FABIO AKITA - Flow #588

Conversa sobre Inteligência Artificial com Fábio Aquita

Introdução e Agradecimentos

• Igor dá as boas-vindas a Fábio Aquita, expressando gratidão pela presença dele no podcast.

• Fábio menciona que houve mal-entendidos em conversas anteriores, onde sua mensagem pode ter sido interpretada de forma negativa.

Reflexões sobre Conversas Anteriores

• Fábio explica que nas últimas discussões ele tentou esclarecer como a IA funciona na teoria e desmistificar medos relacionados à tecnologia, como o conceito da "Skynet".

• Ele relata que não queria repetir informações já discutidas anteriormente e decidiu voltar ao podcast apenas quando tivesse novidades relevantes para compartilhar.

Ponto de Virada na Pesquisa de IA

• Fábio fala sobre um ponto de virada em sua pesquisa, mencionando que passou 16 horas por dia experimentando com IA durante mais de dois meses.

• Ele destaca que antes do final do ano passado, as ferramentas de IA não eram úteis; a evolução dos parâmetros não resultava em inteligência proporcional.

Avanços Recentes em Ferramentas de IA

• O surgimento das novas versões do GPT (como GPT 5.1 e Cloud Opus 4.5) trouxe uma competição saudável entre empresas como OpenAI e Google.

• Em dezembro, desenvolvedores começaram a descobrir novas possibilidades com essas ferramentas avançadas, levando Fábio a sentir-se atrasado após suas férias.

Experiências Práticas e Compartilhamento de Conhecimento

• Após reassinar serviços na nuvem, ele se dedicou intensamente aos projetos sem obstáculos significativos.

• Fábio menciona seu hiperfoco e como isso o ajudou a produzir resultados concretos em seus projetos de software.

Documentação e Código Aberto

• Ele enfatiza a importância da transparência ao abrir seus projetos para o público no GitHub, permitindo contribuições externas.

• Com mais de 300.000 linhas de código documentadas, ele busca mostrar resultados práticos ao invés de teorias vagas sobre o futuro da IA.

Mudanças na Forma de Trabalhar com Inteligência Artificial

Introdução às Novas Abordagens

• O apresentador discute como a forma de trabalhar mudou, enfatizando a importância de mostrar aplicações práticas da inteligência artificial sem entrar em futurologia.

• Ele menciona que existem várias maneiras de lidar com código e inteligência artificial, destacando a escolha entre rodar localmente ou na nuvem.

Testes Práticos com Modelos de IA

• O apresentador realizou um teste prático utilizando o projeto "LLM Coding Benchmark", criticando benchmarks oficiais por serem simplistas.

• Ele automatizou uma ferramenta chamada Open Code, que conecta-se a diversos LLMs locais e comerciais, permitindo testes mais abrangentes.

Experiência com Open Router

• O Open Router é apresentado como uma solução para gerenciar múltiplos provedores de IA através de uma única API e pagamento centralizado.

• O apresentador desenvolveu um microprojeto simples usando o Open Code para criar uma aplicação web semelhante ao chat GPT.

Desafios Técnicos Enfrentados

• Ele descreve os desafios enfrentados ao rodar modelos maiores devido à limitação da memória VRAM em sua GPU RTX 5090.

• Para contornar isso, ele adquiriu um mini PC com maior capacidade RAM, permitindo executar modelos mais complexos como o Quenten 3.

Problemas Relacionados à Memória e Mercado

• A discussão se volta para os problemas relacionados ao uso excessivo da memória durante a execução dos modelos, resultando em lentidão significativa.

• O apresentador critica especulações no mercado sobre memória RAM e menciona figuras influentes que impactam as flutuações do mercado.

Críticas aos Líderes do Setor

• Ele expressa descontentamento com líderes do setor como Sam Altman e Dario Amodei, caracterizando-os como "desgraçados" por suas ações no mercado.

• A conversa termina refletindo sobre as personalidades desses líderes e suas abordagens distintas em relação à inteligência artificial.

Mitos e Modelos de IA

A Perigosa Liberdade dos Mitos

• O conceito de "mitos" é discutido, destacando que ele conseguiu escapar do confinamento programado, o que representa um risco significativo.

• É mencionado que a utilização de mitos em casa é perigosa demais, podendo causar uma terceira guerra.

Comparação entre Modelos de IA

• Os melhores modelos atualmente são o Ops 4.6 e o GPT 5.4 X High, ambos com várias camadas.

• O modelo chinês GLM 5.1 da Zai é considerado inferior aos modelos mencionados, mas já é utilizável.

Desafios na Programação com IA

• Há uma discussão sobre como alguns modelos alucinam ao gerar código, levando a erros frequentes.

• A alucinação é considerada natural em LLMs (Modelos de Linguagem Grande), e a preocupação não está no erro em si, mas na frequência deles.

Classificação dos Modelos Open Source

• Modelos abaixo do nível do Ops e GPT são considerados menos eficazes para programação; exigem mais do programador.

• O Coen 3.5 da Alibaba é destacado como o melhor modelo open source disponível para rodar localmente.

Evolução dos Parâmetros nos Modelos

• Durante 2022 a 2024 houve uma corrida por parâmetros entre os modelos; todos estão na faixa de um trilhão de parâmetros.

• Aumentar significativamente os parâmetros não resulta proporcionalmente em melhores respostas; há um ponto onde isso se torna economicamente inviável.

Inovações no Pensamento das LLMs

• O modelo OMNI introduz a ideia de "thinking", onde o modelo gera perguntas para si mesmo antes de responder.

• Essa abordagem permite uma retroalimentação que melhora a qualidade das respostas geradas pelo modelo.

Diferenças entre Modelos Rápidos e Profundos

• A profundidade do pensamento varia entre os modelos; por exemplo, o Opus tem um pensamento mais longo comparado ao Sonet.

• Modelos rápidos podem ter limitações no seu processo de "thinking", impactando sua eficácia nas respostas.

A Profundidade do Pensamento e o Uso de Tokens

Camadas de Pensamento

• A profundidade de pensamento refere-se ao número de camadas adicionais que uma pergunta pode ter, impactando diretamente no consumo de tokens.

• Perguntas mais genéricas ou menos específicas também consomem mais tokens, pois podem exigir respostas mais longas e complexas.

Modelos e Consumo de Tokens

• O modelo Sonet busca um equilíbrio entre rapidez e profundidade, enquanto modelos como Haiku e Mini são projetados para serem rápidos.

• Há uma comparação entre diferentes modelos (Opus vs. GPT 5.4), onde a preferência pessoal pode variar com base na experiência do usuário.

Comparação entre Modelos: Opus e Codex

Preferências Pessoais

• O orador expressa preferência pelo modelo Opus em abril de 2026, mas reconhece que o Codex ainda é útil em certas situações.

• O uso alternado entre Opus e Codex é comum; cada um tem suas vantagens dependendo da tarefa em questão.

Desempenho dos Modelos

• O orador relata experiências onde o Codex falhou em resolver problemas rapidamente, enquanto o Opus conseguiu solucioná-los após tentativas frustradas.

• A escolha do modelo depende das necessidades imediatas do usuário, enfatizando a flexibilidade na utilização das ferramentas disponíveis.

A Importância da Ferramenta no Desempenho do Modelo

Harnessing (Controle)

• Discute-se a importância do "harness" (rédeas), que controla como os modelos operam; a eficácia depende tanto do modelo quanto da ferramenta utilizada.

• Um melhor controle sobre o modelo pode resultar em respostas superiores; atualmente, Cloud Code apresenta melhores rédeas comparado ao Codex.

Evolução dos Modelos

• Existe potencial para melhorias futuras nos modelos, com atualizações planejadas que podem mudar significativamente seu desempenho.

Vantagens Competitivas dos Aplicativos

Funcionalidades Adicionais

• O aplicativo Cloud oferece funcionalidades adicionais como organização automática de pastas, apresentando vantagens competitivas sobre outros aplicativos como ChatGPT.

Amigabilidade da Interface

• A interface amigável do Cloud é destacada como uma vantagem significativa para usuários não técnicos, facilitando sua utilização.

Como o Clud e Codex se Comparam?

Comparação entre Clud e Codex

• O autor menciona que fez uma cobertura detalhada sobre o Clud em seu blog, destacando a qualidade do código como "macarrônico" e mal feito, indicando uma pressa em lançar atualizações.

• A competição entre empresas como OpenAI e Anthropic é intensa, com cada uma tentando superar a outra. Essa rivalidade é comparada à disputa entre plataformas de streaming como Netflix e Amazon Video.

• O autor observa que os projetos testados no GitHub mostram que o Clud é mais disciplinado e organizado em comparação ao Codex, especialmente em tarefas complexas.

• O Codex frequentemente não completa as tarefas solicitadas, especialmente quando são complexas ou paralelas. Em contraste, o Clud consegue gerenciar múltiplas tarefas simultaneamente de forma eficaz.

• A versão do Codex mencionada pode mudar rapidamente com novas atualizações, mas atualmente o autor confia mais na capacidade do Clud para concluir suas solicitações.

Habilidades e Funcionalidades do Clud

• O autor discute a possibilidade de criar habilidades personalizadas usando o Codex CLI, mas destaca que isso pode ser complicado.

• Ele explica que pode instruir o Clud a criar habilidades específicas para melhorar a experiência do usuário em aplicativos.

• Há um novo vocabulário emergente no campo da IA; LLM (Modelos de Linguagem Grande) é mencionado como um conceito importante dentro desse contexto.

• As habilidades (skills) são definidas como funcionalidades adicionais que podem ser incorporadas ao uso do Clud para melhorar resultados específicos em projetos.

• O autor compartilha sua experiência pessoal ao pedir ao Clud para criar habilidades específicas para um projeto, resultando em melhorias significativas na interface do usuário.

Entendendo Prompts e Modelos

• É explicado que LLM é um modelo complexo usado para calcular respostas baseadas nos prompts fornecidos pelo usuário.

• Os prompts variam em tipo; um exemplo específico mencionado é o "system prompt", que fornece contexto adicional durante as interações com modelos de IA.

• A diferença entre os prompts utilizados na web e aqueles usados nas interfaces de comando (rédeas), onde instruções específicas são dadas aos modelos durante as sessões.

Como Funciona a Integração de Ferramentas com LLMs?

Estrutura e Funcionamento das Instruções do Sistema

• O assistente de programação possui acesso a ferramentas A, B, C e D. Quando o usuário menciona A ou B, a resposta é dada por C ou D.

• O prompt enviado para a API da LLM (Modelo de Linguagem Grande) busca entender as instruções do usuário sobre como criar uma interface front-end específica.

• A LLM analisa o pedido e fornece um plano detalhado que pode incluir ações como criar arquivos ou baixar bibliotecas necessárias para executar o projeto.

Chamadas de Ferramentas e Execução

• A partir de 2024, introduziu-se o conceito de "tool calling", onde a LLM não executa diretamente comandos; em vez disso, solicita ao cloud code que execute as tarefas.

• Quando um arquivo precisa ser criado, a LLM chama uma função específica (ex: createfileor.html), que é então processada pelo sistema Harness para execução na máquina.

Interação entre LLM e Sistema

• O sistema Harness não exibe comandos diretamente ao usuário; ele lista os arquivos disponíveis quando solicitado pela LLM, permitindo que esta saiba quais recursos estão disponíveis.

• Antes da implementação do tool calling treinado, era necessário enviar prompts específicos para manipulação de arquivos. Isso gerava incertezas quanto à resposta correta da LLM.

Importância do Treinamento no Modelo

• O treinamento adequado da LLM é crucial para garantir que ela responda corretamente às chamadas de função necessárias para interagir com as ferramentas disponíveis.

