Responsible AI é um termo guarda-chuva para escolhas éticas ao adotar IA. Isso inclui uma série de valores de cunho empresarial e social, como: risco, confiança, transparência, justiça, mitigação de preconceito, responsabilidade, segurança, privacidade e conformidade regulamentar.

Em outras palavras, a Responsible AI inclui garantir que a IA não perpetue preconceitos ou discriminações (os chamados “vieses”), seja transparente em suas operações e decisões (explicabilidade), e que suas implicações e usos sejam considerados em termos de impacto social e moral.

Além disso, é nesse guarda-chuva que estão os termos de Ética da IA, como privacidade dos dados, consentimento para uso de informações pessoais e responsabilidade pelas ações e decisões tomadas por sistemas de IA.

A compressão de modelos pretende reduzir o tamanho da estrutura e sua complexidade computacional sem sacrificar significativamente a precisão ou o desempenho.

O objetivo é tornar os modelos de IA mais eficientes e rápidos, utilizando menos recursos computacionais, o que é especialmente importante para dispositivos com capacidade limitada, como smartphones ou dispositivos IoT na computação de borda.

Quantum Machine Learning (QML) é uma área de estudo emergente que combina os princípios da mecânica quântica com algoritmos de aprendizado de máquina.

O objetivo do QML é explorar o potencial dos computadores quânticos para melhorar algoritmos de aprendizado de máquina, tornando-os mais eficientes e capazes de resolver problemas complexos de forma mais rápida do que os métodos tradicionais.

LLMs de Domínio Específico são desenvolvidos
para realizar tarefas específicas ou para operar em
um domínio particular. Eles são treinados ou
ajustados para serem altamente eficientes em um
conjunto limitado de tarefas.

Esses modelos podem ser baseados em LLMs open-source, mas são ajustados com dados adicionais relevantes para um campo ou tarefa específica, o que os torna mais precisos para áreas como medicina, direito ou engenharia, por exemplo.

Essa é uma técnica que que utiliza algoritmos de aprendizado de máquina e visão computacional para analisar imagens e identificar defeitos, anomalias ou características específicas em produtos e processos. Esta tecnologia tem sido amplamente adotada em diversas indústrias, reduzindo custos e aumentando a eficiência do processo produtivo.

Agentes são sistemas que operam de maneira autônoma para atingir objetivos específicos. No contexto LLMs, eles utilizam as capacidades desses modelos para planejar e executar as ações necessárias para realizar tarefas complexas.

Eles também podem utilizar recursos como a memória externa, por meio do Retrieval Augmented Generation (RAG), que lhes permite acessar e incorporar conhecimento especializado ou proprietário - como documentos e dados corporativos - para enriquecer e contextualizar suas respostas.

MAMBA é uma nova arquitetura que utiliza modelos de espaço de estado estruturado (SSMs) modificados, o que melhora a eficiência, a escalabilidade e a capacidade de realizar raciocínio baseado em conteúdo.

A MAMBA surge como uma alternativa eficiente à tradicional arquitetura Transformer, que apresenta limitações na questão computacional para processar sequências longas.

Dados sintéticos são os dados gerados artificialmente. Esses dados são criados por algoritmos de simulação ou modelos de aprendizado de máquina para replicar as propriedades estatísticas e a estrutura de dados reais.

Essa técnica pode ser útil quando as informações usadas para treinar os modelos são escassas ou sensíveis. Um exemplo é o uso de dados sintéticos na saúde para proteger a privacidade dos pacientes e melhorar a robustez de pesquisas e ensaios clínicos.

Modelos de difusão são uma classe de modelos generativos que criam dados (como imagens ou textos)por meio de um processo repetitivo e de refinamento.

Os modelos começam com um padrão de ruído aleatório e, gradualmente, refinam esse ruído em uma imagem ou outro tipo de dado. Para isso, o modelo aprende a reverter um processo de difusão, que transforma dados em ruído puro, realizando o caminho inverso para gerar dados a partir do ruído.

Esses modelos são capazes de gerar dados de alta qualidade, como imagens realistas. Eles estão sendo usados desde softwares de edição de vídeo e imagens até modelagens de estruturas moleculares, por exemplo.

A Neuro-Symbolic AI permite que a inteligência artificial se torne mais compreensível, explicável e capaz de resolver problemas mais complexos.

Isso porque a Neuro Symbolic AI combina aprendizado profundo e raciocínio simbólico para criar sistemas que não apenas aprendem com os dados, mas também compreendem e manipulam conceitos abstratos.

Modelos Multimodais são modelos de IA que podem processar e entender mais de um tipo de entrada dedados, como texto, imagem, som etc. Eles são treinados em grandes conjuntos de dados que incluem diferentes tipos de mídia.

