muitos usos e benefícios semelhantes aos da IoT. É possível integrar sensores inteligentes a equipamentos de produção, sistemas de energia e infraestrutura, como tubulação e cabeamento. Por meio dos dados que coletam e da funcionalidade avançada que possibilitam, esses sensores ajudam as indústrias a melhorar a eficiência, a produtividade, a segurança dos funcionários e muito mais (COPADATA, sd, p. 01).
3.3. TensorFlow, Amazon SageMaker Neo, Scikit-learn, Theano e Keras
Como se está buscando fazer algo que imite a complexidade de relações de um cérebro em funcionamento, o que não se encontrou ainda, utiliza-se, em vez disso, uma ferramenta que possa auxiliar os programadores à hora de criar redes neurais, uma delas é o TensorFlow, o qual pode ser entendido como uma biblioteca de código aberto para aprendizado de máquina aplicável a uma ampla variedade de tarefas. É um sistema para criação e treinamento de redes neurais para detectar e decifrar padrões e correlações, análogo (mas não igual) à forma como humanos aprendem e raciocinam (WIKIPEDIA, sd, p. 01).
Criado em 2015 pelo Google Brain para auxiliar na pesquisa e produção de redes neurais, era de uso exclusivo do Google, no entanto, hoje pode ser utilizado por qualquer usuário. É, portanto, uma espécie de técnica ou ferramenta para Machine Learning e Deep Learning, pois nele há um compilado de funções que permitem que programadores e pesquisadores desenvolvam sistemas capazes de identificar padrões em grandes volumes de dados, para auxílio na tomada de decisões (DAITAN, sd, p. 01).
Outro importante é o Amazon SageMaker Neo, cuja função é similar, senão concorrente, a do TensorFlow, sendo a diferença que este é gratuito, pois na própria página do SageMaker se diz que ele ajuda a cientistas e desenvolvedores de dados a preparar, criar, terinar e implantar modelos de Machine Learning de alta qualidade rapidamente, reunindo um amplo conjunto de recursos criados especificamente para o ML (AWS, sd, p. 01).
Há ainda o Scikit-learn, o qual também é uma biblioteca de código aberto de redes neurais, só que específica para a linguagem de programação Python. A Scikit-learn inclui vários algoritmos de classificação, regressão e agrupamento incluindo máquinas de vetores de suporte, florestas aleatórias, gradient boosting, k HYPERLINK "https://pt.wikipedia.org/wiki/K-means"-means e DBSCAN, e é projetada para interagir com as bibliotecas Python numéricas e científicas NumPy e SciPy (WIKIPEDIA, sd, p. 01). Está, portanto, desenvolvida principalmente para aplicação prática de machine learning. Esta biblioteca dispõe de ferramentas simples e eficientes para análise preditiva de dados, é reutilizável em diferentes situações, possui código aberto, sendo acessível a todos e foi construída sobre os pacotes NumPy, SciPy e matplotilib (DIDÁTICATECH, sd, p. 01).
Outro é o Theano. É mais uma biblioteca de códigos abertos com linguagem de programação Python, cujo objetivo é manipulating and evaluating mathematical expressions, especially matrix-valued ones. In Theano, computations are expressed using a NumPy-esque syntax and compiled to run efficiently on either CPU or GPU architectures, [...] primarily developed by the Montreal Institute for Learning Algorithms (MILA) at the Université de Montréal. The name of the software references the ancient philosopher Theano, long associated with the development of the golden mean (WIKIPEDIA, sd, p. 01). Este golden mean ou razão áurea se referem aos tratados da filósofa, esposa de Pitágoras, e consistem em uma constante real algébrica irracional. É representada pela divisão de uma reta em dois segmentos (a e b), sendo que quando a soma desses segmentos é dividida pela parte mais longa, o resultado obtido é de aproximadamente 1,61803398875. Este valor é chamado de número de Ouro (SIGNIFICADOSCIÊNCIA, sd, p. 01), também conhecido como Phi.