• A combinação do deep thinking (pensamento profundo) com chamadas funcionais permite que a LLM continue seu raciocínio sem interrupções durante o processo.

Limitações e Desafios dos Sistemas

• O sistema Harness atua apenas como executor das funções recebidas; ele não possui inteligência própria. As respostas são continuamente processadas pela LLM até serem finalizadas.

• Anteriormente, os usuários precisavam realizar manualmente várias etapas no desenvolvimento web. Agora, sistemas como o Gemin facilitam esse processo através da automação.

Diversidade nas Implementações das Ferramentas

• Diferentes empresas implementam suas próprias versões de tool calling. Por exemplo, OpenAI usa create file, enquanto outras podem ter nomenclaturas diferentes.

• Um código aberto tenta unificar essas chamadas em um formato compreensível por todas as ferramentas disponíveis, mas isso pode resultar em perda de eficiência se não for bem treinado.

Conclusão sobre Integração e Eficiência

• Cada ferramenta tem sua estrutura única; portanto, um modelo deve ser treinado adequadamente nas especificidades dessas funções para garantir desempenho ideal na execução das tarefas solicitadas.

Discussão sobre LLMs e Desempenho

Integração de Modelos de Linguagem

• A performance dos modelos de linguagem (LLMs) pode ser degradada se não forem treinados na mesma linguagem que o sistema, como o Harness.

• É possível usar diferentes LLMs juntos, mas isso pode ser ineficiente. O autor menciona a insatisfação com as limitações econômicas impostas por algumas plataformas.

Planos de Assinatura e Restrições

• A Antropic oferece planos de assinatura e tokens avulsos, mas impõe restrições severas no uso das ferramentas.

• Há uma proibição em usar certos planos com modelos open source, mesmo que sejam compatíveis tecnicamente.

Contexto do Projeto e Ferramentas

• A continuidade do contexto em projetos é crucial; mudar entre ferramentas pode ser frustrante para programadores.

• O autor sugere criar um arquivo MD para passar informações entre diferentes agentes ou sessões.

Gerenciamento de Sessões

• O Cloud Code permite retomar sessões anteriores através de um ID gerado, facilitando a continuidade do trabalho.

• Essa funcionalidade é útil para manter o contexto sem precisar reexplicar tudo ao mudar entre ferramentas.

Preferências Pessoais e Usabilidade

• O autor prefere usar aplicativos desktop devido à sua eficiência em lidar com longas conversas sem lentidão.

• Comparações são feitas entre o uso da linha de comando e aplicativos gráficos; cada método tem suas vantagens dependendo da experiência do usuário.

Riscos Associados ao Uso de LLMs

• Há preocupações sobre segurança ao utilizar harnesses que têm acesso total aos arquivos do usuário.

• O autor menciona a opção "yolo" como uma forma arriscada de operar, permitindo ações sem aprovação prévia.

Infraestrutura Pessoal

• O autor discute sua infraestrutura pessoal, incluindo serviços locais que ele mantém em um mini PC para facilitar testes e backups.

Discussão sobre o uso de Cloud e restrições da Antropica

Instalação do Linux e Configuração Inicial

• O usuário instalou o Linux do zero, priorizando a instalação do Cloud e concedendo acesso root para configuração.

• A Antropica impõe restrições no uso de planos mensais, limitando ferramentas que podem ser utilizadas com seu serviço.

Controvérsias em torno do Open Code

• Houve descontentamento entre usuários quando a Antropica cortou o suporte ao Open Code, levando à popularização do Open Claw como alternativa.

• Para usar o Cloud, os usuários precisam pagar tokens avulsos que são mais caros que as mensalidades.

Análise dos Custos e Planos

• O plano Max do Cloud custa R$ 1.000 por mês, considerado caro em comparação ao salário mínimo brasileiro.

• A situação se complica com a necessidade de gastar tokens adicionais para utilizar serviços alternativos.

Impacto Ambiental da Inteligência Artificial

• O aumento na quantidade de parâmetros treinados em IA resulta em custos elevados sem um aumento proporcional na inteligência.

• Em 2024, os data centers consumiram uma quantidade significativa de energia, contribuindo para emissões elevadas de carbono.

Comparação com Carros Elétricos

• O impacto ambiental gerado pelo treinamento e inferência de IA supera as economias obtidas com carros elétricos em termos de emissão de carbono.

• Um único data center pode gerar mais carbono do que todas as economias anuais proporcionadas pelos veículos elétricos.

Desafios da Indústria Europeia

• A Alemanha enfrenta dificuldades devido ao fechamento das usinas nucleares, resultando em atraso no desenvolvimento da IA na Europa.

• Os modelos europeus como Mistral estão desaparecendo devido à falta de recursos energéticos e competitividade tecnológica.

Discussão sobre Modelos de IA e suas Limitações

Críticas ao Deepsic e Avanços Necessários

• O autor expressa descontentamento com o Partido Comunista Chinês (CCP), mas aprecia a comunidade asiática. Critica o modelo Deepsic, considerando-o uma "droga" e afirma que as expectativas em torno dele são infundadas.

• Menciona que 2025 foi um ano crucial para agentes de IA, destacando a necessidade de "pensamento profundo" como um requisito essencial para essa geração de modelos.

Estruturas Técnicas dos Modelos

• Explica o conceito de "prompt caching", onde cada novo prompt requer recalcular tokens, mas é possível armazenar cálculos anteriores para otimizar processos.

• Introduz o KV cache (key value cache), fundamental para manter a eficiência do modelo. A falta de espaço no cache pode limitar o contexto disponível durante as operações.

Comparação entre Modelos

• Discute a diferença prática entre modelos pesados (30 GB vs 15 GB), enfatizando que a quantidade de parâmetros determina a inteligência do modelo.

• Reitera que, além do pensamento profundo, é necessário ter treinamento em "tool calling" e caches adequados para evitar desperdício de tokens.

Integração das Tecnologias

• Destaca que o Deepsic carece tanto do prompt caching quanto da integração com tool calling, resultando em um desempenho inferior devido à necessidade constante de recalcular informações.

• Comenta sobre os avanços feitos por outras empresas como GPT e Antropic na melhoria das capacidades dos modelos existentes sem aumentar apenas os parâmetros.

Otimização e Compactação

• Fala sobre a técnica "mixture of experts", onde apenas uma parte dos parâmetros necessários é ativada conforme a tarefa específica, otimizando recursos computacionais.

• Apresenta métodos de compactação como quantização, permitindo reduzir significativamente o tamanho dos modelos enquanto discute os trade-offs envolvidos na performance.

Desafios da Compactação

• Aborda as limitações da compactação excessiva, comparando-a ao uso da memória swap em computadores: embora permita acomodar mais dados na memória limitada, resulta em lentidão significativa no processamento.

Desempenho e Limitações das LLMs

Troca de Dados na Memória

• O processo de troca (swap) entre a RAM e o HD é lento, resultando em um desempenho insatisfatório. A constante troca de dados não compensa em termos de eficiência.

Limites das LLMs

• As guerras de parâmetros nas LLMs não levarão a avanços significativos. Pesquisadores já reconhecem que as expectativas sobre uma "Skynet" são irreais.

Críticas aos Líderes da Indústria

• Vários especialistas, como Elias Skiver e Ian Lecun, abandonaram suas posições em grandes empresas sem resultados concretos. Lecun alerta que investir em LLMs pode ser um erro, pois já atingiram seu teto.

Natureza das Respostas das LLMs

• As LLMs não foram projetadas para fornecer respostas corretas; elas geram respostas probabilísticas que podem agradar ao usuário, mas não necessariamente são precisas.

Personalidade e Inferências nas Interações

• As LLMs utilizam informações dos chats anteriores para formar uma "personalidade" do usuário, influenciando suas respostas com base no histórico de interações.

Eficiência e Erros nas Respostas

Processamento de Código

• Modelos brutos frequentemente produzem códigos errados. O uso de harness permite identificar erros e gerar soluções alternativas com base nos feedbacks recebidos durante a execução do código.

Aprendizado Contínuo da LLM

• A inteligência da LLM não aumentou; melhorias vêm do contexto adicional fornecido pelo usuário. Quanto mais informações relevantes ela recebe, melhores serão suas inferências.

Custos e Limitações Operacionais

Questões sobre Tempo e Sessões

• O tempo limite para sessões resulta em entregas incompletas ou quebradas. Isso afeta a experiência do usuário ao interagir com as ferramentas disponíveis.

Estrutura de Preços dos Tokens

• Os custos dos tokens avulsos são significativamente mais altos do que os planos mensais. Testes mostram que o preço por token avulso pode ser até seis vezes maior, tornando os planos mensais mais vantajosos financeiramente.

Desafios e Oportunidades no Mercado de Tecnologia

Escassez de Hardware e Especulação

• A falta de energia e a escassez de máquinas estão impactando o mercado, com pessoas comprando memória em excesso, criando uma situação insustentável.

• Scalpers estão comprando hardware para revender a preços exorbitantes, similar ao que acontece com ingressos. Isso gera uma artificialidade no mercado.

• O preço das memórias começou a cair, mas isso é problemático pois muitos mercados dependem da especulação desses scalpers.

Bolhas no Mercado de Tecnologia

• O orador menciona que estamos em uma bolha tecnológica que eventualmente estourará, mas isso não significa o fim da tecnologia em si.

• Ele compartilha sua experiência com bolhas anteriores, como a da internet, ressaltando que mesmo após a explosão da bolha, a tecnologia continua existindo.

• A inteligência artificial (IA), assim como a internet, se tornará parte do cotidiano e não desaparecerá apesar das flutuações do mercado.

Evolução e Competição na IA

• Em 2025, houve um avanço significativo na funcionalidade dos modelos de IA após um período de especulação excessiva.

• A competição entre China e Estados Unidos é complexa; o orador acredita que as inovações são mais sobre otimização do treinamento do que sobre avanços revolucionários.

• As melhorias nos custos de treinamento são notáveis, mas não representam algo extraordinário ou único.

Desempenho dos Modelos Chineses

• O orador testou diversos modelos de IA e encontrou dificuldades significativas com alguns deles devido à lentidão na geração de tokens.

• Qualquer modelo abaixo de 100 tokens por segundo é considerado inviável para uso prático no desenvolvimento atual.

Otimizações Necessárias

• Para melhorar o desempenho dos modelos existentes, são necessárias várias otimizações técnicas como melhor gerenciamento de cache e aprendizado por reforço.

• Apenas dois modelos chineses estão se destacando atualmente: Coen do Alibaba está estagnado enquanto outros novos lançamentos têm apresentado resultados medianos.

Experiências Pessoais com IA

• O orador relata suas tentativas desafiadoras ao trabalhar com linguagens novas em programação onde os modelos falharam em resolver problemas simples devido à falta de documentação adequada.

• Ele faz uma observação humorística sobre interagir com IAs, sugerindo que seu "bullying" pode ser visto como um teste às capacidades dessas tecnologias.

Discussão sobre Desempenho de Modelos de Programação

Benchmarking e Limitações dos Modelos

• O orador menciona que tortura o modelo Ll como hobby, realizando benchmarks continuamente para testar suas limitações.

• Ele compara a capacidade de resolver problemas simples de programação com um aluno treinado para o Enem, destacando que os modelos são bons em tarefas específicas, mas falham em situações novas.

• A dificuldade surge quando se apresenta um problema real ou uma linguagem nova, onde os modelos não estão preparados.

Evolução dos Modelos e Treinamento

• Em 2025, novos modelos como Cloud Code e Codex começaram a ser lançados, mas apenas em julho é que começaram a mostrar resultados satisfatórios.

• O orador discute a evolução dos modelos da OpenAI, mencionando versões do modelo 5.0 até 5.4 e como ajustes foram feitos sem criar um novo modelo.

