Big Brain Unindo Big Data e a Internet das Coisas para criar robôs cada vez mais inteligentes (Portuguese Edition) by Rogério Figurelli (z-lib org)

Prévia do material em texto

BIG BRAIN 
UNINDO BIG DATA E A INTERNET DAS COISAS PARA CRIAR ROBÔS CADA VEZ MAIS 
INTELIGENTES 
Primeira Edição – 01/12/2016 
Edição 2.47 – 20/12/2016 
Copyright © Rogério Figurelli 
Os direitos de todos os textos contidos neste livro eletrônico são reservados a seu 
autor, e estão registrados e protegidos pelas leis do direito autoral, em todas suas 
edições. 
Esta é uma edição eletrônica - e-book comercial -, que não pode ser vendida, 
distribuída nem comercializada, em hipótese nenhuma, nem utilizada para quaisquer 
fins, sem a expressa autorização por escrito do autor. 
É permitido o armazenamento deste livro em computadores ou dispositivos pessoais 
do comprador, com o único objetivo de leitura de seu conteúdo em meio eletrônico. 
Nenhuma parte isolada deste livro pode ser copiada, reproduzida, ou armazenada 
em qualquer meio, ou ainda utilizada para qualquer fim. 
Este livro eletrônico não pode ser impresso. 
 
 
 
Conteúdo 
 
Sobre o Autor 
Prefácio 
Capítulo 1. Uma arquitetura Data x Big Data para tudo 
Capítulo 2. Do Big Data ao Big Brain 
Capítulo 3. Os 7 Bs do Big Brain 
Capítulo 4. Modelo universal de decisão através de robôs 
Capítulo 5. A lei da Transferência de Inteligência 
Capítulo 6. Impactos na criatividade artificial e inovação 
Capítulo 7. O futuro do Big Brain 
Referências 
 
 
 
Sobre o Autor 
Rogério Figurelli é CEO da empresa Trajecta – Consultoria e Projeto de Robôs - 
www.trajecta.com.br, a primeira empresa brasileira de consultoria especializada em 
robôs, atuando como consultor de empresas no planejamento, operacionalização, 
auditoria e projeto de robôs, para as mais variadas aplicações de mercado e modelos 
de negócio. 
Com mais de 35 anos de experiência na área de Tecnologia da Informação e de 20 
anos no mercado de robôs, é engenheiro eletricista/eletrônico pela UFRGS e mestre 
em ciências da computação, também pela UFRGS. Possui pós-graduação em gestão 
de pessoas, estratégias e negócios – MBA pela Fundação dos Administradores do Rio 
Grande do Sul. 
Especialista no desenvolvimento de tecnologias nas mais diversas plataformas e 
áreas do conhecimento, além de algoritmos especialistas e sistemas quantitativos 
nos mais variados níveis de complexidade, como aplicações de inteligência de 
máquina, deep learning e modelos evolucionários. 
É pioneiro no desenvolvimento de robôs e em pesquisa de várias tecnologias de 
inteligência artificial forte, criando centenas de robôs brasileiros desde 1996, 
quando começou a atuar nesse mercado. 
Contato: https://br.linkedin.com/in/figurelli 
 
 
Prefácio 
Como transformar o Data, e o Big Data, ainda mais com o grande volume de 
dados adicionado pela Internet das Coisas – ou IoT (Internet of Things) – no Big 
Brain? 
Essa é a pergunta que iremos buscar responder nesse livro, com diversas 
arquiteturas, começando inicialmente pela separação de Data e Big Data, com um 
modelo similar ao que considero ser feito em nosso cérebro. Afinal, se queremos 
buscar o Big Brain, e temos um modelo operacional do nosso cérebro cada vez mais 
aberto e conhecido, graças às pesquisas das mais variadas áreas, destacadamente as 
de neurociência, é lógico que buscar modelos similares irá acelerar anos de evolução 
para nossos algoritmos, principalmente se esse Big Brain for operacionalizado como 
parte de um sistema mais complexo, que é o de um robô. 
Na arquitetura que proponho, como base para formação do Big Brain, busco 
separar os dados e processamento em duas camadas, como acontece de forma 
similar em nosso cérebro, com o processamento consciente e inconsciente. No caso, o 
processamento de Big Data estaria focado exclusivamente na produção de 
inteligência a partir dos dados, entregues diretamente para o processamento de 
Data. Na prática, não há nenhuma regra ou compromisso que a inteligência 
produzida pelo processamento de Big Data se transforme em informações relevantes 
para os sistemas que irão, de alguma forma, consumir essa inteligência. O relevante 
mesmo é que ela seja permanentemente produzida, sem nenhuma perda de dados de 
entrada para isso. 
Outro ponto relevante da arquitetura é a análise de toda e qualquer entrada 
de transações, seja já diretamente no formato de dados estruturados, seja em 
formatos variados, como previsto pelo V de variedade do conceito de Big Data. Esse 
processamento de Big Data, desde o tratamento de dados primários até a produção e 
análise de informações, com formação de regras de inteligência, deve ser um 
processo contínuo, sem interrupções, qualificando cada vez mais o processamento de 
Data, que seria a área mais nobre da arquitetura, com limitações bem maiores de 
recursos. 
Além disso, a ideia é permitir que a interface com os tradicionais sistemas e 
dispositivos de mercado possa ser feita para qualquer coisa, como por exemplo um 
automóvel. Ou seja, a mesma arquitetura válida para a interface com um 
computador ou servidor, ou ainda um smartphone ou tablet, deve ser válida para a 
interface com qualquer outro objeto, desde que obviamente esse possua alguma 
comunicação com o processamento de Data. 
A possibilidade de adotar a mesma arquitetura para qualquer Sistema ou 
Coisa, ou Tudo, com exatamente a mesma interface e protocolos, abre as portas para 
a máxima aquisição de dados, informações e inteligência do ambiente externo para 
o processamento de Data ou Big Data, e, como veremos mais adiante, como 
substrato para formação do Big Brain. 
 
Obrigado e boa leitura, 
Rogério Figurelli 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
"Como a mente funciona ainda é um mistério. 
Nós entendemos o hardware, mas não temos 
a menor ideia sobre o sistema operacional." 
James Watson 
 
 
Capítulo 1 
Uma arquitetura 
Data x Big Data para tudo 
Quando pensamos em arquitetura de algum produto, principalmente na 
área de Tecnologia da Inteligência [1], que é como prefiro referir à nova TI, o ideal é 
abstrair toda e qualquer limitação técnica, pelo menos no início do projeto e, 
evidentemente, dentro da lógica do bom senso, se é que possível fazer isso. 
Um exemplo prático dessa abordagem, para melhor entendimento, é o que 
é feito pelos Web Designers, ao projetarem o design de um site. O ideal nesse caso é 
começar com uma folha em branco, ou seja, um arquivo novo, usando algum 
aplicativo de edição de imagens ou de computação gráfica, fazendo o desenho 
livremente, até compor todo o design do site. Com essa liberdade, é natural que 
determinadas limitações de recorte e montagem em páginas html ou compatíveis, 
principalmente de linhas curvas, sejam relevadas, em favor de um design 
competitivo. Se, por outro lado, o projeto for feito com o foco nos aspectos de 
complexidade de construção, é muito provável que o efeito visual fique 
comprometido, e até mesmo a própria usabilidade final de todo o site. 
Dessa forma, como arquitetos de sistemas de informação, principalmente 
quando eles fazem parte de robôs, seja envolvendo apenas software, ou ainda 
hardware e peças mecânicas, o papel em branco pode ser a melhor ferramenta de 
projeto, seja ele analógico ou digital. 
 
A diferença de Data x Big Data x Big Brain 
O principal conceito de Big Data, e que diferencia do Data tradicional, foi o 
apresentado por Doug Laney da consultoria Gartner [2], no artigo ‘3-D Data 
Management: Controlling Data Volume, Velocity and Variety’. A ideia dos 3 Vs, e 
gestão tridimensional dos dados, envolvendo volume, velocidade e variedade – como 
os tipo de dados, por exemplo texto, vídeos, etc. – se mostra cada vez mais correta, 
tendo sido agregadas ainda duas outras dimensões, veracidade e valor, para formar 
os 5 Vs do Big Data [3]. 
Ou seja, talvez a melhor forma de definir o que é o Big Data seja endereçar 
ao mesmo tempo esses 5 Vs – volume, velocidade, variedade, veracidade e valor – de 
forma realmente eficaz, o que no meu entender, consiste em criar sistemas mais 
inteligentes e com melhor qualidade de tomada de decisões.E se isso é verdade, 
talvez o próprio conceito de Big Data perca o sentido se não evoluir para um novo 
conceito, que chamo de Big Brain, onde o valor e a eficácia de todos Vs do Big Data é 
traduzido na criação de um grande cérebro inteligente. 
 
