Blog de IA

Tag: desenvolvimento sustentável

  • Ilo Live: os impactos macroeconômicos da inteligência artificial em 2026

    Ilo Live: os impactos macroeconômicos da inteligência artificial em 2026

    Ilo Live: os impactos macroeconômicos da inteligência artificial em 2026

    A inteligência artificial (IA) avança em ritmo acelerado, impulsionando investimentos globais. No entanto, a compreensão completa de seus efeitos na economia ainda é um desafio. Enquanto estudos focados em empresas e tarefas se multiplicam, as projeções macroeconômicas variam de ganhos modestos de produtividade a transformações econômicas significativas. Essa incerteza dificulta a tomada de decisões estratégicas por parte dos formuladores de políticas públicas.

    Para suprir essa lacuna, o evento ILO Live apresentou um novo quadro de modelagem do Banco Mundial. A abordagem inovadora trata a IA não apenas como um impulsionador de produtividade, mas como um agente de transformação estrutural nos processos de produção. O objetivo é munir os formuladores de políticas com ferramentas mais precisas para navegar nesta nova era.

    Uma nova abordagem para modelar a IA

    A ferramenta desenvolvida pelo Banco Mundial integra o paradigma de produção de hardware e software em seu modelo de Equilíbrio Geral Computável (CGE) dinâmico, o MANAGE. Ao fazer isso, é possível simular como a adoção da IA remodela setores econômicos, ocupações e preços ao longo do tempo, sempre dentro de restrições orçamentárias.

    O framework incorpora dados detalhados de ocupações em nível de tarefa, baseados no Índice de Exposição à GenAI da Organização Internacional do Trabalho (OIT). Essa integração permite que os padrões de substituição de mão de obra variem entre os setores. Além disso, a IA é modelada como um conjunto de capital duplo, combinando dados, software e capital intangível.

    Analisando cenários e promovendo desenvolvimento inclusivo

    Este novo modelo capacita os formuladores de políticas a avaliar diferentes cenários de adoção da IA e suas respectivas implicações para o crescimento econômico, mudanças estruturais e equidade social. Ao transcender abordagens de equilíbrio parcial, a ferramenta oferece uma lente macroeconômica mais coerente para o desenho de estratégias de IA.

    O intuito é garantir que essas estratégias promovam um desenvolvimento inclusivo e sustentável. A discussão em 2026 focará na aplicação inicial do framework em um estudo de caso na Polônia e na possibilidade de expansão para outros contextos, especialmente economias emergentes e de renda média, onde o desenho de políticas será crucial para moldar o impacto desenvolvimentista da IA.

    A incerteza em torno dos impactos macroeconômicos da IA torna a tomada de decisão eficaz um desafio para os formuladores de políticas.

    A discussão no ILO Live, parte da série AI for Good da União Internacional de Telecomunicações (ITU), destacou a necessidade de ferramentas analíticas robustas para antecipar e gerenciar as complexas interações entre a IA e a economia global.

  • Unesco reconhece projetos da USP São Carlos entre as principais soluções de inteligência artificial para desafios globais

    Unesco reconhece projetos da USP São Carlos entre as principais soluções de inteligência artificial para desafios globais

    Unesco reconhece projetos da USP São Carlos entre as principais soluções de inteligência artificial para desafios globais

    Três projetos brasileiros, com destaque para dois desenvolvidos no Instituto de Ciências Matemáticas e de Computação (ICMC) da USP, em São Carlos, foram selecionados para o TOP 100 2025 do Centro Internacional de Pesquisa em Inteligência Artificial (IRCAI). Essa prestigiosa lista, sob os auspícios da Organização das Nações Unidas para a Educação, a Ciência e a Cultura (Unesco), reconhece anualmente soluções de inteligência artificial (IA) que demonstram ser responsáveis, escaláveis e sustentáveis, voltadas para o enfrentamento de desafios urgentes da humanidade e alinhadas aos Objetivos de Desenvolvimento Sustentável (ODS).

    O reconhecimento destaca o potencial transformador da IA quando aplicada a problemas complexos. Em vez de focar no frenesi em torno de modelos de linguagem genéricos, a seleção dá holofote a iniciativas com benefícios concretos, especialmente na área da saúde. Os projetos BioAutoML e BioPrediction, oriundos do ICMC, exemplificam essa aplicação direta e impactante.