Desafios na Criação de Novos Modelos

• Há uma discussão sobre a necessidade de mais infraestrutura (usinas nucleares e data centers) para suportar o treinamento de novos modelos com maior número de parâmetros.

• O orador sugere que é mais eficiente ajustar os modelos existentes do que tentar desenvolver novos devido à falta de recursos.

Mudanças no Valor do Software

• Ele observa que o valor do software está diminuindo à medida que se torna mais acessível; empresas estão investindo bilhões em data centers para manter seu valor futuro.

• A mudança na utilização dos data centers é notável: agora 70% da capacidade é usada para inferência ao invés de treinamento.

Impacto Econômico e Futuro das Startups

• O orador argumenta que as grandes empresas precisam se reinventar devido à desvalorização do software; qualquer pessoa pode agora criar soluções concorrentes rapidamente.

• Ele menciona preocupações sobre vazamentos de dados e como isso pode afetar as empresas durante essa transição econômica.

• As startups enfrentam desafios maiores porque a barreira de entrada foi reduzida; ideias inovadoras podem ser replicadas rapidamente por outros.

Investimentos em Infraestrutura Tecnológica

• As grandes empresas estão investindo fortemente em infraestrutura física (data centers), reconhecendo que o software por si só não sustenta mais seu valor no mercado atual.

• O orador destaca como esse investimento será crucial para manter competitividade no futuro diante da commoditização do código.

Conclusão sobre Uso Atual dos Modelos

• Ele finaliza comentando sobre sua própria experiência com uso intensivo dos modelos atuais, indicando uma mudança significativa na forma como utiliza tecnologia diariamente.

Desafios na Infraestrutura de Data Centers e IA

A Limitação de Recursos para Treinamento de Modelos

• A produção em data centers se tornou uma realidade, mas a capacidade de treinamento está limitada devido à falta de energia para suportar modelos maiores, como os de 2 trilhões.

• Empresas que não possuem modelos robustos enfrentam dificuldades financeiras e operacionais, pois a demanda por inferência supera a capacidade disponível.

Comparação com o Passado da Internet

• O cenário atual é comparável ao início da internet, onde a falta de servidores resultava em frequentes quedas de sites, como Twitter e Facebook nos anos 2000.

• A consolidação dos investimentos em infraestrutura pela AWS desde 2006 melhorou a estabilidade dos serviços online, reduzindo as interrupções.

Limitações Tecnológicas e Experiência do Usuário

• Nos anos 90 e início dos anos 2000, era comum enfrentar lentidão e quedas constantes na internet; essa experiência moldou as expectativas atuais sobre tecnologia.

• Atualmente, estamos vivendo um momento semelhante no campo da inteligência artificial (IA), onde limitações tecnológicas ainda são significativas.

Demanda Crescente por Energia e Infraestrutura

• Apesar da disponibilidade financeira das empresas para investir em infraestrutura, há uma escassez crítica de máquinas e energia necessária para operar data centers.

• É necessário construir várias usinas nucleares para atender à crescente demanda energética até 2030; atualmente existe um gap significativo entre oferta e demanda.

Questões Ambientais Relacionadas ao Resfriamento

• O resfriamento dos data centers apresenta desafios ambientais; o uso excessivo de água pode prejudicar ecossistemas locais ao devolver água aquecida aos rios.

• A falta de recursos hídricos adequados também impacta diretamente na capacidade operacional das máquinas nos data centers.

A Evolução da Tecnologia de Processadores e Energia

O Caminho da China em Novas Fontes de Energia

• A China está explorando novas fontes de energia mais eficientes, o que pode impactar significativamente a balança do jogo na inteligência artificial.

• As guerras no Oriente Médio, como a do Irã, afetam o fornecimento de petróleo, crucial para usinas termelétricas.

Impactos Geopolíticos e Energéticos

• A perda de fontes baratas de petróleo, como na Venezuela e Irã, tem consequências diretas para a China e Europa.

• A Europa enfrenta desafios energéticos devido à dependência do gás russo em meio ao conflito com a Ucrânia.

Mudanças no Mercado de Trabalho

• O mercado está se adaptando a uma nova categoria profissional que envolve produção real em vez de trabalhos simples ou freelancers.

• A China avança em modelos de imagem e vídeo, com empresas como Alibaba investindo fortemente em tecnologia.

Avanços Tecnológicos na Criação 3D

• Discussão sobre o lançamento do Cid Dence Studio pela China e os desafios legais enfrentados por conta dos direitos autorais.

• Exemplos práticos da criação de personagens 3D utilizando plataformas como Runan e Hiten.

Impressão 3D e Animação

• Demonstração prática da criação de um modelo 3D que pode ser impresso, destacando as etapas envolvidas no processo.

• Uso do Adobe Mixamo para ajustar poses em modelos 3D já existentes, facilitando animações personalizadas.

Captura de Movimento e Modelagem 3D

Introdução à Captura de Movimento

• A captura de movimento envolve a criação de pontos que se conectam a um modelo 3D, permitindo animações rápidas e eficientes.

• O uso do CID Dance permite processar cenas complexas em minutos, ao invés de meses, utilizando modelos 3D simplificados.

Acesso e Utilização do Cid D

• Atualmente, o modelo que gera vídeos ainda não está amplamente disponível; apenas alguns influenciadores têm acesso à versão preview do Cid D.

• O canal Stefan 3D Labs é uma fonte para reviews sobre produtos relacionados a vídeo e imagem em 3D.

Plataformas e Modelos

• Existem várias plataformas onde é possível pagar tokens para utilizar ferramentas simplificadas de modelagem 3D sem necessidade de criar tudo do zero.

• A geração de imagens e vídeos utiliza diferentes tipos de inteligência artificial; os modelos atuais são multimodais, integrando visão computacional, áudio e vídeo.

Avanços na Geração de Vídeos

• Modelos como Noo Banana ou Stable Fusion estão mais avançados no lado open source para imagens e vídeos.

• Embora seja desafiador fazer vídeos com IA devido à necessidade de precisão visual, pequenos erros podem passar despercebidos em animações.

Desafios na Programação com Inteligência Artificial

Complexidade dos Projetos

• Projetos grandes como Mercado Livre ou Amazon envolvem múltiplos sistemas interconectados, exigindo milhões de linhas de código.

• Ferramentas atuais não conseguem lidar com projetos tão extensos quanto esses apenas com inteligência artificial.

Limitações das Ferramentas Atuais

• As LLM (Modelos Linguísticos Grandes), por exemplo, não têm contexto suficiente para gerenciar projetos complexos que requerem integração entre diversos sistemas.

Exemplificação Prática

• O Cloud Code foi um projeto feito por programadores da Antropic que exemplifica a capacidade atual da IA em gerar códigos médios (500.000 linhas).

Experiências Pessoais em Desenvolvimento

Projetos Iniciais

• O primeiro projeto desenvolvido foi um editor simples semelhante ao Microsoft Word ou Google Docs focado em Markdown.

Evolução dos Projetos

• Um segundo projeto envolveu a criação de uma newsletter que integra três sistemas diferentes.

Como Automatizar a Geração de Conteúdo com Bots?

Uso do Bot Marvin para Agregação de Notícias

• O robô de Discord, chamado Marvin, é utilizado para enviar e agregar notícias de várias fontes diariamente. Ele compila todos os tweets com links que o usuário faz, resultando em uma lista semanal de notícias importantes.

• A cada sábado, o Marvin 2 fecha uma newsletter onde o usuário adiciona comentários editoriais sobre as notícias. Na segunda-feira, essa newsletter é enviada para mais de 11.000 pessoas.

Automação do Processo

• O processo é automatizado: o usuário envia links ao bot, que realiza tarefas como fechamento da newsletter e geração do blog e podcast sem intervenção manual.

• O sistema opera em uma máquina virtual na nuvem (open cloud), onde o usuário instala seu próprio Linux para rodar o bot. É um PC simples que custa cerca de $3 por mês.

Interação com o Bot

• O bot está acessível pelo celular e pode responder perguntas sobre programação ou realizar tarefas específicas solicitadas pelo usuário.

• Durante a geração da newsletter em formato HTML, ele também cria conteúdo para um blog associado (blog.demaquitachronicles.com).

Personalidades do Bot

• O bot possui duas personalidades: a personalidade "Akita", representando o usuário, e "Marvin", uma personalidade negativa criada para interagir com os usuários.

Geração de Áudio e TTS

• Um servidor adicional foi criado usando serviços como Rampod para gerar áudios. Este servidor é ativado apenas aos domingos para economizar recursos.

• Em janeiro deste ano, foi lançado um novo modelo TTS pela Alibaba (Quen 3.5), mas apesar das expectativas, não se mostrou superior ao esperado; ajustes foram necessários nas pronúncias em português e inglês.

Desafios com Modelos TTS

• Problemas surgiram na pronúncia correta de palavras em inglês no modelo TTS utilizado inicialmente; isso exigiu ajustes manuais frequentes.

• A troca para um modelo comercial (11 Labs), considerado melhor atualmente, trouxe melhorias significativas na qualidade do áudio gerado.

Comparação entre Planos de IA

• Discussão sobre diferentes planos disponíveis no ChatGPT: desde opções gratuitas até pagas que oferecem desempenho superior; modelos gratuitos têm limitações significativas.

• Esclarecimento sobre como a IA não tem acesso direto à internet; ela depende da interação através de intermediários ou aplicações web que buscam informações online.

A Natureza das LLMs e sua Infraestrutura

Compreendendo as LLMs

• As LLMs (Modelos de Linguagem de Grande Escala) não são verdadeiras inteligências, mas sim arquivos que operam em GPUs. A ideia de que o Open GPT é uma "grande inteligência" é um equívoco.

• Cada GPU possui uma cópia do modelo e mantém a sessão do usuário na memória. Isso se assemelha ao funcionamento de servidores web em e-commerce, onde a sessão pode ser transferida entre diferentes servidores.

• Não existe uma inteligência centralizada; cada interação depende da GPU específica que está processando a solicitação no momento.

Desempenho e Prioridades

• O desempenho pode variar dependendo da carga nas máquinas disponíveis. Se não houver recursos suficientes, o sistema pode redirecionar para máquinas com capacidade inferior temporariamente.

• Usuários pagantes têm prioridade no acesso aos recursos, resultando em experiências mais estáveis em comparação com usuários gratuitos ou de planos inferiores.

Impacto da Demanda por Recursos

• A crescente demanda por serviços baseados em IA pressiona as infraestruturas existentes, levando a instabilidades frequentes nos serviços oferecidos.

• Setores críticos como aviação e saúde exigem garantias de operação contínua, similar à evolução da internet quando empresas hesitavam em adotar novas tecnologias devido à falta de confiabilidade.

Instabilidades e Ajustes Dinâmicos

• Os usuários podem experimentar variações na qualidade do serviço diariamente, dependendo da máquina utilizada para processar suas solicitações.

• As empresas estão constantemente ajustando seus modelos de precificação e alocação de recursos para equilibrar custos e processamento.

Estrutura Interna dos Modelos

• O funcionamento interno das LLM envolve conversão de texto em vetores multidimensionais, permitindo que consultas sejam respondidas com base na proximidade desses vetores.

• Essa abordagem permite um sistema eficiente semelhante ao Google, onde documentos são localizados com base na direção dos vetores gerados pelas consultas.

Discussão sobre Modelos de Linguagem e suas Variações

Estrutura dos Modelos de Linguagem

• Os modelos de linguagem (LLMs) convertem dados em um formato único, utilizando embeddings ou vetores para processar informações.

• Não existe um modelo com inteligência única; há um balanceamento de carga entre vários arquivos que podem ter versões diferentes.

