1
00:00:03,913 --> 00:00:06,890
Alguns anos atrás, uma pessoa 
de quem gosto muito

2
00:00:06,890 --> 00:00:10,143
tinha um problema que a atormentava
e estava inconsolável.

3
00:00:11,618 --> 00:00:13,157
Apesar de minhas objeções,

4
00:00:13,157 --> 00:00:15,884
ela foi ver um bruxo
para que lesse seu futuro.

5
00:00:16,818 --> 00:00:18,253
Por que fazemos isso?

6
00:00:18,988 --> 00:00:21,654
Porque vivemos em um mundo
incerto e complexo,

7
00:00:22,228 --> 00:00:24,012
e o futuro nos preocupa.

8
00:00:24,286 --> 00:00:26,702
Mas se fosse tão fácil prevê-lo,

9
00:00:26,702 --> 00:00:30,123
com certeza leríamos manchetes como esta
com mais frequência no jornal.

10
00:00:33,319 --> 00:00:36,977
A verdade é que, como disse
um lendário treinador de esportes:

11
00:00:36,977 --> 00:00:39,187
"Fazer previsões é muito difícil,

12
00:00:40,257 --> 00:00:42,368
especialmente sobre o futuro".

13
00:00:45,574 --> 00:00:48,144
Acrescentaria que, na verdade,
fazer previsões é fácil,

14
00:00:48,144 --> 00:00:50,229
o difícil é acertar.

15
00:00:52,782 --> 00:00:55,725
(Aplausos)

16
00:00:58,084 --> 00:00:59,773
Por que estou aqui hoje?

17
00:01:00,937 --> 00:01:02,592
Não sei ler tarô,

18
00:01:02,777 --> 00:01:06,586
não tenho um 0800 que podem ligar
para saber quando encontrarão seu amor,

19
00:01:07,461 --> 00:01:09,942
mas me dedico a prever o futuro.

20
00:01:10,411 --> 00:01:12,036
Bem, nem tanto.

21
00:01:12,103 --> 00:01:15,326
Desenvolvo algoritmos que fazem previsões.

22
00:01:16,593 --> 00:01:20,299
Como um nerd como eu foi se meter
com esse tipo de problema?

23
00:01:21,153 --> 00:01:25,408
Sou engenheiro com doutorado
em inteligência artificial.

24
00:01:26,787 --> 00:01:30,388
Sempre me fascinou como o cérebro
consegue resolver facilmente

25
00:01:30,388 --> 00:01:32,964
problemas que são impossíveis
para os computadores.

26
00:01:33,866 --> 00:01:37,254
Temos que programar os computadores,
mas o cérebro aprende.

27
00:01:38,228 --> 00:01:42,496
Por isso me dediquei a como fazer
os computadores aprenderem sozinhos

28
00:01:42,505 --> 00:01:45,216
com base em sua experiência 
e em muitos dados.

29
00:01:47,293 --> 00:01:50,510
Vivemos em um mundo onde
os trabalhos são superespecializados,

30
00:01:50,510 --> 00:01:54,322
mas a tecnologia pode ser aplicada
a quase todos os aspectos de nossas vidas.

31
00:01:54,774 --> 00:01:57,777
Tive a sorte de trabalhar em muitos 
problemas com meus colegas.

32
00:01:58,544 --> 00:02:01,875
Por exemplo, ajudando médicos
com as arritmias dos pacientes,

33
00:02:02,798 --> 00:02:06,380
colaborando com agrônomos para melhorar
o rendimento de suas colheitas,

34
00:02:06,869 --> 00:02:09,739
e projetando algoritmos que fazem
transações automaticamente,

35
00:02:09,751 --> 00:02:11,347
sem supervisão humana,

36
00:02:11,347 --> 00:02:13,827
prevendo movimentos 
em mercados financeiros

37
00:02:13,882 --> 00:02:16,822
como Nova Iorque, Londres ou Tóquio.

