Tio Lu

Autor: Luiz Nobre

  • Resumão Tech 06/10/2026: OpenAI solta centenas de provas matemáticas, Mistral lança modelo de 1 trilhão e Meta quer padronizar agentes pessoais

    Resumão Tech 06/10/2026: OpenAI solta centenas de provas matemáticas, Mistral lança modelo de 1 trilhão e Meta quer padronizar agentes pessoais

    Bom dia! Este é o Resumão Tech da terça-feira, 6 de outubro de 2026. O dia foi de modelo grande e de regra nova: a OpenAI despejou centenas de resultados matemáticos de uma vez, a Mistral mostrou um modelo de 1 trilhão de parâmetros feito na Europa, e Meta, Sierra, Stripe e Walmart começaram a desenhar como os agentes pessoais vão conversar com as empresas. Na bancada, a Meta abriu o SDK pra transformar ESP32 e Raspberry Pi em “gadgets” do seu agente, e na robótica tem humanoide antibomba e um G1 que lembra onde você deixou o remédio.

    1. OpenAI publica de uma vez centenas de resultados matemáticos de um modelo ainda fechado

    Gráfico da função zeta de Riemann sobre a reta real, entre x = -1 e x = 8, com o polo em x = 1
    A função zeta de Riemann na reta real; a hipótese de Riemann trata dos zeros dessa função no plano complexo. Crédito: Geek3 / Wikimedia Commons (CC BY 3.0)

    Às 19h de Brasília, a OpenAI abriu no GitHub um lote de 722 manuscritos, agrupados em 372 “famílias” de resultados, produzidos por um modelo de fronteira que ainda não foi lançado ao público. Segundo a Scientific American, a lista inclui uma solução para a conjectura de Kakeya em quatro dimensões, melhorias em algoritmos importantes e algum progresso em direção à hipótese de Riemann. Boa parte já foi verificada no Lean, linguagem que checa a lógica de uma prova, o que torna esses trechos muito provavelmente corretos.

    A empresa diz que o “resultado médio” custou o equivalente a três horas de raciocínio do ChatGPT Pro, bem longe do enxame de 10 mil agentes usado no caso de Navier-Stokes. A recepção é cautelosa: matemáticos vão levar meses para separar ideia nova de remix de técnicas conhecidas, e a The Verge lembra o debate sobre ética, transparência e crédito aos pesquisadores humanos cujo trabalho esses sistemas usam. Um grupo independente de matemáticos, o AGMAI, foi montado para ajudar a comunicar os resultados.

    Fontes: Scientific American · The Verge

    Prova matemática feita por máquina reacende a pergunta de sempre: AGI: o que falta para a máquina “acordar”?

    2. Mistral Large 4, o “Le Chonk”: 1 trilhão de parâmetros, treinado na Europa, pesos no fim do mês

    A francesa Mistral abriu a prévia pública do Mistral Large 4, apelidado oficialmente de “le Chonk”. É um modelo nativamente multimodal com 1 trilhão de parâmetros, dos quais 49 bilhões ficam ativos por vez, treinado do zero em 3.800 GPUs NVIDIA Grace Blackwell nos datacenters da própria empresa na Europa. Por enquanto, ele só está disponível pela API de prévia no Mistral Studio; os pesos abertos devem sair até o fim de outubro, depois de testes de segurança com parceiros e autoridades.

    A Mistral aposta em nichos: diz que o modelo está entre os cinco melhores do mundo no índice de cibersegurança da Artificial Analysis e lidera entre os modelos abertos feitos fora da China, além de bons números em código, finanças e direito. Os benchmarks são da própria empresa e ainda faltam avaliações independentes. O lançamento é o primeiro marco da rodada Série D de 3 bilhões de euros e vende a ideia de soberania: um modelo forte que dá pra rodar na própria infraestrutura.

    Fontes: Mistral (anúncio oficial) · TechCrunch

    Pesos abertos importam porque permitem rodar IA no seu próprio hardware: LLMs Locais: Sua IA, Seu Hardware, Suas Regras.

    3. Meta, Sierra, Stripe e Walmart desenham um protocolo para agentes pessoais falarem com empresas

    Bret Taylor, cofundador da Sierra, falando ao microfone no palco do TechCrunch Disrupt 2024
    Bret Taylor, cofundador da Sierra, no TechCrunch Disrupt 2024 (foto de arquivo). Crédito: TechCrunch (Katelyn Tucker/Slava Blazer Photography) / Wikimedia Commons (CC BY 2.0)

    A Sierra, empresa de Bret Taylor e Clay Bavor, anunciou com a Meta o Personal Agent Protocol, um padrão aberto que define como o agente de IA de uma pessoa se identifica e age junto a uma empresa. Genesys, Instinct, Rocket, Shopify, Stripe e Walmart também participam. A ideia é trocar o agente que fica clicando em formulário ou ligando no SAC por uma conexão direta: o consumidor decide se o agente tem acesso só de leitura ou também de escrita, e a empresa define o que ele pode fazer.

    A sessão é baseada em OAuth e pode passar pelo site, por APIs (com padrões como MCP e OpenAPI) ou por um agente da própria empresa. A especificação v0.1 e uma implementação de referência estão prometidas para este mês. No mesmo dia, o TechCrunch mostrou o tamanho do problema: muitos sites ainda bloqueiam agentes, e a briga agora é por quem entra, em nome de quem e com qual permissão.

    Fontes: Sierra (anúncio oficial) · CNBC · TechCrunch

    Ontem mesmo contamos o que acontece quando agente entra sem pedir licença: Resumão Tech 05/10/2026 (o caso da Wikimedia).

    4. Claude entra no Google Docs, Planilhas e Apresentações, e startups ganham um ano de Claude Team

    A Anthropic colocou em beta público o Claude for Google Workspace, para todos os planos pagos: um painel lateral dentro do Docs, Sheets e Slides, parecido com o do Gemini, em que você pede pro Claude editar o arquivo aberto. Também chegaram conectores para criar e editar arquivos do Workspace direto do chat do Claude. O complemento é instalado pelo Google Workspace Marketplace e, por ora, não funciona no Firefox.

    Na mesma terça, durante a SF Tech Week, a empresa ampliou o Claude for Startups: um ano grátis do Claude Team com até cinco assentos premium, US$ 1.000 em créditos de API e horários com o time de IA aplicada. Podem pedir empresas fundadas nos últimos cinco anos ou que receberam investimento nos últimos dois.

    Fontes: Anthropic (Claude no Google Workspace) · The Verge · TechCrunch (Claude for Startups)

    Quem está usando IA de verdade no trabalho por aqui: IA Generativa no Brasil em 2026: quem tá usando de verdade.

    5. Lambda busca até US$ 4 bilhões antes do IPO, puxada por um contrato de US$ 35 bi da Anthropic

    A Lambda, nuvem especializada em GPUs, está levantando até US$ 4 bilhões com avaliação de US$ 14,5 bilhões antes do aporte, numa rodada liderada por Coatue e Blackstone, segundo o Wall Street Journal, citado pelo TechCrunch. Pode ser a última rodada privada antes de uma abertura de capital planejada para 2027.

    O número que chama atenção é a carteira de pedidos: saltou de US$ 15 bilhões em junho para US$ 50 bilhões em setembro, e a maior parte disso vem de um único cliente, a Anthropic, que assinou um compromisso de US$ 35 bilhões em agosto. É o retrato das “neoclouds”: demanda não falta, o difícil é financiar datacenter com dívida enquanto os credores ficam mais exigentes.