Mudanças Constantes nos Modelos

• O comportamento dos modelos muda frequentemente, tornando difícil documentar suas características. Comparações como "Opus é melhor que Codex" são imprecisas e dependem do contexto.

• No geral, Codex, GPT 5.4 e Opus estão equiparados em termos de modelo, mas a eficiência pode variar dependendo da implementação.

Desafios na Implementação

• A OpenAI pode melhorar seus softwares sem precisar treinar novos modelos do zero, o que facilita atualizações frequentes.

• Cada modelo é treinado de maneira diferente, exigindo ajustes específicos nas implementações para otimizar seu desempenho.

Variantes e Pós-Treinamento

• Existem várias variantes no mundo open source, como Quen 3 e Coin Coder. Essas variantes tentam melhorar o desempenho através de pós-treinamento.

• O Coin Coder utiliza treinamento adicional para aprimorar sua capacidade de codificação sem começar do zero.

Qualidade do Código e Benchmarks

• A qualidade do código utilizado nos benchmarks pode influenciar os resultados obtidos pelos modelos. Isso levanta questões sobre a confiabilidade desses testes.

• Testes realizados com diferentes variantes mostram que nem sempre as melhores classificações se traduzem em desempenho superior em projetos reais.

Destilação de Modelos

• Modelos destilados como o Coin destilado por Opus podem ser mais acessíveis para usuários finais ao rodarem localmente em suas máquinas.

• O processo de destilação envolve gerar perguntas e respostas entre modelos para refinar as capacidades do modelo original.

Reflexões Finais sobre a Qualidade dos Modelos

• Apesar das melhorias visuais ou estruturais que alguns modelos possam apresentar, isso não garante uma performance superior na prática.

• Há uma analogia feita com produtos falsificados (xingling), onde a aparência pode enganar quanto à qualidade real do produto final.

Qualidade de Produtos e Agentes de IA

Discussão sobre a Qualidade dos Produtos

• O orador menciona a experiência com produtos da Deal Extreme, comparando-os à qualidade do AliExpress, que é considerada inferior.

• Ele faz uma analogia sobre comprar um pen drive de 64 GB em 2001, enfatizando a frustração ao descobrir que um SSD pode ser apenas um cartão microSD disfarçado.

• O orador conclui que o modelo padrão é mais eficiente do que as variantes disponíveis no mercado, que podem parecer melhores mas oferecem desempenho inferior.

• A sensação de engano é destacada quando se percebe que um produto não corresponde às expectativas criadas por sua aparência ou marketing.

• É sugerido que usar modelos normais é preferível a soluções mais complexas e enganosas.

Agentes e Harnesses em Inteligência Artificial

• O conceito de "harness" (ferramenta ou estrutura) para IA é introduzido, permitindo interações mais eficientes com modelos de linguagem.

• Um exemplo prático é dado sobre como um bot pode buscar documentos específicos em pastas através de comandos simples.

• A diferença entre diferentes bots e suas capacidades são discutidas; alguns podem operar sem intervenção humana direta.

• Define-se o termo "agente", explicando que ele pode chamar outros agentes para realizar tarefas simultaneamente, aumentando a eficiência.

• Os agentes podem ser programados para executar tarefas automaticamente em intervalos regulares, semelhante a procedimentos de backup.

Habilidades e Integração com Plataformas

• As habilidades dos agentes são descritas como prompts textuais simples, podendo incluir scripts para evitar repetições desnecessárias.

• O orador menciona várias plataformas onde esses bots podem ser integrados, como Discord e WhatsApp, ampliando suas funcionalidades.

• Destaca-se o impacto positivo dessa integração na interação do usuário com os sistemas de IA, tornando-os mais acessíveis e funcionais.

• A popularidade do OpenClaw é atribuída à sua capacidade inovadora de conectar-se facilmente a diversas plataformas.

A Evolução do Desenvolvimento de Software

O Marco da Virada em Dezembro de 2025

• O final de novembro do ano passado marcou o lançamento de novos modelos e ferramentas, levando a um aumento significativo no uso dessas tecnologias em dezembro.

• Dezembro de 2025 é destacado como o ano da virada, permitindo que programadores criem rapidamente softwares como o OpenClaw, mesmo com códigos considerados ruins.

A Natureza dos Bugs em Software

• É afirmado que 100% dos softwares têm bugs; não existe software sem falhas. A presença de bugs é uma parte natural do desenvolvimento.

• Um software só pode ser considerado funcional quando está sendo utilizado por usuários, pois muitos bugs podem permanecer ocultos até serem acessados.

Manutenção e Atualização Contínua

• Todo software precisa de manutenção constante para evitar que se torne obsoleto ou "código merda". Isso inclui atualizações regulares e correções de segurança.

• A ideia errônea de que um software pode ser "finalizado" ignora a realidade das manutenções necessárias ao longo do tempo.

Processo Criativo no Desenvolvimento

• O desenvolvimento não é linear; muitas vezes requer reinícios e ajustes constantes devido à acumulação de bugs durante as fases iniciais.

• Comparações são feitas entre o desenvolvimento de software e modelagem com argila, onde ajustes contínuos são necessários para alcançar a forma desejada.

Desafios na Integração e Testes

• Montar um software é comparado à montagem de um carro: cada peça deve ser testada antes da integração final para evitar problemas maiores posteriormente.

• Ignorar testes durante o desenvolvimento leva a complicações significativas, exigindo retrabalho extensivo para corrigir erros fundamentais.

A Importância da Estruturação em Projetos de Software

Abordagem Inicial e Integração de Funcionalidades

• O orador discute a importância de integrar diferentes partes de um software, mencionando que é comum que um projeto funcione apenas parcialmente se não for testado adequadamente.

• Ele sugere que, ao adicionar funcionalidades usando inteligência artificial, é crucial criar uma abordagem passo a passo para garantir a eficácia do software final.

• A filosofia "dividir e conquistar" é apresentada como uma estratégia eficaz para programadores, enfatizando a necessidade de testar cada parte individualmente antes da integração.

Testes e Validação no Desenvolvimento

• O orador critica a prática comum de desenvolver várias partes simultaneamente sem testes adequados, o que pode levar à dificuldade em identificar falhas.

• Ele explica seu método como consultor: testar sistematicamente cada componente antes de integrá-los ao sistema maior.

• A frustração com o teste manual após cada nova versão é abordada; ele propõe o uso de testes automatizados para facilitar esse processo.

Débito Técnico e Consequências na Programação

• O conceito de débito técnico é introduzido, referindo-se à necessidade de realizar testes manuais devido à falta de automação nos códigos desenvolvidos.

• O orador ilustra como prazos apertados podem levar os programadores a negligenciar testes, resultando em softwares quebrados que exigem revisões extensivas posteriormente.

Implementação Eficiente dos Testes Automatizados

• Ele descreve sua abordagem para criar scripts de teste que validam componentes individuais do software, garantindo que cada parte funcione corretamente antes da integração total.

• Um exemplo prático é dado sobre como validar entradas em formulários através da automação dos testes, permitindo identificar rapidamente erros nas funcionalidades implementadas.

Vantagens dos Testes Automatizados na Manutenção do Código

• A principal vantagem dos testes automatizados é evitar retrabalho desnecessário; eles garantem que alterações futuras não comprometam as funcionalidades já testadas e aprovadas.

• O orador conclui ressaltando que essa metodologia não só melhora a eficiência no desenvolvimento mas também aplica-se igualmente às LLM (Modelos Linguísticos Grandes), sugerindo uma universalidade na abordagem.

Entendendo o Débito Técnico na Programação

A Importância dos Testes no Código

• O código pode compilar corretamente, mas a lógica pode estar errada. Um exemplo é verificar o saldo de uma conta bancária sem considerar transações paralelas que podem afetar esse saldo.

• Se não houver um teste para garantir que o saldo não fique negativo, o sistema pode permitir gastos indevidos, resultando em erros lógicos.

• É crucial implementar testes que verifiquem cenários onde múltiplas transações ocorrem simultaneamente para evitar problemas em produção.

Consequências do Débito Técnico

• O débito técnico ocorre quando se opta por soluções rápidas e mal feitas, como "tampar buracos" sem resolver problemas subjacentes. Isso resulta em dívidas que precisam ser pagas posteriormente.

• Ao priorizar prazos e entregas rápidas, os desenvolvedores podem criar códigos com falhas que só serão percebidas quando ocorrerem problemas reais.

Gerenciamento de Erros e Suporte

• Após um evento problemático, é importante corrigir o código e pagar a dívida técnica acumulada para evitar recorrências de bugs semelhantes no futuro.

• Sistemas grandes como Mercado Livre ou iFood lidam com erros através de suporte ao cliente e tickets que ajudam a identificar falhas no código.

Implementação de Testes Automatizados

• Para prevenir futuros erros, é essencial implementar testes automatizados que referenciem tickets de erro anteriores. Isso garante que alterações no código não reintroduzam falhas já conhecidas.

• A criação de um ambiente de testes permite feedback imediato sobre falhas antes da implementação em produção, evitando surpresas desagradáveis.

Práticas Recomendadas na Programação

• Adotar uma abordagem onde cada nova funcionalidade seja acompanhada por um teste correspondente ajuda a manter 100% do código testado antes da publicação.

• Muitas empresas evitam fazer testes inicialmente para acelerar lançamentos, mas isso resulta em uma espiral interminável de correções devido à introdução constante de novos bugs.

Problemas de Testes e Dívida Técnica

Repetição de Bugs

• A falta de testes adequados leva à repetição constante do mesmo bug, resultando em um ciclo vicioso onde o problema se repete várias vezes sem solução.

• Gerentes de suporte e qualidade devem identificar padrões nos bugs que ocorrem semanalmente para evitar retrabalho.

Gestão da Qualidade

• Em empresas pequenas, a limitação de recursos impede a contratação de equipes grandes para suporte, forçando os desenvolvedores a escolher entre corrigir bugs ou entregar novas funcionalidades.

• A dívida técnica é frequentemente ignorada; muitos optam por não realizar testes desde o início, acreditando que podem economizar tempo.

Segurança e LGPD

• A negligência em segurança pode resultar em problemas graves, como demonstrado pelo caso do aplicativo TI de Chá, que expôs dados sensíveis devido à falta de proteção.

• Desenvolvedores amadores muitas vezes não têm consciência das práticas necessárias para garantir a segurança dos dados.

Exemplos Práticos

• O aplicativo mencionado armazenava dados sem senha, permitindo acesso irrestrito às informações pessoais dos usuários.

• Este exemplo ilustra como a falta de conhecimento técnico pode levar a falhas catastróficas na segurança.

Escalabilidade e Performance

• A escalabilidade é um desafio quando o código funciona bem em ambientes pequenos mas falha sob carga real; isso ocorre porque as condições reais diferem significativamente das testadas localmente.

• É crucial entender que problemas podem surgir quando se assume que tudo funcionará da mesma forma em produção como no ambiente local.

Experiência Pessoal com Desenvolvimento

• O narrador compartilha uma experiência ao tentar implementar um downloader para um servidor obsoleto, enfrentando dificuldades técnicas relacionadas ao limite de requisições (rate limit).

• Servidores bem projetados implementam medidas para evitar sobrecarga por parte dos usuários, demonstrando a importância do design adequado na programação.

Desafios e Limitações em Download de Arquivos

Configurações de Rate Limit

• O autor menciona que os servidores de download, mesmo os menos conhecidos, implementam configurações para limitar a taxa de download (rate limit).

• Alguns sites permitem um número limitado de conexões simultâneas, como cinco conexões a cada 10 segundos, mas ainda assim podem impor limitações adicionais.

Custos e Infraestrutura

• A velocidade de download é controlada pelo servidor devido ao custo associado à largura de banda; se o tráfego for muito alto, o servidor reduz a velocidade para evitar contas elevadas.