Por fim, há o Keras, o qual é outro modelo de biblioteca de códigos abertos também escrita em linguagem Python que pode ser utilizada tanto com o Theano quanto o TensorFlow, podendo-se substituir uma rede neural pela outra apenas utilizando o Keras. Serve, pois, para criar e treinar modelos de aprendizado profundo. Ela é usada para prototipagem rápida, pesquisa de ponta e produção, com três principais vantagens: a) tem uma interface simples e consistente otimizada para os casos de uso comuns. Ela fornece feedback claro e prático para os erros do usuário; b) Os modelos modulares e compostos da Keras são feitos conectando elementos configuráveis, com poucas restrições (TENSORFLOW, sd, p. 01).
3.4. Energy Storage
Energy Storage é uma ferramenta para armazenamento de energia: O armazenamento de energia é uma prática que traz uma enorme revolução em relação a consumo e economia de energia. Essa tecnologia deixa o sistema elétrico mais confiável, contribuindo para a sua estabilidade. Muitos países já possuem armazenamento de energia nos seus sistemas, para garantir que a rede seja estável. Além disso, o Energy Storage ajuda o meio ambiente, pois possibilita o armazenamento de energia renovável - como a energia solar -, reduzindo a utilização de diesel e, assim, as emissões de carbono. Siemens e o Armazenamento de Energia [...]. Ainda é uma aplicação de alto custo e, por isso, é mais vista e utilizada no setor industrial, até porque no uso da energia em maior escala o resultado financeiro é melhor. Mas com o avanço das tecnologias, o custo das baterias tende a diminuir, possibilitando que as instalações sejam feitas no mundo residencial (SIEMENS, sd, p. 01).
3.5. Technology and industrial processes
Technology industrial é o uso da engenharia e da manufatura para fazer uma produção mais rápida e eficiente. O campo da tecnologia industrial emprega pessoas criativas e tecnicamente competentes que possam ajudar a empresa a conseguir produtividade rentável. Exemplo: a produção constante de celulares e aparelhos voltados para a internet. Já Processes Industrial são procedimentos que envolvem etapas químicas, físicas, elétricas e mecânicas para auxiliar na manufatura de um item, usualmente executados em larga escala. São, na verdade, componentes-chave da indústria pesada. Exemplo: derretimento de ferro e aço para a produção de aparatos para a indústria.
4. INTELIGÊNCIA ARTIFICIAL E DEEP LEARNING
Computação neuromófica seria o processamento inteligente de dados, relacionado à Inteligência Artificial, que busca dar às máquinas faculdades inerentes aos humanos. A expressão foi criada por Caver Meard em 1980, pesquisador do Instituto de Tecnologia da Califórnia. O que Caver conceituou pode ser ilustrativamente resumido como a ideia de desenvolver computadores que se comportem de forma semelhante ao cérebro. A ideia parte da tentativa de emular o funcionamento das sinapses neurais biológicas. Os processadores não seriam mais pré-programados, mas funcionariam a partir de conexões entre os circuitos que se estabelecem através do aprendizado constante vindo do tráfego de dados pelo chip dos computadores. Essa nova dinâmica gera sinais que viajam para outros componentes do sistema computacional, mudando a rede neural de comunicação de forma semelhante ao que ocorre com os seres humanos. Em resumo: as ações se alteram em função da informação recebida, com alto dinamismo (PINTO, 2020, p. 01).
A inteligência artificial busca imitar a capacidade de o humano em raciocinar, mensurar, comparar e resolver problemas. Neste sentido, as máquinas são programadas para realizar atribuições que, antes, somente uma pessoa podia fazer. Um exemplo cotidiano está na Automação de Processo Robótico. Basicamente, pode-se dizer que a automação robótica de processos (RPA) é o uso de robôs digitais (bots) para executar tarefas repetitivas anteriormente realizadas por pessoas. A maioria das ferramentas de RPA é executada em estações de trabalho independentes e treinada para realizar tarefas rotineiras, como mover linhas de um banco de dados para uma planilha. Ainda que individualmente os robôs se concentrem apenas em tarefas simples, juntos eles geram diversos benefícios. Como parte da estratégia de gerenciamento de processos de negócios (BPM) de uma organização, a RPA pode desempenhar um papel fundamental no aumento da eficiência das operações. [...] A RPA automatiza tarefas repetitivas que antes exigiriam ações humanas, incluindo trabalhos simples, como inserir entradas em um formulário, e mais complexos, como atendimento a clientes e solução de problemas (HEDHAT, sd, p. 01).