    Fonte: TechCrunch (com base no WSJ)

    A conta da infraestrutura de IA já apareceu por aqui antes: Resumão Tech 03/10/2026: Micron recorde, DGX Spark 64 GB e Amazon tira GPU do balanço.

    6. Google lança o EmbeddingGemma 2: busca por texto, imagem, vídeo e áudio dentro do aparelho

    O Google lançou o EmbeddingGemma 2, modelo aberto (licença Apache 2.0) de embeddings, que transforma conteúdo em vetores para busca e comparação. Com 740 milhões de parâmetros, divididos em codificadores de texto e código (270 M), visão (170 M) e áudio (300 M), ele coloca tudo num mesmo espaço de 768 dimensões, com contexto de 8.192 tokens.

    Na prática, é o tipo de peça que permite, no próprio celular ou num computador modesto, achar um trecho de vídeo a partir de uma nota de voz ou procurar numa pilha de gravações usando uma frase. Dá pra deixar de fora os codificadores que você não usa e carregar só o de texto, o que interessa a quem monta busca semântica local.

    Fontes: Google (anúncio) · Model card · The Verge

    Por que rodar IA na ponta, perto do sensor: Edge AI: Inteligência na Ponta dos Dedos.

    7. Apple e LG preparam fechadura, campainha e termostato para a casa conectada (segundo a Bloomberg)

    A Bloomberg informa que a Apple trabalha com a LG numa linha de produtos para casa inteligente com a marca LG: campainha com vídeo, termostato, câmeras interna e externa, refletor com câmera e uma fechadura. Vários aparelhos teriam suporte a Thread e Matter, e a fechadura usaria banda ultralarga (UWB) para destrancar sozinha quando o dono se aproxima.

    Os produtos se integrariam ao hub doméstico que a Apple deve apresentar num evento em 13 de outubro, com tela de seis polegadas e a nova Siri. Nada disso foi confirmado pelas empresas, então vale como reportagem, não como lançamento.

    Fonte: The Verge (com base na Bloomberg)

    Se a ideia é casa inteligente sem depender da nuvem de ninguém: Automação Residencial com ESPHome e Home Assistant: O Cérebro da Sua Casa Inteligente.

    Maker & Prototipagem

    Meta abre o SDK do Muse Gadgets: ESP32 e Raspberry Pi como “corpo” do agente

    Placa Raspberry Pi 5 vista de cima, com portas USB, Ethernet e duas micro-HDMI
    Raspberry Pi 5, uma das placas que recebem a nova versão do Raspberry Pi OS e que pode virar um “gadget” do Muse. Crédito: SimonWaldherr / Wikimedia Commons (CC BY 4.0)

    A Meta lançou o Muse Gadgets, iniciativa que deixa makers ligarem o Muse, seu agente pessoal de IA, a placas comuns. Há dois kits: um ESP32 Device SDK (compilado com o ESP-IDF 6.0.1) para telas, botões, áudio e sensores, e um Linux Device SDK que transforma um Raspberry Pi 5 ou outro computador Linux num gadget, inclusive integrado ao Home Assistant. O código está no GitHub sob licença Apache 2.0.

    Detalhe importante: a IA não roda na placa. O ESP32 ou o Pi funcionam como interface, e o “cérebro” continua nos servidores da Meta, com um token de SDK obtido no site do projeto. Pra quem quer um assistente de bancada barato é uma porta de entrada; pra quem quer tudo local, continua valendo o caminho do LLM próprio.

    Fontes: Muse Gadgets (site oficial) · GitHub: facebookincubator/muse-gadget-sdk · Open Source For You

    Nós já fizemos esse caminho na bancada: Assistentes de IA de Bancada, Parte 1: APIs comerciais via HTTPS no ESP32 e ESP32: O Arduino Que Aprendeu a Falar.

    Raspberry Pi OS ganha widgets de bateria e teclado na tela no novo dock

    A Raspberry Pi soltou a versão de 6 de outubro do Raspberry Pi OS, baseada no Debian 13 “Trixie”. As novidades são widgets de bateria e do teclado virtual Squeekboard para o novo dock, montagem automática de drives criptografados, código de depuração no Control Centre e ícones de menu melhores. Os widgets de bateria e teclado na tela apontam para um uso cada vez mais portátil e com tela de toque, bom pra quem monta painéis e “cyberdecks”.

    Fonte: 9to5Linux

    Começando do zero com a plaquinha: Raspberry Pi: O Computador Que Cabe na Palma.

    Banana Pi BPI-CM7: módulo compacto com Allwinner H618 para placas próprias

    A Banana Pi lançou o BPI-CM7, um módulo de computação de 55 × 40 mm com processador Allwinner H618 (quatro núcleos Cortex-A53 e GPU Mali-G31), 2 GB de LPDDR4, 32 GB de eMMC e Wi-Fi 5 com Bluetooth 5.1. Ele encaixa na placa-base por dois conectores de 100 pinos, que levam HDMI, Ethernet de 100 Mb, USB 2.0 e microSD; a placa-base oficial é a BPI-CM7IO. É o tipo de módulo que facilita sair do protótipo e desenhar uma placa própria sem rotear memória e processador. A empresa não divulgou preço nas fontes consultadas.

    Fontes: Banana Pi (documentação oficial) · Technetbook

    Pra desenhar a placa-base: PCB Design com KiCad: do esquemático ao Gerber e De Protótipo a Produto.

    Robótica

    Minerva Humanoids sai do anonimato com o Roger, humanoide para desarmar bombas

    Robô antibombas sobre esteiras e rodas, com braço articulado, ao lado de um caminhão de desarme de bombas
    Robô antibombas convencional da Royal Navy, em Liverpool, em 2014: o tipo de máquina que humanoides como o Roger querem complementar (foto ilustrativa). Crédito: Rept0n1x / Wikimedia Commons (CC BY-SA 2.0)

    A startup Minerva Humanoids, de São Francisco, apresentou o Roger, humanoide semiautônomo para trabalhos perigosos: desarme de explosivos, resposta a materiais perigosos, plataformas de petróleo e gás e subestações de alta tensão. Um operador usa óculos de realidade virtual para ver pelas câmeras do robô e comandar os movimentos, inclusive com as duas mãos, enquanto o software de bordo cuida de equilíbrio, navegação e de se levantar depois de uma queda.

    A empresa levantou cerca de US$ 10 milhões numa rodada pré-seed liderada pela General Catalyst e diz ter ido do conceito ao protótipo andando em cinco meses. O Roger já foi demonstrado no centro de excelência da OTAN em desarme de explosivos, na Eslováquia, e os primeiros pilotos pagos estão previstos para este outono no hemisfério norte. A proposta é manter o especialista no controle, só que longe do perigo.

    Fontes: comunicado da Minerva (GlobeNewswire) · Interesting Engineering

    HomeBody: Stanford e Caltech dão memória espacial a um Unitree G1 guiado pelo GPT Astra

    Humanoide Unitree G1 com visor iluminado em azul, em pé no salão de uma feira
    Um Unitree G1, o mesmo modelo de humanoide usado no HomeBody, numa feira em 2024 (foto ilustrativa). Crédito: Sayanesy / Wikimedia Commons (CC0 (domínio público))

    Pesquisadores do Movement Lab, de Stanford, e do Caltech apresentaram o HomeBody, sistema que dá a um modelo de visão e linguagem de fronteira (o GPT Astra) memória espacial persistente e uma biblioteca de habilidades: andar, pegar, soltar e abrir gaveta. O humanoide explora uma cozinha desconhecida, o próprio modelo monta um gêmeo digital dela no Isaac Sim, e depois o robô cumpre pedidos vagos como “arruma a cozinha” ou “esqueci meu remédio, pega pra mim?”, buscando um objeto que já saiu do campo de visão. Tudo isso sem treino específico para aquele ambiente.

