{"id":161251,"date":"2022-10-26T09:37:00","date_gmt":"2022-10-26T06:37:00","guid":{"rendered":"https:\/\/howto.mediadoma.com\/?p=161251"},"modified":"2025-03-14T14:40:32","modified_gmt":"2025-03-14T11:40:32","slug":"inteligencia-artificial-e-como-ela-mudara-o-mundo","status":"publish","type":"post","link":"https:\/\/howto.mediadoma.com\/pt-pt\/inteligencia-artificial-e-como-ela-mudara-o-mundo\/","title":{"rendered":"Intelig\u00eancia Artificial e como ela mudar\u00e1 o mundo"},"content":{"rendered":"\n

Ao<\/strong> longo dos \u00faltimos anos, a intelig\u00eancia artificial tornou-se uma parte cada vez maior da vida cotidiana. Antes apenas mat\u00e9ria-prima para livros de fic\u00e7\u00e3o cient\u00edfica, a IA agora \u00e9 usada em setores que v\u00e3o do marketing \u00e0 sa\u00fade. At\u00e9 2025, espera-se que o mercado global de software de IA cres\u00e7a para US$ 126 bilh\u00f5es<\/a>.<\/p>\n

Embora a IA seja bastante comum agora, ainda \u00e9 uma tecnologia em sua inf\u00e2ncia. Nos pr\u00f3ximos anos e d\u00e9cadas, a IA e outras tecnologias revolucionar\u00e3o o mundo, abrindo vastas oportunidades para o desenvolvimento econ\u00f4mico e social. Aqui est\u00e1 o que voc\u00ea precisa saber sobre como a intelig\u00eancia artificial mudar\u00e1 o mundo.<\/p>\n

Primeiro, vamos explicar a intelig\u00eancia artificial<\/h2>\n

Embora a maioria das pessoas tenha pelo menos uma compreens\u00e3o geral \"Intelig\u00eanciado termo, a intelig\u00eancia artificial moderna \u00e9 um campo amplo e complexo. Antes de pular para o que a IA pode realizar em um futuro pr\u00f3ximo, vamos voltar atr\u00e1s e dar uma olhada no que a intelig\u00eancia artificial realmente \u00e9 e como ela funciona.<\/p>\n

O que separa a IA da programa\u00e7\u00e3o de computador convencional?<\/h3>\n

Para come\u00e7ar, vamos considerar como a intelig\u00eancia artificial difere dos m\u00e9todos de programa\u00e7\u00e3o usados \u200b\u200bem sistemas computacionais tradicionais. Em um programa convencional, um programador escreve um conjunto de instru\u00e7\u00f5es que \u00e9 usado pelo sistema para processar entradas. Embora as entradas possam mudar, o algoritmo usado para processar a entrada permanece o mesmo e \u00e9 usado para produzir alguma sa\u00edda.<\/p>\n

A IA, por outro lado, inverte esse conceito. Em vez de transformar uma entrada em uma sa\u00edda usando um conjunto de instru\u00e7\u00f5es predeterminadas, um programa de IA “aprende" com as entradas que recebe<\/a>. Em outras palavras, em vez de um programador humano criar um algoritmo para manipular entradas, o computador desenvolve e melhora continuamente seu pr\u00f3prio algoritmo. Isso permite que o programa melhore gradualmente em uma determinada tarefa, pois \u00e9 treinado com grandes conjuntos de dados e fornece feedback sobre a precis\u00e3o de seus resultados. Em vez de usar um conjunto de regras para transformar uma entrada em uma sa\u00edda, a IA \u00e9 treinada para “aprender” as regras de uma determinada tarefa \u00e0 medida que avan\u00e7a.<\/p>\n

Os tipos de IA<\/h3>\n

De um modo geral, a IA pode ser dividida em duas categorias b\u00e1sicas<\/a>. A primeira, conhecida como intelig\u00eancia artificial restrita, refere-se \u00e0 capacidade de executar uma tarefa ou conjunto de tarefas estritamente definido. Um sistema de IA estreito pode ser usado para jogar, recomendar produtos com base em padr\u00f5es de dados do cliente ou gerenciar redes el\u00e9tricas<\/a> de acordo com o consumo de energia. Deve-se notar que uma tarefa n\u00e3o precisa ser simples para ser abordada por um sistema de IA estreito. Um programa de intelig\u00eancia artificial usado para controlar um carro aut\u00f4nomo, por exemplo, ainda \u00e9 considerado um exemplo de IA estreita, apesar da natureza relativamente complexa da dire\u00e7\u00e3o.<\/p>\n

O segundo tipo de IA \u00e9 referido como IA geral. Ao contr\u00e1rio de uma IA restrita, um sistema de IA geral seria capaz de lidar com uma variedade de tarefas diferentes e n\u00e3o relacionadas, aprendendo e aplicando a experi\u00eancia anterior. Nesse sentido, uma IA geral seria semelhante a um ser humano. Escusado ser\u00e1 dizer que a IA geral \u00e9 uma aplica\u00e7\u00e3o de intelig\u00eancia artificial muito mais avan\u00e7ada e tecnologicamente exigente do que a IA restrita.<\/p>\n

Uma extens\u00e3o da IA \u200b\u200bgeral \u00e9 o conceito de superintelig\u00eancia artificial<\/a>. Hipoteticamente, um programa de IA projetado para lidar com tarefas gerais e com acesso a recursos de mem\u00f3ria e processamento de dados suficientemente grandes poderia superar os humanos em quase todas as tarefas. Embora intrigante, a superintelig\u00eancia artificial ainda est\u00e1 no reino da fic\u00e7\u00e3o cient\u00edfica.<\/p>\n

Entendendo Machine Learning e Deep Learning<\/h3>\n

Al\u00e9m dos tipos b\u00e1sicos de IA discutidos acima, existem v\u00e1rias abordagens para implementar a intelig\u00eancia artificial. Os dois m\u00e9todos de IA mais importantes s\u00e3o conhecidos como aprendizado de m\u00e1quina (ML) e aprendizado profundo (DL)<\/a>.<\/p>\n

O aprendizado de m\u00e1quina \u00e9 um m\u00e9todo pelo qual os computadores s\u00e3o capazes de “aprender” com os dados fornecidos a eles. Os sistemas de ML treinam algoritmos para identificar adequadamente padr\u00f5es ou outras caracter\u00edsticas de entradas. Com o passar do tempo, o algoritmo ficar\u00e1 progressivamente melhor na execu\u00e7\u00e3o correta da tarefa para a qual est\u00e1 sendo treinado. O ML \u00e9 amplamente utilizado em an\u00e1lises preditivas<\/a>, filtragem de e-mail, detec\u00e7\u00e3o de fraudes online, chatbots de suporte ao cliente e uma s\u00e9rie de outras tarefas \u00fateis. Para que o treinamento funcione, no entanto, os humanos geralmente devem selecionar as propriedades dos dados que o algoritmo est\u00e1 sendo treinado para identificar.<\/p>\n