Figura 1.1 – Data x Big Data para os Sistemas 
 
Mas como transformar o Data, e o Big Data, ainda mais com o grande 
volume de dados adicionado pela Internet das Coisas – ou IoT (Internet of Things) – 
no Big Brain? 
 Essa é a pergunta que iremos buscar responder nesse livro, com diversas 
arquiteturas, começando inicialmente pela separação de Data e Big Data, com um 
modelo similar ao que considero ser feito em nosso cérebro, como mostra a figura 
1.1. Afinal, se queremos buscar o Big Brain, e temos um modelo operacional do 
nosso cérebro cada vez mais aberto e conhecido, graças às pesquisas das mais 
variadas áreas, destacadamente as de neurociência, é lógico que buscar modelos 
similares irá acelerar anos de evolução para nossos algoritmos, principalmente se 
esse Big Brain for operacionalizado como parte de um sistema mais complexo, que é 
o de um robô. 
 
Figura 1.2 – Data x Big Data para as Coisas 
 
Na arquitetura que proponho, como base para formação do Big Brain, busco 
separar os dados e processamento em duas camadas, como acontece de forma 
similar em nosso cérebro, com o processamento consciente e inconsciente. No caso, 
o processamento de Big Data estaria focado exclusivamente na produção de 
inteligência a partir dos dados, entregues diretamente para o processamento de 
Data. Na prática, não há nenhuma regra ou compromisso que a inteligência 
produzida pelo processamento de Big Data se transforme em informações relevantes 
para os sistemas que irão, de alguma forma, consumir essa inteligência. O relevante 
mesmo é que ela seja permanentemente produzida, sem nenhuma perda de dados 
de entrada para isso. 
 Outro ponto relevante da arquitetura é a análise de toda e qualquer entrada 
de transações, seja já diretamente no formato de dados estruturados, seja em 
formatos variados, como previsto pelo V de variedade do conceito de Big Data. Esse 
processamento de Big Data, desde o tratamento de dados primários até a produção 
e análise de informações, com formação de regras de inteligência, deve ser um 
processo contínuo, sem interrupções, qualificando cada vez mais o processamento 
de Data, que seria a área mais nobre da arquitetura, com limitações bem maiores de 
recursos. 
 Além disso, a ideia é permitir que a interface com os tradicionais sistemas e 
dispositivos de mercado possa ser feita para qualquer coisa, como por exemplo um 
automóvel, na figura 1.2. Ou seja, a mesma arquitetura válida para a interface com 
um computador ou servidor, ou ainda um smartphone ou tablet, deve ser válida para 
a interface com qualquer outro objeto, desde que obviamente esse possua alguma 
comunicação com o processamento de Data. 
 A possibilidade de adotar a mesma arquitetura para qualquer Sistema ou 
Coisa, ou Tudo, como refiro no título do capítulo, com exatamente a mesma 
interface e protocolos, abre as portas para a máxima aquisição de dados, 
informações e inteligência do ambiente externo para o processamento de Data ou 
Big Data, e, como veremos mais adiante, como substrato para formação do Big Brain. 
 
 Unindo Big Data e Internet das Coisas 
 O potencial da união de Big Data e Internet das Coisas é ilimitado, 
principalmente pelo crescimento da quantidade e qualidade de sensores, cada vez 
mais diferenciados dos dispositivos existentes. 
 Em termos de Big Brain, podemos considerar que os sensores de ambiente 
agregam níveis de consciência ao cérebro artificial, que é um dos problemas mais 
complexos de dimensionar e endereçar na área de inteligência artificial. E, sem 
dúvida, é necessário pensar em arquiteturas escalares a ponto de explorar a 
quantidade de sensores que podem ser agregados aos sistemas de inteligência 
distribuída baseados em Big Data. 
 Por exemplo, supondo apenas um veículo na figura 1.2, e a partir do 
momento que é conectado à internet, o volume de dados que poderá ser transmitido 
em tempo real irá depender basicamente da limitação de conexão, pois a quantidade 
de sensores em uma automóvel pode ser muito grande. E, se temos milhões de 
veículos com a mesma tecnologia, imediatamente o problema de tratamento desse 
volume passa a ser ter capacidade para processar volumes gigantescos de dados, que 
é justamente o objetivo de existir um Big Brain, com capacidade de análise dos 
dados, em qualquer dimensão, constantemente. 
 Em tese, o grande desafio do Big Data, antes de qualquer análise, é não 
perder nenhum dado, ou, dentro do possível, minimizar essa perda, mantendo eles 
para sempre. Mas, na prática, o grande desafio de Big Data juntamente com a 
Internet das Coisas, é a capacidade de transferência de dados e transações em 
tempo real, que envolve todo o processo de coleta, principalmente pelos custos 
associados aos meios de transmissão móveis. Ou seja, de nada adianta ter sensores 
de alta capacidade de coleta de dados e transações, se não temos tempo suficiente 
para transmitir eles para os sistemas remotos. 
 
Inteligência em tempo real para o Big Brain 
Os robôs, máquinas essenciais para a criação do Big Brain, abrem as portas 
para a inteligência em tempo real, tanto para eles próprios como para nós, humanos, 
através das tecnologias de inteligência aumentada e inteligência artificial. 
No mercado financeiro, por exemplo, as decisões são tomadas pelos robôs 
em tempos cada vez menores e já abaixo de um milissegundo, com limites 
determinados cada vez mais pela própria velocidade da luz. E são decisões que 
podem envolver milhões de reais. 
Da mesma forma, através das tecnologias de RPA ou Robotic Process 
Automation e SPA ou Smart Process Automation, vários ajustes e definições de 
regras de negócio das empresas nas mais variadas áreas são feitos também cada vez 
mais em tempo real. Como, tipicamente, as decisões de comércio eletrônico e de 
análise de crédito. 
Na prática, a inteligência humana se torna cada vez mais impactada, criando 
novos paradigmas como a inteligência aumentada e a inteligência acelerada, que é a 
que proponho na minha teoria do tempo ao quadrado, e da própria inteligência ao 
quadrado. 
 
Os riscos da decisão em tempo real 
Evidentemente que, como toda nova tecnologia de ruptura, existem 
diversos riscos em decidir em tempo real, como no passado existiam – e ainda 
existem – os riscos de transações em tempo real na internet, como no caso do 
comércio eletrônico e do homebanking, das gerações passadas de tecnologia da 
informação. 
Mas esses riscos devem ser vistos como mais problemas a serem 
endereçados pela Tecnologia da Inteligência - a nova TI -, e justamente essa é uma de 
suas responsabilidades. E uma das formas de minimizar os riscos é através do 
controle de falhas e erros dos robôs,ou seja, com sistemas de tolerância a falhas que 
sejam capazes de deixar as máquinas mais resilientes para essas situações, que 
fatalmente irão acontecer, nos níveis de complexidade que se espera para o Big Data 
e Internet das Coisas. 
O poder da execução flexível 
 Os robôs permitem as mais variadas abordagem de execução dos processos, 
com capacidade inclusive de gerenciamento de outros robôs, como vimos 
anteriormente. 
 E essa flexibilidade acontece desde a execução de processos e projetos, até 
a sua configuração e definição de arquitetura de servidores e sistemas para seu 
correto funcionamento. 
Além da centralização e padronização dos processos, e da redução de custo 
e aumento da produtividade, a disseminação do uso de robôs na execução de 
processos e projetos pode representar uma série de outros benefícios de mercado 
que podem ser identificados através do uso de gráficos exibindo as dimensões de 
tempo: robôs x humanos. 
 Na prática, deve-se buscar migrar as atividades do eixo dos humanos para 
atividades do eixo dos robôs, sem comprometer a qualidadeanterior, o que nem 
sempre é possível. 
 