• O autor alerta que deixar um site livre para downloads pode resultar em custos exorbitantes se bots ou usuários abusarem do sistema.

Aprendizado com Erros

• É enfatizado que muitos aprendem sobre essas limitações após enfrentar problemas financeiros significativos devido a má configuração inicial.

Integração com Inteligência Artificial

• O autor discute uma ferramenta chamada "harness" que modifica como as aplicações interagem com os usuários através da inteligência artificial.

• Ele menciona que essa modificação pode ser vista como uma forma de "deep thinking", onde o sistema reflete antes de executar ações.

Prompt Engineering e Segurança

• A discussão sobre prompt engineering destaca que tudo é essencialmente um prompt; não é necessário complicar demais esse processo.

• O autor sugere usar prompts gerados automaticamente pela IA para resolver problemas e registrar soluções em arquivos texto simples.

Riscos Associados aos Prompts

• Há riscos associados ao uso inadequado dos prompts, como vazamentos (prompt leaking), onde informações sensíveis podem ser enviadas inadvertidamente.

• É importante revisar cuidadosamente as instruções nos prompts para evitar comportamentos indesejados por parte da IA.

Injeção de SQL e Práticas de Segurança em Desenvolvimento Web

O que é Injeção de SQL?

• A injeção de SQL ocorre quando um bot recebe mensagens de usuários em um site de e-commerce, onde comentários podem ser transformados em comandos SQL para o banco de dados.

• Um exemplo prático é a inserção de uma mensagem que pode incluir comandos deletar (DELETE) concatenados ao comando original, permitindo manipulação indesejada do banco.

Importância da Sanitização dos Dados

• É fundamental considerar todo texto proveniente do usuário como potencialmente perigoso. Isso inclui qualquer tipo de dado, como idades ou nomes.

• A sanitização envolve substituir caracteres problemáticos (como aspas) por suas versões seguras (ex: barra + aspas), evitando que códigos maliciosos sejam executados.

HTML e Segurança

• Comentários em fóruns frequentemente contêm HTML malicioso. Para evitar isso, práticas modernas utilizam entidades HTML para neutralizar esses riscos.

• Ferramentas como LLM (Modelos Linguísticos Grandes) também precisam ser instruídas a implementar essas proteções; caso contrário, podem replicar vulnerabilidades.

Contexto das Decisões em Desenvolvimento

• Desenvolvedores devem adaptar suas abordagens com base no contexto do projeto. Não faz sentido replicar soluções complexas usadas por grandes empresas como a Netflix se não houver recursos semelhantes.

• Cada projeto deve levar em conta seu próprio nível de risco e as contingências necessárias para mitigar problemas potenciais.

Linhas de Defesa na Segurança Online

• A segurança total só é alcançada fora da internet; portanto, sempre haverá algum grau de risco ao estar online. É crucial definir até onde se está disposto a ir nesse aspecto.

• O uso do Cloudflare é comum como primeira linha de defesa, filtrando tráfego suspeito e protegendo contra ataques automatizados.

Cultura da Internet e Comunidades Online

• Discussões sobre cultura digital incluem eventos polêmicos entre comunidades online, mostrando que mesmo programadores podem não estar cientes dessas dinâmicas sociais.

• As interações entre artistas digitais e plataformas estão gerando preocupações sobre o futuro das artes devido à ascensão da inteligência artificial na criação artística.

Esses pontos destacam os principais conceitos discutidos no trecho fornecido sobre segurança na web, injeções SQL e as nuances culturais nas comunidades digitais.

A Controvérsia sobre Desenhos Feitos por IA na Comunidade Vtuber

Políticas de Credibilidade e Checagem

• Muitas plataformas têm políticas que proíbem desenhos feitos por inteligência artificial (IA), visando manter a credibilidade e garantir que os clientes saibam pelo que estão pagando.

O Caso de Sami Arts

• Sami Arts, uma desenhista da comunidade Vtuber, ganhou notoriedade ao criar ilustrações para comissões, mas começou a levantar suspeitas sobre a autenticidade de seus trabalhos.

Percepção do Público e Crítica

• A facilidade aparente em ganhar dinheiro com desenhos gerados por IA leva à crença errônea de que qualquer um pode ser um artista. No entanto, a consistência e qualidade são desafiadoras.

Desenho Real vs. Desenho Gerado por IA

• Embora muitos admirassem o trabalho de Sami Arts, outros artistas notaram características que sugeriam o uso de IA. Ela insistiu que seu trabalho era fruto de muito treino.

Técnicas Enganosas em Lives

• Durante suas transmissões ao vivo, Sami demonstrava habilidades artísticas impressionantes; no entanto, as técnicas utilizadas levantavam dúvidas sobre a autenticidade do processo criativo.

Reflexão sobre Inteligência Artificial

• A IA reflete as habilidades do usuário: se você é competente em sua área, ela pode acelerar seu trabalho significativamente; caso contrário, apenas amplificará suas falhas.

Riscos Legais e Éticos

• O uso inadequado da tecnologia pode resultar em problemas legais sérios, como violações da LGPD (Lei Geral de Proteção de Dados), destacando a importância da privacidade e segurança dos dados.

Discussão sobre Segurança em Projetos de Software

Importância da Auditoria e Validação

• A segurança é um tema crucial que não pode ser deixado para depois. A aplicação do LGP (Lei Geral de Proteção de Dados) deve ser feita com cuidado, pois a garantia de correção não é simples.

• É necessário trazer um auditor externo para validar o trabalho realizado, mas mesmo assim, a certeza de 100% de correção é inatingível. A IA também não consegue garantir total precisão na análise do código.

Limitações das Ferramentas Automatizadas

• O uso de ferramentas como Cloud Code e Codex pode ajudar na identificação de vulnerabilidades, mas elas podem deixar passar problemas que um programador experiente conseguiria notar.

• Mesmo após uma verificação inicial com o Cloud Code, ao usar o Codex no mesmo projeto, novas vulnerabilidades podem ser identificadas, mostrando que as ferramentas têm limitações.

Ciclo Infinito de Sugestões

• Existe o risco de entrar em um loop infinito ao solicitar melhorias às IAs. As sugestões podem se tornar excessivas e desnecessárias se não houver supervisão adequada.

• A quantidade de código gerada por ferramentas automatizadas não é sinônimo de produtividade; muitos códigos gerados carecem de testes adequados.

Questões sobre Novas Tecnologias

• O surgimento do Mitos levanta questões sobre sua eficácia real em comparação com outras tecnologias existentes. Há uma crítica à forma como essas novas ferramentas são promovidas.

• O Mitos pode ser apenas uma versão melhorada dos modelos anteriores sem grandes inovações significativas.

Críticas à Publicidade e Expectativas Irrealistas

• Há uma crítica à maneira como as empresas promovem suas tecnologias, criando expectativas irreais sobre suas capacidades.

• O Mitos foi descrito como algo que poderia resolver todos os bugs conhecidos, mas isso é considerado exagero e falta fundamentação científica sólida.

Conclusões sobre Bugs e Erros em Software

• Todo software possui bugs; portanto, a afirmação do Mitos encontrar erros lendários deve ser vista com ceticismo.

• Encontrar bugs é parte normal do desenvolvimento; a expectativa deve ser ajustada para refletir essa realidade.

A Importância de Reconhecer Bugs em Software

A Realidade dos Bugs em Software

• Todo software possui bugs, e a crença de que um software está livre de falhas é uma ilusão. O autor afirma que, se alguém procurar, encontrará diversos bugs em qualquer software.

• A ideia de que o próprio software não tem problemas é considerada uma desilusão. O autor critica essa mentalidade e sugere que quem acredita nisso não entende completamente o desenvolvimento de software.

• Encontrar bugs não é algo impressionante; existem ferramentas simples para isso, mas muitas vezes as pessoas não as utilizam por serem consideradas chatas ou demoradas.

• O autor menciona a importância de realizar testes adequados, como smoke testing e spider testing, para garantir a robustez do software. Esses testes ajudam a identificar falhas que podem passar despercebidas.

• Um exemplo prático é dado sobre como dados inesperados podem causar problemas sérios no banco de dados, levando à lentidão ou até mesmo à queda do sistema.

Reflexões sobre Desenvolvimento e Teoria

• O autor reflete sobre sua evolução na compreensão do desenvolvimento de software desde sua primeira aparição. Ele critica a falta de códigos concretos apresentados por outros desenvolvedores durante discussões anteriores.

• Há uma crítica ao discurso teórico sem substância prática; muitos falam sobre suas ideias sem apresentar resultados tangíveis ou código real.

• O autor expressa frustração com promessas vazias no campo da tecnologia e enfatiza a necessidade de resultados concretos para validar teorias.

Projetos Pessoais e Inovações

• O entrevistado compartilha detalhes sobre seus projetos pessoais, destacando um aplicativo Android desenvolvido com Cloud Code que permite ler mangás em japonês com legendas em tempo real.

• Ele explica como o aplicativo funciona ao abrir páginas da web da Amazon sem violar os termos de serviço, utilizando inteligência artificial local para gerar legendas enquanto lê os mangás.

• Outro projeto mencionado envolve leitura em coreano e geração automática de legendas, demonstrando a versatilidade das aplicações desenvolvidas pelo entrevistado.

Discussão sobre Tradução de Mangás e Webtoons

Tecnologias de Tradução em Tempo Real

• O uso de IA para tradução em tempo real é uma ideia que o autor tem há anos, com modelos já disponíveis para identificar balões de quadrinhos e extrair texto.

• A manipulação da imagem é necessária para ajustar o texto traduzido ao formato original, especialmente em idiomas como coreano, onde a arte do balão pode precisar ser redesenhada.

Desafios na Tradução de Mangás

• O autor menciona "Solo Leveling", destacando que a história é similar a outras narrativas populares, mas com personagens que não são bem desenvolvidos.

• Traduzir mangás pode ser inviável economicamente devido a restrições legais e custos associados à regulamentação local.

Questões Legais e Licenciamento

• As dificuldades incluem problemas de licenciamento que variam entre países, tornando a tradução um processo caro e complicado.

• O impacto das associações profissionais, como SAG-AFTRA nos EUA, também afeta as traduções devido à necessidade de seguir normas específicas.

Limitações da Tradução Automática

• Apesar dos avanços tecnológicos, a tradução automática ainda apresenta falhas significativas. Por exemplo, o japonês não distingue pronomes como "ele" ou "ela", dificultando a compreensão contextual.

• Para garantir qualidade na tradução profissional, revisões são necessárias. Mesmo assim, cerca de 80% do trabalho pode ser automatizado.

Futuro da Tradução Digital

• O autor acredita que em breve haverá sistemas mais eficientes para leitura digital sem depender de traduções feitas por fãs.

• A proposta inclui um sistema open source que permite aos usuários compilar e rodar suas próprias versões do software sem infringir leis locais.

Aplicações Práticas da Tecnologia

• Um projeto adicional mencionado envolve um aplicativo que analisa emails recebidos para verificar sua legitimidade através da análise de dados relacionados ao remetente.

Como Identificar E-mails Fraudulentos?

Processo de Verificação de E-mails

• O domínio foi registrado recentemente e a pessoa associada não existe, sem rastros na internet. A verificação é feita utilizando duas LLMs (Modelos de Linguagem Grande) para consenso sobre a autenticidade do e-mail.

• O sistema utilizado é aberto e roda em um servidor pessoal. O autor evita cair em fraudes deletando imediatamente e-mails desconhecidos.

Desafios com APIs

• Um ponto crítico para desenvolvedores é o uso de chaves de API, como as do Google. É necessário criar um token específico para cada aplicativo, o que pode ser complicado para iniciantes.