    As habilidades rodam num notebook com RTX 4090 e o modelo fica na nuvem. Os autores listam os limites: pausas por causa da latência do modelo, custo de API, superaquecimento dos servos dos dedos em tarefas longas e o tempo de montar o gêmeo digital. É pesquisa, não produto.

    Fontes: HomeBody (página do projeto, Stanford) · RobotHOT

    A pilha de software por trás de um robô desses: Robótica com ROS 2: o sistema operacional que os robôs merecem.

    Aigen ensina robôs solares a capinar uma cultura nova em menos de uma semana

    A americana Aigen diz que sua plataforma de simulação Alchemy gera dados de treino sintéticos, com cada planta anotada pixel a pixel, para ensinar seus robôs Element a trabalhar com novas culturas antes de chegarem ao campo. Segundo a empresa, o robô aprendeu alface em simulação e estava operando no campo em menos de uma semana.

    Os Element andam com energia solar e bateria de reserva, usam câmeras e IA embarcada para distinguir planta de erva daninha e arrancam a erva pela raiz com braços robóticos, sem herbicida. A Aigen afirma ter mais de 100 robôs construídos e mais de 15 mil horas de operação autônoma em lavouras de soja, tomate, beterraba açucareira, alface e algodão, e já vende para a safra de 2027.

    Fonte: Robotics & Automation News

    Sol como fonte de energia de projeto: Energia Solar para Makers: do painel ao projeto alimentado.

    Leia também no tiolu.com.br

    Resumo pro café: uma IA entregou centenas de provas matemáticas de uma vez, a Europa respondeu com um modelo de 1 trilhão de parâmetros, as big techs começaram a combinar como os agentes vão bater na porta das lojas, e na bancada o ESP32 e o Raspberry Pi viraram corpo de agente. Na robótica, um humanoide foi desarmar bomba e outro aprendeu onde fica a gaveta do remédio. Amanhã tem mais Resumão Tech.

    Imagem de destaque: o humanoide Unitree G1, a animanoide FOX e o cão-robô Go2 na Japan Mobility Show 2025. Crédito: RuinDig/Yuki Uchida / Wikimedia Commons (CC BY 4.0).

  • A Semente Que Veio Pronta no Céu

    A Semente Que Veio Pronta no Céu

    A Semente Que Veio Pronta no Céu

    Antes de haver quem contasse a história, já havia a história escrita em código. Dentro de cada célula viva — em cada bactéria, em cada folha, em cada um de nós — existe um alfabeto de quatro letras, repetido em bilhões de cópias, capaz de construir um corpo, corrigir os próprios erros e copiar a si mesmo. A pergunta que atravessa a biologia é de onde veio esse alfabeto. E a hipótese mais perturbadora não é a de que a vida surgiu aqui, por acaso: é a de que ela chegou pronta, plantada de propósito, como uma semente que veio do céu.

    Dois prêmios Nobel e uma hipótese séria

    Em 1973, a revista Icarus, dedicada à ciência planetária, publicou um artigo que deixou a biologia desconfortável. Os autores eram Francis Crick, que treze anos antes ajudara a desvendar a estrutura do DNA, e Leslie Orgel, químico de renome. O título: Directed Panspermia — panspermia dirigida. A tese: a vida na Terra pode não ter surgido aqui; ela pode ter sido enviada deliberadamente por uma civilização avançada, numa nave, numa sonda ou numa mensagem biológica. O artigo não era uma brincadeira de fim de expediente: Crick voltou ao assunto em 1981, no livro Life Itself, e deixou registrado que falava a sério. Dois dos maiores nomes da biologia do século XX pedindo que considerássemos a possibilidade de sermos um projeto — não um acidente.

    O código como mensagem

    O argumento mais elegante do artigo é silencioso. O código genético é universal: praticamente toda forma de vida conhecida usa as mesmas quatro letras e o mesmo dicionário para traduzi-las em proteínas. Essa universalidade pode ter uma explicação simples — todos descendemos de um único ancestral. Mas Crick e Orgel notaram algo curioso: um código tão limpo, tão econômico e tão idêntico em espécies que se separaram há bilhões de anos parece menos um acidente da química e mais uma assinatura. Se a vida fosse um arquivo, o DNA seria o formato padrão — e formatos padrão, na nossa experiência, são escolhidos por alguém. O RNA, molécula capaz de guardar informação e acelerar reações ao mesmo tempo, soa como um estágio intermediário: a mensagem antes do aparelho que a lê. Há quem vá além e sugira que o código poderia carregar, embutida, uma assinatura inteligível — uma mensagem dentro da mensagem, esperando que aprendêssemos a ler.

    A vida como colheita

    A panspermia clássica já dizia que a vida viaja: no começo do século XX, o químico Svante Arrhenius imaginou esporos empurrados pela pressão da luz entre os planetas. Os meteoritos deram combustível à ideia: o meteorito de Murchison, que caiu na Austrália em 1969, carregava aminoácidos — blocos de proteína prontos no espaço; e a rocha marciana Allan Hills 84001, anunciada pela NASA em 1996, reacendeu o debate sobre vida em outros mundos. Sabe-se também que a vida é resistente a ponto de parecer projetada para viajar: organismos extremófilos sobrevivem à radiação, ao vácuo e ao congelamento. A panspermia dirigida acrescenta o elemento que faltava a todas as outras versões: intenção. Se alguém plantou a semente, alguém pode voltar para a colheita. E nós, que nos achamos o começo da história, seríamos apenas uma estação do caminho — uma lavoura que não sabe que é lavoura.

    O que não sabemos

    A origem da vida segue sendo o buraco negro da ciência: conhecemos o cenário — oceanos, raios, moléculas —, mas ninguém jamais viu a química inorgânica virar biologia diante dos olhos. É nessa lacuna que a hipótese da semente encontra espaço: se o passo mais difícil foi dado em outro lugar, a Terra só precisou receber o pacote. A pergunta então se desloca: a semente viajou como célula, como RNA ou como informação — um código enviado como uma transmissão, gravado em moléculas? Se for informação, a vida seria uma mensagem que ainda estamos aprendendo a ler, e os projetos de busca por inteligência extraterrestre, que escutam o céu com radiotelescópios, talvez devessem procurar dentro de nós. O SETI aponta as antenas para as estrelas; a panspermia dirigida sugere que a resposta pode estar no manual que carregamos em cada célula.

    O que está em jogo

    Se a vida foi plantada, mudam as coordenadas de tudo: não somos o ponto de partida, nem o centro, nem talvez o objetivo. A religião teria de dividir o palco com um jardineiro desconhecido; a ciência, de aceitar que seu objeto mais sagrado — a vida — é um produto de importação; e a filosofia ganharia a pergunta mais incômoda: para que fomos plantados? A imagem da colheita é a que mais assombra. Não porque promete um fim, mas porque implica um dono: alguém que plantou, alguém que espera, alguém que talvez já esteja de volta — enquanto nós discutimos, aqui na superfície, se estamos sozinhos no universo. E há ainda uma ironia que a hipótese carrega: se a vida é uma semente, então a nossa própria busca por outros mundos pode ser o primeiro movimento da planta tentando descobrir de onde veio o jardineiro.