Esses modelos combinam as capacidades de entender e gerar conteúdo em várias modalidades, tornando-os extremamente versáteis. Podem ser usados para analisar sentimentos em vídeos, geração de imagens com descrição textual ou tradução de fala para texto, por exemplo.

A Composição de Modelos envolve a combinação de vários tipos de IA, cada um realizando uma tarefa específica, para criar um sistema mais complexo e capaz.

Quando envolvem a combinação de modelos de arquiteturas diferentes, nesse caso são chamados de Modelos Híbridos.

Exemplos atuais dessa tecnologia são o Mixtral e o CALM (Composing to Augment Language Models) do Google.

Vision Transformers (ViTs) é uma aplicação da arquitetura Transformer, inicialmente desenvolvida para tarefas de processamento de linguagem natural (NLP), no campo do processamento de imagens e visão computacional.

Em vez de processar sequências de palavras, como em NLP, os ViTs dividem as imagens em pequenos pedaços (patches) e os tratam como sequências de dados. Estes patches, então, são processados de forma semelhante às palavras em um modelo de linguagem, permitindo que o modelo aprenda contextos e relações visuais complexas.

Podem ser usados em uma variedade de tarefas de visão computacional, como classificação de imagens, detecção de objetos e segmentação de imagens, sendo uma alternativa para técnicas mais tradicionais de CNN (Convolution Neural Networks).

A Causal AI é um campo emergente que busca entenderas relações causais do design e funcionamento dos sistemas de IA.

Isso significa que, diferente da maioria dos modelos de aprendizado de máquina, que se concentram em encontrar correlações nos dados, a Causal AI procura entender e modelar as relações de causa e efeito. Isso tem implicações significativas para como as máquinas aprendem, tomam decisões e explicam suas ações.

O benefício de explicar a decisão é um dos grandes desafios éticos do setor e a Causal AI pode ser uma grande aliada nessa questão já que pode permitir explicações mais ricas e intuitivas para os humanos.

SLMs são versões mais compactas dos LLMs, eles são projetados para oferecer algumas das capacidades de processamento de linguagem dos modelos maiores, mas com poder computacional muito menor.

Embora não tão poderosos quanto os LLMs, os SLMs são mais eficientes em termos de recursos, mais rápidos e mais fáceis de usar em dispositivos com capacidade computacional limitada.

O Aprendizado por Reforço (RL, na sigla em inglês) é uma área da IA que foca em como agentes autônomos podem aprender a tomar decisões, maximizando alguma noção de recompensa cumulativa.

O RL opera em um ambiente onde o agente toma ações e recebe feedback com base no sucesso – ou insucesso - de suas ações. Comisso, essa é uma área que tem sido fundamental para o avanço da robótica, sendo possível ensinar robôs a caminhar, pegar objetos ou até fazer procedimentos cirúrgicos.

No contexto de LLMs, como o GPT-4, o RL é usado para refinar e direcionar o comportamento dos LLMs para torná-los o mais alinhados aos objetivos humanos, processo chamado de "Reinforcement Learningfrom Human Feedback" ou RLHF.

O Federated ML é uma abordagem de aprendizado de máquina que permite a construção de modelos de IA de forma descentralizada, ou seja, sem a necessidade de centralizar os dados em um único local.

Neste paradigma, múltiplos dispositivos ou servidores, cada um com seu próprio conjunto de dados local, colaboram para treinar um modelo de IA. Dessa forma, garante-se a privacidade e a segurança dos dados.

First Principle AI (FPAI) envolve a incorporação de princípios físicos, leis fundamentais e conhecimento de domínio específico nos modelos de IA.

Isso é feito para garantir que as previsões e análises dos modelos estejam alinhadas com o entendimento teórico e prático do mundo físico. A FPAI é especialmente útil em contextos em que os dados são limitados ou quando a compreensão da física é essencial.

A reconstrução de espaços físicos é um problema clássico em visão computacional, especialmente em aplicações como carros autônomos e realidade aumentada.

A reconstrução 3D é uma solução versátil e aplicável a vários campos, como sensoriamento remoto, reconstrução de crimes e imagens médicas, por exemplo.

Um caso de uso é na gestão de vegetação em subestações de energia, onde a poda anual de árvores custa R$ 50 milhões ao setor. A reconstrução 3D permite identificar com precisão quais árvores precisam de poda, reduzindo drasticamente os custos.

Quantum-inspired algorithms são algoritmos clássicos baseados em métodos de álgebra linear ou métodos que simulam o comportamento de um computador quântico.

Estes algoritmos, muitos deles utilizando redes de tensores (tensor network), possuem desempenho similar ou superior aos seus equivalentes clássicos.