* * * 
 
 
Capítulo 2 
Do Big Data ao Big Brain 
A arquitetura proposta no capítulo 1 é fundamental para organizar a coleta 
e processamento de dados, assim como a produção de informações e inteligência, 
mas necessitamos de um robô com acesso aos diversos elementos de Data e Big 
Data, para os mais diversos Sistemas e Coisas, ou seja, Tudo, para de fato realizar 
análises que possam refletir na tomada de decisões como esperado pelo Big Brain. 
 
 
Figura 2.1 – Data x Big Data para Robôs analisando Sistemas e Coisas 
 
A figura 2.1 apresenta o novo componente Robô para essa tarefa de análise 
de Sistemas e Coisas, com armazenamento e produção independente de bases de 
conhecimento e inteligência. Da mesma forma, a figura 2.2 utiliza um conceito de 
empresa do futuro, que denomino de Cliente S/A, totalmente automatizada e com 
capacidade de ser gerida diretamente pela análise de necessidades dos clientes, com 
autonomia para tomada de decisões. 
 
 
Figura 2.2 – Data x Big Data para Robôs analisando 
Sistemas e Coisas na empresa do futuro 
 
A vantagem dessa abordagem é separar a base de conhecimento (KB) e de 
inteligência dos robôs dos sistemas de coleta e análise de dados e informações dos 
Sistemas e Coisas, pertencentes ao mesmo ecossistema, agregando uma hierarquia 
de inteligência ao Big Brain. 
 
Hierarquia de inteligência do Big Brain 
Talvez uma das capacidades mais complexas de simular e emular, por 
depender da construção de modelos mais realistas, seja a forma de organização 
hierárquica da inteligência, que tento de alguma forma agregar à arquitetura 
proposta, de forma gradual. Mas a grande vantagem competitiva de máquinas como 
os robôs é que podemos escalar essa hierarquia em níveis muito superiores ao que, 
pelo menos em tese, seria possível fazer organizando os dados e informações em 
nosso cérebro. 
 
Impactos sociais dos robôs 
Em uma estrutura hierárquica de inteligência, inclusive com gestores robôs 
atuando nos processos e até mesmo em projetos automatizados, um único robô de 
alta capacidade de processamento paralelo pode substituir o trabalho de vários 
operadores. 
Se por um lado pode-se esperar a melhoria na qualidade de produtos e 
redução de seus custos, e portanto do preço final para os consumidores, por outro 
lado devemos estar atentos aos impactos sociais dos robôs. 
Não por menos, com a crescente utilização de computadores e robôs 
inteligentes nas empresas, muito se fala de um Era dos Robôs e desemprego. 
Realmente vivemos uma realidade em que o computador ocupa cada vez 
mais seu espaço nas organizações, através dos mais variados conceitos de robótica e 
automação de modelos de negócio, que, a meu ver, não deve ser vista como um 
problema e ameaça, mas como uma oportunidade única de crescimento e evolução. 
Ou seja, será que não estamos vivendo justamente a Era da Criatividade, 
onde empresas e colaboradores serão 'forçados' a evoluir para uma consciência de 
emprego e trabalho muito mais criativa? 
Evidentemente que as empresas e governos devem ajudar nesse sentido, 
mas, antes de esperar por isso, os colaboradores devem buscar soluções criativas 
para se manterem mais competitivos que os robôs, nas mais variadas áreas do 
conhecimento. 
 
A próxima Era da Criatividade 
Certamente os robôs vão dominar as áreas onde o trabalho é hoje quase 
instintivo, ou seja, executado de forma repetida ou rotineira. 
Portanto, um sinal claro de que os trabalhadores devem buscar trabalhar de 
forma criativa e se manterem competitivos é buscar fugir desse tipo de área. 
E como criar exige uma linha de pensamento ainda distante dos melhores 
sistemas de inteligência artificial, esse é na minha opinião o ponto fraco dos robôs. 
Como o advisor discricionário que cria uma nova estratégia inovadora. 
Como o operário que cria uma nova tecnologia de lean manufacturing. 
Como os arquitetos que criam as tecnologias dos próprios robôs. 
Como o gerente que cria um novo modelo de negócios a partir da 
automação dos processos. 
Como o acionista que cria uma nova empresa em um oceano azul. 
São infinitas as possibilidades de nosso potencial criativo e de Inteligência 
Evolutiva [8] para continuar na frente das máquinas, por mais que possam evoluir 
seus modelos artificiais, mantendo elas como ferramentas de nossa criatividade. 
E para encontrar elas, basta buscar problemas novos ou complexos, que até 
mesmo o ser humano ainda não conseguiu imaginar soluções. E, se você procurar 
bem, vai encontrar eles em todos lugares. 
Quando encontrar, agradeça a Era dos Robôs, pois ela criou a Era da 
Criatividade. 
Afinal, se as máquinas estão evoluindo, nós, humanos, que não somos 
máquinas, embora alguns pensem assim, e que temos muito mais capacidade de 
pensamento, além de consciência disso - o que é mais relevante e provavelmente as 
máquinas nunca terão -, devemos e saberemos evoluir muito mais. 
 
* * * 
 
 
Capítulo 3 
Os 7 Bs do Big Brain 
O conceito de Big Brain busca unir a força de outros conceitos, 
principalmente de Big Data e Internet das Coisas, em busca de um cérebro artificial 
cada vez maior em termos de objetos e capacidade de processamento, com aumento 
contínuo de base de conhecimento e inteligência. 
Para facilitar o entendimento, podemos compor o Big Brain em 7 Bs, 
descritos a seguir: 
 
 Big: deve englobar o aumento cada vez maior de volume de dados, 
informações e inteligência, além de sistemas e coisas. 
 Bandwidth: os sistemas e coisas, ou tudo conectado dentro do Big 
Brain, deve ter aumento constante de largura de banda, buscando 
cada vez mais aumentar e enriquecer sua inteligência. 
 Bind: deve haver simplicidade e facilidade de integração de 
qualquer sistema ou coisa à arquitetura. 
 Background: a produção de inteligência deve seguir um modelo 
sem consciência do cérebro, com operação permanente de 
sinapses artificiais e busca de novos dados, informações e regras de 
forma automática. 
 Build: deve englobar o aumento cada vez maior de objetos dos 
mais variados tipos, incluindo todo e qualquer sistema ou coisa que 
possa ser conectado e que tenha capacidade de agregar 
inteligência para o processo de tomada de decisão. 
 Broadcast: deve ter capacidade de disseminar dados, informações 
e inteligência, destacadamente no formato de decisões 
operacionais, táticas e estratégicas. 
 Brain: deve buscar alinhamento com o funcionamento do cérebro e 
de linhas de pensamento e inteligência consciente, dentro dos 
estado da arte de inteligência artificial genérica e forte. 
 
Note-se que a principal diferença de conceito do Big Brain em relação ao 
próprio Big Data está no foco dos resultados de inteligência para o processo de real 
tomada de decisões, imitando a linha de processamento do cérebro humano. E nesse 
ponto se torna relevante a adoção de robôs com hierarquia crescente de inteligência, 
como o Robô Mestre da figura 3.1, englobando outros robôs e a própria empresa do 
futuro Cliente S/A. 
 
 
Figura 3.1 – Data x Big Data para Robô Mestre controlando outros robôs 
 
A ideia da hierarquia crescente de robôs e inteligência na proposta do Big 
Brain permite buscar endereçar soluções para os mais complexos problemas de 
mercado, assim como aplicar arquiteturas adicionais, como o modelo universal de 
decisão através de robôs, que será apresentado no próximo capítulo, justamente 
com esse objetivo. 
E, em níveis mais abstratos de inteligência, o Robô Gestor poderá também 
assumir novas camadas de decisão operacional, tática e estratégica, dentro de suas 
regras de negócio e atribuições. Por exemplo, como mostra a figura 3.2 o Robô 
Gestor poderá ser o CEO artificial de uma empresa, controlando a empresa do futuro 
de forma automática e a interface de produtos e serviços com os clientes para 
medição de qualidade e busca de novos produtos e serviços para atender 
continuamente as necessidades crescentes dos clientes finais. 
 
 
Figura 3.2– Data x Big Data para Robô Gestor controlando outros robôs 
 
O conceito essencial do Big Brain é a busca crescente de Sabedoria, com 
níveis cada vez maiores de inteligência e consciência artificial, principalmente através 
da Internet das Coisas. 
 