O aprendizado profundo, uma vers\u00e3o mais avan\u00e7ada do aprendizado de m\u00e1quina, leva esse conceito ao pr\u00f3ximo n\u00edvel. Os programas de aprendizado profundo tentam imitar o funcionamento do c\u00e9rebro humano<\/a> filtrando e classificando automaticamente os dados. Ao contr\u00e1rio do ML normal, um algoritmo DL pode buscar e aprender com padr\u00f5es nos dados, mesmo sem que um humano lhe diga o que procurar. Devido \u00e0 sua capacidade de encontrar padr\u00f5es por conta pr\u00f3pria, os sistemas DL s\u00e3o normalmente usados \u200b\u200bem aplica\u00e7\u00f5es mais avan\u00e7adas, como vis\u00e3o computacional e ve\u00edculos aut\u00f4nomos. Apesar de ser mais avan\u00e7ado e mais poderoso, o aprendizado profundo tem certas limita\u00e7\u00f5es. Como regra, os algoritmos de DL exigem conjuntos de dados de treinamento maiores<\/a> e mais poder de processamento, tornando-os mais caros para desenvolver e treinar do que algoritmos de ML comuns.<\/p>\n

O estado atual da tecnologia de IA<\/h2>\n

Para entender para onde a intelig\u00eancia artificial est\u00e1 indo, primeiro \u00e9 importante saber onde ela est\u00e1 atualmente e como chegou l\u00e1. Para contextualizar, vamos dar uma olhada na hist\u00f3ria da intelig\u00eancia artificial e o status da tecnologia como ela existe hoje.<\/p>\n

Uma breve hist\u00f3ria da IA<\/h3>\n

Embora houvesse precedentes anteriores, o termo “intelig\u00eancia artificial” foi usado pela primeira vez em uma confer\u00eancia acad\u00eamica em 1956<\/a>. Essa confer\u00eancia e seus participantes desencadearam uma onda de interesse no conceito de intelig\u00eancia artificial, mas o progresso no campo se mostrou extremamente lento. Em meados da d\u00e9cada de 1970, a onda inicial de entusiasmo havia praticamente desaparecido, resultando no que veio a ser conhecido como o inverno da IA. Esse per\u00edodo de estagna\u00e7\u00e3o duraria at\u00e9 o in\u00edcio da d\u00e9cada de 1980.<\/p>\n

\u00c0 medida que o poder de computa\u00e7\u00e3o continuou a melhorar, governos e empresas tiveram um interesse renovado na IA. Esse per\u00edodo traria avan\u00e7os consider\u00e1veis \u200b\u200bno campo, incluindo o desenvolvimento do aprendizado profundo precoce<\/a>. Essa tamb\u00e9m foi a era que viu o surgimento de sistemas especialistas, algoritmos de computador projetados para imitar a tomada de decis\u00f5es humanas, verificando as entradas em rela\u00e7\u00e3o a um corpo de conhecimento existente. Embora primitivos para os padr\u00f5es atuais, os sistemas especialistas representavam uma forma inicial de IA que era \u00fatil em aplicativos de neg\u00f3cios do mundo real.<\/p>\n

Na d\u00e9cada de 1990 e in\u00edcio dos anos 2000, a IA come\u00e7ou a se aproximar de seu estado atual.\u00a0Os primeiros chatbots de IA<\/a>, programas de vis\u00e3o computacional e outros aplicativos relativamente comuns hoje foram desenvolvidos durante esse per\u00edodo. Ao mesmo tempo, o poder de computa\u00e7\u00e3o continuou a crescer, permitindo que os algoritmos de IA se tornassem mais \u00fateis e aumentando o uso do aprendizado de m\u00e1quina.<\/p>\n

Onde est\u00e1 a IA hoje?<\/h3>\n

Hoje, os programas de IA de ponta usam predominantemente uma forma de aprendizado de m\u00e1quina conhecida como rede neural artificial (ANN)<\/a>. As RNAs modelam o funcionamento dos neur\u00f4nios no c\u00e9rebro humano, permitindo que as m\u00e1quinas “pensem” mais como humanos. As RNAs permitem que as IAs abordem tarefas mais complexas, tornando-as adequadas para treinar rapidamente algoritmos de aprendizado profundo.<\/p>\n

Em termos de aplicativos, o uso de IA se expandiu muito nos \u00faltimos anos. Hoje, voc\u00ea encontrar\u00e1 programas de IA usados \u200b\u200bpara fazer tudo, desde a curadoria de feeds de m\u00eddia social at\u00e9 a melhoria do rendimento das colheitas na agricultura<\/a>. Embora muita aten\u00e7\u00e3o seja dada ao uso da tecnologia em carros aut\u00f4nomos e drones aut\u00f4nomos, a realidade \u00e9 que os sistemas de IA est\u00e3o praticamente em todos os lugares, e a maioria das pessoas interage com eles de alguma forma no dia-a-dia.<\/p>\n

Apesar de sua prolifera\u00e7\u00e3o e ampla gama de usos, a intelig\u00eancia artificial ainda \u00e9 um campo tecnol\u00f3gico emergente. Aplica\u00e7\u00f5es que s\u00e3o comuns hoje seriam pouco mais do que projetos acad\u00eamicos de 10 ou 20 anos atr\u00e1s. Tamb\u00e9m \u00e9 importante notar que toda a IA moderna \u00e9 categorizada como intelig\u00eancia artificial estreita. Embora possa ser bastante eficiente em certas tarefas, a IA ainda est\u00e1 bem atr\u00e1s dos humanos em termos de intelig\u00eancia geral. Em m\u00e9dia, a maioria dos especialistas acredita que ser\u00e1 pelo menos 2060<\/a> antes que a intelig\u00eancia artificial geral seja alcan\u00e7ada.<\/p>\n

Quais empresas est\u00e3o na lideran\u00e7a da IA \u200b\u200bhoje?<\/h2>\n

Embora haja um grande n\u00famero de pequenas startups tentando alavancar a tecnologia de IA, o campo \u00e9 amplamente dominado por um punhado de empresas grandes e bem-sucedidas com recursos e experi\u00eancia para usar a tecnologia ao m\u00e1ximo. Abaixo, voc\u00ea encontrar\u00e1 um resumo de algumas das empresas l\u00edderes no campo da intelig\u00eancia artificial hoje.<\/p>\n