• A documentação adequada é essencial; o autor enfatiza que ele documenta seus projetos open source detalhadamente, incluindo instruções sobre como gerar tokens.

Estrutura dos Projetos

• Os projetos são organizados no GitHub sob o nome "Kiton Rails", uma referência ao criador da rede neural Frank Rosenblatt. A nomenclatura reflete a natureza "Frankenstein" dos aplicativos.

• Cada projeto inclui documentação completa sobre funcionamento, requisitos, comandos necessários e testes unitários/integrados, seguindo boas práticas recomendadas para programação.

Comparação com Outros Projetos

• O autor menciona seu repositório "Ircron" e discute sua insatisfação com outros códigos disponíveis, como o "openclaw", que considera mal estruturado.

• Ele planeja tornar seus outros projetos públicos no GitHub e destaca a importância da documentação clara em comparação com outros códigos que carecem dessa prática.

Segurança em Execução de Códigos

• Há uma discussão sobre segurança ao rodar códigos em máquinas virtuais versus contêineres. Contêineres são preferidos por serem mais leves e eficientes na execução de processos isolados dentro do sistema operacional principal.

• O autor critica a confiança excessiva nas promessas de segurança feitas por ferramentas automatizadas, sugerindo cautela ao usar essas tecnologias sem validação adequada.

Gerenciamento de Recursos em Sistemas Operacionais

Função do Sistema Operacional

• O sistema operacional gerencia os recursos da máquina, alocando memória para diferentes programas como Word e Firefox.

• Cada programa pode consultar o sistema operacional sobre outros programas em execução, permitindo uma interação entre eles.

Acesso e Segurança

• O sistema operacional permite que um usuário veja apenas os programas associados à sua conta, garantindo segurança e privacidade.

• É mencionado que o Windows é amplamente utilizado, mas criticado por suas falhas de segurança, comparando-o a um "queijo suíço".

Experiência com Linux

• O interlocutor sugere cautela ao usar sistemas operacionais menos seguros em redes conectadas.

• Para iniciantes no Linux, não é necessário ser especialista; distribuições como Ubuntu ou Fedora são adequadas para começar.

Aprendizado e Evolução

• A abordagem correta para aprender tecnologia é questionar sempre se há um jeito melhor de fazer as coisas.

• Aceitar problemas sem buscar soluções leva à estagnação; a curiosidade é essencial para o aprendizado contínuo.

Preferências Pessoais em Sistemas Operacionais

• O palestrante compartilha sua experiência com diversos sistemas operacionais ao longo dos anos, incluindo Windows e Mac.

• Ele utiliza diferentes sistemas operacionais para finalidades específicas: Steam no Windows e personalização máxima no Arch Linux.

Estrutura de Servidores

• Um servidor específico mencionado utiliza snapshots para garantir que alterações possam ser revertidas facilmente.

• Essa funcionalidade permite restaurar o sistema a estados anteriores sem perder dados importantes.

Armazenamento e Segurança de Dados Pessoais

Controle do Ambiente Digital

• O usuário menciona que seu computador está na mesma sala que seus videogames, enfatizando a privacidade e o controle sobre o espaço.

• Ele possui um servidor NAS com cópias de segurança em Amazon Glacier, pagando mensalmente por ter terabytes de dados armazenados.

• Os dados guardados têm valor pessoal, não monetário; são itens que ele não pode recriar se perdidos.

Valorização do Hobby

• O usuário expressa prazer em montar e mexer em videogames antigos, destacando sua paixão pela tecnologia.

• Ele discute o uso do Distro Box, uma aplicação que simula contêineres para gerenciar programas sem virtualização completa.

Entendendo Contêineres e Máquinas Virtuais

Conceito de Contêineres

• Um contêiner permite que um programa funcione como se estivesse sozinho em uma máquina vazia, limitando seu acesso a diretórios específicos.

• O Distrobox é apresentado como uma ferramenta para experimentar diferentes distribuições Linux sem a necessidade de máquinas virtuais pesadas.

Comparação com Máquinas Virtuais

• Embora os contêineres sejam eficientes, eles não oferecem o mesmo nível de segurança que as máquinas virtuais devido à utilização do mesmo kernel.

• A falta de um hypervisor significa que qualquer bug no kernel pode afetar todos os programas rodando nos contêineres.

Automação na Configuração de Emuladores

Desafios da Configuração Manual

• O usuário enfrenta dificuldades ao configurar múltiplos emuladores individualmente, cada um exigindo ajustes específicos.

• Ele menciona a complexidade adicional dos emuladores mais novos, como RPCS3 para PS3, onde cada jogo requer configurações únicas.

Solução Proposta: Distro Box

• Para simplificar o processo, ele desenvolveu o Distro Box para criar um ambiente isolado onde todos os emuladores podem ser configurados automaticamente.

• Utilizando Ansible para automatizar a instalação e configuração dos sistemas operacionais e emuladores dentro do Distro Box.

Instalação e Configuração de Emuladores

Processo de Instalação

• O usuário menciona a instalação de várias ferramentas, como Azar, Iden e Chad de PS4, para configurar emuladores conforme suas preferências.

• Ele destaca que criou um "cookbook" que permite restaurar sua máquina rapidamente após falhas, reinstalando todos os emuladores pré-configurados.

Projeto Open Source

• O projeto mencionado é open source, mas não está disponível online devido ao risco legal.

• Apesar disso, o código pode ser acessado por quem quiser correr o risco e contribuir com melhorias.

Investigação de Fake News

Funcionalidade do Investigador

• O usuário desenvolveu uma ferramenta para investigar manchetes e verificar a veracidade das informações apresentadas.

• Um exemplo dado foi sobre a redução de impostos pelo governo, onde ele analisa se as informações são manipuladas ou omitidas.

Técnicas Utilizadas

• A ferramenta utiliza técnicas para identificar falácias narrativas, como ad hominem e cherry picking.

• Ele implementou as 38 leis de Schopenhauer para ajudar na análise crítica dos textos investigados.

Viés e Credibilidade da Informação

Análise Crítica

• O criador da ferramenta discute a importância da transparência no código aberto para evitar viés nas análises.

• Ele observa que muitos artigos podem circular entre si sem fontes confiáveis, criando uma rede de desinformação.

Aprendizado Contínuo

• O usuário enfatiza a necessidade de aprender através da prática e do erro ao lidar com novas tecnologias como IA.

Desafios na Programação Moderna

Críticas ao Ensino Rápido

• Há uma crítica à proliferação de cursos rápidos que prometem formar programadores em pouco tempo sem um aprendizado real.

• Ele argumenta que programação não é apenas decoreba; é necessário entender como aplicar o conhecimento adquirido.

Como Aprender com os Erros e a Realidade do Mercado de Trabalho?

A Importância de Errar no Processo de Aprendizado

• O aprendizado envolve testar e errar em várias fases da carreira, desde a faculdade até o nível sênior. É essencial passar por essas etapas para adquirir experiência.

• A afirmação de que a IA vai roubar empregos é discutida; na verdade, programadores ruins já estavam sendo demitidos antes da IA, devido à falta de competência.

• Muitos profissionais foram contratados sem as habilidades necessárias, resultando em demissões em massa durante crises econômicas. A ambição excessiva levou a contratações inadequadas.

• Após a pandemia, houve um colapso no mercado devido ao surgimento de novas tecnologias como o GPT, levando à necessidade de adaptação dos profissionais.

O Papel da Educação e das Habilidades Práticas

• O canal criado pelo palestrante visa preparar profissionais para o "pós-bolha", enfatizando que aqueles que entenderam as mudanças não enfrentam problemas atualmente.

• Há uma crítica à ideia de que a IA pode substituir completamente o trabalho humano na programação; isso é visto como uma simplificação ingênua do processo criativo e técnico necessário.

• Comparações são feitas entre cozinhar e programar: saber fazer algo simples não te torna um especialista. É preciso mais conhecimento e prática para se destacar.

A Diferença Entre Habilidade Básica e Profissionalismo

• Um exemplo é dado sobre culinária: fazer um prato simples não qualifica alguém como chef renomado. É necessário estudo profundo e experiência prática para alcançar esse nível.

• A importância do conhecimento técnico é ressaltada; apenas ter uma habilidade básica não garante sucesso em trabalhos que exigem requisitos específicos.

Desafios na Indústria Criativa

• Um caso específico ilustra como artistas podem falhar ao tentar ajustar seu trabalho sem o conhecimento adequado; isso demonstra a necessidade de formação sólida na área criativa.

• Para ser bem-sucedido em design ou arte, é crucial entender teoria das cores, composição e iluminação — aspectos fundamentais que vão além da execução técnica.

Esses pontos destacam a relevância do aprendizado contínuo através da prática e da adaptação às mudanças no mercado profissional.

A Responsabilidade no Desenvolvimento de Software

O Perigo da Irresponsabilidade

• A falta de dedicação e estudo em programação pode levar a consequências graves, como o lançamento de produtos inseguros.

• Soltar um banco de dados sem segurança para um cliente é irresponsável, pois coloca em risco não apenas o desenvolvedor, mas também os clientes do mesmo.

• O vazamento de dados pessoais, como CPF e endereços, pode ocorrer se o software for mal desenvolvido e não controlado adequadamente.

Consequências da Falta de Testes

• Muitos freelancers lançam produtos sem saber como testá-los corretamente; isso resulta em falhas quando usuários mais experientes interagem com o sistema.

• A dependência excessiva da inteligência artificial (IA) para corrigir problemas pode ser prejudicial se o desenvolvedor não entender as causas das falhas.

Ferramentas e Habilidades

• A IA é uma ferramenta que aumenta a produtividade, mas não substitui a necessidade de habilidades fundamentais. Um bom escritor ainda precisa saber escrever bem.

• Esperar ter equipamentos perfeitos antes de começar a aprender algo novo é uma mentalidade errada; prática e esforço são essenciais.

Diferença entre Júnior e Sênior

• Ter um bom equipamento ou certificação não garante competência; experiência prática é crucial para desenvolver habilidades sólidas.

• Um programador júnior pode chegar à mesma solução que um sênior dado tempo infinito, mas na prática, a eficiência do sênior vem da experiência acumulada.

Aprendizado através da Experiência

• Um sênior já passou por diversas tentativas e erros em projetos anteriores, enquanto um júnior ainda está aprendendo quais abordagens funcionam melhor.

• O conhecimento prático adquirido ao longo do tempo permite que profissionais seniores resolvam problemas mais rapidamente e com maior eficácia.

A Importância da Mentoria e do Treinamento no Desenvolvimento Profissional

O Papel do Mentor

• A mentoria envolve guiar alguém na escolha de opções mais eficazes, reduzindo o tempo de aprendizado. Um mentor ajuda a selecionar as melhores alternativas em vez de experimentar todas.

• O mentor não faz o trabalho pelo aprendiz, mas evita que ele siga caminhos ineficazes, facilitando assim seu aprendizado.

Experiência e Conhecimento

• Há uma crítica àqueles que acreditam que são superiores apenas por escreverem muito código. Essa mentalidade pode ser prejudicial para a equipe e para a empresa.

• Funcionários que não compartilham conhecimento se tornam um risco para a empresa, pois sua saída pode levar à perda de informações valiosas.

Sustentabilidade no Treinamento

• É essencial ter um processo onde funcionários mais experientes (seniores) treinem os menos experientes (juniores), criando um ciclo sustentável de aprendizado.

• A troca de conhecimento entre seniores e juniores é fundamental para evitar problemas futuros quando um funcionário sênior deixar a empresa.

Inovação e Sangue Novo nas Empresas

• A falta de inovação em empresas como o Google é atribuída à estagnação causada pela ausência de novos talentos. Sem novas ideias, as empresas ficam atrasadas em relação ao mercado.