Da mesma forma que se busca fazer com que a máquina pense e fale, também se tenta dar-lhe a capacidade de ver. Desta forma, a visão computacional seria um dos ramos da inteligência artificial que estuda o processamento de imagens do mundo real por um computador. Em outras palavras, essa área investiga maneiras de dar às máquinas a capacidade de interpretar visualmente informações, ou seja, enxergar (KOT, s.d., p. 01).
A indústria 4.0 é melhor visualizada quando se pensa na expressão Inteligência Artificial, sendo esta um conjunto de recursos que engloba várias subdisciplinas ou tecnologias, entre as quais: sistemas baseados em regras (disciplina fundamental); Machine Learning (algoritmos usados para que um computador aprenda a partir dos dados e crie seus próprios modelos analíticos); redes neurais (que imitam o funcionamento do cérebro humano por meio de nós ou unidades interconectadas semelhantes aos neurônios); Deep Learning (aproveita as redes neurais com muito mais camadas e absorve padrões mais complexos de grandes volumes de dados); análise preditiva (técnicas estatísticas para prever relações causais); e reconhecimento de padrões (quando um sistema de Inteligência Artificial classifica e interpreta os inputs ao seu redor, gerando insights (WEDEMANN, s.d. p. 01).
A utilização da inteligência artificial, de maneira direta, dá-se no aprendizado de máquina (em inglês, machine learning); Deep Learning; Processamento de Linguagem Natural; Visão Computacional (SAS, sd, p. 01). Na verdade, todos estão intrinsecamente relacionados entre si, pois buscam imitar, de alguma forma, faculdades inerentes ao humano. Assim, a Inteligência Artificial tenta imitar a capacidade do humano em raciocinar, mensurar, comparar e resolver problemas. Neste sentido, as máquinas são programadas para realizar atribuições que, antes, somente uma pessoa podia fazer.
4.1 Aprendizagem de Máquina
Aprendizagem de Máquina ou Machine Learning é justamente uma das consequências da Indústria 4.0 ou, mais especificamente, é a capacidade dos computadores de aprender sem terem sido necessariamente programados. Essa técnica já é usada na medicina, pois, a partir de parâmetros clínicos e suas combinações, as máquinas podem detectar evidências que forneçam um diagnóstico de doenças (Petrobras, s.d. p. 01). Desta forma, a aprendizagem da máquina está intrinsecamente ligada à robótica e à inteligência artificial, as quais já são realidades há tempos, ocorre que só agora estão verdadeiramente se espalhando, causando uma verdadeira revolução digital.
4.2 Deep Learning e Redes neurais
Deep learning significa aprendizagem profunda e está relacionada à aprendizagem da máquina e à inteligência artificial, sendo uma das ferramentas desta última: Deep learning é uma das bases da inteligência artificial (IA), e o interesse atual em deep learning se deve, em parte, à fascinação por IA. Técnicas de deep learning têm aprimorado a capacidade dos computadores em classificar, reconhecer, detectar e descrever em uma palavra, compreender. Por exemplo, o deep learning é usado para classificar imagens, reconhecer fala, detectar objetos e descrever conteúdo. Sistemas como Siri e Cortana são parcialmente alimentados por deep learning. Em vez de organizar os dados para serem executados através de equações predefinidas, o deep learning configura parâmetros básicos sobre os dados e treina o computador para aprender sozinho através do reconhecimento padrões em várias camadas de processamento (SAS, s.d., p. 01).
Um exemplo disso encontra-se nos famosos algoritmos inteligentes utilizados pelo Netflix, Youtube ou WhatsApp, os quais, sem que se peça, mandam propagandas e vídeos segundo nossos gostos, justamente porque tais algoritmos averiguam os vídeos mais vistos as palavras mais utilizadas nos comentários feitos na Internet, os vídeos postados etc., criando assim um perfil da personalidade de cada usuários. Tais dados servem, inclusive, como forma de censura, como acontece diariamente, pois se alguém escreve ou posta algo contrário aos interesses das BigTech, é imediatamente bloqueado, como aconteceu com certo ex-presidente dos Estados Unidos.