Google<\/h3>\n

Como de costume no mundo da tecnologia, o Google est\u00e1 na vanguarda do movimento de IA. O Google usa v\u00e1rias formas de IA, especialmente aprendizado profundo, para impulsionar muitos de seus servi\u00e7os voltados para o consumidor.\u00a0Reconhecimento de voz no Google Assistant<\/a>, reconhecimento de imagem e an\u00e1lise autom\u00e1tica de v\u00eddeo s\u00e3o apenas alguns exemplos de como a empresa implementou a tecnologia em n\u00edvel pr\u00e1tico.<\/p>\n

Embora o Google seja certamente um l\u00edder na implementa\u00e7\u00e3o de IA, a contribui\u00e7\u00e3o mais importante da empresa para o campo foi a cria\u00e7\u00e3o de uma biblioteca de aprendizado de m\u00e1quina de c\u00f3digo aberto chamada TensorFlow<\/a>. Ao permitir que qualquer pessoa interessada em IA desenvolva novas ferramentas usando o TensorFlow, o Google democratizou massivamente o campo. Como autor da principal ferramenta de c\u00f3digo aberto usada para desenvolver programas de IA hoje, o Google \u00e9 sem d\u00favida o l\u00edder global no campo da intelig\u00eancia artificial.<\/p>\n

Amazonas<\/h3>\n

Embora o Google certamente lidere em termos de desenvolvimento de IA, a Amazon alavancou a tecnologia para otimizar suas fun\u00e7\u00f5es de neg\u00f3cios e mostrou os resultados pragm\u00e1ticos que a IA pode produzir. Al\u00e9m de seu famoso mecanismo de recomenda\u00e7\u00e3o de produtos com intelig\u00eancia artificial, a Amazon desenvolveu o assistente pessoal Alexa no lado voltado para o cliente de seus neg\u00f3cios. O verdadeiro poder da IA \u200b\u200bna Amazon, no entanto, est\u00e1 nos bastidores, onde o aprendizado de m\u00e1quina permitiu que a empresa melhorasse massivamente suas opera\u00e7\u00f5es de armaz\u00e9m<\/a>. Sistemas semelhantes tamb\u00e9m s\u00e3o usados \u200b\u200bpara otimizar os processos de entrega<\/a> da empresa, garantindo que os in\u00fameros pacotes movimentados pela Amazon diariamente cheguem aos seus destinos o mais r\u00e1pido poss\u00edvel.<\/p>\n

Bitmain<\/h3>\n

Mesmo que n\u00e3o seja t\u00e3o importante quanto o Google ou a Amazon, o produtor de chips de minera\u00e7\u00e3o Bitcoin Bitmain tamb\u00e9m fez algumas contribui\u00e7\u00f5es importantes para o mundo da IA. Em abril de 2020, a empresa revelou que havia desenvolvido com sucesso um software de reconhecimento de imagem de IA destinado a identificar aves raras e amea\u00e7adas de extin\u00e7\u00e3o<\/a> para fins de conserva\u00e7\u00e3o. A Bitmain tamb\u00e9m est\u00e1 usando seu hardware de chip com capacidade de IA para apoiar o desenvolvimento de projetos que variam de cidades inteligentes<\/a> a sistemas aprimorados de reconhecimento facial.<\/p>\n

Tesla<\/h3>\n

Como voc\u00ea pode esperar, a montadora el\u00e9trica Tesla se apoiou na IA como um componente-chave de seus neg\u00f3cios, \u00e0 medida que se esfor\u00e7a para desenvolver ve\u00edculos comerciais totalmente aut\u00f4nomos. De fato, a empresa vem se preparando para seu sistema de dire\u00e7\u00e3o de IA desde o primeiro dia, equipando todos os ve\u00edculos que vende com o hardware necess\u00e1rio para dirigir sozinho<\/a>. \u00c0 medida que novos recursos de dire\u00e7\u00e3o aut\u00f4noma s\u00e3o desenvolvidos, a Tesla pode simplesmente envi\u00e1-los na forma de uma atualiza\u00e7\u00e3o de software.<\/p>\n

Em 2019, a Tesla chegou ao ponto de adquirir a startup de IA DeepScale<\/a> para apoiar o desenvolvimento de seu sistema Autopilot. Essa decis\u00e3o demonstrou o qu\u00e3o importante a empresa acredita que a tecnologia de IA \u00e9 para seu futuro, bem como quanto valor as startups focadas em tecnologia de intelig\u00eancia artificial podem comandar no mercado.<\/p>\n

Al\u00e9m de seu sistema aut\u00f4nomo, a Tesla tamb\u00e9m planeja implantar intelig\u00eancia artificial como parte de seu projeto de usina virtual<\/a>. Este projeto de energia verde, destinado a complementar ou substituir usinas de energia tradicionais por hardware solar dom\u00e9stico, usar\u00e1 an\u00e1lises de IA para prever o uso e a demanda, permitindo que a rede VPP fa\u00e7a ajustes conforme necess\u00e1rio durante as horas de alta demanda.<\/p>\n

Como a IA mudar\u00e1 fundamentalmente o mundo<\/h2>\n

A intelig\u00eancia artificial \u00e9 diferente de qualquer outra ferramenta j\u00e1 desenvolvida pela humanidade. Ao permitir que os computadores aprendam e pensem por conta pr\u00f3pria, os sistemas de IA t\u00eam o potencial de ajudar os trabalhadores humanos at\u00e9 nas tarefas mais complexas. Ao combinar o intelecto humano com uma IA cada vez mais poderosa, a tecnologia est\u00e1 pronta para mudar fundamentalmente quase todas as \u00e1reas da vida moderna. Embora explorar todos os usos da IA \u200b\u200bem um \u00fanico artigo seja imposs\u00edvel, voc\u00ea encontrar\u00e1 algumas das \u00e1reas mais importantes que a intelig\u00eancia artificial est\u00e1 pronta para revolucionar listadas abaixo.<\/p>\n