O aumento da consciência artificial com a Internet das Coisas 
Se aumentamos cada vez mais a capacidade de produção de inteligência 
artificial do Big Brain, e de sua consciência artificial, conseguiremos superar a 
qualidade de decisões humanas? 
Essa é uma das principais dúvidas na área, e minha resposta é que nosso 
nível de consciência artificial ainda é muito limitado. Em outro livro apresento uma 
equação, que denomino de Equação da Sabedoria [4], que penso ser fundamental 
em uma Era dos Robôs, para melhor entendimento da capacidade da inteligência das 
máquinas, principalmente em comparação com a humana, porque acredito que uma 
das grandes falhas de análise de inteligência artificial e capacidade de aplicação 
autônoma dela, como propõe a teoria da Singularidade Tecnológica [10], está 
justamente no fato de desconsiderar o nível de consciência em que ela é aplicada, 
que é uma das variáveis fundamentais de definição de sabedoria. Dessa forma, 
procurando endereçar esse desafio, proponho nesse livro uma equação para a 
sabedoria, que vale para humanos e robôs, suas máquinas, permitindo diferenciar 
bem essas capacidades. A lógica proposta é muito simples, ou seja, uma métrica de 
sabedoria S a partir de uma métrica de inteligência I, elevada a uma métrica de 
consciência C. Em tese, tanto a métrica de inteligência como a métrica de consciência 
poderão depender de uma série de outros fatores, como veremos no livro, mas o 
mais relevante é não perder o foco de comparação entre os seres humanos e os 
robôs, identificando as limitações de cada caso. A ideia da equação é também 
começar a medir, desde agora, a grande capacidade cognitiva dos robôs, que irá 
atingir também a área de criatividade, proporcionando a formação da próxima era, 
que considero ser a Era da Criatividade. E a explosão de inteligência e criatividade, 
transferida entre humanos e robôs, de forma cada vez mais consciente e 
autoconsciente, irá formar a futura Era da Sabedoria, fundamental para nossa 
evolução. Se considerarmos a equação que proponho, de nada adianta uma grande 
evolução da inteligência artificial das máquinas para sua sabedoria, se a consciência 
das máquinas for muito inferior à humana. Ainda mais se levarmos em conta a 
autoconsciência, que é ainda incipiente nas máquinas. Digo isso porque já existem 
pesquisas buscando fazer as máquinas terem autoconsciência, reconhecendo a si 
mesmas e diferenciando de outros robôs. E, na verdade, as máquinas já possuem 
uma consciência do ambiente que são utilizadas, a partir de múltiplos sensores para 
isso, mas ela ainda é muito inferior à humana, e justamente o que nos diferencia das 
máquinas. Alguns filósofos consideram que somos todos máquinas também, mas 
acredito que justamente a evolução de nossa consciência é que nos diferencia das 
máquinas, e não os aspectos mecânicos ou automáticos, e até mesmo as capacidades 
cognitivas mais nobres de inteligência racional e criativa, de nosso cérebro, que 
podem cada vez mais serem comparados com o de nossas máquinas. E a Equação da 
Sabedoria torna a tese da Singularidade Tecnológica [10] mais complexa, pois já não 
leva em conta apenas a inteligência artificial, mas toda a consciência e 
autoconsciência como uma métrica multiplicadora, mais relevante. 
Mas o principal impacto da equação, será na empregabilidade, uma vez que 
ela passa a ser considerada e comparada pela própria sabedoria e não mais apenas 
pela inteligência. Senão, seria realmente muito fácil os robôs dominarem todos os 
empregos, se apenas o critério de inteligência fosse o mais relevante. Mas, de que 
serve essa inteligência, sem a sabedoria em níveis de consciência que realmente 
representem em melhoria de qualidade de produtos e serviços? E esse é o ponto que 
deve ser a busca constante dos profissionais para diferenciação em relação ao robôs, 
na disputa pelo emprego e pelo trabalho nas empresas. Ainda mais se levarmos em 
conta o potencial de transferência de inteligência, que é uma lei fundamental que 
proponho para os robôs, somando inteligência natural e artificial em uma única 
consciência, mais evoluída. 
Para um exemplo prático dessa lógica, e teoria, imagine um hospital do 
futuro, onde poderemos encontrar diversas salas de cirurgias apenas com robôs e 
pacientes, mas o que se espera é que elas estejam sob controle de médicos humanos 
e sua criatividade, tomando as decisões mais relevantes que apenas a capacidade 
cognitiva e criatividade de nosso cérebro seria capaz de fazer. 
Mas será que algum dia os robôs poderão ter consciência como os humanos, 
ou seja, uma consciência artificial? Por exemplo, um robô gerente com consciência 
disso dentro das empresas? 
 
 
Figura 3.3 – Comunicação entre gestores e o gerente robô 
Considero a comunicação entre gestores humanos e robôs, como mostra a 
figura 3.3, e como uma atribuição fundamental para a criação de gerentes robôs, que 
evidentemente deverão ser reportar para seus diretores ou diretamente para os 
vice-presidentes ou a camada C-Suite das empresas, e apresento ela em outros livros 
[5][6][7][8] como uma possibilidade. 
Mas confesso que sempre que vejo essa figura, que desenhei no papel a 
alguns anos atrás, fico imaginando se essa ‘convivência’ entre os homens e robôs não 
pode gerar uma consciência artificial, como a proposta no conto de Asimov, O 
Homem Bicentenário, que foi transformado em filme anos mais tarde. 
Evidentemente que quando a comunicação é entre gerentes robôs, essa 
poderia ser diretamente através de troca de dados e transações. 
Mas considero muito relevante planejar em uma arquitetura com robôs o 
aspecto de comunicação humana desde esse tipo de comunicação mais digital, pois 
ela poderá ser uma referência para o controle de qualidade das ações dos gerentes 
robôs. 
Por exemplo, digamos que o robô gerente A seja responsável por cinco 
processos na área financeira, como comunicação em alta frequência com o mercado 
de capitais, ajuste de perfil de robôs advisors responsáveis por aplicações financeiras 
da empresa, etc. E que um segundo robô seja o gerente B e responsável por três 
processos na área de cadeia de suprimentos, com por exemplo controle de entrega 
de produtos em depósitos distribuídos em determinada região, abastecimento de 
caminhões, etc. 
E, para esse cenário, o gerente B precisa de liberação de recursos para 
abastecimento de um determinado caminhão. 
Em tese, bastaria uma troca de dados direta entre o gerente A e gerente B 
para a tomada de decisão de liberação de verba de abastecimento, o que se daria em 
uma forma básica apenas com atualização de registros em uma base de dados 
comum, evidentemente com os devidos logs das transações. 
Outra forma, complementar, mas mais dentro do que se espera para 
controle da tecnologia de automação dos processos com robôs, seria uma 
comunicação do tipo abaixo, que poderia ser acessada ou acompanhada em tempo 
real pelos diretores ou camada C-Suite da empresa. 
 
∞ Necessito em no máximo 12 minutos de aprovação de R$ 520,00 para 
abastecimento do caminhão CX2, que está estacionado no posto PY76 na 
cidade de São Paulo. O motorista MT92 aguarda aprovação dentro do 
tempo máximo, evitando comprometer o prazo de entrega – disse o gerente 
robô B. 
∞ Liberação autorizada dentro do tempo solicitado. Favor encaminhar cópia 
de comprovante de abastecimento para caixa-postal CP3346, com cópia 
oculta para a caixa-postal CP7424. – respondeu o gerente robô A. 
 
Nesse ponto, é possível verificar como uma comunicação no padrão humano 
pode tornar o controle pela diretoria da empresa, ou até mesmo de gestores de 
outras áreas, como de qualidade e tecnologia, em supervisão dos robôs, muito mais 
simplificado e direto, como acontece na comunicaçãodo dia a dia entre operadores 
e gestores humanos. 
Além disso, esse mesmo diálogo poderá ter imediata participação de outros 
colaboradores, humanos ou robôs, como por exemplo. 
 
– Constato que o motorista MT92 está com uma pendência do tipo NK399, 
solicito que seja comunicado a ele assim que possível para que seja corrigida após o 
abastecimento – disse o gerente humano H ao gerente robô B. 
∞ Solicitação recebida e confirmada – respondeu o gerente robô B. 
 