4.3. Processamento de Linguagem Natural
O conceito de Processamento de Linguagem Natural relaciona-se com o artigo científico Computing Machinery and Intelligence, publicado em 1950 por Alan Turing. Em tal artigo, Turing expõe o resultado de sua pesquisa, a qual testava a capacidade de uma máquina exibir comportamento inteligente equivalente a um ser humano, ou indistinguível deste. No exemplo ilustrativo original, um jogador humano entra em uma conversa, em linguagem natural, com outro humano e uma máquina projetada para produzir respostas indistinguíveis de outro ser humano. Todos os participantes estão separados uns dos outros. Se o juiz não for capaz de distinguir com segurança a máquina do humano, diz-se que a máquina passou no teste. O teste não verifica a capacidade de dar respostas corretas para as perguntas; mas sim o quão próximas as respostas são das respostas dados por um ser humano típico. A conversa é restrita a um canal de texto, como um teclado e uma tela para que o resultado não dependa da capacidade da máquina de renderizar áudio (Wikipedia, s.d., p. 01).
Como se vê, a pesquisa não buscava uma interação direta, mas apenas verificar se a máquina conseguia distinguir as falas dos participantes. Com a evolução das pesquisas, a intenção agora é que as máquinas não só consigam entender como interagir e questionar. Desta forma, o Processamento de Linguagem Natural é o intento de buscar dar à máquina uma estrutura linguística semelhante à do humano, assim o Processamento de Linguagem Natural (PLN ou NLP) mescla ciência da computação, inteligência artificial e linguística se dedicando a geração e compreensão automática da linguagem natural (GONÇALVES, 2020, p. 01).
4.4. Visão computacional e linguagem natural
Da mesma forma que se busca fazer com que a máquina pense e fale, também se lhe tenta dar a capacidade de ver. Desta forma, a visão computacional seria um dos ramos da inteligência artificial que estuda o processamento de imagens do mundo real por um computador. Em outras palavras, essa área investiga maneiras de dar às máquinas a capacidade de interpretar visualmente informações, ou seja, enxergar (KOT, s.d., p. 01).
Por fim, o Processamento de Linguagem Natural é o intento de buscar dar à máquina uma estrutura linguística semelhante à do humano, assim o Processamento de Linguagem Natural (PLN ou NLP) mescla ciência da computação, inteligência artificial e linguística se dedicando a geração e compreensão automática da linguagem natural (GONÇALVES, 2020, p. 01).
Muitos são os usos da Inteligência Artificial no dia a dia. Comentar-se-ão aqui os principais, a começar pelo atendimento ao cliente. Em quanto ao atendimento ao cliente, a inteligência artificial é utilizada para automatizar os processos, bem como desenvolver robôs de atendimento ou assistentes virtuais conhecidos como chatbot para interagir com o cliente via chat de site, rede social, aplicativo etc. Afora outras soluções que compõem um sistema de atendimento, abrangendo atividades de coleta e análise de dados, geração de relatórios, base de conhecimento, autoatendimento, pesquisa de satisfação, assim como tarefas de comunicação interna (MARUCCO, 2020, p. 01).
4.5. Applied Robotics.and Real Time Signal Processing
Applied Robotics é a robótica aplicada a diversas atividades da vida humana, desde a questão da inteligência artificial até o uso de robôs substituindo a professores e juízes, por exemplo. Já Real Time Signal Processing, como o nome diz, é um processamento de sinais em tempo real, ou seja, as amostras analisadas (de entrada) e geradas (saída) são processadas continuamente de forma acelerada. O tempo médio de processamento dos dados é similar ao da entrada da entrada dos dados.
6. CONCLUSÃO
O acima dito é insuficiente, e muito, para se ter uma visão do que de fato é a transformação digital e a repercussão desta na vida cotidiana dos cidadãos. No entanto, pode servir como primeiro passo para aqueles que estão engatinhando nesse caminho da tecnologia. Deve-se ter em mente, entretanto, que a transformação digital não tem a ver apenas com tecnologia da informação tem a ver com estratégia e novas formas de pensar [...]. A tecnologia de informação de certo é um facilitador para o desenvolvimento das empresas, ela deve apresentar as seguintes características: a) Gestão de informação integrar tecnologias e dados; b) Controle e visualização auxiliar no processo de tomadas de decisões; c) Dinamização empresarial disponibilizar informações (FERREIRA, 2018, p. 19). A transformação digital não é uma utopia, já é um fato, e o Brasil está ingressando aos poucos nessa nova realidade.