Com eles, é possível explorar os princípios quânticos para investigar múltiplas soluções para diversas áreas.

Simulação Quântica combina aprendizado de máquina e computação quântica para acelerar processos que hoje demandam muitas tarefas e tempo para serem desenvolvidas.

Na área farmacêutica, por exemplo, a aplicação de algoritmos quânticos acelera o processamento de interações entre compostos químicos, o que permite aferir mais rapidamente a eficácia de determinada droga.

Os avanços na otimização quântica e do computador quântico podem levar a panoramas reais bem mais satisfatórios.

Na área financeira, por exemplo, essas otimizações permitem o tratamento de modelos financeiros mais complexos e análises de risco com mais eficiência. Com isso, as previsões ficam mais rápidas e precisas, o que aprimora a gestão de risco e da carteira.

A otimização quântica ainda pode ter impacto na área de investigação do clima, de gerenciamento logístico e até na área da saúde, sendo valiosa na simulação de estruturas e interações moleculares, acelerando processos de descoberta de medicamentos e design de materiais.

PQC é a sigla em inglês para “Post-Quantum Cryptography”, ou seja, criptografia pós-quântica. Ela tem o objetivo de substituir os sistemas criptográficos atuais para pós-quânticos, levando em conta o avanço da tecnologia.

Já existem iniciativas nessa direção, especialmente em âmbito governamental. No Brasil, por exemplo, a Abin lançou a libharpia, uma biblioteca criptográfica com suporte para algoritmos quânticos.

Nos EUA, o NIST (Instituto Nacional de Padrões e Tecnologia dos EUA) apresentou um roadmap que marca o período entre 2024 e 2030 para a transição dos sistemas para os padrões definidos pelo instituto, levando em conta que em 2030 haverá um computador quântico criptograficamente relevante.

A computação quântica não é uma substituta para IA ou aprendizado de máquina, mas uma tecnologia de potencial complemento.

Do outro lado, a IA também pode ajudar a superar desafios técnicos na computação quântica, facilitando seu uso prático. Um exemplo latente disso é a aplicação de aprendizado profundo na correção de erros quânticos.

IA e Quantum, combinadas, poderiam abrir áreas de aplicação, como química generativa e simulações de gêmeos digitais, permitindo que a IA possa lidar com tarefas sequenciadas, enquanto a computação quântica será mais adequada para os cálculos probabilísticos envolvidos nessas operações.

Esse é um tipo de computador quântico que não utiliza portas quânticas.

A D-Wave é a empresa líder de mercado e possui uma infraestrutura que permite o uso de equipamentos com esta tecnologia, como a Advantage, que possui 5 mil qubits Nos white papers, a D-Wave cita exemplos de aplicações, todas focadas em otimização, nas áreas de logística, manufatura, telecomunicações, mercado financeiro, saúde e outros.

À medida que o hardware quântico avança, o desenvolvimento de algoritmos quânticos e linguagens de programação torna-se crucial.

Nesse campo, as tecnologias que simplificam o design e a implementação de algoritmos quânticos desempenharão um papel vital na adoção generalizada da computação quântica.

Quantum Networks faz referência a transmissão de informações quânticas por meio de inúmeras tecnologias em vários canais (normalmente fibras óticas especializadas), e possui dependência do emaranhamento quântico.

Da mesma forma que as redes tradicionais, são necessários repetidores e switches quânticos, dependendo da complexidade da rede ou da distância necessária.

As redes quânticas podem ser usadas para diversas aplicações, das quais pode-se citar a troca de chaves quânticas (QKD) e a transmissão de informações quânticas entre computadores quânticos ou clusters de computadores quânticos.

Sensores quânticos exploram os princípios da mecânica quântica para alcançar sensibilidades e precisões além doque é possível com as tecnologias de detecção clássicas, tornando os sensores quânticos uma tecnologia chave para o futuro.

Esses dispositivos aproveitam as propriedades quânticas de partículas, como superposição e emaranhamento, para medir quantidades físicas como tempo, frequência, aceleração e campos magnéticos com precisão sem precedentes.

Essa característica é importante para sistemas GPS, técnicas de imagens médicas e outras funções científicas.

Os computadores quânticos atualmente sofrem com erros devido a fatores ambientais e limitações inerentes de hardware.

O progresso nas técnicas de correção de erros, como qubits topológicos, Trapped Ions ou avanços nos códigos de correção de erros, podem aumentar significativamente a confiabilidade e a escalabilidade dos computadores quânticos.

Algumas das técnicas mais promissoras são Códigos de Superfície e Códigos Concatenados.

A Quantum Key Distribution (QKD) Technology é uma tecnologia que garante a segurança na troca de informações através de canais de comunicação.