38
00:02:17,356 --> 00:02:19,710
Uma coisa que aprendi 
durante todos esses anos

39
00:02:19,710 --> 00:02:23,438
é que os dados têm um poder
quase especial para descrever o mundo.

40
00:02:24,189 --> 00:02:27,337
Mas para entender isso, 
voltemos ao início.

41
00:02:28,253 --> 00:02:30,908
Por que é tão difícil fazer previsões?

42
00:02:31,797 --> 00:02:34,001
Algumas previsões são
mais simples que outras.

43
00:02:34,632 --> 00:02:37,346
Durante milênios, os eclipses solares

44
00:02:37,346 --> 00:02:40,268
maravilharam e assustaram
todas as civilizações.

45
00:02:40,927 --> 00:02:43,857
Os feiticeiros e adivinhos
tentavam desesperadamente

46
00:02:43,857 --> 00:02:46,949
interpretar as intenções dos deuses
todas as vezes que ocorriam.

47
00:02:49,256 --> 00:02:52,070
Em 1715, Edmund Halley,

48
00:02:52,070 --> 00:02:55,230
que talvez se lembrem por causa
do cometa famoso de mesmo nome,

49
00:02:55,230 --> 00:02:58,378
usou as equações de Newton
para prever, não somente quando,

50
00:02:58,379 --> 00:03:01,187
mas também onde aconteceria
o próximo eclipse.

51
00:03:01,678 --> 00:03:04,822
Hoje em dia ninguém pensa que haja
algo sobrenatural nos eclipses.

52
00:03:05,453 --> 00:03:08,804
Infelizmente, a sociedade
é um sistema tão complexo

53
00:03:08,804 --> 00:03:12,095
que não pode ser explicado por equações
simples como se faz na física.

54
00:03:12,095 --> 00:03:13,163
"Simples."

55
00:03:13,693 --> 00:03:16,775
Mas existe algo que pode explicar
o comportamento humano

56
00:03:16,775 --> 00:03:18,622
mesmo quando as equações falham:

57
00:03:19,554 --> 00:03:20,556
os dados.

58
00:03:20,895 --> 00:03:24,298
Por que só agora nos damos conta
de que os dados são tão poderosos?

59
00:03:25,056 --> 00:03:27,062
Porque estamos numa tempestade perfeita.

60
00:03:28,172 --> 00:03:32,296
Por um lado, há um crescimento 
exponencial da quantidade de dados.

61
00:03:32,865 --> 00:03:35,911
Imaginem que este gráfico representa

62
00:03:35,911 --> 00:03:38,076
a totalidade dos dados gerados
pela humanidade

63
00:03:38,076 --> 00:03:39,757
desde o começo da civilização.

64
00:03:40,676 --> 00:03:45,369
A IBM estima que esta é a fração
gerada somente nos últimos 700 dias.

65
00:03:46,257 --> 00:03:48,879
Não a verde; a azul.

66
00:03:50,678 --> 00:03:52,277
Por outro lado, por sorte,

67
00:03:52,277 --> 00:03:55,733
nossa capacidade de processar estes dados
também cresce exponencialmente.

68
00:03:55,924 --> 00:03:59,347
O telefone que carrego em meu bolso
é mais de 50 vezes mais rápido

69
00:03:59,347 --> 00:04:02,859
que o modelo original,
lançado somente sete anos atrás.

70
00:04:03,819 --> 00:04:06,008
Para que tenham uma ideia 
da velocidade disso,

71
00:04:06,008 --> 00:04:09,988
se os carros tivessem avançado
tanto no últimos sete anos,

72
00:04:10,510 --> 00:04:14,718
hoje poderíamos dar uma volta ao mundo 
de carro em umas cinco horas.

73
00:04:14,730 --> 00:04:16,801
E isso sem ter de encher o tanque.

74
00:04:18,479 --> 00:04:20,427
Hoje em dia tudo é dado.