REFERÊNCIAS
ALFACOMP. O que é IoT? Disponível em https://alfacomp.net/portfolio-item/iot-internet-of-things/?
ALVES, Sylvio. Protocolos industriais no cenário IoT. Venturus, 2020, disponivel em: https://www.venturus.org.br/protocolos-industriais-no-cenario-iot/
AHMED, Iqbal. Gerenciamento de qualidade de dados: o que é e por que é importante? 2019, disponível em: https://www.astera.com/pt/type/blog/data-quality-management/
AWS. Amazon SageMaker para cientistas e desenvolvedores. Disponível em: https://aws.amazon.com/pt/sagemaker/
BARBOSA, Denis Borges. Breves comentários à Lei n 11.484, de 31 de maio de 2007, que introduz proteção exclusiva relativa à Topografia de Circuitos Integrados. 2007, disponível em:chromeextension://efaidnbmnnnibpcajpcglclefindmkaj/viewer.htmlpdfurl=https%3A%2F%2Fwww.dbba.com.br%2Fwp-content%2Fuploads%2Fbreves-comentrios-lei-de-topografias.pdf&clen=348046&chunk=true
BCCL. Direito Autoral. Disponível em: chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/viewer.htmlpdfurl=http%3A%2F%2Fwww.sbu.unicamp.br%2Fsbu%2Fwpcontent%2Fuploads%2F2020%2F08%2FDireito-Autoral-8.pdf&clen=2143050&chunk=true
BOLFE. Edson. A transformação digital impulsiona o futuro sustentável da agricultura. CNA. Disponível em: https://www.cnabrasil.org.br/artigos/a-transformacao-digital-impulsiona-o-futuro-sustentavel-da-agricultura
BRAGHITTONI, Ronaldo. Business intelligence: implementar do jeito certo e a custo zero. Ed. Casa do Código, formato digital, 2017.
BRASILAGRO. Fórum Brasil Agro Digital 5.0. Brasilaagro, 2018, disponível em: https://www.brasilagro.com.br/conteudo/forum-brasil-agro-digital-50.html
BRASIL. Lei nº 9.609, de 19.02.1998. Disponível em: http://www.planalto.gov.br/ccivil_03/leis/l9609.htm
______. Cultivares. UFRGS, 2013, disponível em: http://www.ufrgs.br/patrimoniogenetico/conceitos-e-definicoes/cultivares
______. Lei nº 11.484, de 31.05.2007. Disponível em: http://www.planalto.gov.br/ccivil_03/_ato2007-2010/2007/lei/l11484.htm
CETAX. Data warehousing DW. 2020, Disponível em: https://www.cetax.com.br/blog/dw-data-warehousing/
______. O que é ETL Extract Transform Load? Cetax, 2020, disponível em: https://www.cetax.com.br/blog/etl-extract-transform-load/
______. Data Science: O que é, conceito e definição. 2020, disponível em: https://www.cetax.com.br/blog/dw-data-warehousing/
COMPUTERWORLD. Fintech combina inteligência artificial e OCR na triagem de documentos. Disponível em: https://computerworld.com.br/inovacao/fintech-combina-inteligencia-artificial-e-ocr-na-triagem-de-documentos/
COPADATA. O que são a IoT e a IIoT? Disponível em: https://www.copadata.com/pt/produtos/platform-editorial-content/o-que-sao-a-iot-e-a-iiot-copa-data/
DAITAN. TensorFlow: O que é e como pode ser aplicado. Disponível em: https://careers-br.daitan.com/pt/tensorflow-o-que-e-e-como-pode-ser-aplicado/
DE SORDI, José Osvaldo. Benefícios da arquitetura de software orientada a serviços para as empresas: análise da experiência do abn amro Brasil. Revista da tecnologia e sistemas de informação, vol. 03, n. 01, p.19-34, 2006, disponível em: chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/viewer.htmlpdfurl=https%3A%2F%2Fwww.scielo.br%2Fj%2Fjistm%2Fa%2FgrdG6d4H8Jd7vzMnzTWtCty%2F%3Fformat%3Dpdf%26lang%3Dpt&clen=197621&chunk=true
DEVMEDIA. O que é Business Performance Management. Disponível em: https://www.devmedia.com.br/o-que-e-business-performance-management/7922
DIDÁTICATECH. A biblioteca Scikit-lear-Python para machine learning. Disponível em: https://didatica.tech/a-biblioteca-scikit-learn-pyhton-para-machine-learning/
_________. O que é o Tensorflow. Disponível em: https://didatica.tech/o-que-e-tensorflow-para-que-serve/
DIGITALHOUSE. Entenda a diferença entre Data Science, Data Analytics e Big Data. https://www.digitalhouse.com/br/blog/data-science-data-analytics-e-big-data
ENAP. Governança de Dados: princípios, importância e desafios do gerenciamento de dados. Ed. Da Escola Nacional de Administração Pública - ENAP, Brasília, 2019.