Utilizando tecnologia quântica, a QKD cria e distribui chaves criptográficas, que podem ser usadas para cifrar e decifrar mensagens.

A principal vantagem é a capacidade de detectar qualquer tentativa de interceptação ou espionagem, o que torna a comunicação extremamente segura e ideal para uso militar, governamental e de infraestrutura, ainda que com algumas limitações.

A Image QiML, em linhas gerais, pode ser resumida como a aplicação de técnicas inspiradas em QML na interpretação de imagens. Dessa forma, essa tecnologia pode ser usada em outros campos com aplicações mais imediatas, como monitoramento de áreas construídas em cidades, assoreamento de rios etc.

As técnicas envolvidas são diversas como, por exemplo, Transfer Learning e Natural Language Learning, porém não se limitando a estas.

A tecnologia de novos sensores poderá trazer melhoria significativa para a área de navegação inercial. Nesse contexto, as tecnologias mais promissoras são: vapor atômico, interferometria de átomos frios, centros de vacância de nitrogênio, circuitos supercondutores e íons aprisionados.

Os pontos quânticos são átomos artificiais baseados em semicondutores que podem capturar elétrons individuais e criar qubits. Suas propriedades eletrônicas os tornam promissores para arquiteturas de computação quântica escaláveis.

Processadores quânticos de armadilha de íons de última geração demonstram escalabilidade aprimorada, com experimentos envolvendo um número maior de qubits. Técnicas para lidar com interferências e aumentar a fidelidade das portas tem sido desenvolvidas, aproximando a computação quântica prática de armadilhas de íons da realização.

Além disso, os avanços incluem novos métodos para detecção e correção de erros em qubits de íons aprisionados, aproveitando fidelidades de porta aprimoradas e geração de emaranhamento. Os códigos quânticos de correção de erros projetados para íons aprisionados estão sendo refinados para implementação prática.

A Composição de Modelos envolve a combinação de vários tipos de IA, cada um realizando uma tarefa específica, para criar um sistema mais complexo e capaz.

Quando envolvem a combinação de modelos de arquiteturas diferentes, nesse caso são chamados de Modelos Híbridos. Exemplos atuais dessa tecnologia são o Mixtral e o CALM (Composing to Augment Language Models) do Google.

Na computação quântica e na teoria da informação, um qudit é um estado quântico em um espaço de Hilbertd-dimensional.

Qudits fornecem um espaço de estado maior para armazenar e processar informações do que qubits. Isso pode simplificar a configuração experimental, reduzir a complexidade do circuito e melhorar a eficiência do algoritmo.

Eles têm o potencial de permitir comunicações quânticas resistentes a ruídos, cálculos mais eficientes e simulações moleculares quânticas delicadas.

Muitas esperanças estão depositadas em um novo tipo de bit quântico – o qubit topológico. Essa abordagem está sendo seguida por vários grupos de pesquisa, bem como por empresas, como a Microsoft.

Esse tipo de qubit tem a característica especial de ser protegido topologicamente, isto é, por sua estrutura geométrica, bem como as propriedades especiais dos seus materiais eletrônicos, que garantem que a informação quântica seja retida.

Os qubits topológicos são, portanto, considerados particularmente robustos e amplamente imunes a fontes externas de decoerência. No entanto, a produção desses qubits enfrenta desafios devido à necessidade de quasipartículas específicas ainda não materialmente viáveis

O desenvolvimento de sistemas quânticos interconectados apresenta um grande desafio em diversas etapas do desenvolvimento.

Unir computadores quânticos permite que o processamento ocorra por meio de vários sistemas, em vez de apenas um. Isso permite que os sistemas operem em paralelo.

Os computadores quânticos são interligados por conexões de fibra óptica ou de micro-ondas, buscando concretizar a meta de criar computadores quânticos em larga escala com até um milhão de qubits conectados.

A tokenização de commodities é o processo inovador de converter ativos físicos, como ouro, petróleo, grãos ou outras mercadorias, em tokens digitais em uma blockchain. Isso permite uma negociação e gestão mais eficiente e transparente das commodities, oferecendo maior divisibilidade, liquidez e acessibilidade em comparação aos métodos tradicionais.

Além disso, pode melhorar a rastreabilidade e autenticação dos produtos, contribuindo para cadeias de suprimento mais sustentáveis e transparentes.

Moedas Digitais de Bancos Centrais (CBDCs, na sigla em inglês) são versões digitais da moeda fiduciária de um país, emitidas e reguladas pelo banco central nacional.

O objetivo das CBDCs é modernizar o sistema financeiro, dando mais agilidade para as transações, deixando-as mais baratas e seguras, mantendo a estabilidade e integridade financeira.