Uma vantagem da tecnologia é que o registro dessas comunicações poderá 
ficar imediatamente na base de dados, ou seja, em tempo real, tanto em formato de 
texto como em formato de voz, facilitando a identificação de problemas por outras 
áreas ou pelos diretores que são reportados pelos gerentes humanos e robôs. 
Esse processo de comunicação permite uma padronização de processos de 
forma independente de questões eminentemente técnicas, tornando muito mais 
simples de ser controlada e entendida por todos os times e áreas das empresas. 
Mas, mais que tudo, esse processo de comunicação, como no conto de 
Asimov, cria os caminhos para a possibilidade de uma consciência artificial. 
Embora, no meu entender, esse seja apenas um sonho de muitos cientistas 
e autores, pois nem a própria consciência humana conhecemos bem, e apenas agora 
começa a ser mais estudada pelos neurocientistas. 
Me parece mais lógico, dessa forma, considerar que a consciência e a 
intencionalidade consciente dos atos, serão o grande diferencial que irá nos separar 
dos robôs. E a transferência da inteligência [9] é um fundamento que poderá reforçar 
isso cada vez mais. 
 
* * * 
 
Capítulo 4 
Modelo universal de decisão 
através de robôs 
As pesquisas e tecnologias de ciências cognitivas e o avanço da tecnologia 
de machine learning, principalmente na detecção de padrões, representam um 
grande avanço na direção da inteligência artificial. 
Entretanto, penso que para criar sistemas inteligentes é necessário criar 
modelos mais similares aos estados mentais e processo de tomada de decisão 
humano. 
 
Começando pelo modelo racional 
Irei começar utilizando uma macro arquitetura que criei para a construção 
de soluções em qualquer nível de problema, através de lógicas de pensamento 
artificial e estados de percepção das soluções, que é uma espécie de algoritmo 
universal ou mestre na área de inteligência artificial forte. 
Essa macro arquitetura, apresentada na figura 4.1, será descrita nesse 
capítulo e utilizada para formatar as soluções mais complexas envolvendo Robôs 
Mestres e Robôs Gestores, descritos no capítulo anterior. 
Minha solução de algoritmo mestre envolve quatro sistemas principais, que 
descrito a seguir, todos comunicando entre si. 
 
A rede de neurônios artificiais 
Esse é o sistema que denomino de Combinational Brain, e que engloba a 
principal tecnologia na área de inteligência artificial, que é a que emula nossos 
neurônios, e que portanto é muito comum a utilização de redes neurais artificiais 
(RNAs), e suas redes de perceptrons nas mais variadas camadas. 
E acredito que não há necessidade de reinventar a roda com tecnologias 
muito diferentes da RNA e seu potencial de aprendizado e treinamento para os mais 
complexos problemas de reconhecimento de padrões. 
Portanto as RNAs possuem a vantagem competitiva em relação a outras 
soluções, por estarem consolidadas no mercado, através de sistemas de deep 
learning ou aprendizado profundo em diversos cases reais aplicados no mercado 
atual. 
 
 
Figura 4.1 – Modelo de algoritmo mestre ou universal 
 
Nesse ponto você pode estar então perguntando: para que precisamos 
então de algo a mais que o deep learning para pensar? 
E essa é a pergunta e resposta chave de minha arquitetura, pois no meu 
entender, o deep learning não é tão bom em três outras funcionalidades que 
considero essenciais para a inteligência artificial forte: o processamento de estados 
mentais, a classificação da qualidade das soluções apresentadas e a organização 
sistêmica dos estados mentais, incluindo nesse caso as ideias e soluções processadas 
pelo cérebro artificial, para a tomada de decisões. 
Resumiria isso tudo em um conceito simples: considero o deep learning mais 
apropriado para máquinas combinacionais do que máquinas sequenciais. E nosso 
cérebro, e mente, são essencialmente, no mínimo, uma combinação desses dois 
tipos de máquina. 
 
A rede de estados mentais artificiais 
Esse é o sistema que denomino de Sequencial Brain, e que engloba uma 
rede de máquinas de estados, formadas dinamicamente, e com ajustes feitos 
internamente ou pelos demais sistemas da arquiteturas. 
A vantagem dessa abordagem é a facilidade de construção de modelos 
mentais e de teste comparativo deles, no sistema de ranking e rating de decisões, 
descrito a seguir. 
 
A rede de ranking e rating de decisões 
Esse é o sistema que denomino de Decision Brain, e que engloba todo o 
processo de registro e análise das possíveis soluções, que o sistema de inteligência 
artificial forte deverá optar, utilizando métricas específicas para isso, ou seja, um 
rating inteligente e dinâmico, como acontece no nosso cérebro e mente. 
Afinal, não tomamos decisões por apenas um rating fixo ou padrão, mas por 
uma série de fatores, inclusive emocionais. 
Numa arquitetura assim, é possível inclusive emular as próprias emoções 
para a formação do rating, se assim for conveniente, criando robôs que decidam 
também não apenas por aspectos quantitativos, mas também por aspectos 
qualitativos e, quem sabe no futuro, com um equilíbrio inteligente entre razão e 
emoção, ou seja, além de um cérebro artificial, um coração artificial também. Mas 
esse é um assunto para a continuação desse livro e de meus estudos na área. 
 
A rede de algoritmos genéticos de treinamento e qualidade 
Esse é o sistema que denomino de Analysis Brain, e que engloba todo o 
processo de análise de qualidade da otimização de todo sistema para a solução de 
problemas, principalmente os inesperados. 
Dessa forma envolve a análise do treinamento e setup de todos demais 
sistemas, em forma de uma rede de inteligência de otimização e análise de qualidade 
dos resultados no mundo real. 
Faz parte desse sistema a construção de modelos de avaliação de resultados 
obtidos para as linhas de pensamento propostas, que também denomino de 
ecossistema de pensamento artificial. 
 
Visão geral do ecossistema de pensamento artificial 
A macro arquitetura pode será utilizada, portanto, como um sistema de 
sistemas, ou ecossistema, onde todos eles devem comunicar entre si, com 
realimentação das decisões para avaliação e otimização tanto dos modelos de 
aprendizado, como das máquinas de estado e ranking de decisões. 
Não muito diferente do nosso cérebro e mente, mas de forma 
evidentemente artificial. 
Outra característica é a abertura do processo de tomada de decisões e 
linhas de pensamento, que devem sempre estar claras, assim como suas regras de 
negócio, como o dilema que proponho. 
Da mesma forma, é importante deixar claro qual é exatamente o problema 
inesperado, ou os problemas inesperados, e o que se espera do robô em termos de 
pensamento para a solução deles. Ou seja, também teremos definido para o ajuste 
dos sistemas quais são os critérios de avaliação e resultados esperados das decisões 
dos robôs para solução do problema ou dos problemas. 
 
Agregando um modelo de inteligência emocional artificial 
A evolução desse modelo racional para a tomada de decisões e descoberta 
de linhas de pensamento onde se possa agregar aspectos emocionais deve passar 
por todos os sistemas da arquitetura, ou seja, desde o cérebro combinacional e 
sequencial, até os sistemas de tomada e avaliação de decisões. 
Mas para isso, devemos prever um número maior de entradas baseadas 
justamente nesse tipo de aspecto emocional, como por exemplo a identificação de 
mudança de tom de voz, ou até mesmo de latido, se for usado como base o dilema 
apresentado. 
Também considerofundamental existirem estados de consciência baseados 
exclusivamente em emoções, como por exemplo a empolgação e a depressão, ou 
ainda, a sensação de euforia ou de pânico, e assim por diante. Ou ainda, no caso de 
percepção de problemas, como acontece com nosso sistema imunológico, onde 
temos que reagir de forma a curar uma doença ou vírus. 
Na prática, estaremos imitando a natureza e aproveitando milhares de anos 
de evolução, e seu aprendizado, para agregar aos robôs, como acontece exatamente 
com a arquitetura de redes neurais artificiais, que buscam imitar o processo de 
sinapse no nosso cérebro. 
Se esse é o melhor caminho ou não, é difícil saber de antemão, mas me 
parece lógico começar por ele deixando abertas as portas para entrada de outros 
modelos que não encontramos na natureza, ou pelo menos não foram descobertos. 
Afinal, não existe nenhum paradigma que impeça que sejam criados modelos 
próprios e independentes para uso nos robôs, e diferentes da forma que a razão e a 
emoção funciona nos seres humanos. 
 