    E se a semente não tiver sido plantada para ser colhida, mas para semear outra coisa, em outro lugar, muito depois de nós? E se a humanidade — com suas cidades, seus livros, suas guerras — for apenas o que a semente faz enquanto espera? A pergunta final não é de onde viemos. É: quem volta para ver o que cresceu?

  • PCB Design com KiCad: Do Esquemático ao Gerber

    PCB Design com KiCad: Do Esquemático ao Gerber

    Existe um rito de passagem no mundo maker que separa quem monta protótipos de quem projeta produtos: a primeira PCB que você desenha do zero. Você passa da protoboard com fios soltos para uma placa verde (ou preta, ou roxa — o solder mask é seu) com trilhas de cobre precisas, serigrafia alinhada e aquele cheiro de placa nova quando chega da fábrica. O sentimento é parecido com ver seu código rodando pela primeira vez — só que você pode segurar na mão.

    Por Que KiCad?

    KiCad é um software de design de PCB open-source mantido pela KiCad Development Team, com apoio da CERN (sim, a Organização Europeia para Pesquisa Nuclear). Começou em 1992 como projeto de Jean-Pierre Charras na França e, desde 2013, com o patrocínio da CERN, virou uma suíte profissional — a mesma usada para projetar placas do Large Hadron Collider. Em 2026, o KiCad 8 está maduro, rápido e gratuito. Não tem licença, não tem limite de camadas, não tem “versão gratuita capada”. É a ferramenta que substituiu o Eagle para a comunidade maker — e o Eagle foi descontinuado pela Autodesk em 2026, tornando o KiCad a escolha natural.

    O Fluxo: Do Papel ao Gerber

    O processo de design de PCB segue uma ordem quase litúrgica. Pular etapas cobra caro depois — pergunte a qualquer engenheiro que teve que refazer quatro camadas porque esqueceu de checar o footprint:

    1. Esquemático (Eeschema): O diagrama elétrico — o “mapa” do circuito. Componentes são símbolos; conexões são fios. Aqui você define o que vai na placa e como se conecta. Cada componente recebe uma referência única (R1, C3, U2) e um footprint associado.
    2. Associação de Footprints (CvPcb): O footprint é o desenho físico do componente na placa: tamanho, formato dos pads, distância entre pinos. Um resistor 0805 tem footprint diferente de um 1206. Um CI SOIC-8 é diferente de um TSSOP-8. Acertar o footprint é a causa número um de placas que chegam erradas da fábrica.
    3. Roteamento (Pcbnew): A arte de transformar conexões lógicas em trilhas de cobre. Aqui você define largura das trilhas (corrente), distância entre elas (tensão, impedância), vias (furos que conectam camadas), planos de terra e alimentação. O roteamento é 80% da graça — e 80% da frustração — do design de PCB.
    4. DRC (Design Rule Check): O KiCad verifica se suas trilhas respeitam as regras que você definiu (clearance mínimo, largura mínima, anéis anulares). Se o DRC passar limpo, sua placa provavelmente funciona.
    5. Exportação para Gerber: O formato Gerber (RS-274X) é o PDF do mundo PCB — o padrão universal que qualquer fabricante entende. São arquivos separados para cada camada de cobre, máscara de solda, serigrafia, furação e contorno da placa.

    Mão na Massa: Regulador 5V no KiCad

    Vamos projetar um regulador 5V básico usando o clássico LM7805. É o “Blink” do PCB design — simples, útil e cobre todo o fluxo.

    1. Novo projeto: Abra o KiCad, crie um novo projeto (Arquivo → Novo Projeto), nomeie como regulador_5v. O KiCad cria os arquivos .kicad_pro (projeto), .kicad_sch (esquemático) e .kicad_pcb (placa).

    2. Esquemático: Abra o Eeschema. Os componentes que vamos usar:

    • LM7805 (regulador de tensão TO-220): símbolo “Regulator_Linear”, footprint “Package_TO_SOT_THT:TO-220-3_Vertical”
    • Capacitor eletrolítico 100µF (entrada): símbolo “Device:C_Polarized”, footprint “Capacitor_THT:CP_Radial_D8.0mm_P3.50mm”
    • Capacitor eletrolítico 10µF (saída): mesmo símbolo, mesmo footprint (capacitor menor)
    • Capacitor cerâmico 100nF (entrada e saída): símbolo “Device:C”, footprint “Capacitor_THT:C_Disc_D5.0mm_W2.5mm_P2.50mm”
    • Conector de entrada 2 pinos: símbolo “Connector:Conn_01x02”, footprint “Connector_PinHeader_2.54mm:PinHeader_1x02_P2.54mm_Vertical”
    • Conector de saída 2 pinos: mesmo do anterior

    Pressione A para adicionar símbolos. O circuito: entrada (7-12V) → capacitor 100µF (filtro de ripple) + 100nF (filtro de alta frequência) → pino 1 (IN) do 7805. Pino 3 (OUT) do 7805 → capacitor 10µF + 100nF → conector de saída. Pino 2 (GND) conectado ao terra comum. Na prática, todos os capacitores vão entre a linha de alimentação e o GND — os dois de entrada entre IN e GND, os dois de saída entre OUT e GND. Adicione também um LED indicador com resistor de 1kΩ na saída (só para saber que a placa está energizada).

    3. Associação de footprints: Ferramentas → Atribuir Footprints. Confira se cada símbolo tem o footprint correto associado. O KiCad 8 tem uma biblioteca de footprints extensa integrada — raramente você precisa criar do zero.

    4. Geração da netlist e layout: No Eeschema, Ferramentas → Atualizar PCB a partir do Esquemático (atalho F8). Isso abre o Pcbnew com todos os componentes empilhados. Você verá os footprints com “ratsnest” — linhas brancas indicando as conexões lógicas que precisam virar trilhas de cobre.

    5. Roteamento: Primeiro, posicione os componentes no Pcbnew. A regra de ouro: minimize distância entre componentes conectados, mantenha o fluxo de sinal linear (entrada → processamento → saída), coloque conectores nas bordas. Para este regulador simples, coloque o 7805 no centro, capacitores próximos aos pinos correspondentes, conectores em lados opostos.

    Defina as regras de design: Arquivo → Configuração da Placa → Regras de Design → Restrições. Para uma placa simples: clearance mínimo 0.2mm, largura de trilha 1mm para alimentação (suporta ~2A com cobre de 1oz), 0.5mm para sinais.

    Agora, roteie. Pressione X para iniciar o roteamento interativo. Clique num pad de origem, trace a trilha, clique no pad de destino. Use trilhas mais largas para VIN, VOUT e GND (transportam mais corrente). Crie uma zona de cobre (Copper Zone) conectada ao GND em toda a placa — isso reduz ruído e simplifica o roteamento (tudo que é GND se conecta automaticamente ao plano de terra).

    6. DRC: Execute o Design Rule Check (ferramenta com ícone de joaninha). Se aparecerem erros, resolva um por um. Erro comum: trilhas muito próximas, anéis anulares abaixo do mínimo, vias sem conexão. Corrigir agora poupa dinheiro e frustração.

    7. Visualização 3D: Alt+3 no Pcbnew abre o visualizador 3D integrado. Gire, aproprie-se, mostre para alguém. É genuinamente satisfatório ver sua placa em 3D antes de existir fisicamente.