ENAP. Gerenciamento de Metadados e da qualidade de Dados. Ed. Da Escola Nacional de Administração Pública - ENAP, Brasília, 2019.
ESCOLA DA INTELIGÊNCIA. Entenda o papel da transformação digital na educação, 2020, Disponível em: https://escoladainteligencia.com.br/blog/transformacao-digital-na-educacao/
FERREIRA, Líndice Thiengo. Transformação digital: aplicações e limitações de seu uso em empresas de seguro no Brasil. Dissertação de Mestrado em Gestão Empresarial, Escola Brasileira de Administração Pública e de Empresas da Fundação Getúlio Vargas, Rio de Janeiro, 2018.
FERREIRA DA SILVA, Bernardo Menescal. 5G: o que é e qual sua importância política? Politize, 2020, publicado em https://www.politize.com.br/5g-o-que-e/?https://www.politize.com.br/ HYPERLINK "https://www.politize.com.br/5g-o-que-e/?https://www.politize.com.br/&gclid=Cj0KCQjwpreJBhDvARIsAF1_BU0rIjYQj42H95Jk5TXPo2lO5oh1PVjRWSfZHy9Mkz-mNhsRML-A8V0aAvJXEALw_wcB"& HYPERLINK "https://www.politize.com.br/5g-o-que-e/?https://www.politize.com.br/&gclid=Cj0KCQjwpreJBhDvARIsAF1_BU0rIjYQj42H95Jk5TXPo2lO5oh1PVjRWSfZHy9Mkz-mNhsRML-A8V0aAvJXEALw_wcB"gclid=Cj0KCQjwpreJBhDvARIsAF1_BU0rIjYQj42H95Jk5TXPo2lO5oh1PVjRWSfZHy9Mkz-mNhsRML-A8V0aAvJXEALw_wcB
FREITAS, Cristiano. Lei de softwares: 4 pontos que sua empresa precisa se atentar. Sihus Contabilidade, 2019, disponível em: https://syhus.com.br/2019/09/24/le-de-software/
GONÇALVES, Thiago. PLN: O que é processamento de linguagem natural? 2020, disponível vem: https://www.alura.com.br/artigos/o-que-e-pln gclid=Cj0KCQjwvaeJBhCvARIsABgTDM5puPyQfeQUVqfKOGRpmijxZWRcT5jX_Qi3O3tZPOa40ruXY_aOsU4aAoT4EALw_wc
GOVERNO DIGITAL. Interoperabilidade. 2020, disponível em: https://www.gov.br/governodigital/pt-br/governanca-de-dados/interoperabilidade
HEDHAT. O que é automação robótica de processos? (RPA). Disponível em: https://www.redhat.com/pt-br/topics/automation/what-is-robotic-process-automation
HPW. O que é computação na borda? Disponível em: https://www.hpe.com/br/pt/what-is/edge-computing.html
IBRAM. Inovações tecnológicas do setor mineral são apresentadas no Sweden Brazil Innovation Weeks 2020. Disponível em: https://ibram.org.br/noticia/inovacoes-tecnologicas-do-setor-mineral-sao-apresentadas-no-sweden-brazil-innovation-weeks-2020-2/
INTELECTAH. Entenda os impactos da transformação digital na área da saúde. Disponível em: https://blog.intelectah.com.br/entenda-os-impactos-da-transformacao-digital-na-area-da-saude/
IPOG TECNOLOGIA. Governança de dados e LGPD: como implementar na sua empresa. Disponível em: https://blog.ipog.edu.br/tecnologia/governanca-de-dados/