75
00:04:20,427 --> 00:04:22,169
Um tuíte é um dado.

76
00:04:22,169 --> 00:04:24,468
Um "like" no Facebook é um dado.

77
00:04:25,130 --> 00:04:28,024
Seu celular se localiza no GPS: um dado.

78
00:04:28,024 --> 00:04:30,809
Escolher um filme para ver 
no Netflix: outro dado.

79
00:04:32,112 --> 00:04:35,492
Esta avalanche de dados não significa
que tenhamos mais conhecimento.

80
00:04:36,679 --> 00:04:38,155
Assim como o petróleo,

81
00:04:38,155 --> 00:04:40,750
os dados que extraímos são crus,

82
00:04:40,750 --> 00:04:43,914
e só depois de refinados 
através de algoritmos

83
00:04:43,914 --> 00:04:45,962
se convertem em algo realmente valioso.

84
00:04:47,809 --> 00:04:50,321
Vejamos um exemplo simples disso.

85
00:04:50,663 --> 00:04:54,230
Como o telefone prevê a próxima
palavra que você vai escrever.

86
00:04:55,956 --> 00:04:57,489
Se quero escrever:

87
00:04:58,469 --> 00:05:02,963
"O futuro é incerto"...

88
00:05:05,288 --> 00:05:07,173
Deveria ter aparecido aí, desculpe.

89
00:05:08,102 --> 00:05:11,175
O celular antecipa minhas palavras.

90
00:05:13,806 --> 00:05:17,105
Obviamente o celular não sabe
que estamos falando de TED...

91
00:05:17,717 --> 00:05:19,181
do futuro no TED.

92
00:05:20,809 --> 00:05:22,515
Nem lê minha mente.

93
00:05:22,515 --> 00:05:25,401
Simplesmente, quando o projetaram,
usaram muitos dados.

94
00:05:28,976 --> 00:05:33,269
Quando alguém tem uma quantidade enorme,
milhões de documentos em castelhano,

95
00:05:34,833 --> 00:05:37,574
antecipar qual é a próxima palavra
que você vai escrever

96
00:05:38,682 --> 00:05:39,859
não é tão difícil.

97
00:05:40,239 --> 00:05:43,527
Pode-se ver que depois 
de escrever "o futuro é",

98
00:05:44,032 --> 00:05:47,161
as pessoas continuam com palavras
como "incerto" ou "nosso".

99
00:05:47,161 --> 00:05:50,846
O telefone simplesmente faz isso
para todas as combinações de palavras.

100
00:05:51,910 --> 00:05:57,084
Além disso, à medida que o usamos,
ele aprende nosso estilo de escrever.

101
00:05:58,744 --> 00:06:02,291
Posso usar este princípio simples
para coisas muito mais interessantes.

102
00:06:02,944 --> 00:06:06,892
A Amazon, a gigante de vendas online,
faz algo similar para prever

103
00:06:06,892 --> 00:06:09,655
quais produtos vão nos agradar
e quais não vão.

104
00:06:11,425 --> 00:06:14,415
Se temos muitos dados sobre
centenas de milhões de clientes,

105
00:06:14,415 --> 00:06:15,769
como tem a Amazon,

106
00:06:15,773 --> 00:06:18,605
prever qual é o próximo
produto que vamos comprar

107
00:06:19,100 --> 00:06:22,284
não é tão diferente de prever
a próxima palavra que vamos escrever.

108
00:06:23,107 --> 00:06:27,104
E mais, a Amazon tem tanta certeza
das suas previsões sobre nossos gostos,

109
00:06:27,104 --> 00:06:29,162
que recentemente patenteou um sistema

110
00:06:29,162 --> 00:06:34,137
no qual, antes que façamos uma compra,
ele envia o produto à nossa casa.