Elas têm o potencial de transformar serviços financeiros, como bancos de varejo, transações internacionais e implementação de políticas monetárias, sendo objeto de estudo e projetos piloto por bancos centrais ao redor do mundo.

Tokens de Ativos do Mundo Real (RWA Tokens, do inglês Real-World Asset Tokens) representam uma inovação significativa no espaço das finanças descentralizadas (DeFi), permitindo a tokenização de ativos físicos e tangíveis, como imóveis, obras de arte, commodities e até mesmo fluxos de receita.

Essa abordagem proporciona a liquidez, divisibilidade e acessibilidade dos ativos digitais a ativos tradicionalmente considerados ilíquidos ou de difícil acesso.

Ao utilizar a tecnologia blockchain, os RWA Tokens garantem transparência, segurança e eficiência nas transações, ao mesmo tempo em que oferecem a possibilidade de democratizar o acesso a investimentos em ativos premium.

A privacidade e a anonimização em blockchain são aspectos críticos no desenvolvimento e uso desta tecnologia, especialmente em aplicações onde informações sensíveis e transações financeiras estão envolvidas.

A transparência inerente das blockchains públicas, embora ofereça benefícios como segurança e rastreabilidade, também levanta preocupações significativas com a privacidade.

Blockchain "Quantum Ready" refere-se a plataformas de blockchain projetadas para resistir às potenciais ameaças impostas pela computação quântica avançada.

Com o avanço desses computadores, há o risco teórico de quebrar os algoritmos criptográficos que protegem as redes blockchain atuais, colocando em perigo a segurança e integridade das transações e dados armazenados.

Para enfrentar esse desafio, as “blockchains quantum ready” estão sendo desenvolvidas com novas formas de criptografia, como a criptografia pós-quântica, projetada para resistir aos poderes computacionais de um computador quântico.

O futuro das blockchains depende da evolução do equilíbrio entre as operações realizadas diretamente na cadeia (on-chain)e aquelas realizadas fora dela (off-chain). Com o crescimento das redes blockchain e a ampliação do seu uso, a necessidade de escalabilidade, velocidade e eficiência se torna crucial.

Para enfrentar esse desafio, as “blockchains quantum ready” estão sendo desenvolvidas com novas formas de criptografia, como a criptografia pós-quântica, projetada para resistir aos poderes computacionais de um computador quântico.

Moedas Digitais de Bancos Centrais (CBDCs, na sigla em inglês) são versões digitais da moeda fiduciária de um país, emitidas e reguladas pelo banco central nacional.

O objetivo das CBDCs é modernizar o sistema financeiro, dando mais agilidade para as transações, deixando-as mais baratas e seguras, mantendo a estabilidade e integridade financeira.

Elas têm o potencial de transformar serviços financeiros, como bancos de varejo, transações internacionais e implementação de políticas monetárias, sendo objeto de estudo e projetos piloto por bancos centrais ao redor do mundo.

Assistentes Virtuais Avançados (AVAs), às vezes chamados de “IA de conversação”, processam entradas humanas para fornecer previsões e decisões. Tendo em vista o avanço dessa tecnologia para diversos usos, passamos ela de “Watch” no Radar de 2023 para “Critical”.

De forma geral, as AVAs servem para auxiliar pessoas e automatizar tarefas, mas deforma muito significativa do que as assistentes virtuais “comuns”, como a Siri ou a Alexa.

Elas são alimentadas por uma combinação de interface de usuário conversacional (CUI), PLN e aprendizado semântico, além de outras tecnologias (como DNNs modelos de previsão, suporte e personalização).

Hoje, o termo ESG serve para englobar todas as práticas de uma Empresa em “Environment, Social e Governance”, ou seja, Ambiente, Social e Governança. Em termos práticos, o termo ESG compreende as ações que as empresas, seja de capital aberto ou não, estão tomando para minimizar os impactos no meio ambiente, construir um mundo mais justo socialmente e melhorar os processos administrativos, tornando-os mais transparentes.

Elas são alimentadas por uma combinação de interface de usuário conversacional (CUI), PLN e aprendizado semântico, além de outras tecnologias (como DNNs modelos de previsão, suporte e personalização).

Wearables já são um dos focos das empresas de tecnologia, especialmente a produção de smartwatches e pulseiras. No entanto, uma tendência que deve crescer nos próximos anos é a junção de wearables com IA.

Um exemplo é o AI PIN, um wearable que combina projeção a laser e IA para que o usuário veja informações na palma da mão (literalmente). Outro exemplo são os óculos inteligentes, como da Meta e da AirGo, que trazem funcionalidades de IA em seus sistemas, permitindo reconhecimento visual, realidade aumentada, resposta por comando de voz e mais.