* * * 
 
 
 
Capítulo 5 
A lei da Transferência de 
Inteligência 
As leis essenciais dos robôs são talvez a mais famosa contribuição de Isaac 
Asimov, o grande autor e escritor de ficção científica, e, acima de tudo, grande 
visionário da Era dos Robôs. 
Talvez as ideias de Alan Turing, sobre a capacidade de as máquinas 
pensarem, tenham inspirado de alguma forma Asimov a pensar em robôs tão 
inteligentes e humanos, e a criar suas leis essenciais, mas nada superou sua 
criatividade e originalidade para criar uma obra fantástica. 
E apesar de serem fruto de uma obra de ficção, as leis possuem uma 
essência lógica e inteligência evolutiva, que servem como regras para qualquer 
desenvolvedor sério de robôs, e portanto classifico elas como essenciais. 
Entretanto, as Leis de Asimov não preenchem a lacuna das leis 
fundamentais, que devem viabilizar as leis essenciais. 
Nesse livro, apresento uma primeira lei fundamental para os robôs, por 
critérios próprios de relevância, e uma visão de futuras leis que irão formalizar as 
regras fundamentais deles no nosso dia a dia para buscar a ‘convivência’ harmônica 
entre os homens e suas máquinas inteligentes. 
 
A lei da Transferência de Inteligência 
A primeira lei fundamental dos robôs, ou seja, a mais importante de todas, 
deve evitar, ou no mínimo dificultar, que os robôs fiquem mais inteligentes que os 
homens. 
Essa possibilidade, de robôs mais inteligentes que os seres humanos, 
conhecida como a Era da Singularidade [10], já foi prevista por vários cientistas, 
como Vernor Vinge, pioneiro dessa visão. 
Essa é apenas uma primeira lei fundamental nesse sentido, dentre várias 
que, acredito, deverão ser formuladas, fora do escopo de leis essenciais, como as Leis 
de Asimov. 
Novas leis que busquem a evolução competitiva e justa das pessoas, 
profissionais, empresas e da própria sociedade, . 
 
As leis essenciais de Asimov 
A lógica principal de Isaac Asimov, ao criar suas leis essenciais para a 
robótica, era a convivência pacífica entre os seres humanos e robôs, evidentemente 
que protegendo em primeiro lugar a humanidade e os humanos, seus criadores. 
Essas leis são apresentadas em vários de seus livros, começando em 1942 na 
sua quarta história, denominada Runaround, ou Círculo Vicioso, em uma tradução 
livre para o português. 
 
Primeira Lei: um robô não pode ferir um ser humano ou, por omissão, 
permitir que um ser humano venha a sofrer algum mal. 
Segunda Lei: um robô deve obedecer as ordens que lhe sejam dadas por 
seres humanos, exceto quando essas ordens contrariarem a Primeira Lei. 
Terceira Lei: um robô deve proteger sua própria existência desde que tal 
proteção não entre em conflito com a Primeira e Segunda Lei. 
 
Posteriormente, Asimov apresentou uma quarta lei, que seria na verdade a 
lei zero, antes das demais. 
 
Lei Zero: um robô não pode prejudicar a humanidade, ou, por omissão, 
permitir que a humanidade sofra algum mal. 
 
Sem dúvida, as leis essenciais propostas por Asimov atingem os conflitos 
mais críticos, ou vitais, do relacionamento entre robôs e humanos. 
Mas, qual ou quais dessas leis poderiam proteger os seres humanos em 
outros fatores de conflito de interesses ou competitividade com os robôs, como por 
exemplo de perderem seus empregos? 
Talvez, na segunda lei, Asimov tivesse considerado que fosse possível dar 
esse tipo de ordens ao robô, mas nesse caso essa seria uma lei única e universal, 
englobando todas as demais, e as outras não teriam sido necessárias, o que invalida 
essa hipótese. 
 
Inteligência aumentada, acelerada e artificial 
Nessa nova lei, considero a inteligência aumentada, a inteligência acelerada 
– um outro novo conceito que também estou apresentando nesse livro – e a 
inteligência artificial, fraca ou forte, como apenas mais uma energia que deve ser 
gerada pelas máquinas criadas pelos seres humanos em seu próprio benefício. E os 
robôs são a grande usina de geração dessa energia. 
 
A primeira lei fundamental 
Considero a lei da Transferência de Inteligência como a primeira lei 
fundamental, pois ela busca responder e atender de forma mais ampla possível, ou 
seja para todos, a pergunta: 
Por que criamos robôs? 
Talvez alguns imaginem que a automação de nossas tarefas ou processos, 
nas empresas, seja o principal motivo de criarmos robôs. Ou ainda que eles sejam 
criados para as tarefas menos nobres ou de maior risco. 
Entretanto, minha visão é que o principal motivo seja o de contribuir para 
nossa evolução. 
Como por exemplo o desafio da inteligência artificial forte. De criarmos 
máquinas que pensam, como nós, como pensou Alan Turing um dia. E, que sua 
inteligência, e pensamentos, retornem para seus criadores. 
E, se o principal motivo é contribuir com nossa evolução, é lógico também 
pensarmos em uma primeira lei que defina diretrizes para a transferência de 
inteligência para os seres humanos e toda a sociedade. 
 
* * * 
 
Capítulo 6 
Impactos na criatividade 
artificial e inovação 
Assim como a inteligência artificial não deixará de evoluir, nem a 
transferência de inteligência, muito menos a própria consciência humana e artificial, 
que são fundamentais na Equação da Sabedoria. 
 
Homens e robôs diante da inovação 
Talvez o maior paradigma na área de inovação nas empresas seja a máxima 
de que ela é o processo de transformar uma ideia criativa em um produto ou serviço 
que gere valor. 
É evidente que criatividade e inovação, são, por definição, coisas diferentes. 
Mas essa diferença não pode se tornar um paradigma que nos faça ficar 
míopes ao que realmente é necessário para inovar. E, na minha opinião, essa miopia 
é generalizada, pois os processos de inovação, na maioria das empresas, buscam 
encontrar formas de dividir o problema de uma forma errada. 
Acredito que se desejamos inovar de fato, dificilmente isso será feito sem a 
real valorização do criador das ideias, ou do que chamo de origem criativa, e, 
principalmente, sua liderança em todo processo, o que raramente acontece. 
E isso acontece porque a inovação, quase sempre, é caótica, ou, no melhor 
dos casos, caórdica. 
Mas, apesar disso, existem várias soluções no mercado que buscam 
encontrar uma ordem para a inovação. Nenhuma crítica a elas, apenas quero 
reforçar como isso ajuda a formar o paradigma descrito anteriormente, onde todos 
perdemos e devemos buscar formas de evoluir. 
 
A realidade da inovação nas empresas 
Em primeiro lugar, acredito que nosso foco deva ser o resultado da 
inovação, ou seu retorno aos stakeholders. 
E, se queremos de fato o retorno, ou ROI - Return on Investment - para 
inovação, não podemos esquecer ou deixar de lado o alicerce da inovação, que a 
meu ver está no fato de que as ideias não são estáticas, mas sim evolutivas. 
Principalmente as que conduzem à inovação de ruptura. 
Ora, se as ideias evoluem, temos que ter a inteligência evolutiva de valorizar 
não apenas elas, mas seus criadores,da forma mais completa possível, que é a de 
participação e liderança nesse processo. 
Antes que você diga que sua empresa já faz isso, por favor responda essas 
duas perguntas: 
• A sua empresa utiliza apenas as ideias produzidas internamente ou ela 
realiza movimentos de busca de ideias através de profissionais de fora da empresa? 
• Caso ela utilize ideias de profissionais de fora da empresa, ela emprega e 
integra esses profissionais às equipes internas e permite sua liderança nos processos 
de inovação? 
Provavelmente a maior parte das respostas será de pelo menos um não para 
as duas perguntas. 
Na verdade, da minha experiência de mercado na área de inovação, mais de 
90% das empresas apresentam pelo menos uma resposta não para as perguntas 
anteriores. 
E a consequência de não termos a origem das ideias, que são os 
profissionais criativos que a geram, pelos mais variados motivos, evoluindo 
juntamente com seus insights dentro das empresas, é a desconexão e perda de foco 
da inovação. 
Essa é a realidade da maior parte das empresas, não só no Brasil, mas em 
todo mundo, pois o paradigma da inovação não é regional. Aliás, acredito que nosso 
país tem grandes chances de liderar uma mudança que torne a inovação realmente 
um processo eficaz nas empresas, ainda mais nesse momento que buscamos sair de 
uma recessão, tecnicamente comprovada pelos melhores economistas. 
 