111
00:06:34,638 --> 00:06:35,914
(Risos)

112
00:06:35,914 --> 00:06:38,658
Se recebemos e dizemos
que não queríamos comprar,

113
00:06:38,835 --> 00:06:41,238
a compra pode até sair de graça.

114
00:06:41,834 --> 00:06:43,848
Já sei o que estão pensando.

115
00:06:44,428 --> 00:06:46,487
A Amazon não vai lançar esse serviço aqui.

116
00:06:46,567 --> 00:06:48,287
(Risos)

117
00:06:48,560 --> 00:06:51,849
De repente percebemos que há
muitos problemas parecidos com esse.

118
00:06:53,843 --> 00:06:56,137
Pode ser que não haja
uma fórmula para o amor,

119
00:06:56,137 --> 00:06:57,507
mas existem dados.

120
00:06:58,247 --> 00:07:00,534
As empresas de encontros online

121
00:07:00,534 --> 00:07:03,078
estão usando algoritmos
para melhorar suas previsões

122
00:07:03,078 --> 00:07:04,831
sobre onde encontrar o amor.

123
00:07:05,973 --> 00:07:08,274
Explorando os dados 
de milhões de usuários,

124
00:07:08,599 --> 00:07:12,328
um desses sites encontrou relações 
verdadeiramente surpreendentes.

125
00:07:12,654 --> 00:07:14,661
Por exemplo, vou extrair um dado.

126
00:07:16,089 --> 00:07:18,168
Se você for um homem heterossexual

127
00:07:18,168 --> 00:07:21,419
e estiver procurando ter relações
no primeiro encontro,

128
00:07:22,260 --> 00:07:25,418
sabem qual é a melhor pergunta
que podem fazer a ela?

129
00:07:27,272 --> 00:07:29,995
É: "Você gosta de cerveja?"

130
00:07:30,350 --> 00:07:33,272
Se a resposta for "Sim",
há 60% mais de chance

131
00:07:33,272 --> 00:07:36,412
de que ela não veja problemas
em ter relações no primeiro encontro.

132
00:07:36,412 --> 00:07:38,171
(Risos)

133
00:07:38,971 --> 00:07:42,849
Se você for mulher e quiser ter
relações sexuais no primeiro encontro

134
00:07:42,849 --> 00:07:44,910
pode fazer a mesma
pergunta porque funciona.

135
00:07:44,910 --> 00:07:46,575
Na verdade, não importa a pergunta,

136
00:07:46,575 --> 00:07:49,992
a maioria dos homens vão querer
ter relações no primeiro encontro.

137
00:07:49,992 --> 00:07:52,982
(Aplausos)

138
00:07:58,772 --> 00:08:00,843
Essa não é a única relação interessante.

139
00:08:01,448 --> 00:08:02,972
Outra que chama a atenção é:

140
00:08:02,972 --> 00:08:05,216
qual é a idade mais atraente 
para uma pessoa?

141
00:08:05,950 --> 00:08:08,914
Se você for uma mulher de uns 20 anos,

142
00:08:08,914 --> 00:08:14,883
em média, os homens mais atraentes
para você têm uns 22 anos.

143
00:08:15,984 --> 00:08:17,178
Para uma mulher de 30,

144
00:08:17,178 --> 00:08:20,263
em média, os homens mais atraentes
têm a mesma idade que ela.

145
00:08:20,571 --> 00:08:22,134
Para uma mulher de 50,

146
00:08:23,059 --> 00:08:25,904
os homens mais atraentes
têm, em média, 46.

147
00:08:26,775 --> 00:08:29,498
Para os homens, as coisas
começam bem parecidas.

148
00:08:29,835 --> 00:08:31,125
Para um homem de 20 anos,

149
00:08:31,125 --> 00:08:34,712
em média, as mulheres 
mais atraentes têm 20 anos.

150
00:08:35,773 --> 00:08:39,734
Para um homem de 30, as mulheres
mais atraentes têm 20 anos.