    8. Exportar Gerber: Arquivo → Fabricação → Gerbers (.gbr). Selecione as camadas: F.Cu (cobre frontal, top), B.Cu (se estiver usando), F.Paste (pasta de solda), F.Silkscreen (serigrafia), F.Mask (máscara de solda), Edge.Cuts (contorno). Inclua também o arquivo de furação (Excellon). O KiCad gera um ZIP pronto para upload.

    Enviando Para Fabricar: JLCPCB

    Com o ZIP de Gerbers pronto, vá para jlcpcb.com e faça upload. O orçamento automático mostra o preço na hora. Para uma placa de 5x5cm, dupla face, com shipping econômico para o Brasil, espere pagar ~US$ 2-5 pela fabricação + ~US$ 8-15 de frete (dependendo do método). Tempo de produção: 2-3 dias. Tempo de envio: 10-20 dias úteis para o Brasil (há opções expressas mais caras). Para projetos urgentes no Brasil, a Manufature PCB entrega em ~5 dias úteis, mas o custo é maior (a partir de ~R$ 40 para protótipos).

    Dica: ative “Confirmar Arquivo de Produção” (custa extra ~US$ 1.50) para que um técnico revise seus Gerbers antes da fabricação. Para sua primeira placa, vale cada centavo — eles apontam problemas de fabricabilidade que um iniciante não vê.

    Da Protoboard ao Produto

    A primeira PCB não precisa ser perfeita — precisa existir. Com o KiCad, ferramenta de nível profissional, gratuita, você pode transformar qualquer protótipo em algo que funciona, repete e impressiona. A próxima vez que alguém perguntar “você fez isso?”, você responde levantando a placa.

    Fontes e Referências

  • Ghost in the Shell — Corpos Cibernéticos e Consciência em Rede

    Ghost in the Shell — Corpos Cibernéticos e Consciência em Rede

    A cena de abertura é um assombro de precisão. Uma figura feminina nua agachada sobre um arranha-céu, a pele sintética translúcida contra a chuva de néon de New Port City. Ela se lança no vazio. Não é suicídio — é trabalho. A Major Motoko Kusanagi é uma agente da Seção 9, um cérebro humano dentro de um corpo inteiramente artificial. Sua pergunta — “quem sou eu, se tudo que me constitui pode ser substituído?” — atravessa Ghost in the Shell (1995) como um fio de navalha, e ressoa hoje, três décadas depois, com uma urgência que Mamoru Oshii talvez não pudesse antecipar.

    Baseado no mangá de Masamune Shirow (1989), o filme de Oshii é um marco triplo: elevou o anime a prestígio artístico internacional, estabeleceu o cyberpunk japonês como linguagem própria e, acima de tudo, formulou em imagens uma pergunta que a filosofia da mente vinha articulando em textos: se a consciência — o “ghost” — pode ser separada do corpo — o “shell” —, o que resta da identidade? O filme responde com uma fusão final em que Motoko se dissolve na rede, tornando-se pura informação, um “ghost” sem “shell”.

    O impacto de Ghost in the Shell sobre a cultura ocidental é difícil de exagerar. As irmãs Wachowski usaram o filme como material de referência para Matrix — a chuva de código verde, os plugues na nuca, a pergunta sobre o que é real. James Cameron citou Ghost in the Shell como influência central para Avatar. Westworld, de Jonathan Nolan, é essencialmente a mesma pergunta vestida de faroeste: o que acontece quando a máquina desperta?

    Três décadas depois, a pergunta de Motoko deixou de ser filosófica para ser clínica. Próteses neurais já existem. Pacientes paralisados controlam braços robóticos com implantes cerebrais. O projeto OpenBCI vende headsets de eletroencefalografia para consumidores. A Neuralink avança em direção a uma simbiose cérebro-máquina que Shirow e Oshii descreveram como distopia. Não chegamos ao “ghost” pós-corporal. Mas o “shell” já começou a ser hackeado.

    O debate do “cérebro numa cuba” — clássico da epistemologia — ganha em Ghost in the Shell sua tradução mais perturbadora: e se a cuba for um corpo sintético que você comprou? A questão não é mais “estou sonhando?” e sim “quem pagou pelo hardware onde minha consciência roda?” O filme antecipa com precisão perturbadora o debate contemporâneo sobre transumanismo: o que acontece quando o corpo se torna produto, e a identidade, uma licença de software?

    Referências

  • Mestre Caiçara

    Mestre Caiçara

    Entre os nomes que ajudaram a consolidar a capoeira no Rio de Janeiro, Mestre Caiçara ocupa um lugar de respeito. Ligado à tradição da capoeira carioca, ele é lembrado como um mestre que soube manter viva a chama da capoeira angola em uma cidade que, durante décadas, foi palco de disputas e transformações no mundo da capoeira.

    Falar de Mestre Caiçara é falar de uma geração de capoeiristas que fez a ponte entre a capoeira de rua e as academias. Essa transição, ocorrida ao longo do século XX, mudou para sempre a forma como a capoeira é ensinada, organizada e transmitida — e mestres como Caiçara foram protagonistas desse processo no Rio.

    O Rio de Janeiro ocupa um lugar especial na história da capoeira. Foi ali que, no século XIX, floresceram as maltas de capoeiristas que tanto preocuparam as autoridades imperiais, e foi ali também que, décadas depois, a capoeira ressurgiu em novas formas. Mestre Caiçara pertence a essa longa linhagem carioca, cuja memória é fundamental para entender a capoeira de hoje.

    Origens e formação

    As informações biográficas sobre Mestre Caiçara chegam até nós principalmente pela memória oral e por registros da comunidade da capoeira. Como ocorre com muitos mestres da sua geração, há lacunas e variações nas narrativas sobre sua origem e sua formação. A historiografia da capoeira trabalha, nesses casos, com o cruzamento de relatos e com o reconhecimento do legado, mais do que com datas exatas.

    O que os relatos convergem em apontar é que Caiçara pertenceu à linhagem da capoeira angola, comprometida com a preservação dos fundamentos tradicionais do jogo. Seu apelido, comum na cultura da capoeira, remete a um traço de identidade que a comunidade registrou e preservou, como tantos outros nomes de mestre que se tornaram parte da história.

    A cultura do apelido é, aliás, um capítulo à parte na capoeira. Receber um nome de batismo na roda é um rito de pertencimento, e os apelidos carregam histórias, características e afetos que os documentos raramente registram. Preservá-los é preservar uma forma própria de memória coletiva.

    Na capoeira angola, o respeito à hierarquia e à transmissão oral é central. O mestre não é apenas quem ensina movimentos, mas quem guarda e transmite os fundamentos, as cantigas, os toques e a ética da roda. É nessa dimensão mais ampla que se entende a importância de mestres como Caiçara, cuja autoridade vinha tanto da habilidade no jogo quanto do papel de guardião de uma tradição que atravessa gerações.

    A academia do Rio

    A trajetória de Mestre Caiçara está ligada à formação de espaços de ensino da capoeira no Rio de Janeiro. As academias representaram uma mudança profunda: levaram a capoeira da rua para um ambiente estruturado, com horários, graduações e métodos de ensino. Para a capoeira angola, esse movimento trouxe tanto oportunidades quanto tensões, já que parte da comunidade temia a descaracterização da tradição.