    BioAutoML: democratizando a análise biológica

    Desenvolvido pelo pós-doutorando Robson Bonídia, o BioAutoML é uma solução inovadora que permite análises aprofundadas de sequências biológicas. Sua funcionalidade abrange a identificação de patógenos e o desenvolvimento de novos medicamentos, democratizando o acesso a ferramentas que podem converter dados biológicos complexos em conhecimento prático e aplicável.

    Robson Bonídia ressalta a importância de tornar essas tecnologias acessíveis: “Imagine, por exemplo, um pesquisador que estuda câncer em um grande centro, com acesso a muitos pacientes, infraestrutura e recursos tecnológicos. A partir da nossa plataforma, ele pode transformar esse conhecimento em um modelo de inteligência artificial e disponibilizá-lo para outros centros que não têm o mesmo acesso, contribuindo para reduzir desigualdades e acelerar avanços na pesquisa e no cuidado em saúde.”

    O BioAutoML foi classificado como excepcional, uma categoria que reúne iniciativas com maior proximidade de gerar impacto social concreto. Essa solução já alcançou mais de 40 mil acessos e downloads em aproximadamente 50 países, com cerca de 230 citações em artigos científicos, consolidando seu valor acadêmico e prático.

    BioPrediction: acelerando a descoberta de novas terapias

    Já o BioPrediction, criado pelo doutorando Bruno Rafael Florentino, foca na análise da interação entre vírus e proteínas humanas. Essa capacidade facilita a descoberta de novas terapias, abrindo caminhos promissores para o combate a doenças.

    O professor André de Carvalho, diretor do ICMC e orientador dos projetos, destaca que as ferramentas colaboram diretamente com o ODS 3 da ONU, que visa garantir uma vida saudável e promover o bem-estar para todos. “As ferramentas podem ser utilizadas para acelerar pesquisas, ampliando a capacidade de diagnóstico e permitindo que especialistas da saúde desenvolvam e compartilhem soluções baseadas em inteligência artificial sem depender de formação avançada em computação”, afirma.

    O BioPrediction foi listado na categoria promissor, indicando um projeto em estágio inicial com alto potencial de escalabilidade e impacto futuro. O trabalho de Bruno já foi reconhecido com a medalha de ouro Thomas Clarkson no Global Undergraduate Award 2024.

    O processo de seleção e o impacto global

    A seleção para o TOP 100 do IRCAI é um processo rigoroso que envolve propostas de mais de 30 países. Os projetos são avaliados por comitês especializados, considerando o uso de ciência de dados, aprendizado de máquina, contribuição mensurável para os ODS, práticas de IA responsável e evidências de impacto real ou potencial.

    Além de eleger os 100 melhores, o IRCAI classifica as iniciativas em quatro categorias: excepcional, excelentes, promissores e em estágio inicial. O BioAutoML destacou-se entre os 15 projetos com classificação mais elevada, demonstrando elevado grau de inovação e grande potencial de impacto social.

    Robson Bonídia expressa otimismo quanto a uma possível classificação ainda mais proeminente, com a expectativa de que o IRCAI anuncie os dez projetos de maior destaque global. “Estou ansioso para essa classificação, acho que temos grande chance, há somente três projetos da área da saúde”, relata.

    Avanços e democratização na pesquisa em IA

    A nova geração da ferramenta, o BioAutoML-FAST, desenvolvida em colaboração com Breno de Almeida, da Universidade de Leipzig, leva a democratização ainda mais adiante. Agora, a solução oferece uma plataforma online acessível, eliminando a necessidade de instalação local e tornando as análises mais transparentes e interpretáveis.

    “A versão anterior exigia a instalação da ferramenta no computador local, e agora, isso não é mais necessário. A ferramenta também passou a oferecer diversas visualizações e recursos que tornam as análises mais transparentes e interpretáveis, ou seja, permitem entender como e por que chegaram a tais resultados”, explica Breno de Almeida. Essa melhoria na interpretabilidade é crucial para superar um dos grandes desafios da área de aprendizado de máquina.

    A plataforma agora conta com um repositório de modelos pré-treinados e suporta diversos tipos de dados biológicos, como sequências de RNA não codificantes, que desempenham um papel fundamental na regulação celular e em processos relacionados a doenças. Os resultados em testes recentes mostram performance comparável ou superior a modelos de aprendizado profundo, com maior transparência.