151
00:08:40,469 --> 00:08:44,090
Para um homem de 40, 
as mais atraentes têm 20 anos.

152
00:08:44,282 --> 00:08:47,264
(Aplausos)

153
00:08:50,729 --> 00:08:52,094
E para os de 50,

154
00:08:52,094 --> 00:08:54,916
em média, as mais atraentes têm 22.

155
00:08:55,114 --> 00:08:56,404
(Risos)

156
00:08:56,668 --> 00:08:59,906
Além destas estatísticas curiosas,

157
00:08:59,906 --> 00:09:02,966
os algoritmos estão aprendendo
algo importante com nossos dados.

158
00:09:03,745 --> 00:09:07,306
Um estudo publicado recentemente
mostrou que nos EUA,

159
00:09:07,306 --> 00:09:10,863
um terço dos casamentos 
recentes começaram na web.

160
00:09:11,878 --> 00:09:15,252
E tanto a taxa de divórcios
como a insatisfação dos casais

161
00:09:15,252 --> 00:09:17,783
são menores nos casais
que se conheceram na web

162
00:09:17,783 --> 00:09:19,982
do que nos que se conheceram
de outras formas.

163
00:09:22,425 --> 00:09:24,621
Encontrar sua outra metade não é simples,

164
00:09:24,621 --> 00:09:27,059
e nem sempre é a pessoa que você esperava.

165
00:09:27,369 --> 00:09:29,200
O melhor exemplo disso

166
00:09:29,749 --> 00:09:33,596
é o asmático e a fumante 
que se conheceram através do match.com.

167
00:09:34,393 --> 00:09:38,073
Parecia que não tinham nada 
em comum, no entanto, vão se casar.

168
00:09:38,750 --> 00:09:41,308
Quem teria previsto 
que seriam um bom casal?

169
00:09:41,890 --> 00:09:43,260
Um algoritmo.

170
00:09:44,736 --> 00:09:46,566
(Risos)

171
00:09:48,402 --> 00:09:50,102
Provavelmente como muitos de vocês,

172
00:09:50,102 --> 00:09:51,476
eu também não ouço rádio.

173
00:09:51,886 --> 00:09:52,885
Por quê?

174
00:09:52,885 --> 00:09:56,354
Porque não há nenhuma estação de rádio
que só toque músicas que eu gosto.

175
00:09:56,713 --> 00:09:59,484
O que escuto são serviços 
online como o Spotify,

176
00:10:00,085 --> 00:10:03,665
que usam algoritmos para prever
se uma música vai me agradar ou não.

177
00:10:04,974 --> 00:10:07,254
Desta forma montam
um programa personalizado,

178
00:10:08,907 --> 00:10:11,384
que toca somente músicas que gosto.

179
00:10:12,015 --> 00:10:14,095
Pode ser que cada um de nós seja único,

180
00:10:14,095 --> 00:10:16,302
mas existem bilhões de pessoas neste mundo

181
00:10:16,302 --> 00:10:18,967
e muitas têm gostos parecidos aos nossos.

182
00:10:20,601 --> 00:10:23,043
Com dados suficientes posso aprender

183
00:10:23,095 --> 00:10:26,475
se uma música vai agradar ou não 
antes que alguém a ouça.

184
00:10:29,308 --> 00:10:33,017
Sabem o que é igual a uma estação de rádio
que toca músicas que não gostamos?

185
00:10:34,038 --> 00:10:35,386
A educação.

186
00:10:36,365 --> 00:10:39,888
Os planos de estudo, 
assim como as estações de rádio,

187
00:10:39,888 --> 00:10:42,684
assumem que todos temos
os mesmos interesses e habilidades.

188
00:10:44,011 --> 00:10:46,443
Uma escola em Nova Iorque
está usando algoritmos

189
00:10:46,443 --> 00:10:50,244
para prever se uma aula será
fácil ou difícil para um estudante.