A evolução da inovação 
Minha visão de evolução da inovação passa por dois caminhos complexos e 
fundamentais: busca contínua do criador das ideias (seja onde ele estiver) e forte 
conexão e integração desse criador a todo processo. 
Aliás, não estou criando ou inventando nada, pois, se olharmos para trás os 
cases de sucesso de inovação, dificilmente eles são gerados sem esses dois caminhos. 
O problema é que o paradigma de separação de conceitos de inovação e 
criatividade nos faz não dar a correta relevância ao criador das ideias. 
E nesse sentido, talvez a maior ilusão que as empresas possuem é a de que 
as ideias possam ser criadas unicamente pelas equipes internas, ou ainda, que se 
possa formar elas continuamente apenas pelo treinamento constante. 
Evidentemente que todas empresas possuem seus talentos criativos, mas se 
desejamos ROI de verdade temos que estar abertos para contratar outros talentos 
externos, reforçando a ‘prata da casa’. 
Mais ainda, é muito provável que as ideias que irão conduzir à inovação de 
ruptura na sua empresa estejam fora delas, sem paradigmas, em alguma garagem ou 
sala de pequena empresa que você desconhece. 
E se isso é verdade, o mais inteligente em termos evolutivos, a meu ver, é 
ter uma sistemática de busca constante desses talentos para agregar ao processo de 
inovação interna, de forma tão forte que permita que esses sejam os futuros CEOs de 
sua empresa. 
Sei que isso vai contra vários conceitos sobre criatividade e inovação e o que 
pregam a maior parte dos profissionais da área, que buscam resultados mágicos 
partindo unicamente dos processos, sem o real valor dos autores das ideias 
relevantes para inovação, seja onde eles estiverem. 
Mas, a meu ver, é necessário evoluir esses conceitos, se temos real foco em 
ROI. 
 
A prática da inovação no tempo ao quadrado 
Para melhor entendimento do que quero dizer, e de como é possível 
quebrar paradigmas, posso citar dois exemplos relevantes: o da Apple e o do time do 
Barcelona. 
No primeiro caso, mais conhecido, está no reconhecimento e busca dos 
stakeholders da Apple da reintegração de Steve Jobs ao processo de criação de novos 
produtos, justamente quanto a empresa tinha perdido seu potencial de inovação, 
com fortes impactos em seu ROI. Aliás, infelizmente, com a perda do seu principal 
líder, ela parece voltar a estar no mesmo estado anterior. E, acredito que o caminho 
para evitar isso, seja justamente quebrar o paradigma desse post. 
No segundo caso, menos conhecido, está a constante busca dos melhores 
jogadores de futebol do mundo pelo time do Barcelona. Seus stakeholders sabem 
que para manter um time de alta competitividade, e ROI, precisam dos gênios 
inovadores do campo, como um Neymar ou Messi. Para isso, adotam um sistema de 
‘peneira’ nas principais cidades do mundo onde é possível encontrar com maiores 
chances esses talentos, integrando eles desde muito jovens às suas equipes internas, 
para só revelarem seus talentos na hora certa. 
São exemplos reais de que, apesar de criatividade não ser o mesmo que 
inovação, não existe ROI e inovação de ruptura sem a profunda valorização da 
criatividade e de seus autores, e de sua liderança permanente no processo, afinal, se 
eles são capazes de criar o arquétipo, ou as ideias originais, muito mais serão de 
atualizar elas e transformar em novas inovações. 
 
O ciclo sem fim de criatividade, inovação e evolução 
O grande paradoxo da Era dos Robôs e uma possível futura Era da 
Criatividade é que ela ajudará a criar robôs ainda mais inteligentes, criativos e 
também inovadores. 
Ou seja, o RPA é apenas o começo de um ciclos sem fim de criatividade, 
inovação e evolução, de humanos e robôs. 
 
* * * 
 
Capítulo 7 
O futuro do Big Brain 
Acredito que todos processos de inteligência da evolução sejam um campo 
fértil para uma ciência, ou seja, formatarmos a Inteligência Evolutiva [8] como uma 
nova ciência em busca de encontrar as lógicas e múltiplas inteligências, tanto de 
evolução como extinção, que possam impactar os seres vivos, os robôs e os 
ecossistemas. 
Para isso, considero fundamental uma nova forma de análise do tempo em 
duas ou três dimensões novas, descritas de forma resumida a seguir: 
 
 O tempo ao quadrado (T²): consiste de minha proposta de uma 
nova dimensão de tempo, para um novo tempo onde homens e 
robôs executam de forma conjunta ou complementar os mais 
simples e complexos processos, em que se possa estratificar a 
realidade exata de cada dimensão, com visibilidade precisa de cada 
um dos atores envolvidos. 
 
 O tempo ao cubo (T³): consiste da evolução de minha proposta da 
evolução do tempo ao quadrado, que pode ser considerado como 
uma terceira nova dimensão relacionada ao tempo de evolução dos 
sistema e ecossistemas. 
 
Considero o tratamento de dimensões de tempo como uma forma de 
visibilidade da Inteligência Evolutiva. 
Em tese, em um gráfico onde só vemos o tempo, em todas dimensões (T² ou 
T³), encontramos uma comparação direta de evolução de seres vivos (humanos, 
principalmente), robôs e ecossistemas. 
Ou seja, a análise do tempo em duas dimensões – tempo ao quadrado – ou 
em três dimensões – tempo ao cubo – são uma forma de rapidamente vermos e 
medirmos os ciclos de vida de todos atores e objetos dessa nova ciência, buscando 
formas de perpetuar a evolução e evitar a extinção, de acordo com a primeira lei da 
Inteligência Evolutiva. 
A revolução dos robôs exige também uma revolução na administração dos 
processos, para isso, precisamos de visibilidade dos processos automáticos e 
discricionários, de robôs e humano, pois irá impacta cada vez mais os principais 
atores do mercado, ou seja os consumidores, negócios, empresas, governos, redes 
sociais, etc. 
Mas, acima de tudo, impactará cada vez mais a forma de medirmos o 
tempo. 
Dessa forma, considero relevante pensarmos em uma abordagem diferente 
de medição de tempo, que leve em conta a dimensão do tempo de máquina de 
forma independente da dimensão do tempo humano, e todos processos associados. 
Para isso, proponho que o tempo humano de execução dos processos seja 
separado do tempo dos robôs, de forma a melhor identificarmos os pontos críticos e 
as oportunidades de cada um dos atores e suas dimensões. 
Como em nosso cérebro, onde existe uma separação do pensamento 
consciente e inconsciente, com diferentes tempos de processamento e relevância em 
cada um deles. 
Como na estrutura física de robôs e humanos, onde existe uma separação e 
diferença entre a máquina de silício, sem consciência, e o ser biológico consciente. 
Como nas maisvariadas áreas do conhecimento onde temos o automatismo 
da solução de problemas a partir de um aprendizado passado, e os novos problemas 
inesperados, que necessitam de uma nova forma de pensar. 
E assim por diante. 
Uma nova dimensão de tempo, para um novo tempo onde homens e robôs 
executam de forma conjunta ou complementar os mais simples e complexos 
processos, em que se possa estratificar a realidade exata de cada dimensão, com 
visibilidade precisa de cada um dos atores envolvidos. 
Na figura 7.1, apresento um primeiro cenário com essas duas dimensões, 
onde a inexistência de robôs torna o tempo dos processos totalmente dependente 
do tempo dos humanos. No eixo horizontal, temos a dimensão do tempo dos 
humanos, que envolvem toda e qualquer atividade dependente do esforço 
discricionário do ser humano, e no eixo vertical, temos a dimensão do tempo dos 
robôs e todas as demais atividades sistemáticas ou automatizadas. 
No exemplo da figura 7.1, temos um cenário sem utilização de robôs, onde 
os processos são medidos (Th) diretamente pelos tempos humanos, entre um início e 
fim no eixo horizontal. 
A medida que inserimos um primeiro robô, para auxiliar na execução dos 
processos, como mostra a figura 7.2, passamos a traçar e utilizar o tempo dos robôs 
(Tr). 
E o primeiro impacto esperado, é diminuir o tempo entre o início e o fim dos 
processos, ou seja, no eixo Th. 
Evidentemente que para diminuir esse tempo no eixo Th precisamos de 
robôs que realmente agreguem valor com sua tecnologia para isso, e dentro dos 
objetivos traçados pelos arquitetos do sistema, uma vez que pode acontecer de a 
redução do tempo do processo não ser a necessidade mais relevante, mas sim a 
melhoria da qualidade intrínseca do processo em si. 
 
