Anders Billesø Beck (*)
Quando olharmos para 30 de novembro de 2022, daqui a 10, 20 ou 50 anos, poderemos muito bem lembrar-nos dele como um ponto de virada histórico.
O lançamento do ChatGPT pode ser visto como o início de uma era de uso generalizado de IA e, desde aquele dia, a inteligência artificial e o machine learning têm sido o grande tema das conversas.
E tudo isso ocorreu mesmo a inteligência artificial e o machine learning não sendo tecnologias novas. Já os conhecemos há décadas, mas a revolução recente deve-se, para simplificar, basicamente aos avanços no poder computacional que nos permitem finalmente lidar com as enormes quantidades de dados necessária/s para realizar as tarefas complexas para as quais estamos começando a utilizar a IA. As empresas por trás de tudo isso, como a NVIDIA, estão desfrutando de um crescimento extraordinário, e com razão.
Antes da conferência de tecnologia COMPUTEX deste ano, o fundador e CEO da NVIDIA, Jensen Huang, destacou o poder transformador da IA generativa, prevendo uma grande mudança na computação. “A interseção da IA e da computação acelerada está prestes a redefinir o futuro”, afirmou Huang, preparando o terreno para discussões sobre inovações de ponta, incluindo o campo emergente da IA física, que pretende revolucionar a automação robótica.
Mas aqui, em meados de 2024, que progresso fizemos na revolução da IA física?
Numa escala de 1 a 5…
Para ser honesto, realmente não chegamos tão longe. Gosto de comparar a robótica com o desenvolvimento de carros autônomos. A indústria automobilística definiu cinco fases para a transição da condução manual para a totalmente autônoma. Atualmente, ela não está no nível 5, como demonstraram experiências recentes nos EUA, mas a vantagem é que existem muitas tecnologias de nível 2, 3 ou 4 ao longo do caminho que podem trazer grandes impactos. Como o “cruise control” (sistema que mantém a velocidade de condução de um veículo previamente programada) adaptativo nos carros, que transformou um processo muito manual em um semiautomático, tornando a condução mais suave, fácil e segura.
O mesmo vale para a robótica. A IA certamente um dia nos levará para a criação de robôs humanoides que podem pensar e descobrir como resolver problemas sozinhos, sem programação prévia – isso seria o nível 5. Mas, como acontece com os carros autônomos, já estamos vendo e ainda presenciaremos muitos avanços nos níveis 2, 3 e 4 que trazem verdadeiro valor para os negócios.
Um desses avanços, por exemplo, pode ser visto na logística. Em parceria com a Siemens e a Zivid, a Universal Robots desenvolveu uma solução na qual um cobot realiza a coleta de encomendas com total autonomia, com base no software SIMATIC Robot Pick AI da Siemens e na tecnologia de visão da Zivid. Em comparação com os processos manuais, isso aumenta significativamente a velocidade e a precisão do atendimento de pedidos nos armazéns e ajuda os centros logísticos a atender à crescente demanda global, ao mesmo tempo em que lida com a gradativa dificuldade em atrair mão de obra para este tipo de trabalho manual.
Chegar a um robô humanoide de nível 5 dependerá, entre muitas coisas, de ter tecnologia de visão e software excepcionais em um nível que ainda não vimos. Mas as inovações tecnológicas de estágio intermédio estão agregando muito valor ao longo do caminho.
Três impactos da IA generativa
Conseguir que um punhado de especialistas em robótica se alinhem sobre onde estamos atualmente na escala acima mencionada poderia iniciar uma longa discussão. Mas é óbvio que, quando olhamos para o potencial disruptivo da IA física, ainda temos muito terreno a percorrer – apesar dos grandes avanços feitos em 2023 e 2024.
Olhando para o futuro, quero destacar três dos impactos que a IA física terá na robótica:
Primeiramente, a IA eliminará em grande parte a necessidade de especialistas. É claro que ainda precisaremos de muitos engenheiros robóticos e outros especialistas qualificados no futuro. Mas o potencial da automação robótica é tão grande que não pode haver um especialista em cada chão de fábrica (como indústria, os cobots atingiram apenas cerca de 2% do mercado potencial atual). Muitos trabalhos na robótica hoje ainda exigem um especialista. Com a IA, em breve seremos capazes de eliminar alguns dos obstáculos atuais, o que acelerará significativamente a introdução de robôs em diversas áreas.
Em segundo lugar, a IA generativa pode ajudar a padronizar soluções. Se você observar os desafios que enfrentamos na indústria de automação, verá que os problemas são muito semelhantes em muitas empresas. Com a IA generativa, somos cada vez mais capazes de padronizar problemas e soluções e, assim, criar comportamentos robóticos mais reutilizáveis. Não há necessidade de reinventar a roda sempre que um novo robô é instalado, e a IA pode ajudar nisso, tornando a integração e o retorno de investimento muito mais rápidos.
Em terceiro lugar, a IA melhora a capacidade dos robôs de navegar em ambientes imprevisíveis. Tal como na solução de logística mencionada anteriormente, a tecnologia de visão com feedback em tempo real de câmeras 3D é um grande facilitador não apenas da navegação autônoma, mas também da detecção de obstáculos. Essa capacidade abre possibilidades para a introdução de robôs fora do ambiente estruturado de um chão de fábrica, por exemplo, na construção, onde os robôs devem lidar com variações do projeto enquanto atuam lado a lado com os trabalhadores.
(*) Vice-presidente de estratégia e inovação da Universal Robots, empresa dinamarquesa líder na produção de braços robóticos industriais colaborativos.