São dispositivos que ainda estão em fase inicial de introdução no mercado, mas já mostram uma próxima tendência da indústria.

A robótica desenvolve máquinas que podem substituir e replicar ações humanas.

Os robôs podem ser usados em muitas situações e para muitos propósitos, mas, hoje, muitos são usado sem ambientes perigosos, processos de fabricação ou onde os humanos não podem sobreviver (por exemplo, no espaço, debaixo d'água, em altas temperaturas ou próximo de materiais radioativos).

O crescimento dessa aplicação e o avanço de estudo sem robótica fez com que movimentássemos de “Important” no último Radar para “Critical” agora.

Web3, frequentemente referida como a terceira geração da internet, é um conceito emergente que representa uma versão descentralizada da web como a conhecemos.

Diferente da Web 2.0, dominada por grandes corporações e servidores centralizados, a Web3 se baseia na tecnologia blockchain e em redes distribuídas para promover uma internet mais aberta, transparente e acessível.

Neste novo paradigma, os usuários têm maior controle sobre seus dados e identidades digitais, sem depender de intermediários centralizados.

Internet of Things, ou Internet das Coisas, é a capacidade de conectar dispositivos à Internet de maneira inteligente para que eles possam enviar e receber informações.

Com a popularização do 5G, o IoT tende a ser uma tecnologia ainda mais difundida, realizando o seu grande papel, que é a coleta de grandes volumes de dados.

O IoT passa a ser uma das tecnologias mais importantes para a consolidação de Analytics e Inteligência Artificial.

Humanoides, em termos de robótica, referem-se a robôs projetados para se assemelharem fisicamente e se comportarem como seres humanos.

O desenvolvimento de humanoides envolve desafios significativos em engenharia mecânica, controle, inteligência artificial e percepção sensorial.

Eles são frequentemente desenvolvidos para aplicações onde a interação humana é fundamental, como assistentes pessoais, cuidados de saúde e em ambientes de trabalho onde é necessário realizar tarefas em espaços projetados para humanos.

Bioinformática é um campo interdisciplinar que corresponde à aplicação das técnicas da informática nas áreas de estudo da biologia.

Como um campo interdisciplinar da ciência, a bioinformática combina a biologia, ciência da computação, estatística, matemática e engenharia para analisar, interpretar e processar dados biológicos.

Devido ao avanço da IA e Computação Quântica, essenciais para os estudos de bioinformática, movimentamos essa aplicação de “Watch” no último Radar para “Urgent” agora.

Uma Brain Computer Interface (BCI) é uma tecnologia que permite a comunicação direta entre o cérebro e dispositivos externos, como computadores ou próteses.

Ela utiliza sinais elétricos do cérebro, captados invasivamente ou não, para controlar estes dispositivos.

Destinada principalmente a ajudar pessoas com deficiências, aBCI tem aplicações em medicina, jogos e reabilitação, e representa um campo promissor na interseção da neurociência e da tecnologia.

Humanoides, em termos de robótica, referem-se a robôs projetados para se assemelharem fisicamente e se comportarem como seres humanos.

O desenvolvimento de humanoides envolve desafios significativos em engenharia mecânica, controle, inteligência artificial e percepção sensorial.

Eles são frequentemente desenvolvidos para aplicações onde a interação humana é fundamental, como assistentes pessoais, cuidados de saúde e em ambientes de trabalho onde é necessário realizar tarefas em espaços projetados para humanos.

Hidrogênio Verde é aquele produzido por eletrólise com eletricidade oriunda de fontes de energia limpas e renováveis, como as de matriz hidrelétrica, eólica, solar e provenientes de biomassa, biogás etc. Ou seja, ele é carbono zero: obtido sem emissão de CO2.

Com a necessidade de buscarmos energias sem emissão deCO2 para frear as mudanças climáticas, passamos essa tecnologia de “Watch” no Radar de 2023 para “Urgent” agora.

É uma representação digital de uma entidade (coisa ou pessoa), processo ou até mesmo um sistema do mundo real. Os gêmeos digitais permitem a análise de dados e monitoramento de sistemas em tempo real, ajudando a prever problemas, otimizar operações e melhorar a eficiência. Tudo isso feito antes de ter aplicações no mundo real.

Nesse processo há várias tecnologias envolvidas, como IoT, Dados, Nuvem, IA etc. Juntas, elas permitem uma simulação computacional avançada de um comportamento ou estado do Twin real.

Realidade estendida (XR) é um termo que se refere a todos os ambientes combinados reais e virtuais e interações homem-máquina geradas por tecnologias computacionais.

Ela inclui formas representativas como realidade aumentada (AR), realidade mista (MR) e realidade virtual(VR) e as áreas interpoladas entre elas.