190
00:10:50,764 --> 00:10:53,286
Desta forma, se monta
um programa personalizado,

191
00:10:53,797 --> 00:10:57,200
um currículo adaptado
às necessidades de cada criança.

192
00:10:58,109 --> 00:11:01,550
Isso resultou, por exemplo,
em aumentos de até 50%

193
00:11:01,560 --> 00:11:05,840
nos resultados de matemática
comparado às médias nacionais.

194
00:11:07,575 --> 00:11:11,341
No Uruguai damos um notebook
a cada criança através do programa Ceibal.

195
00:11:11,969 --> 00:11:14,931
O que vamos fazer com todos
esses dados que estamos gerando?

196
00:11:16,526 --> 00:11:20,561
De repente nos damos conta 
de que num futuro próximo

197
00:11:20,561 --> 00:11:23,728
isso vai se estender a quase
todos os aspectos de nossas vidas,

198
00:11:23,945 --> 00:11:26,350
levando inteligência e personalização

199
00:11:26,350 --> 00:11:28,442
a um nível muito difícil 
de imaginar agora.

200
00:11:30,630 --> 00:11:34,269
Nossos assistentes eletrônicos
vão nos conhecer intimamente.

201
00:11:34,465 --> 00:11:36,951
Vão saber nossos gostos e onde estamos,

202
00:11:37,045 --> 00:11:40,923
e vão nos fazer recomendações de quais
livros ler ou quais lugares visitar.

203
00:11:41,546 --> 00:11:45,666
Vão antecipar nossas necessidades
e aumentar nossa produtividade

204
00:11:45,685 --> 00:11:49,332
a tal ponto, que vamos nos perguntar
como vivíamos antes sem eles.

205
00:11:49,491 --> 00:11:51,604
Da mesma forma que hoje nos perguntamos

206
00:11:51,604 --> 00:11:54,143
como podíamos viver sem nossos celulares.

207
00:11:54,469 --> 00:11:58,440
Claro que para fazer tudo isso,
os algoritmos precisam de muitos dados.

208
00:11:58,815 --> 00:12:02,282
Por isso todas as grandes empresas
como Google ou Facebook

209
00:12:02,495 --> 00:12:04,990
coletam todos os dados 
que podem sobre vocês.

210
00:12:06,146 --> 00:12:09,194
O Facebook, por exemplo, 
conhece vocês tão bem

211
00:12:09,194 --> 00:12:13,088
que um estudo publicado recentemente
pela Academia de Ciências dos EUA

212
00:12:13,314 --> 00:12:16,204
mostrou que depois 
de clicar em dez "likes",

213
00:12:17,224 --> 00:12:20,732
um algoritmo pode prever
aspectos da sua personalidade

214
00:12:20,732 --> 00:12:22,413
melhor que um colega de trabalho.

215
00:12:24,114 --> 00:12:27,549
Depois de uns 70, melhor que seus amigos.

216
00:12:28,392 --> 00:12:31,964
Depois de 150, melhor que sua mãe.

217
00:12:33,474 --> 00:12:38,107
Depois de uns 300, melhor que seu cônjuge.

218
00:12:39,276 --> 00:12:41,955
Para que tenham uma ideia 
do quanto eles conhecem vocês,

219
00:12:41,955 --> 00:12:43,630
vou mostrar outra estatística.

220
00:12:44,260 --> 00:12:47,506
Cada um de vocês tem
uns 230 "likes" no Facebook.

221
00:12:47,948 --> 00:12:49,852
E este número só está aumentando.

222
00:12:53,806 --> 00:12:57,337
Mas esses algoritmos não podem prever 
só aspectos da sua personalidade.

223
00:12:57,337 --> 00:13:00,897
Além da educação, outro problema
que preocupa a nós, uruguaios

224
00:13:00,897 --> 00:13:02,117
é a segurança.

225
00:13:03,259 --> 00:13:07,356
Em "Minority Report", a polícia do futuro 
acaba com os assassinatos

226
00:13:07,374 --> 00:13:10,248
prendendo os criminosos
antes que cometam o delito.