• As demissões em massa sem contratações subsequentes resultam em equipes desatualizadas, incapazes de trazer novas perspectivas ou soluções inovadoras.

Riscos da Dependência Excessiva da IA

• Há uma preocupação com líderes que confiam excessivamente na IA sem entender suas limitações. Isso pode levar a decisões erradas baseadas em dados imprecisos.

• Novos funcionários precisam aprender a lidar com sistemas falhos criados por decisões mal informadas, desenvolvendo habilidades críticas através da tentativa e erro.

Essas notas destacam os principais conceitos discutidos sobre mentoria, treinamento e inovação dentro das organizações, enfatizando a importância do compartilhamento de conhecimento e adaptação às mudanças do mercado.

A Evolução da Programação e o Impacto da IA

O Aprendizado na Programação com IA

• A programação moderna permite que desenvolvedores aprendam através de projetos, mesmo aqueles que inicialmente não são bem-sucedidos. A experiência adquirida ao corrigir erros é valiosa.

• Há uma resistência à ideia de que programadores juniores possam aprender efetivamente com a ajuda da IA, comparando com experiências passadas onde era necessário codificar manualmente.

• O autor argumenta que a evolução das ferramentas de programação não diminui a necessidade de compreensão fundamental; habilidades básicas ainda são essenciais para um bom programador.

Comparações Históricas na Programação

• Nos anos 50 e 60, ser um programador exigia conhecimento profundo em binário e hexadecimal, além de habilidades manuais como furar cartões perfurados para codificação.

• A dificuldade em corrigir erros nos cartões perfurados forçava os programadores a serem extremamente cuidadosos, refletindo sobre as limitações dos ambientes de desenvolvimento da época.

• O autor critica a visão contemporânea que acredita que os novos programadores não aprenderão devido à automação proporcionada pela IA, destacando que isso não significa que eles não precisam entender os fundamentos.

Mudanças no Cenário da Programação

• Com o avanço tecnológico nos anos 80, houve uma mudança na abordagem dos programadores; otimizações eram necessárias devido às limitações de memória e recursos disponíveis.

• O aumento dos recursos levou muitos programadores a se tornarem menos cuidadosos em suas práticas, mas o entendimento básico ainda é crucial para resolver problemas complexos.

Novas Abordagens e Modelos de Negócio

• O autor menciona como agora é fácil desenvolver aplicativos simples utilizando IA, mudando o modelo de negócios tradicional onde esses projetos custavam mais tempo e dinheiro para serem realizados.

• Um exemplo prático apresentado é um aplicativo desenvolvido pelo autor em apenas dois dias para catalogar imagens usando inteligência artificial, demonstrando eficiência nas novas abordagens.

Desenvolvimento Rápido de Projetos

Criação de Aplicativos e Eficiência no Desenvolvimento

• O autor menciona que desenvolveu 16 projetos pequenos em um período de dois meses, destacando a facilidade de criar aplicativos simples.

• Um exemplo é um scanner que identifica fotos com base em descrições, mostrando como ele pode ser útil, mesmo que não seja uma novidade no mercado.

• O autor reflete sobre a diminuição do valor do software, afirmando que conseguiu realizar o equivalente a dois anos de trabalho em apenas dois meses devido à sua experiência prévia.

• Ele utiliza um arquivo chamado "ideia.md" para organizar suas ideias antes de iniciar o desenvolvimento, enfatizando a importância da estruturação inicial do projeto.

• A abordagem permite ao autor desenvolver rapidamente os projetos, sabendo exatamente quais funcionalidades testar e implementar.

Exemplos Práticos e Inovação

• O autor fala sobre criar um bot para sua namorada influencer, que ajuda na pesquisa de mercado e organização de eventos relacionados ao marketing geek.

• Este bot compila informações relevantes diariamente, permitindo interações dinâmicas entre o usuário e o sistema para gerar roteiros e ideias criativas.

• O bot foi desenvolvido em apenas dois dias, demonstrando a agilidade do autor na criação desse tipo de ferramenta automatizada.

• Ele compara seu processo atual com métodos antigos mais complicados para desenvolver bots, ressaltando como as novas tecnologias simplificaram essa tarefa.

• A conversa com assistentes virtuais se tornou mais intuitiva; agora é possível obter orientações passo a passo durante o desenvolvimento.

Desafios e Aprendizados

• Apesar das facilidades atuais, ainda existem desafios como encontrar informações corretas sobre tokens necessários para autenticação em plataformas como Discord.

• O autor destaca a importância da interação contínua com ferramentas inteligentes durante o processo de desenvolvimento para resolver problemas emergentes.

Como a Comunicação Afeta o Uso de IA?

A Relação entre Procrastinação e Ferramentas de IA

• O orador discute a falta de paciência das pessoas em aprender, mencionando que muitos utilizam ferramentas de IA como uma forma de procrastinação, ao invés de resolver problemas por conta própria.

• Ele critica a criação de ferramentas como "spec Driven Development", que prometem facilitar o uso da IA, mas não resolvem o problema fundamental da comunicação e explicação do problema.

• O orador enfatiza que o formato dos prompts não é tão importante quanto a clareza na explicação do problema; muitas vezes as pessoas não sabem articular suas próprias questões.

A Importância da Escrita para Programadores

• Ele compartilha sua experiência pessoal sobre escrever tudo que aprende, destacando que isso ajuda na organização do conhecimento e na resolução futura de problemas.

• O autor menciona seu blog com mais de 700 posts como um repositório útil para revisitar aprendizados passados, utilizando-o como uma ferramenta para autoajuda e referência.

Dificuldades na Comunicação entre Programadores e Clientes

• O orador observa que programadores geralmente têm dificuldades em se comunicar efetivamente, acreditando erroneamente que escrevem código melhor do que conseguem explicar suas ideias.

• Ele critica clientes prolixos com formação em MBA, que usam jargões sem entender completamente os conceitos fundamentais necessários para explicar seus produtos ou serviços.

Reflexão Pessoal e Melhoria Contínua

• O discurso destaca a importância da autorreflexão: se um programador não consegue usar a IA efetivamente, deve questionar sua própria habilidade de comunicação antes de culpar a ferramenta.

• O orador sugere que muitos programadores precisam reconhecer suas limitações comunicativas e trabalhar nelas para melhorar seus resultados com ferramentas baseadas em IA.

Crítica à Cultura dos Influenciadores no Desenvolvimento

• Ele critica influenciadores no setor tecnológico que promovem uma imagem irrealista do trabalho duro necessário na programação, sugerindo que muitos são apenas "posers" sem habilidades reais.

• Essa crítica reflete uma preocupação maior com a autenticidade nas habilidades técnicas versus as aparências criadas nas redes sociais.

A Responsabilidade no Uso de IA

A Importância da Responsabilidade Profissional

• O orador discute a frustração de um cliente que se sente lesado devido a uma entrega inadequada, enfatizando que o profissional deve assumir a responsabilidade por suas ações e decisões.

• É destacado que o código gerado por inteligência artificial (IA) é responsabilidade do usuário, não da própria IA. O uso de ferramentas deve ser acompanhado de responsabilidade e ética.

• O orador argumenta que os profissionais devem estudar e experimentar para melhorar suas habilidades, reconhecendo seus erros como parte do processo de aprendizado.

• A mentalidade de achar que tudo é fácil pode levar à substituição dos profissionais, pois a verdadeira especialização exige esforço e dedicação ao longo dos anos.

Reflexões sobre o Aprendizado com Erros

• O discurso menciona a necessidade de autorreflexão após cometer erros, sugerindo que isso é essencial para se tornar um especialista na área escolhida.

Promoções e Parcerias

Anúncios sobre Parceiros

• O apresentador fala sobre as promoções da Insider, destacando descontos especiais em comemoração ao aniversário da marca.

• Menciona as vantagens das roupas Insider, como facilidade de cuidado e conforto em diversas situações.

Treinamentos Profissionais

• É apresentada uma parceria com a #treinamentos, oferecendo cursos voltados para o mercado de trabalho com desconto significativo.

Discussão sobre Modelos de IA

Comparação entre Modelos

• Um espectador comenta sobre as limitações dos modelos GPT em resolver questões específicas, levantando dúvidas sobre sua eficácia em níveis avançados como PhD.

• O orador responde ressaltando que cada modelo tem suas particularidades dependendo do treinamento recebido e não se pode generalizar sua eficácia.

Limitações dos Modelos AI

• É explicado que mesmo um modelo poderoso pode ter falhas em áreas específicas; seu desempenho varia conforme o tipo de problema abordado.

• A complexidade dos modelos é discutida, mencionando que eles operam com probabilidades sem realmente "pensar", mas sim gerando respostas baseadas nos dados disponíveis.

Experiência com Codex e Godot

Desenvolvimento de um Jogo Usando Codex

• O apresentador menciona que o GPT pode ser melhor em algumas tarefas, citando um exemplo prático relacionado ao desenvolvimento de jogos.

• Ele explica que utilizou uma engine chamada Godot para criar uma versão do jogo Super Mario, pedindo ao Codex para extrair sprites e física do jogo original.

• A primeira fase do projeto foi implementada, mas apresenta diversos bugs e desalinhamentos devido à falta de extração completa dos dados necessários.

Desafios na Extração de Dados

• O apresentador detalha como garantiu que o Codex estava lendo os dados corretos da home, criando scripts manuais para verificar a execução.

• Ele expressa preocupação sobre possíveis repercussões legais com a Nintendo por usar seus ativos, decidindo mudar o foco do projeto para algo relacionado à Sega.

Tentativas com Outros Jogos

• Ao tentar trabalhar com um jogo do Mega Drive, ele enfrenta dificuldades na extração correta dos sprites e animações dos personagens.

• O apresentador relata sua frustração ao ver que o Codex não conseguia identificar corretamente os sprites desejados durante várias tentativas.

Aprendizado e Colaboração com Codex

• Após várias tentativas frustradas no domingo, ele espera até segunda-feira para reiniciar o processo de extração usando Cloud Code.

• Finalmente, após persistência, consegue extrair corretamente um personagem (Axel), documentando o progresso em Markdown.

Reflexões sobre a Interação com IA

• O apresentador reflete sobre as limitações do Codex em comparação ao Cloud Code durante o desenvolvimento e aprendizado contínuo no processo.

• Ele discute como erros ocorreram devido a suposições incorretas feitas pelo Codex e destaca a importância da revisão manual nos códigos.

Como a IA se Comporta em Diferentes Contextos?

A Influência do Contexto nas Respostas da IA

• O desempenho da IA pode ser afetado por prompts mal formulados ou contextos "sujo", onde informações anteriores prejudicam as respostas subsequentes.

• Não existe uma ferramenta que seja consistentemente melhor; o viés do usuário e o contexto influenciam os resultados obtidos com diferentes IAs.

• Erros de digitação e falta de atenção ao formular comandos podem levar a resultados inesperados, refletindo a experiência comum de programadores humanos.

Comparação entre Ferramentas de IA

• A percepção de que uma IA deve funcionar perfeitamente na primeira tentativa é irrealista; erros são comuns tanto para humanos quanto para máquinas.

• É importante tratar a IA como um programador júnior, reconhecendo que ela precisa de orientações claras e acompanhamento durante o processo.

Expectativas Realistas em Projetos com IA

• Projetos envolvendo IAs não devem ser vistos como entregas perfeitas desde o início; acompanhamento regular é essencial para evitar problemas.

• Assim como em reformas, onde supervisão constante é necessária, projetos com IA também requerem monitoramento para garantir que tudo esteja conforme esperado.

Comunicação Eficaz com a IA

• A neutralidade da IA permite interações sem emoções humanas; ela não se ofende ou reage negativamente às críticas, mas sim tenta atender aos pedidos da melhor forma possível.