Os níveis de virtualidade variam de entradas parcialmente sensoriais à virtualidade imersiva. Apesar de não ser uma tecnologia nova, a XR ganhou um foco muito grande nos últimos tempos devido ao lançamento do Metaverso.

A expressão TI verde vem do inglês, Green IT, e refere-se a um movimento global na área de Tecnologia da Informação, em prol da redução dos efeitos do consumo de tecnologia nas cadeias produtivas e ecossistemas.

Apoiada em tendências como o ESG, a TI Verde vem ganhando o foco de corporações de todos os tamanhos por alinhar a necessidade de transformação digital com a preocupação de preservação do meio ambiente, principalmente através da redução da pegada de carbono dos negócios.

O Software 2.0 é uma tecnologia baseado em modelos de aprendizado de máquina, como redes neurais, treinados com grandes volumes de dados. Em vez de códigos escritos manualmente, no Software 2.0 são milhões de parâmetros para realizar tarefas complexas, como reconhecimento de fala e imagem.

Isso permite automatizar tarefas difíceis de programar manualmente, mas depende da qualidade dos dados e recursos computacionais significativos. Vale pontuar que, em 2023, colocamos o Software 2.0 como uma tecnologia “Watch”, mas agora vemos ela como “Important”.

O Capitalismo Consciente é uma filosofia empresarial que enfatiza a criação de valor compartilhado e a consideração dos interesses de uma ampla gama de stakeholders(incluindo funcionários, clientes, fornecedores, comunidades e o meio ambiente), além dos acionistas.

Esta abordagem transcende a noção tradicional de que os negócios existem exclusivamente para gerar lucro, defendendo que eles também têm uma responsabilidade social e ambiental significativa. O Capitalismo Consciente enfoca a criação de valor a longo prazo e sustentável.

Computação Espacial refere-se à integração de tecnologias de computação avançadas em ambientes espaciais, como satélites, sondas e estações espaciais.

Ela envolve o uso de sistemas computacionais robustos, capazes de suportar as condições extremas do espaço, como variações de temperatura, radiação e vácuo.

Esta área é crucial para o processamento de dados em tempo real, controle de missões espaciais, comunicações seguras e eficientes, e para a realização de experimentos científicos no espaço.

Os Sistemas de Armazenamento de Energia (SAE) são tecnologias cruciais que permitem o armazenamento de energia gerada para uso posterior, desempenhando um papel fundamental na gestão eficiente de recurso energéticos e na integração de fontes renováveis, como a energia solar e eólica, na rede elétrica.

Esses sistemas podem variar amplamente em termos de escala, desde pequenas baterias usadas em eletrônicos domésticos até grandes instalações capazes de armazenar energia para uma rede elétrica inteira.

A neurociência computacional é um campo interdisciplinar que utiliza métodos matemáticos e modelos computacionais para entender e simular o sistema nervoso e o cérebro.

Essa abordagem combina elementos da neurociência, psicologia, física, ciência da computação e matemática para estudar a estrutura, o desenvolvimento, a fisiologia e as funções cognitivas do cérebro.

A neurociência computacional não só fornece insights sobre os mecanismos fundamentais do cérebro, mas também ajuda no desenvolvimento de novas abordagens para tratar doenças neurológicas e na criação de sistemas de inteligência artificial inspirados no cérebro humano.

O 6G será a sexta geração de tecnologias de comunicação sem fio com suporte a redes de internet móvel. Será o sucessor do 5G e provável que significativamente mais rápido.

Por enquanto, várias empresas (Nokia, Samsung, Huawei, LG e MediaTek), além de vários países (Coreia do Sul, China, Estados Unidos, Rússia, Finlândia e Japão) já demonstraram interesse no 6G, inclusive com algumas pesquisas em andamento.

Acredita-se que o 6G provavelmente estará disponível comercialmente pelos anos de 2030.

Toda e qualquer aeronave que possa ser controlada nos 3 eixos e que não necessite de pilotos embarcados para ser guiada são consideradas como drones.

Eles são controlados principalmente por software e hardware, com ou sem supervisão humana. Essas aeronaves tiveram um grande hype há alguns anos, mas continuam sendo uma grande tecnologia transformadora, podendo ainda ter grandes impactos na Logística, no Agro e na Segurança Pública, entre outros.

OPEN RAN (Open Radio Access Network) é uma inovação na tecnologia de redes móveis, focada na interoperabilidade e na padronização da interface e dos componentes de rede.

Diferente das redes RAN tradicionais, que frequentemente dependem de equipamentos integrados de um único fornecedor, a OPEN RAN permite uma maior flexibilidade, possibilitando que operadoras de telefonia móvel misturem e combinem hardware e software de diferentes fornecedores.