Sa\u00fade e Medicina<\/h3>\n

A \u00e1rea m\u00e9dica \u00e9 sem d\u00favida uma das \u00e1reas em que a IA pode ter o maior grau de impacto. As aplica\u00e7\u00f5es da IA \u200b\u200bem ambientes m\u00e9dicos come\u00e7am com diagn\u00f3sticos. Ao digitalizar dados m\u00e9dicos em busca de sinais indicadores de doen\u00e7as, os algoritmos de diagn\u00f3stico demonstraram diagnosticar com precis\u00e3o as condi\u00e7\u00f5es mais cedo<\/a> do que os profissionais m\u00e9dicos humanos. Impressionantemente, essa tecnologia pode funcionar mesmo sem a colabora\u00e7\u00e3o de um m\u00e9dico treinado. Em 2018, o FDA aprovou o uso de uma ferramenta de diagn\u00f3stico de IA para detectar retinopatia diab\u00e9tica<\/a> usando varreduras dos olhos de um paciente. Este sistema opera independentemente de um diagnosticador especializado, exigindo apenas um trabalhador menos qualificado para fazer os exames. Tais sistemas poder\u00e3o um dia permitir diagn\u00f3sticos mais r\u00e1pidos e precisos em um ambiente de aten\u00e7\u00e3o prim\u00e1ria.<\/p>\n

O papel da IA \u200b\u200bna medicina n\u00e3o termina com o diagn\u00f3stico, no entanto. A tecnologia tamb\u00e9m pode ser aplicada para tornar o processo de descoberta de medicamentos mais r\u00e1pido e menos dispendioso. Usando bancos de dados de ensaios cl\u00ednicos e trabalhos de pesquisa acad\u00eamica, as IAs podem identificar rapidamente compostos candidatos<\/a> que s\u00e3o conhecidos por interagir com a patologia de uma determinada doen\u00e7a. Ao comparar amostras<\/a> de tecidos de pacientes com e sem uma doen\u00e7a espec\u00edfica, os sistemas de descoberta de medicamentos de IA tamb\u00e9m podem descobrir novas informa\u00e7\u00f5es sobre como essa doen\u00e7a progride no corpo humano. Esses insights podem direcionar recomenda\u00e7\u00f5es de compostos qu\u00edmicos que podem ser eficazes, mesmo que n\u00e3o tenham sido previamente associados \u00e0 condi\u00e7\u00e3o em quest\u00e3o.<\/p>\n

Mesmo na \u00e1rea de cirurgia de alto risco, profissionais de sa\u00fade e pesquisadores est\u00e3o descobrindo pap\u00e9is aprimorados para a intelig\u00eancia artificial. Ao aprender com os planos cir\u00fargicos anteriores, os IAs podem ajudar os cirurgi\u00f5es propondo novos planos cir\u00fargicos<\/a> para casos semelhantes. A integra\u00e7\u00e3o da intelig\u00eancia artificial tamb\u00e9m pode melhorar muito os rob\u00f4s cir\u00fargicos<\/a>, permitindo que eles executem uma gama mais ampla e complexa de tarefas para auxiliar de forma mais eficaz o cirurgi\u00e3o humano supervisor.<\/p>\n

Por fim, a an\u00e1lise preditiva de IA poder\u00e1 um dia identificar poss\u00edveis epidemias e ajudar os especialistas em doen\u00e7as infecciosas a coordenar as respostas. Essa capacidade foi demonstrada no in\u00edcio da pandemia de COVID-19, quando um punhado de programas de IA forneceu alertas antecipados<\/a> de um poss\u00edvel surto de doen\u00e7a respirat\u00f3ria em Wuhan, na China, mais de uma semana antes de a OMS reconhecer oficialmente o in\u00edcio do surto. Com melhorias futuras, esses programas de an\u00e1lise preditiva podem fornecer insights mais r\u00e1pidos e acion\u00e1veis \u200b\u200bsobre amea\u00e7as emergentes \u00e0 sa\u00fade. Sistemas semelhantes tamb\u00e9m podem ser usados \u200b\u200bpara preparar hospitais para lidar com um grande n\u00famero de pacientes, otimizando o uso de recursos<\/a> e permitindo que a equipe do hospital planeje antecipadamente cen\u00e1rios de alta demanda.<\/p>\n

Tomados como um todo, esses usos mostram um papel para a IA no campo m\u00e9dico que se estende desde a pesquisa at\u00e9 o atendimento pr\u00e1tico ao paciente. Qualquer um desses avan\u00e7os tecnol\u00f3gicos seria extremamente \u00fatil por si s\u00f3, mas seu desenvolvimento coletivo revolucionar\u00e1 a capacidade dos profissionais m\u00e9dicos de entender e lidar com doen\u00e7as humanas.<\/p>\n

Neg\u00f3cios e finan\u00e7as<\/h3>\n

Assim como na \u00e1rea da sa\u00fade, a IA est\u00e1 pronta para mudar e otimizar praticamente todas as partes do mundo empresarial moderno. Os impactos da intelig\u00eancia artificial nos neg\u00f3cios come\u00e7am com o fornecimento de insights orientados por dados para a tomada de decis\u00f5es<\/a>. Desde a aloca\u00e7\u00e3o de recursos em campanhas de marketing at\u00e9 a decis\u00e3o de qual candidato contratar para um emprego, a an\u00e1lise de IA pode ajudar as empresas a fazer escolhas melhores e mais lucrativas. Esses sistemas s\u00e3o particularmente adequados \u00e0 natureza cada vez mais digital do local de trabalho, pois as empresas modernas geram imensas quantidades de dados com os quais os algoritmos de IA podem aprender para otimizar as opera\u00e7\u00f5es comerciais.<\/p>\n

A capacidade da intelig\u00eancia artificial de analisar rapidamente o funcionamento de sistemas complexos tamb\u00e9m a torna perfeitamente adequada ao campo da\u00a0 gest\u00e3o da cadeia de suprimentos<\/a>. Nas \u00faltimas d\u00e9cadas, as cadeias de suprimentos globais tornaram-se mais longas e complexas do que nunca. Usando a IA, no entanto, as empresas podem prever a demanda de forma proativa, tornar os armaz\u00e9ns mais eficientes e otimizar as rotas de entrega para garantir que a cadeia de suprimentos funcione da maneira mais suave e r\u00e1pida poss\u00edvel. De acordo com uma pesquisa recente realizada pela McKinsey and Company, 61% das empresas<\/a> esperam ver economias no gerenciamento da cadeia de suprimentos como resultado da integra\u00e7\u00e3o da IA.<\/p>\n