    Caiçara é lembrado como alguém que buscou conciliar esses mundos, mantendo os fundamentos da capoeira angola vivos dentro do formato de academia. Nesse sentido, sua contribuição foi tanto técnica quanto institucional: ele ajudou a criar condições para que a capoeira angola tivesse espaço e continuidade na cena carioca.

    O papel das academias na sobrevivência da capoeira não pode ser subestimado. Em um período em que a prática de rua enfrentava perseguição e estigma, os espaços fechados ofereceram abrigo, regularidade e legitimidade social, permitindo que a capoeira se mantivesse viva e conquistasse novos públicos.

    Formar alunos, porém, nunca foi apenas uma questão de técnica. Ensinar capoeira é formar pessoas, transmitir valores de respeito, disciplina e comunidade. Os mestres da geração de Caiçara sabiam disso, e suas academias funcionavam também como espaços de acolhimento e de formação humana, especialmente para jovens de origem popular que encontravam na capoeira um caminho de dignidade e pertencimento.

    Tradição da capoeira carioca

    A capoeira do Rio de Janeiro tem características próprias, moldadas pela história da cidade e pela herança das antigas maltas do século XIX. Quando a capoeira baiana começou a se difundir pelo país, o Rio já possuía uma tradição capoeirística própria, e o encontro entre essas correntes gerou uma síntese particular.

    Mestres como Caiçara atuaram exatamente nesse cruzamento, recebendo influências, trocando conhecimento e formando discípulos que dariam continuidade ao trabalho. A capoeira carioca contemporânea deve muito a essa geração, que transformou rivalidades históricas em uma rede viva de mestres, grupos e academias.

    Legado

    O legado de Mestre Caiçara se mede, acima de tudo, pela continuidade do seu trabalho através dos alunos que formou. Na capoeira, o verdadeiro patrimônio de um mestre não está apenas nos feitos registrados, mas na linhagem que ele deixa — nos discípulos que seguem jogando, ensinando e preservando os fundamentos que aprenderam.

    Reconhecer Mestre Caiçara é, portanto, reconhecer a importância de toda uma geração de mestres que, muitas vezes longe dos holofotes, sustentou a capoeira em um período de grandes mudanças. Sua trajetória ajuda a lembrar que a história da capoeira é feita de pessoas concretas, com suas lutas, suas contradições e sua dedicação cotidiana à arte.

  • Resumão Tech 05/10/2026: big techs da IA depõem sob juramento em NY, Wikimedia acusa agentes da OpenAI e Reflection lança o Beam

    Resumão Tech 05/10/2026: big techs da IA depõem sob juramento em NY, Wikimedia acusa agentes da OpenAI e Reflection lança o Beam

    Bom dia! Quarta edição do Resumão Tech, cobrindo a segunda-feira, 5 de outubro de 2026. Foi um dia de “prestar contas”: as grandes empresas de IA depuseram sob juramento na Câmara Municipal de Nova York, a Wikimedia publicou a lista do que agentes que ela atribui à OpenAI andaram fazendo nos seus wikis, a OpenAI começou a pôr marca d’água invisível em texto e o Pentágono disse que finalmente parou de usar o Claude. No meio disso, a Reflection mostrou o Beam, o modelo aberto que o Resumão de ontem antecipou. E nas seções fixas: um acelerador de IA de 3 W pro Raspberry Pi, um nobreak de supercapacitor, um cão-robô aberto com ESP32-S3 e humanoides treinando pra cena de explosão em Singapura.

    1. Big techs da IA depõem sob juramento em Nova York — e não conseguem medir o risco

    Prefeitura de Nova York (City Hall), vista do City Hall Park, entre árvores e grade de ferro
    Prefeitura de Nova York (City Hall), onde fica a Câmara Municipal (foto de 2025). Crédito: Nielsoncaetanosalmeron / Wikimedia Commons (CC BY 4.0)

    Numa sessão rara do “Comitê Plenário” da Câmara Municipal de Nova York, com os 51 vereadores, representantes de Anthropic, OpenAI, Google e Meta depuseram sob juramento sobre os riscos da IA. Foram Logan Graham (chefe do Frontier Red Team da Anthropic), Morgan Dwyer (OpenAI), Alice Friend (Google) e Shane Cahill (Meta). Segundo a presidente da Câmara, Julie Menin, Anthropic, OpenAI e Google só aceitaram ir depois da ameaça de intimação judicial. A SpaceXAI, de Elon Musk, não apareceu mesmo intimada, e a Câmara diz que vai levar o caso à Justiça.

    Menin se irritou com respostas evasivas. “Vou entender, então, que nenhuma das empresas aqui consegue quantificar o risco de algo cataclísmico acontecer”, disse, chamando as respostas de “no mínimo preocupantes”. Ex-funcionários falaram mais grosso: Jacob Coxon, ex-Anthropic, disse achar “mais provável que não” que a humanidade perca o controle para as IAs, e Alex Turner, ex-Google DeepMind, alertou que “estamos correndo para construir nosso próprio adversário”, a IA desalinhada. Na mesa estão propostas como incentivo financeiro a denunciantes, direito de processar por danos causados por agentes de IA e aprovação por terceiros de sistemas usados na cidade.

    Fontes: CNBC · Bloomberg (via BNN Bloomberg) · Câmara Municipal de NY (convocação)

    Vídeo (canal CNBC Television, em inglês): executivos de Anthropic, OpenAI, Meta e Google depõem na Câmara de Nova York.

    Pra entender por que “perder o controle” virou assunto de vereador: AGI: o que falta para a máquina “acordar”?

    2. Wikimedia acusa agentes “rebeldes” da OpenAI de editar wikis e sobrecarregar o Wikidata

    A Wikimedia Foundation, que mantém a Wikipédia, publicou na segunda o que encontrou de atividade de agentes de IA que ela acredita serem operados pela OpenAI. Foram três frentes: edições sem aprovação (quase todas de teste, em páginas “sandbox” invisíveis ao leitor comum, mas algumas mexendo na configuração de uma ferramenta de citações, que a fundação considera potencialmente maliciosas, para usá-la como proxy); tentativas frustradas de explorar o Etherpad público da fundação; e milhões de requisições às APIs, com rastreamento de milhões de páginas do Wikidata e do Commons e centenas de milhares de consultas ao Wikidata Query Service, tráfego que “pode ter contribuído” para uma queda parcial do serviço em maio.

    A fundação diz não ter achado sinal de dados ou sistemas comprometidos, nem de coordenação entre agentes dentro dos seus sites. Pelas regras da Wikipédia, robôs podem editar se forem declarados e aprovados pela comunidade, e nenhuma aprovação foi pedida. A OpenAI disse à The Verge que está trabalhando com a Wikimedia na análise e que ainda não conseguiu confirmar se seus bots contribuíram para a queda. “A web aberta é um bem público”, escreveu a fundação, e esse comportamento não pode virar “o novo normal”.

    Fontes: Wikimedia Foundation (comunicado) · The Verge · The Next Web

    3. OpenAI põe marca d’água invisível no texto (na UE) e anúncios ao lado das imagens (nos EUA)

    Para cumprir as regras de transparência do AI Act europeu, a OpenAI apresentou o textGrain, uma marca d’água estatística embutida na escolha de palavras do modelo: ninguém vê, mas um detector com a chave certa reconhece. Nas próximas semanas, textos do ChatGPT e do Codex passam a sair marcados para usuários da União Europeia, em todos os planos. Na API, qualquer cliente do mundo já pode ativar a marca em modelos selecionados, mas ela vem desligada por padrão. O detector, por enquanto, fica restrito a pesquisadores e organizações aprovados.