227
00:13:11,677 --> 00:13:13,027
Com certeza o Philip Dick,

228
00:13:13,027 --> 00:13:15,742
autor do romance que inspirou o filme,

229
00:13:15,742 --> 00:13:19,343
nunca imaginou que haveria
um pouquinho de ciência nessa ficção.

230
00:13:20,915 --> 00:13:25,422
Como dizia Mark Twain:
"A história não se repete, mas rima".

231
00:13:26,048 --> 00:13:27,761
Os criminosos seguem padrões,

232
00:13:27,761 --> 00:13:30,882
e os algoritmos podem analisar
esses padrões nos dados

233
00:13:32,110 --> 00:13:34,670
e estimar onde é provável
que ocorra um novo delito.

234
00:13:35,221 --> 00:13:38,739
Armada com esta informação,
a polícia pode enviar patrulheiros

235
00:13:38,739 --> 00:13:42,238
para as áreas onde é possível
que os criminosos estejam agindo.

236
00:13:43,045 --> 00:13:45,299
Claro que estas previsões não são tão boas

237
00:13:45,299 --> 00:13:47,400
como as dos videntes de "Minority Report".

238
00:13:47,499 --> 00:13:49,074
Mas esses algoritmos existem sim.

239
00:13:50,394 --> 00:13:53,609
Resultados preliminares de várias
cidades dos EUA e da Europa

240
00:13:53,609 --> 00:13:55,822
mostram resultados realmente alentadores.

241
00:13:55,822 --> 00:14:00,373
Ainda que seja muito cedo para saber
quanto podem reduzir o número de crimes.

242
00:14:02,542 --> 00:14:05,315
Parece que não sobrou nenhum 
canto da experiência humana

243
00:14:05,315 --> 00:14:07,846
que tenha escapado do poder 
preditivo dos algoritmos.

244
00:14:08,259 --> 00:14:10,574
Um grupo de investigadores da Microsoft

245
00:14:10,574 --> 00:14:12,862
usou os algoritmos 
para prever corretamente

246
00:14:12,862 --> 00:14:15,635
20 das 24 categorias do Oscar deste ano.

247
00:14:16,205 --> 00:14:18,561
Incluindo todas as categorias principais

248
00:14:18,561 --> 00:14:22,372
como melhor filme, melhor diretor,
atores principais e coadjuvantes.

249
00:14:23,015 --> 00:14:26,083
Nas quatro categorias que erraram

250
00:14:26,083 --> 00:14:27,539
ganhou a sua segunda opção.

251
00:14:27,938 --> 00:14:29,207
Não foi coincidência.

252
00:14:29,347 --> 00:14:30,518
No ano anterior,

253
00:14:30,928 --> 00:14:33,858
previram corretamente 
21 das 24 categorias.

254
00:14:34,128 --> 00:14:36,395
No ano anterior a esse, 19.

255
00:14:37,640 --> 00:14:41,132
E não podem prever só o resultado
das competições artísticas.

256
00:14:41,132 --> 00:14:42,885
O mesmo grupo da Microsoft

257
00:14:42,885 --> 00:14:45,520
usou algoritmos para prever corretamente

258
00:14:45,520 --> 00:14:47,954
o resultado de todos os jogos
da fase eliminatória

259
00:14:47,954 --> 00:14:49,397
do mundial no Brasil em 2014.

260
00:14:49,855 --> 00:14:52,788
E não usaram polvos 
nem outros animais videntes.

261
00:14:52,788 --> 00:14:54,348
(Risos)

262
00:14:56,118 --> 00:14:59,308
Tudo isto quer dizer que o futuro
deixou de ser incerto?

263
00:14:59,902 --> 00:15:00,902
Que nada.

264
00:15:01,022 --> 00:15:04,347
Ainda é muito fácil errar
quando se fazem previsões.