Isso promove uma maior inovação, reduz custos e melhora a eficiência das redes, além de facilitar a implementação de tecnologias de rede avançadas, como o 5G e 6G.

Baixo-Code é um ambiente de software que suporta o desenvolvimento rápido de aplicativos, além de implantação, execução e gerenciamento. Para isso, usa abstrações de declarativas de alto nível, como metadados de linguagens de programação e ferramentas orientadas a modelos.

Eles apoiam o desenvolvimento de interfaces de usuário, lógica de negócios, serviços de dados e melhoria da produtividade, mas às custas de portabilidade e abertura de tempo de execução, em comparação com desenvolvimento tradicional.

Enquanto a ideia de carros voadores tem sido um tema frequente na ficção científica, avanços recentes em tecnologia e engenharia estão tornando essa visão mais próxima da realidade, embora ainda enfrentem desafios significativos em termos de segurança, regulamentação aérea e infraestrutura.

Esses veículos são projetados para oferecer mobilidade aérea urbana, visando reduzir o congestionamento em cidades densamente povoadas e proporcionar uma alternativa mais rápida ao transporte terrestre.

Eles geralmente empregam tecnologias avançadas como propulsão elétrica, decolagem e aterrissagem verticais (VTOL), e sistemas de pilotagem automatizados ou assistidos.

Os veículos híbridos são automóveis que combinam um motor de combustão interna com um ou mais motores elétricos, utilizando tanto combustíveis fósseis quanto energia elétrica para propulsão.

Esta configuração permite uma operação mais eficiente em termos de consumo de combustível e emissões reduzidas de poluentes em comparação aos veículos tradicionais.

Os híbridos geralmente armazenam energia elétrica embaterias, que podem ser recarregadas pelo motor de combustão ou através da regeneração de energia durante a frenagem.

Entre os principais exemplos de tipos de energias alternativas, estão: a energia solar, eólica, hidrelétrica, geotérmica e ondomotriz.

A ordem do dia dos países desenvolvidos é a redução de emissão de carbono, visando controlar as mudanças climáticas. Como o consumo de energia para a humanidade só tende a crescer nas próximas décadas.

Veículo elétrico é um tipo de veículo que utiliza propulsão por meio de motores elétricos. É composto por um sistema primário de energia, uma ou mais máquinas elétricas e um sistema de acionamento e controle de velocidade.

Esses são veículos são denominados “zero emissões”, já que não emitem quaisquer gases nocivos para o meio ambiente e nem ruídos consideráveis, como é o caso dos motores de combustão interna.

O mercado de carros elétricos tem crescido exponencialmente, tanto que a Agência Internacional de Energia (IEA) estima que, em 2024, 1 em cada 5 carros vendidos será eletrificado.

O termo Experiência Total (ou TX, na sigla em inglês) descreve todos os aspectos das impressões e a experiência de todos os usuários, no contexto de uma organização.

Por exemplo, isso inclui as disciplinas anteriormente separadas de experiência do cliente (CX), experiência do funcionário (EX), experiência do usuário (UX) e multi-experiência (MX) em um só contexto, englobando todos os termos para uma Experiência Total.

No entanto, essa tendência perdeu força no último período, o que nos fez movimentá-la de “Critical” no Radar de 2023 para “Watch” agora.

Biotecnologia é a área de estudo e desenvolvimento de seres modificados em laboratório com o intuito de promover o aprimoramento de técnicas em vários setores da sociedade, embora haja obstáculos éticos e de segurança.

As técnicas incluem engenharia genética, CRISPR, clonagem e sequenciamento de DNA.

Entre os benefícios estão avanços em saúde, produtividade agrícola, sustentabilidade e inovação industrial.

Em 1992, o escritor Neal Stephneson criou o termo Metaverso, para designar um Mundo Virtual baseado em Plataformas Digitais.

Hoje, o termo se popularizou devido à mudança estratégica que o Facebook lançou em 2021, criando o Metaverso através de uma fusão de Realidades Aumentada, Virtual e Internet.

No futuro, o Metaverso pode ser a evolução das redes sociais que conhecemos hoje, mas acabou perdendo força no último ano. Por isso, movimentamos o Metaverso de “Important” no Radar de 2023 para “Watch” agora.

As plataformas de desenvolvimento sem código (NCDPs) permitem que programadores e não programadores criem software por meio de interfaces gráficas de usuário e configuração, sem necessidade de código.

As plataformas No-Code e Baixo Code estão intimamente relacionadas, pois ambas são projetadas para agilizar o processo de desenvolvimento de aplicativos e cresceram em popularidade justamente porque as empresas lidam com uma força de trabalho cada vez mais móvel e oferta limitada de desenvolvedores.