\u00c9 importante notar, no entanto, que a influ\u00eancia da IA \u200b\u200bno setor de neg\u00f3cios n\u00e3o termina com log\u00edstica, planejamento e an\u00e1lise. Nos pr\u00f3ximos anos, a intelig\u00eancia artificial provavelmente ter\u00e1 uma presen\u00e7a t\u00e3o grande no ch\u00e3o de f\u00e1brica quanto nas salas de reuni\u00f5es corporativas. A mesma pesquisa da McKinsey mencionada acima sugeriu que 64% das empresas esperam ver economias em suas opera\u00e7\u00f5es de fabrica\u00e7\u00e3o como resultado da IA. Em grande parte, essas economias ser\u00e3o resultado de sistemas de manuten\u00e7\u00e3o preditiva<\/a> que monitoram o desempenho do equipamento e programam a manuten\u00e7\u00e3o para minimizar o tempo de inatividade. Algoritmos generativos tamb\u00e9m podem ser usados \u200b\u200bpara otimizar projetos de produtos digitais<\/a>, potencialmente detectando falhas de projeto antecipadamente e, assim, reduzindo a dura\u00e7\u00e3o e o custo do processo de prototipagem.<\/p>\n

A IA tamb\u00e9m est\u00e1 pronta para ter um enorme impacto no lado financeiro do mundo dos neg\u00f3cios. O exemplo mais proeminente disso \u00e9 o setor de Fintech, onde a IA j\u00e1 est\u00e1 sendo aproveitada para fornecer servi\u00e7os financeiros acess\u00edveis e acess\u00edveis em larga escala. Do investimento \u00e0s decis\u00f5es de cr\u00e9dito<\/a>, a IA est\u00e1 desempenhando um papel cada vez mais importante na vida financeira. \u00c0 medida que o tempo passa e os algoritmos continuam a melhorar, \u00e9 prov\u00e1vel que a intelig\u00eancia artificial seja usada para otimizar empr\u00e9stimos, gerenciar riscos financeiros e at\u00e9 analisar dados hist\u00f3ricos do mercado de a\u00e7\u00f5es<\/a> para melhorar a aloca\u00e7\u00e3o de recursos em carteiras de investimentos.<\/p>\n

Assim como na \u00e1rea m\u00e9dica, a IA parece destinada a assumir um papel de ponta a ponta no mundo dos neg\u00f3cios. Come\u00e7ando com o design do produto e terminando com a log\u00edstica de entrega, a intelig\u00eancia artificial pode otimizar praticamente todas as etapas do processo de fornecimento de bens e servi\u00e7os aos consumidores. Juntos, esses desenvolvimentos tornar\u00e3o as empresas mais \u00e1geis, mais responsivas \u00e0s mudan\u00e7as nas demandas dos consumidores e mais lucrativas.<\/p>\n

Engenharia<\/h3>\n

Como j\u00e1 mencionamos, a IA pode desempenhar um papel importante na otimiza\u00e7\u00e3o de projetos de produtos. As habilidades da tecnologia no campo da engenharia, no entanto, s\u00e3o muito mais amplas. Uma das fun\u00e7\u00f5es mais importantes para essa tecnologia emergente \u00e9 integrar conjuntos de dados<\/a> de v\u00e1rios projetos de engenharia. Gra\u00e7as \u00e0 sua capacidade de analisar grandes quantidades de dados, a IA pode coletar informa\u00e7\u00f5es \u00fateis de v\u00e1rios projetos na mesma empresa e fornecer essas informa\u00e7\u00f5es aos engenheiros que trabalham em cada projeto. Isso, por sua vez, pode melhorar a coopera\u00e7\u00e3o e a coordena\u00e7\u00e3o entre os engenheiros respons\u00e1veis \u200b\u200bpor cada parte individual de um esfor\u00e7o de projeto maior.<\/p>\n

A IA tamb\u00e9m pode liberar engenheiros para realizar trabalhos de alta alavancagem automatizando tarefas demoradas que normalmente retardam o processo de design. Nesse sentido, os sistemas avan\u00e7ados de IA se incorporar\u00e3o ao fluxo de trabalho de engenharia da mesma maneira que os programas tradicionais de design assistido por computador (CAD) fizeram d\u00e9cadas atr\u00e1s.<\/p>\n

O verdadeiro poder da IA \u200b\u200bdo ponto de vista da engenharia, no entanto, vem da capacidade da tecnologia de ajudar engenheiros e pesquisadores a desenvolver novos materiais para usos especializados. A IA pode apoiar a ci\u00eancia de materiais avan\u00e7ada, modelando novos materiais<\/a> e prevendo suas propriedades. Essa capacidade de prever com precis\u00e3o as propriedades de um novo material permitir\u00e1 que os cientistas de materiais produzam novos materiais mais rapidamente do que os m\u00e9todos de pesquisa convencionais permitem atualmente. Isso, por sua vez, expandir\u00e1 a gama de materiais dispon\u00edveis para os engenheiros para seus projetos.<\/p>\n

Resolvendo problemas sociais<\/h3>\n

Al\u00e9m de seu imenso potencial no setor privado, a IA tamb\u00e9m tem um grande papel a desempenhar na resolu\u00e7\u00e3o de problemas prementes enfrentados pela sociedade moderna. Embora as solu\u00e7\u00f5es para esses problemas tenham escapado de especialistas acad\u00eamicos e governamentais por d\u00e9cadas, a IA pode ser uma ferramenta cr\u00edtica para ajudar a humanidade a enfrentar alguns de seus maiores desafios.<\/p>\n

A primeira e mais importante delas, \u00e9 claro, \u00e9 a mudan\u00e7a clim\u00e1tica. A tecnologia de IA est\u00e1 posicionada de forma \u00fanica para ajudar cientistas e formuladores de pol\u00edticas p\u00fablicas a entender as mudan\u00e7as clim\u00e1ticas, criando modelos mais precisos<\/a> de seus efeitos. Esses modelos tamb\u00e9m podem ser usados \u200b\u200bpara determinar quais a\u00e7\u00f5es e pol\u00edticas t\u00eam maior probabilidade de reduzir os n\u00edveis atmosf\u00e9ricos de di\u00f3xido de carbono, permitindo que os governos intervenham de maneira direcionada e impactante. A tecnologia tamb\u00e9m pode afetar as emiss\u00f5es de carbono diretamente, otimizando o uso de energia<\/a> e impulsionando avan\u00e7os mais r\u00e1pidos na tecnologia de energia verde.<\/p>\n