265
00:15:04,920 --> 00:15:08,939
Mas quanto mais e melhores forem 
os dados, menores serão as incertezas.

266
00:15:09,725 --> 00:15:12,697
Existem alguns problemas
que entendemos muito bem.

267
00:15:12,898 --> 00:15:14,959
Existem outros, como mercados financeiros,

268
00:15:14,959 --> 00:15:18,038
onde somos simplesmente
um pouco melhores que o acaso.

269
00:15:19,089 --> 00:15:23,329
E infelizmente, existem muitos outros,
como terremotos ou epidemias,

270
00:15:23,329 --> 00:15:25,150
nos quais avançamos muito pouco.

271
00:15:26,168 --> 00:15:28,652
Mas estamos vivendo uma época maravilhosa.

272
00:15:28,752 --> 00:15:32,391
A inteligência artificial finalmente
está começando a cumprir sua promessa.

273
00:15:32,990 --> 00:15:35,880
Hoje em dia, pode-se ligar
para alguém na China via Skype

274
00:15:35,901 --> 00:15:38,848
e falar, você em castelhano,
e ele em mandarim,

275
00:15:39,382 --> 00:15:41,753
e o Skype traduz automaticamente.

276
00:15:42,147 --> 00:15:45,112
Pode-se entrar num carro 
do Google e falar para onde quer ir

277
00:15:45,112 --> 00:15:46,831
e o carro leva você até lá.

278
00:15:47,062 --> 00:15:49,174
Isto é ciência, não é ficção.

279
00:15:49,872 --> 00:15:51,952
Mas há dez anos isso parecia impossível.

280
00:15:52,771 --> 00:15:54,573
Esta área avança tão rápido

281
00:15:54,573 --> 00:15:58,160
que até para nós, que trabalhamos nisto,
nos surpreendemos todo o tempo.

282
00:16:00,161 --> 00:16:01,802
Prever o futuro é importante

283
00:16:01,802 --> 00:16:07,308
não para satisfazer essa necessidade 
tão humana de saber o que vai acontecer,

284
00:16:07,782 --> 00:16:10,435
mas pelo poder quase mágico de mudá-lo.

285
00:16:10,891 --> 00:16:12,914
Sou só um nerd com um computador,

286
00:16:12,914 --> 00:16:15,131
mas esse é o nosso superpoder.

287
00:16:16,335 --> 00:16:19,580
Não somos o Batman,
mas podemos acabar com os crimes.

288
00:16:19,670 --> 00:16:21,324
Não somos o Doutor House,

289
00:16:21,324 --> 00:16:24,673
mas podemos prevenir 
doenças antes que surjam.

290
00:16:25,406 --> 00:16:28,874
Apesar dos problemas 
que essa tecnologia possa trazer,

291
00:16:28,874 --> 00:16:31,983
como a falta de privacidade,
ou um possível desemprego,

292
00:16:32,553 --> 00:16:35,160
o potencial que tem
para melhorar nossas vidas

293
00:16:35,186 --> 00:16:37,307
está limitado somente à nossa imaginação.

294
00:16:39,106 --> 00:16:41,016
Ajudar a prevenir suicídios,

295
00:16:41,016 --> 00:16:42,557
a melhorar o tráfego,

296
00:16:42,557 --> 00:16:46,135
a acabar com epidemias, a melhorar
a produtividade de nossas colheitas

297
00:16:46,135 --> 00:16:49,072
é só a ponta do iceberg
do que é possível fazer.

298
00:16:50,846 --> 00:16:53,727
Gostemos ou não,
essa tecnologia chegou para ficar.

299
00:16:53,954 --> 00:16:57,853
Mas, para que o impacto seja positivo,
somente depende de como escolhemos usá-la.

300
00:16:58,240 --> 00:16:59,612
Muito obrigado.

301
00:16:59,612 --> 00:17:02,551
(Aplausos)