 
Figura 7.1 - T² em um cenário sem utilização de robôs 
 
Seja como for, é racional esperar que de alguma forma a inserção dos robôs, 
e o tempo consumido por eles na dimensão Tr, ou tempo dos robôs, gere uma 
melhoria nos processos, seja de redução de tempo, seja de aumento de sua 
qualidade intrínseca. 
É o que acontece, por exemplo, no caso de adoção pelas empresas de 
tecnologias de RPA ou Robotic Process Automation, como na figura 7.3 onde temos 
ao invés de Th o Tp (tempo dos processos), com o automatismo dos processos, e de 
SPA ou Smart Process Automation, onde a camada de inteligência estratégica de 
ajustes dos sistemas de automação passa a ser feita por softwares robôs com 
inteligência artificial. 
 
 
Figura 7.2 - T² em um cenário inicial de utilização de robôs 
 
Ou em sistemas de leilão automático nos sites, onde os robôs decidem pelos 
conteúdos de anúncios e momentos de maior oportunidade. 
Ou ainda em robôs de operação de alta frequência no mercado de capitais, 
onde os sistemas de inteligência buscam, além de reduzir ao máximo os tempos dos 
processos, a máxima qualidade em termos de retorno de investimento. 
E a utilização cada vez maior de robôs, poderá conduzir a cenários como os 
da figura 7.3 e 7.4. 
Nessa evolução do uso de robôs, até um cenário de forte utilização, vemos 
cada vez mais a relevância de separarmos as dimensões do tempo das atividades 
automáticas e discricionárias, ou seja, de robô e homem, como por exemplo a 
redução dos próprios tempos da dimensão humana e de entrega e execução dos 
processo (Tp). 
 
 
Figura 7.3 - T² em um cenário de maior utilização de robôs 
 
O mesmo vale, portanto, se ao invés de processos em Tp, considerarmos o 
tempo dos projetos, pois a única diferença é que eles não são repetitivos, embora 
internamente possam se valer dos mesmos procedimentos de medições de 
processos. 
Mas, evidentemente, as etapas de automação de projetos possuem menor 
maturidade que as etapas de automação dos processos, que tendem a utilizar tarefas 
cada vez mais repetitivas, o que irá impactar na distribuição do tempo nas duas 
dimensões propostas. 
E, na prática, a dimensão horizontal, que envolve o tempo humano ou 
discricionário, só poderá ser reduzido pela especialização humana ou pela 
automação, com ou sem inteligência artificial. 
 
 
 
Figura 7.4 - T² em um cenário de forte utilização de robôs 
 
Evidentemente, como acontece nos processos que envolvem qualidade 
intrínseca, tempo de entrega e segurança, quanto mais conseguirmos passar o 
tempo do eixo Tp para o eixo Tr, maior será a qualidade final, pela abstração das 
atividades discricionárias, manuais ou artesanais. 
E isso acontece justamente porque a escala de tempos é diferente, ou seja, 
os robôs conseguem executar tarefas com um tempo bem menor que as tarefas 
originalmente feitas apenas por humanos. 
Para entregar melhores produtos para seus clientes, e sobreviverem à 
rápida criação de novos produtos que os robôs estarão ajudando cada vez mais, as 
empresas necessitam dimensionar corretamente os tempos dos processos, 
principalmente quanto aos atributos discricionários, que podem consumir grande 
parte de seu lucro. 
 
Figura 7.5 - T² em diferentes cenários de Projetos x Processos e RPA x SPA 
 
Na figura 7.5 é possível ver uma evolução esperada no tempo ao quadrado ( 
T²) em diferentes cenários de Projetos x Processos e RPA x SPA, onde o tempo 
negativo representa uma tendência à máxima automação, e o tempo positivo uma 
tendência à mínima automação. 
Dessa forma, considero que a visibilidade do tempo ao quadrado é essencial 
para as empresas, por permitir a rápida identificação dos problemas, de suas causas 
e de suas soluções, principalmente no que se refere à automação de fato, tanto de 
elementos dos processos como de elementos dos projetos. 
Entretanto, a realidade de mercado é que, o tempo medido em uma única 
dimensão, não estratifica de forma clara os problemas e benefícios dos processos 
feitos de forma manual ou artesanal, ou ainda das decisões estratégicas, que ainda 
pertencem em grande parte ao eixo horizontas do tempo ao quadrado. 
 
Migrando habilidades para regras e automação 
Através da medição da repetibilidade dos processos implantados através de 
robôs, podemos identificar os impactos das regras e automação, nos produtos, e 
portanto nos clientes finais. 
Com isso, espera-se uma evolução constante da produtividade, que, pelo 
menos em tese, não terá mais barreiras como hoje para continuar aumentando 
passo a passo. 
 
Uma nova forma de medir a produtividade 
E se dependemos apenas de uma dimensão para medir a produtividade, 
estamos sujeitos a falhas e erros de avaliação. Mas se temos dois eixos, podemos 
medir a produtividade de robôs e colaboradores, da máquina e do homem. 
E talvez esteja ai, na melhor visibilidade da produtividade, o grande impacto 
do tempo ao quadrado nas empresas. Principalmente pelo fato de podermos 
comparar de forma mais clara o impacto do tempo nas atividades do dia a dia de 
processos e projetos. 
A ideia central do tempo ao quadrado está, portanto, alinhada com a 
medição de produtividade, uma vez que separamos em termos visuais e racionais o 
tempo em duas dimensões independentes, justamente a de atuação dos robôs e a 
dos homens. 
 
Latência e as diferentes escalas de tempo 
Uma das grandes vantagens competitivas de criar uma dimensão de tempo 
específica para os robôs, como proposto, é trabalhar com diferentes escalas de 
tempo. 
Tipicamente, as escalas devem chegar ao limite de divisão exatamente 
dentro da capacidade de produtividade humana sem os robôs e da latência dos 
sistemas e ecossistemas envolvidos. 
Por exemplo: 
 Escalas de dimensão dos humanos: minutos, horas, dias, semanas, 
etc. 
 Escalas de dimensão dos robôs: minutos, segundos, milissegundos, 
nano segundos, etc. 
 
E, na prática, cada empresa deverá dimensionar corretamente seus 
processos com escalas compatíveis com o estado da arte – ou seja, as mais novas 
tecnologias de mercado - de seus robôs, e toda a sua tecnologia de fato sendo 
utilizada para a automação de processos e decisão. 
Por exemplo, se a empresa é um hospital, poderá até trabalhar com escalasmaiores na dimensão dos robôs, inclusive acima do minuto, se o foco central for a 
segurança do paciente e existirem limitadores de latência para o processo de tomada 
de decisão em uma camada SPA. 
 
* * * 
 
 
Referências 
 
[1] Figurelli, R. - Tecnologia da Inteligência: a nova TI para a Era do Robôs 
 
[2] Laney, D. - Deja VVVu: Others Claiming Gartner’s Construct for Big Data 
http://blogs.gartner.com/doug-laney/deja-vvvue-others-claiming-gartners-volume-
velocity-variety-construct-for-big-data/ 
[3] Taurion, C. - O caos conceitual e os 5 Vs do Big Data 
http://cio.com.br/opiniao/2012/05/11/o-caos-conceitual-e-os-5-vs-do-big-data/ 
[4] Figurelli, R. - A Equação da Sabedoria: buscando medir a realidade da inteligência 
artificial e seu real impacto na empregabilidade 
[5] Figurelli, R. - Inteligência Artificial Forte: Como fazer os robôs pensarem 
[6] Figurelli, R. - Inteligência Emocional Artificial: Como e por que fazer os robôs 
decidirem também com emoção 
[7] Figurelli, R. - Criatividade Artificial: A busca do algoritmo da criatividade 
[8] Figurelli, R. - Inteligência Evolutiva: A ciência da evolução e as novas dimensões 
do tempo 
[9] Figurelli, R. - Transferência de Inteligência: A primeira lei fundamental dos robôs 
[10] Kurzweil, R. - The Singularity is Near 
		2016-12-21T13:45:57+0000
	Preflight Ticket Signature