Em termos de assuntos humanos mais mundanos, a IA tamb\u00e9m pode ser uma ferramenta cr\u00edtica no esfor\u00e7o global em andamento para limitar a corrup\u00e7\u00e3o p\u00fablica<\/a>. Da mesma forma que a an\u00e1lise preditiva pode ser usada para detectar fraudes em transa\u00e7\u00f5es do setor privado, os sistemas de IA podem ser usados \u200b\u200bpara descobrir o uso inadequado de recursos no setor p\u00fablico. Tamb\u00e9m pode ser poss\u00edvel reduzir a chance de atividade corrupta ocorrer em primeiro lugar automatizando sistemas que anteriormente dependiam de humanos. Essa automa\u00e7\u00e3o limitaria as oportunidades de atividade corrupta, eliminando o elemento humano potencialmente n\u00e3o confi\u00e1vel e garantindo que os fundos p\u00fablicos fossem distribu\u00eddos adequadamente.<\/p>\n

Embora seu papel nessa \u00e1rea provavelmente seja menor, a intelig\u00eancia artificial pode apoiar os esfor\u00e7os para aumentar o acesso a moradias populares. Os sistemas de IA que modelam o risco com mais precis\u00e3o<\/a> e podem tomar decis\u00f5es de empr\u00e9stimos de forma aut\u00f4noma reduziriam o custo de iniciar empr\u00e9stimos. Ao usar dados al\u00e9m de uma simples pontua\u00e7\u00e3o de cr\u00e9dito para tomar decis\u00f5es de cr\u00e9dito, os algoritmos tamb\u00e9m podem ajudar as pessoas que n\u00e3o s\u00e3o dignas de cr\u00e9dito no sentido tradicional a financiar compras de im\u00f3veis.<\/p>\n

A promessa da intelig\u00eancia artificial geral<\/h3>\n

Por mais revolucion\u00e1rias que as possibilidades discutidas acima possam parecer, todas elas s\u00e3o realisticamente alcan\u00e7\u00e1veis \u200b\u200bcom intelig\u00eancia artificial estreita. Se a IA geral for alcan\u00e7ada, suas capacidades podem se expandir muito al\u00e9m do que foi discutido at\u00e9 agora. Os futuristas acreditam que uma IA geral poderia alcan\u00e7ar objetivos aparentemente imposs\u00edveis, como acabar com guerras ou erradicar a pobreza humana<\/a>. Alguns pensadores s\u00e3o ainda mais audaciosos, sugerindo que o desenvolvimento da intelig\u00eancia artificial geral pode ser um trampolim para tornar os humanos imortais digitalmente<\/a>, permitindo que a consci\u00eancia humana seja executada em hardware de computador.<\/p>\n

Como tudo isso se soma?<\/h3>\n

Como voc\u00ea pode ver, praticamente n\u00e3o h\u00e1 \u00e1rea da vida cotidiana em que a IA n\u00e3o tenha pelo menos algum efeito \u00e0 medida que a tecnologia melhora e seu uso se torna mais comum. Do trabalho e da sa\u00fade \u00e0 solu\u00e7\u00e3o de alguns dos maiores problemas do mundo, a intelig\u00eancia artificial trabalhar\u00e1 em conjunto com a engenhosidade humana para melhorar quase todos os aspectos de nossas vidas. Como resultado, as pr\u00f3ximas d\u00e9cadas tendem a ser um per\u00edodo de mudan\u00e7as r\u00e1pidas e grandes oportunidades para sociedades, empresas e indiv\u00edduos alavancarem o poder da IA.<\/p>\n

Como a IA pode interagir com outras tecnologias emergentes<\/h2>\n

Por mais claro que seja que a IA \u00e9 uma promessa imensa, mesmo em seu estado atual, seu poder real ser\u00e1 trazido por outros desenvolvimentos tecnol\u00f3gicos de ponta. Nesta se\u00e7\u00e3o, discutiremos a rela\u00e7\u00e3o da IA \u200b\u200bcom a internet das coisas, computa\u00e7\u00e3o qu\u00e2ntica e redes de comunica\u00e7\u00e3o 5G. Embora essas tecnologias sejam revolucion\u00e1rias em seus pr\u00f3prios direitos, elas tamb\u00e9m t\u00eam um papel importante a desempenhar para permitir que a intelig\u00eancia artificial alcance todo o seu potencial.<\/p>\n

Internet das Coisas (Iot)<\/h3>\n

Nos \u00faltimos anos, o n\u00famero de dispositivos conectados \u00e0 Internet aumentou tremendamente. Al\u00e9m de smartphones e computadores, itens do dia a dia, de termostatos a m\u00e1quinas de lavar, ganharam acesso \u00e0 internet. Coletivamente, essa rede mundial de dispositivos \u00e9 conhecida como internet das coisas, ou IoT. No final de 2019, a IoT consistia em cerca de 7,6 bilh\u00f5es de dispositivos em todo o mundo<\/a>.<\/p>\n

Quando combinados com a IA, esses dispositivos IoT podem se tornar muito mais eficientes e \u00fateis do que s\u00e3o atualmente. Os algoritmos de IA podem ser usados \u200b\u200bpara melhorar a efici\u00eancia nas opera\u00e7\u00f5es<\/a> analisando dados de dispositivos IoT no local de trabalho. Da mesma forma, dispositivos conectados no local de trabalho podem interagir com sistemas de IA que podem prever e mitigar riscos antes que eles tenham a chance de causar s\u00e9rias interrup\u00e7\u00f5es nos neg\u00f3cios.<\/p>\n

A IA tamb\u00e9m pode ser implantada para melhorar os pr\u00f3prios dispositivos IoT. Sistemas de IA integrados a drones, rob\u00f4s, carros aut\u00f4nomos e outros dispositivos inteligentes podem permitir que eles funcionem de forma independente e executem tarefas que normalmente exigiriam controle humano. Por meio desses dispositivos, a IA pode realmente interagir com o mundo f\u00edsico, em vez de simplesmente fornecer insights com base em dados digitais.<\/p>\n

Computa\u00e7\u00e3o qu\u00e2ntica<\/h3>\n

A computa\u00e7\u00e3o qu\u00e2ntica \u00e9 talvez a tecnologia que mais promete quando usada em conjunto com a IA. Isso se deve ao imenso poder computacional que permite que esses dispositivos processem dados mais rapidamente do que qualquer computador convencional jamais poderia esperar. Hoje, o computador qu\u00e2ntico mais r\u00e1pido do mundo pode concluir um c\u00e1lculo em cerca de 200 segundos<\/a> que levaria mil\u00eanios de supercomputador convencional para ser executado. Dado que essa tecnologia ainda est\u00e1 em seus est\u00e1gios iniciais, h\u00e1 poucas d\u00favidas de que os pr\u00f3ximos anos trar\u00e3o computadores qu\u00e2nticos ainda mais r\u00e1pidos e poderosos.<\/p>\n