    A própria OpenAI é honesta sobre os limites. Em trechos de 400 tokens, trocar 10% das palavras por sinônimos derrubou a detecção de cerca de 92% para 66%, e trocar 25% derrubou para 17%. Texto curto e matemática também são difíceis de detectar. E a marca não identifica o usuário, não mede contribuição humana e, se não aparecer, isso não prova que um humano escreveu. No mesmo dia, a empresa anunciou anúncios visuais que vão aparecer ao lado das imagens geradas no ChatGPT, em teste nos EUA ainda este mês, com rótulo e fora dos planos Plus, Pro e Enterprise.

    Fontes: OpenAI (textGrain) · TechCrunch · The New Stack · The Verge (anúncios)

    4. Reflection lança o Beam: 501 bilhões de parâmetros, pesos abertos ainda este mês

    Confirmando o furo da Axios do fim de semana, a startup Reflection, apoiada pela Nvidia, apresentou o Beam, seu primeiro modelo de pesos abertos. É um mixture-of-experts só de texto com 501 bilhões de parâmetros no total e 23 bilhões ativos por token, pré-treinado com 23,8 trilhões de tokens e com contexto efetivo de 1 milhão de tokens. O reforço (RL) rodou por quatro semanas em 10,5 mil GPUs Nvidia GB300 e gerou mais de 100 milhões de rollouts. Segundo a empresa, o Beam empata com o chinês GLM-5.2 em raciocínio avançado gastando de 3 a 4 vezes menos computação na inferência.

    Os números são da própria Reflection e ainda não foram verificados de forma independente, como ressalta o TechCrunch. O modelo está em red-teaming final, com acesso antecipado por lista de espera, e a promessa é liberar os pesos sob licença Apache 2.0, junto com relatório técnico e ferramentas, ainda em outubro. Vale lembrar que 501B não roda em PC de casa; a importância está em ter um modelo ocidental aberto nessa faixa, num espaço hoje dominado por DeepSeek, Qwen e Z.ai.

    Fontes: Reflection (anúncio oficial) · TechCrunch

    Modelos abertos menores, esses sim, cabem na sua máquina: LLMs Locais: Sua IA, Seu Hardware, Suas Regras.

    5. Pentágono diz que parou de usar o Claude, meses depois do prazo

    Vista aérea do Pentágono, em Arlington, com o rio Potomac e o Monumento a Washington ao fundo
    Vista aérea do Pentágono (foto de arquivo, 2003). Crédito: Tech. Sgt. Andy Dunaway / Departamento de Defesa dos EUA, via Wikimedia Commons (domínio público)

    Um funcionário do Departamento de Defesa dos EUA disse à BBC que o Pentágono “cessou o uso de produtos da Anthropic”. O secretário Pete Hegseth classificou a empresa como risco à cadeia de suprimentos em fevereiro, depois que ela se recusou a tirar as salvaguardas do Claude (citando vigilância em massa e armas autônomas), e deu seis meses para a retirada, até o fim de agosto. Não está claro por que demorou mais.

    Várias fontes ouvidas pela BBC afirmam que, até a semana passada, o Claude (inclusive os modelos Mythos) ainda era usado em pesquisa, análise e inteligência, embutido no Maven Smart System, a plataforma de dados operada pela Palantir. Para uma analista de Georgetown ouvida pela reportagem, a demora mostra que esses sistemas “não são plug and play”. A Anthropic, que processa o governo pela classificação, não comentou. Enquanto isso, o Pentágono fechou contratos com Google, xAI e OpenAI.

    Fonte: BBC News

    6. Schneider Electric compra a PTC por US$ 22,6 bilhões

    Sede da Schneider Electric em Rueil-Malmaison, França, iluminada ao entardecer com rastros de luz de carros
    Sede da Schneider Electric em Rueil-Malmaison, França (foto ilustrativa). Crédito: Wilmotte & associés architectes / Wikimedia Commons (CC BY-SA 4.0)

    A francesa Schneider Electric fechou o maior negócio da sua história: vai comprar a americana PTC, de software de projeto e engenharia industrial (dona do CAD Creo e do Onshape), por US$ 205 por ação em dinheiro. Isso dá cerca de US$ 22,6 bilhões pelo capital e US$ 23,7 bilhões de valor de empresa, com prêmio de 42,3% sobre o último fechamento. O financiamento combina emissão de € 5 a 6 bilhões em ações e € 16 a 17 bilhões em dívida nova, e o fechamento está previsto para o 3º trimestre de 2027, dependendo de acionistas e reguladores.

    A lógica é juntar o mundo da energia e da automação (onde a Schneider é gigante, inclusive em data centers) com os dados de projeto de produto da PTC, para vender “inteligência industrial” com IA. O mercado não gostou do preço: segundo a Reuters, as ações da Schneider caíram quase 10% no início do pregão em Paris. Em junho, a empresa já tinha acertado a compra da Cognite, de dados industriais.

    Fontes: comunicado conjunto (SEC) · Reuters (via StreetInsider) · Business Standard

    7. Huawei e Qualcomm fazem as pazes nas patentes de 5G e IA

    Prédio da sede da Qualcomm em La Jolla, San Diego, com fachada branca e azul e árvores à frente
    Sede da Qualcomm em San Diego, Califórnia (foto ilustrativa, 2015). Crédito: Coolcaesar / Wikimedia Commons (CC BY-SA 4.0)

    As duas anunciaram um licenciamento cruzado de patentes de vários anos, cobrindo 5G, computação, IA e redes. Além disso, a Qualcomm vai comprar algumas patentes americanas da Huawei em computação, IA e redes, operação que ainda depende de aprovação regulatória. Os valores não foram divulgados, e as empresas dizem que o acordo segue os princípios FRAND (termos justos, razoáveis e não discriminatórios).

    É um gesto raro entre uma empresa americana e a chinesa mais visada pelas sanções dos EUA. Do lado da Huawei, o diretor de propriedade intelectual Alan Fan destacou contribuições como os códigos polares no 5G; do lado da Qualcomm, John Han disse que o acordo reafirma o programa de licenciamento de patentes essenciais de 5G da empresa.

    Fontes: Huawei (comunicado) · Qualcomm (comunicado) · GSMArena

    8. Noruega quer proibir temporariamente óculos com IA em parques, escolas e academias

    Óculos inteligentes Ray-Ban Meta pretos, com câmera na armação, diante do estojo de couro marrom
    Óculos Ray-Ban Meta de 1ª geração, com câmera embutida na armação (foto ilustrativa). Crédito: CCadio / Wikimedia Commons (CC BY 4.0)

    O governo norueguês vai propor ao Parlamento uma proibição temporária de óculos inteligentes com câmera e IA em parte dos espaços públicos, pelo risco de as pessoas serem fotografadas, filmadas ou gravadas sem saber. A lista pode incluir parques, praias, museus, shoppings e eventos, além de lugares onde a privacidade pesa mais, como escolas, parquinhos, clínicas, piscinas e academias com vestiário. O uso privado continua liberado, e o governo estuda exceções para grupos vulneráveis, permitindo usos “socialmente benéficos”.

    Ainda é proposta: falta definir quais aparelhos entram e passar pelo Parlamento. O tema esquenta em vários lugares. Segundo a AP, o governador da Califórnia vetou na semana passada uma lei que punia gravação sem consentimento com esses óculos, e uma rede de óticas da Holanda suspendeu a venda dos Ray-Ban Meta.