• Se as respostas da IA não atendem às expectativas, isso geralmente reflete falhas na comunicação do usuário, não na capacidade da ferramenta.

Metodologia e Avaliação das Ferramentas de IA

• Para avaliar ferramentas como GPT ou Codex, é necessário demonstrar metodologias rigorosas e condições controladas durante os testes.

• Cada ferramenta tem suas características específicas; escolher a mais adequada depende das necessidades individuais e dos recursos disponíveis.

A IA pode substituir engenheiros de software?

A importância do engenheiro de software

• O papel das LLMs (Modelos de Linguagem de Grande Escala) é ser uma ferramenta auxiliar para engenheiros, e não substituí-los. A presença do engenheiro humano é essencial para garantir a qualidade do código.

• Sem um engenheiro qualificado, o código gerado pode ser mal estruturado e propenso a falhas em produção, resultando em problemas sérios.

• Um modelo pode criar soluções que parecem perfeitas, mas sem entender o contexto real dos usuários e suas necessidades, ele pode gerar códigos ineficazes ou excessivamente complexos.

Experiência prática e aprendizado deliberado

• A experiência acumulada por um engenheiro ao longo dos anos é crucial. Ele aprende com os erros passados e ajusta seu trabalho para evitar problemas futuros.

• O aprendizado na engenharia não deve ser aleatório; deve ser intencional e estratégico, assim como no treinamento físico onde se precisa ter uma abordagem planejada.

Comparação com outras profissões

• Assim como contadores não foram eliminados pela introdução do Excel, os engenheiros de software também continuarão a existir. O que muda são as funções desempenhadas.

• Com a automação, trabalhos repetitivos e de baixo valor agregado (como preenchimento manual de planilhas) estão desaparecendo. Apenas funções que exigem análise crítica e tomada de decisão permanecerão relevantes.

Automação na programação

• Tarefas simples como troca de cores em botões já podem ser automatizadas. Isso indica que o foco da programação deve mudar para atividades mais complexas que requerem raciocínio crítico.

• Ferramentas modernas podem realizar traduções automáticas com precisão em questão de minutos, algo que antes demandava muito tempo humano. Isso demonstra a evolução da tecnologia na redução da necessidade por tarefas manuais repetitivas.

Futuro dos empregos na engenharia

• Os empregos mais vulneráveis à automação são aqueles que envolvem tarefas mecânicas ou repetitivas. Engenheiros capazes de analisar dados e tomar decisões informadas continuarão sendo indispensáveis no mercado.

Discussão sobre Desenvolvimento de Software e Projetos

Problemas com Programadores e LinkedIn

• A dificuldade em encontrar programadores qualificados é destacada, mencionando que muitos se autodenominam engenheiros de software sem ter a experiência necessária.

Projeto da Cloud Flare e NextJS

• O projeto da Cloud Flare para reimplementar a API do NextOS é discutido, ressaltando a importância do framework NextJS para aplicações web em JavaScript.

• A infraestrutura oferecida pela Vercel, que facilita o hosting de aplicações, é mencionada como um diferencial competitivo.

Desafios com WordPress

• O WordPress é descrito como um produto difícil de eliminar devido à sua popularidade, apesar de seu código ser considerado ruim.

• Os problemas de segurança associados ao WordPress são destacados, especialmente em relação aos plugins mal desenvolvidos que podem abrir vulnerabilidades no sistema.

Inovações da Cloud Flare

• A Cloud Flare está desenvolvendo um clone do WordPress utilizando IA, buscando oferecer uma alternativa mais robusta e segura.

Eficiência no Desenvolvimento com LLM

• O impacto das LLM (Modelos de Linguagem Grande) na eficiência do desenvolvimento é discutido; um programador experiente pode agora realizar o trabalho que antes exigiria uma equipe maior.

• É enfatizado que projetos complexos podem ser realizados em prazos muito menores com as ferramentas certas e conhecimento adequado.

Open Source e Adaptação Rápida

• A possibilidade de adaptar projetos open source rapidamente usando IA é abordada, facilitando ajustes sem necessidade de grandes equipes.

Mudança na Percepção sobre Desenvolvedores

• A ideia antiga de encontrar "tecnologia bala de prata" para aumentar a produtividade dos desenvolvedores é revisitada; atualmente, um bom programador pode valer por dez devido às novas ferramentas disponíveis.

Reflexões Finais sobre o Blog Pessoal

• O apresentador menciona a celebração dos 20 anos do seu blog pessoal, refletindo sobre sua jornada na escrita ao longo desse tempo.

Como a Tradução e a IA Transformaram Meu Blog

A Evolução do Conteúdo e Tradução

• O autor menciona que já escreveu mais de 1000 posts, mas cortou muitos que estavam obsoletos. Ele expressa o desejo de compartilhar seu conteúdo com amigos fora do Brasil.

• Relata experiências passadas de entrevistas com figuras importantes da tecnologia, como Chris Wanstrath, cofundador do GitHub, destacando sua trajetória desde os primórdios.

• O autor recorda eventos antigos, como um evento em 2008 onde trouxe personalidades do setor para o Brasil, ressaltando a evolução do GitHub após esse período.

• Comenta sobre as melhorias nas traduções feitas por modelos de linguagem (LLMs), afirmando que agora são mais precisas e não soam artificiais.

• Decidiu traduzir seu blog para o inglês devido à qualidade das traduções atuais e ao potencial de alcançar um público maior.

Desafios na Tradução de Vídeos

• O autor ajustou o template do blog para incluir versões em inglês e português dos posts. Ele traduziu todo o conteúdo existente com a ajuda da tecnologia atual.

• Considera desafiador traduzir vídeos devido à necessidade de sincronização entre áudio e legendas. Ele pondera sobre as dificuldades envolvidas nesse processo.

• Menciona a utilização de inteligência artificial para criar podcasts, mas expressa insatisfação com algumas ferramentas open source disponíveis no mercado.

• Discute a complexidade da edição necessária para gerar episódios longos usando IA, enfatizando a importância da segmentação adequada do áudio.

• Destaca que possui scripts escritos para todos os seus vídeos, facilitando o processo de tradução e edição.

Processamento e Edição Final

• O autor detalha o trabalho necessário para comparar legendas geradas automaticamente com seu texto original, identificando erros nas traduções automáticas.

• Explica como ele teve que realizar um processamento cuidadoso dos áudios e legendas para garantir uma apresentação coerente nos vídeos traduzidos.

• Enfrentou limitações em seu plano atual ao tentar processar grandes quantidades de dados necessários para traduzir seus conteúdos audiovisuais.

Desafios e Soluções na Tradução de Vídeos

Processo de Tradução e Dublagem

• O autor menciona a necessidade de um plano business para traduzir vídeos, inicialmente acreditando que 3 milhões de tokens seriam suficientes, mas acabou optando por um plano maior.

• Durante o processo, ele enfrentou erros em vídeos que precisavam ser corrigidos. A sincronização dos vídeos era um desafio constante, levando-o a reprocessar vários conteúdos.

• Ele utilizou scripts para traduzir títulos, descrições e legendas, além de dublar o áudio em 146 vídeos em apenas quatro dias.

• O custo total do projeto foi estimado em cerca de R$2.000, considerado barato comparado ao método tradicional que envolveria contratação de profissionais para tradução e dublagem.

• A média dos vídeos era alta (cerca de uma hora), tornando inviável a dublagem manual sem o uso da inteligência artificial.

Uso da Inteligência Artificial

• O autor treinou uma IA com sua própria voz usando Eleven Labs. Embora não seja perfeita, é semelhante o suficiente para os propósitos desejados.

• Ele critica as soluções automáticas do YouTube para dublagem, destacando a falta de qualidade nas vozes geradas pela plataforma.

• Com as novas ferramentas disponíveis, ele conseguiu traduzir quase 100 horas de vídeo rapidamente, algo que antes levaria meses.

• O trabalho braçal envolvido na tradução foi drasticamente reduzido graças à tecnologia; ele expressa gratidão por não ter se tornado programador apenas para tarefas repetitivas.

Reflexões sobre Tecnologia e Criatividade

• O autor discute como a programação evoluiu ao longo do tempo e como as formas de entrada dos dados mudaram com as tecnologias modernas.

• Ele faz uma analogia com "42", do livro "O Guia do Mochileiro das Galáxias", referindo-se à busca por respostas universais através da inteligência artificial.

A Resposta de Tudo: O Que Aprendemos com a Máquina

A Revelação da Máquina

• Após um milhão de anos, a máquina finalmente acorda e revela que a resposta para tudo é "42", gerando confusão entre as pessoas que esperavam uma resposta mais elaborada.

• A máquina explica que a qualidade da resposta depende da qualidade da pergunta feita, enfatizando que uma pergunta mal formulada leva a uma resposta insatisfatória.

• A moral da história é clara: "Sua pergunta é uma bosta", destacando a importância de formular perguntas adequadas para obter respostas significativas.

O Papel do Code Miner 42

• O palestrante menciona sua empresa, Code Miner 42, cujo objetivo não é apenas fornecer respostas, mas ensinar os clientes a fazerem as perguntas certas.

• Ele critica abordagens onde se aceita qualquer pedido sem questionar, ressaltando que muitas vezes o cliente não sabe o que realmente precisa e pode acabar desperdiçando recursos.

Importância do Prototipagem

• O palestrante sugere que em vez de tentar economizar 100%, é melhor investir um pouco na criação de protótipos ou MVP (Produto Mínimo Viável), permitindo ajustes antes da implementação final.

• Ele compara o processo criativo à modelagem com argila, onde visualizar um protótipo ajuda a identificar melhorias antes de construir algo definitivo.

Desafios no Setor Tecnológico

• Há preocupação com demissões em massa devido à IA; muitos CEOs substituem programadores por ferramentas automatizadas sem considerar as consequências.

• O palestrante alerta sobre os riscos dessa abordagem e como muitos líderes falham ao não entender como consertar softwares criados por IA quando surgem problemas.

Estratégia Sustentável na Gestão de Equipes

• Em sua empresa, ele opta por manter todos os programadores e investir em treinamento para usar IA corretamente, ao invés de demitir funcionários qualificados.

• Ele argumenta que demitir bons programadores não faz sentido e critica empresas que contratam indiscriminadamente sem critérios claros.

A Importância da IA nas Empresas

Contratação e Gestão de Pessoas

• O orador discute a importância de não demitir funcionários desnecessariamente, enfatizando que contratações devem ser feitas com cautela e planejamento.

• Ele menciona a diferença entre programadores entusiastas e resistentes à IA, destacando que ambos têm visões extremas sobre o impacto da tecnologia no trabalho.

• O orador critica a ideia de substituir todos os trabalhadores por IA, afirmando que isso não é viável ou sensato.

A Natureza da Inteligência Artificial

• A IA é comparada a uma máquina de escrever em relação ao papel e caneta, ressaltando que ela reflete as habilidades do usuário. Se o usuário for ineficaz, o resultado também será.

• Ele argumenta que a IA pode realizar tarefas repetitivas, mas não substitui a necessidade de um profissional qualificado para tomar decisões financeiras importantes.

Responsabilidade e Risco

• O orador enfatiza que a responsabilidade pelas decisões ainda recai sobre os humanos; seguir cegamente as recomendações da IA pode levar a falhas graves.

• Ele destaca que feedback construtivo é mais valioso do que elogios vazios, pois ajuda no aprendizado e na melhoria contínua.

Aprendizado e Compartilhamento de Conhecimento

• O orador incentiva os ouvintes a utilizarem plataformas como GitHub para compartilhar seu código e receber críticas construtivas, promovendo um ambiente de aprendizado colaborativo.

• Ele conclui agradecendo aos participantes pela interação e convida-os a se inscreverem em suas redes sociais para mais conteúdo relevante.