Gra\u00e7as a essa velocidade bastante aprimorada, a computa\u00e7\u00e3o qu\u00e2ntica pode permitir que algoritmos de IA resolvam problemas grandes e complexos<\/a> que atualmente exigiriam recursos de computador proibitivos. Com essa tecnologia, a IA pode ser aplicada at\u00e9 mesmo nos desafios mais complicados.<\/p>\n

Al\u00e9m de simplesmente resolver problemas espec\u00edficos, um sistema de IA alimentado por um computador qu\u00e2ntico tamb\u00e9m pode encontrar padr\u00f5es n\u00e3o descobertos<\/a> at\u00e9 mesmo nos maiores conjuntos de dados. Esses padr\u00f5es poderiam ent\u00e3o ser usados \u200b\u200bpara obter insights \u00fateis que n\u00e3o seriam imediatamente aparentes para um ser humano, expandindo a gama potencial de solu\u00e7\u00f5es geradas pela IA.<\/p>\n

Comunica\u00e7\u00f5es 5G<\/h3>\n

Para liberar totalmente o potencial da intelig\u00eancia artificial trabalhando em conjunto com dispositivos IoT, grandes quantidades de dados devem ser transferidas rapidamente. \u00c9 aqui que as redes 5G entram em cena. Com taxas de transfer\u00eancia de at\u00e9 10 gigabits por segundo<\/a>, a tecnologia 5G pode lidar com as imensas quantidades de dados que os dispositivos IoT em breve fornecer\u00e3o aos algoritmos de IA.<\/p>\n

Curiosamente, espera-se que essa rela\u00e7\u00e3o funcione nos dois sentidos. Embora as redes 5G ofere\u00e7am suporte \u00e0 IA, permitindo o livre fluxo de dados, \u00e9 muito prov\u00e1vel que essas redes sejam gerenciadas por sistemas de IA<\/a>. Usando an\u00e1lises preditivas alimentadas por IA, as empresas de telecomunica\u00e7\u00f5es podem prever picos de tr\u00e1fego e alocar recursos de acordo. Este \u00e9 apenas um exemplo de como a IA pode formar rela\u00e7\u00f5es simbi\u00f3ticas com outras tecnologias \u00e0 medida que se desenvolvem juntas.<\/p>\n

As desvantagens da tecnologia de intelig\u00eancia artificial<\/h2>\n

Apesar de todas as suas promessas, a tecnologia de IA ainda tem algumas desvantagens. Embora as cr\u00edticas \u00e0 tecnologia sejam amplas, dois dos problemas mais comuns levantados sobre o uso generalizado da IA \u200b\u200bs\u00e3o seu potencial para automatizar trabalhos tradicionalmente seguros e um fen\u00f4meno conhecido como problema da caixa preta.<\/p>\n

As consequ\u00eancias econ\u00f4micas n\u00e3o intencionais da IA<\/h3>\n

Desde que a IA se tornou uma realidade, os cr\u00edticos argumentaram que ela substituir\u00e1 os humanos e causar\u00e1 perdas maci\u00e7as de empregos. Embora o efeito da IA \u200b\u200bno emprego seja provavelmente exagerado, h\u00e1 alguma verdade na ideia de que a tecnologia pode atrapalhar o mercado de trabalho e deslocar temporariamente os trabalhadores em certas fun\u00e7\u00f5es.<\/p>\n

Para entender o impacto total desses deslocamentos, primeiro \u00e9 importante observar o qu\u00e3o ampla a automa\u00e7\u00e3o de IA pode ser. Tradicionalmente, a automa\u00e7\u00e3o teve seu maior impacto no setor de manufatura, onde permitiu que os trabalhadores passassem menos tempo em tarefas simples e repetitivas. A IA, por outro lado, tem o potencial de automatizar tarefas que antes exigiam o pensamento humano. Profissionais de sa\u00fade, direito e engenharia<\/a> est\u00e3o entre aqueles cujos empregos provavelmente ser\u00e3o expostos \u00e0 pr\u00f3xima onda de mudan\u00e7as tecnol\u00f3gicas no local de trabalho.<\/p>\n

Embora haja amplo consenso de que muitos empregos enfrentar\u00e3o algum grau de automa\u00e7\u00e3o como resultado da IA \u200b\u200bem um futuro pr\u00f3ximo, as estimativas do n\u00famero de empregos que ser\u00e3o perdidos variam muito. Estimativas extremas sugerem que at\u00e9 30%<\/a> da for\u00e7a de trabalho global atual poder\u00e1 ser deslocada por mudan\u00e7as tecnol\u00f3gicas at\u00e9 2030. Outras proje\u00e7\u00f5es, no entanto, s\u00e3o muito mais moderadas.<\/p>\n

O problema da caixa preta<\/h3>\n

Um dos desafios mais espinhosos da IA \u200b\u200b\u00e9 o chamado problema da caixa preta<\/a>. Esse fen\u00f4meno ocorre quando a IA avan\u00e7ada, como um sistema de aprendizado profundo, \u00e9 aplicada a problemas complexos. Muitas vezes, o algoritmo atuar\u00e1 como uma “caixa preta”, recebendo entradas e gerando sa\u00eddas para resolver problemas de uma maneira que nem mesmo designers humanos de IA conseguem entender completamente. Em outras palavras, mesmo os humanos respons\u00e1veis \u200b\u200bpela cria\u00e7\u00e3o de sistemas de IA \u00e0s vezes s\u00e3o incapazes de explicar como ou por que chegam \u00e0s conclus\u00f5es que chegam.<\/p>\n

O problema da caixa preta apresenta diversos problemas para a implementa\u00e7\u00e3o de intelig\u00eancia artificial cada vez mais avan\u00e7ada. Sem uma compreens\u00e3o adequada de como uma IA resolve o problema que recebeu, \u00e9 muito menos prov\u00e1vel que os humanos confiem na resposta que o sistema fornece. Em alguns casos, os sistemas de IA produzem resultados sem sentido devido \u00e0 falta de insumos relevantes. Gra\u00e7as ao problema da caixa preta, esses resultados podem parecer indistingu\u00edveis das respostas corretas, pois n\u00e3o h\u00e1 uma boa maneira de dizer como o sistema chegou \u00e0 sua conclus\u00e3o. Como resultado, o problema da caixa preta tem profundas implica\u00e7\u00f5es para a precis\u00e3o dos sistemas de IA e a confian\u00e7a humana neles.<\/p>\n

Em alguns casos, \u00e9 claro, resultados imprecisos ou falta de confian\u00e7a humana s\u00e3o pequenos problemas. Um chatbot com intelig\u00eancia artificial que n\u00e3o fornece uma resposta relevante a uma pergunta do cliente, por exemplo, \u00e9 inconveniente, mas relativamente inofensivo. Em tarefas mais importantes<\/a>, por\u00e9m, os humanos devem ter um alto n\u00edvel de confian\u00e7a antes que a tecnologia de IA possa realizar todo o seu potencial. Um consumidor que acredita que um carro aut\u00f4nomo provavelmente cometer\u00e1 um erro e causar\u00e1 um acidente de tr\u00e2nsito, por exemplo, provavelmente n\u00e3o escolher\u00e1 comprar aquele carro. Essa falta de confian\u00e7a humana pode atrasar substancialmente a ado\u00e7\u00e3o e o desenvolvimento da intelig\u00eancia artificial.<\/p>\n

Esse problema pode at\u00e9 resultar em m\u00e1quinas desenvolvendo vieses que t\u00eam efeitos no mundo real. Os sistemas de IA usados \u200b\u200bpara avaliar os n\u00edveis de risco no sistema legal, por exemplo, exibiram vi\u00e9s racial<\/a> ao rotular membros de grupos minorit\u00e1rios como sendo mais propensos a cometer crimes no futuro. Embora se saiba que os algoritmos de IA chegam a essas decis\u00f5es com base nas entradas de dados com as quais s\u00e3o treinados e dados para avalia\u00e7\u00e3o, o problema da caixa preta dificulta a remo\u00e7\u00e3o desse vi\u00e9s do sistema.<\/p>\n

A IA pode superar esses desafios?<\/h3>\n

No geral, os benef\u00edcios da IA \u200b\u200bfazem com que valha a pena conceber solu\u00e7\u00f5es para os problemas que ela apresenta. Felizmente, esses desafios n\u00e3o s\u00e3o t\u00e3o intranspon\u00edveis quanto parecem na superf\u00edcie. No caso do problema da caixa preta, uma maior transpar\u00eancia<\/a> em rela\u00e7\u00e3o ao funcionamento interno dos algoritmos \u00e9 uma base prov\u00e1vel para uma solu\u00e7\u00e3o. Ao permitir que os humanos discernam mais facilmente como um sistema de IA chegou a uma determinada conclus\u00e3o, os sistemas transparentes podem resolver ou pelo menos mitigar substancialmente o problema da caixa preta.<\/p>\n

Quanto \u00e0s convuls\u00f5es econ\u00f4micas causadas pela automa\u00e7\u00e3o da IA, \u00e9 importante ter em mente que novos empregos ser\u00e3o criados \u00e0 medida que os antigos se tornarem obsoletos. Esse conceito, conhecido formalmente na economia como destrui\u00e7\u00e3o criativa<\/a>, se manteve em outros per\u00edodos de mudan\u00e7as tecnol\u00f3gicas maci\u00e7as. De fato, existem algumas estimativas que sugerem que a IA ser\u00e1 uma criadora l\u00edquida de empregos. Um relat\u00f3rio do F\u00f3rum Econ\u00f4mico Mundial de 2018 descobriu que a tecnologia de IA criaria 133 milh\u00f5es de empregos<\/a>at\u00e9 2022 e deslocar apenas 75 milh\u00f5es de trabalhadores existentes. Supondo que essas proje\u00e7\u00f5es estejam corretas, o efeito l\u00edquido da automa\u00e7\u00e3o da IA \u200b\u200bseria um ganho de cerca de 58 milh\u00f5es de empregos. Se o treinamento profissional for disponibilizado para ajudar os trabalhadores deslocados a encontrar novos pap\u00e9is na economia moderna, a intelig\u00eancia artificial poder\u00e1 desbloquear novos empregos com melhores sal\u00e1rios para milh\u00f5es de pessoas em todo o mundo.<\/p>\n

O futuro da IA<\/h2>\n

Como voc\u00ea pode ver, as oportunidades associadas \u00e0 intelig\u00eancia artificial nos pr\u00f3ximos anos s\u00e3o enormes. Essa tecnologia tem o poder de transformar ind\u00fastrias, criar novas formas de trabalhar e at\u00e9 resolver alguns dos maiores problemas enfrentados pela nossa sociedade. Embora ningu\u00e9m possa prever com precis\u00e3o todos os usos que a IA ter\u00e1 daqui a meses ou anos, \u00e9 extremamente claro que a IA ser\u00e1 uma das for\u00e7as motrizes da economia global no futuro pr\u00f3ximo.<\/p>\n

Fonte de grava\u00e7\u00e3o: datarecovery.com<\/a><\/div><\/p>\n","protected":false},"excerpt":{"rendered":"

Nos \u00faltimos anos, a intelig\u00eancia artificial tornou-se uma parte cada vez maior da vida cotidiana. Antes apenas mat\u00e9ria-prima para livros de fic\u00e7\u00e3o cient\u00edfica, a IA agora \u00e9 usada em setores que v\u00e3o do marketing \u00e0 sa\u00fade. At\u00e9 2025, espera-se que o mercado global de software de IA cres\u00e7a para US$ 126 bilh\u00f5es. Embora a IA seja bastante [\u2026]<\/p>\n","protected":false},"author":1,"featured_media":160697,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_wp_rev_ctl_limit":""},"categories":[3044],"tags":[3061],"class_list":["post-161251","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-diversos","tag-affiai-pt-pt"],"_links":{"self":[{"href":"https:\/\/howto.mediadoma.com\/pt-pt\/wp-json\/wp\/v2\/posts\/161251","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/howto.mediadoma.com\/pt-pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/howto.mediadoma.com\/pt-pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/howto.mediadoma.com\/pt-pt\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/howto.mediadoma.com\/pt-pt\/wp-json\/wp\/v2\/comments?post=161251"}],"version-history":[{"count":1,"href":"https:\/\/howto.mediadoma.com\/pt-pt\/wp-json\/wp\/v2\/posts\/161251\/revisions"}],"predecessor-version":[{"id":309399,"href":"https:\/\/howto.mediadoma.com\/pt-pt\/wp-json\/wp\/v2\/posts\/161251\/revisions\/309399"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/howto.mediadoma.com\/pt-pt\/wp-json\/wp\/v2\/media\/160697"}],"wp:attachment":[{"href":"https:\/\/howto.mediadoma.com\/pt-pt\/wp-json\/wp\/v2\/media?parent=161251"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/howto.mediadoma.com\/pt-pt\/wp-json\/wp\/v2\/categories?post=161251"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/howto.mediadoma.com\/pt-pt\/wp-json\/wp\/v2\/tags?post=161251"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}