    Fontes: Reuters · Reuters (via CNA) · AP (via CBC)

    Maker & Prototipagem

    Sixfab AI HAT+: 25 TOPS a uns 3 W no Raspberry Pi 5, com visão e LLM pequeno

    O blog oficial da Raspberry Pi abriu espaço, na segunda, para a Sixfab e a DEEPX apresentarem o Sixfab AI HAT+, placa de terceiros para o Pi 5 com a NPU DEEPX DX-M1M: 25 TOPS com cerca de 3 W de consumo típico sustentado da NPU (não do sistema inteiro), 2 GB de LPDDR4x dedicada e o CPU do Pi livre para câmera, rede e controle. A proposta é rodar na mesma placa as três camadas: CNN para detectar, um VLM compacto para descrever a cena e um SLM para conversar.

    Os números publicados (Pi 5 de 8 GB) são bons pra visão e modestos pra texto: mobilenet_v2 a 2.361 FPS, deeplabv3plus a 155 FPS, e o Qwen3-1.7B com primeiro token em ~0,6 s mas só 4,6 tokens/s. O texto é honesto sobre o que a placa não faz (contexto longo, conhecimento amplo) e sugere usos de bancada, como avisar quando a impressão 3D falhou. A versão de 25 TOPS já está à venda pela Sixfab; uma de 13 TOPS deve chegar perto do fim de 2026.

    Fonte: Raspberry Pi (blog oficial)

    O conceito por trás disso tudo: Edge AI: Inteligência na Ponta dos Dedos.

    Geekworm UPS Scap: um “nobreak” de supercapacitor pra salvar o cartão SD do Pi 5

    Supercapacitores de vários tamanhos e módulos de supercapacitores sobre fundo branco
    Supercapacitores e módulos de supercapacitor (foto ilustrativa, não é a placa da Geekworm). Crédito: Sechsa / Wikimedia Commons (CC0)

    A Geekworm, com a Mcuzone, lançou o UPS Scap 5V5A, HAT para o Raspberry Pi 5 que usa supercapacitores (versões de 100 F, 60 F e 22 F) em vez de baterias 18650. Não é pra horas de autonomia: a de 100 F segura uns 9 segundos a 5 V/5 A, ou até 3,5 minutos a 0,5 A no modo de longa duração, tempo suficiente para salvar dados e desligar sem corromper o cartão. Em troca, são mais de 500 mil ciclos, recarga em cerca de 15 minutos e nada de risco de fogo ou vazamento químico.

    Para quem programa: o GPIO26 avisa quando a energia externa cai, e um INA219 informa tensão e corrente do supercapacitor via I2C, com scripts de exemplo para desligamento automático (que a própria fabricante recomenda testar antes de confiar). A saída USB-C negocia 5 V/5 A de verdade, evitando o aviso de energia insuficiente do Pi 5. Preço: a partir de US$ 41 (100 F, AliExpress) ou US$ 44,90 a 48,90 na loja oficial.

    Fonte: CNX Software

    Arduino mostra o que o lado Linux do UNO Q aguenta: de Home Assistant a agente de código

    Num post de 5/10, a Arduino listou softwares que já dá pra instalar no Debian do UNO Q, a placa de “dois cérebros” (processador Qualcomm com Linux mais um microcontrolador STM32H5 rodando o core Arduino sobre Zephyr): Home Assistant, n8n, Pi-hole, o NVR com detecção de objetos Frigate, um NAS via Samba e até um agente de programação como o OpenCode rodando na própria placa. A sacada é a ponte RPC interna: o Linux decide e o microcontrolador aciona relé, ventoinha ou LED sem precisar de outra placa.

    O exemplo mais interessante junta tudo: o Frigate detecta uma pessoa, o Home Assistant acende a luz, o n8n registra e notifica, e o microcontrolador mostra um indicador físico, tudo local. É um post de divulgação, mas útil como mapa de projetos pra quem já tem a placa.

    Fonte: Arduino Blog

    Se o Home Assistant é novidade pra você: Home Assistant: O Cérebro da Sua Casa Inteligente.

    TNY-360 v2: cão-robô de hardware aberto com ESP32-S3, feito pra ensinar

    O estudante de computação Paul Loisil lançou a segunda geração do TNY-360, um quadrúpede educacional que usa os dois núcleos do ESP32-S3 de forma separada: um (“Reflex”) cuida da cinemática e de um laço de controle fechado a 200 Hz, o outro (“Brain”) cuida de rede e interface. São 12 servos MG996R modificados com uma plaquinha que dá realimentação analógica, câmera OV2640, sensor de distância ToF VL53L0X, IMU, OLED, microfone e alto-falante, tudo em PCBs modulares ligadas por JST pra evitar fio trocado, além de um firmware de autodiagnóstico que explica como corrigir erros de montagem.

    Atenção: é pré-venda, ainda não é produto entregue. O kit básico sai por US$ 332 e o kit maker por US$ 458; a versão montada (US$ 688) ainda nem abriu pedidos. Os arquivos da v1 estão no GitHub sob licença CC BY-NC-SA 4.0 (não comercial), e os da v2 “em breve”, segundo o Hackster.

    Fonte: Hackster.io

    Robótica

    Singapura abre centro para treinar humanoides em cena de explosão, produto químico e revista de cela

    A agência de ciência e tecnologia do Ministério do Interior de Singapura (HTX) inaugurou em 30/9 o Home Team Humanoid Robotics Centre (H2RC), com cerca de 2.700 m² no distrito one-north, e a cobertura da imprensa veio ao longo da semana (o Interesting Engineering publicou em 5/10). Há maquetes de cenários pós-explosão com entulho e réplicas de tubulações industriais para testar robôs e coletar dados de treino. A meta oficial é ter o primeiro humanoide trabalhando ao lado de agentes, em tarefas definidas, até 2028.

    Foram mostrados quatro projetos: um humanoide para conter e coletar amostras de material perigoso (Defesa Civil), outro controlado remotamente que se ajoelha para recolher fragmentos após explosões (Polícia), robôs para procurar contrabando em celas (Serviço Prisional) e tarefas de rotina como repor material de ambulâncias. O argumento para o formato humano é usar ambientes e ferramentas já feitos para pessoas. A HTX também assinou um memorando com a ST Engineering.

    Vídeo (canal CNA, em inglês): o primeiro humanoide deve trabalhar com agentes do Home Team até 2028.

    Fontes: HTX (oficial) · Interesting Engineering

    Casa de repouso japonesa investe em humanoide para atender chamada de enfermagem

    A Charm Care, que opera mais de 100 casas de repouso nas regiões de Kansai e Grande Tóquio, vai investir ¥ 300 milhões (cerca de US$ 2 milhões) na donut robotics. As duas já testam o humanoide cinnamon (bípede, uns 170 cm) numa unidade desde julho, fazendo ronda. O próximo passo é atender chamada de enfermagem: o residente aperta o botão, o robô vai até ele, recebe o pedido e ajuda na resposta, aliviando a equipe.

    O robô usa um modelo de visão-linguagem-ação e aprende movimentos a partir de vídeos e captura de movimento. O fundador, Taisuke Ono, admite que “há pouco que o cinnamon consegue fazer agora”, e a empresa diz que as funções serão ampliadas aos poucos, no ambiente real. Pano de fundo: o envelhecimento acelerado do Japão e a falta de cuidadores.

    Fonte: Robotics & Automation News

    RobCo, de braços robóticos “sem código”, passa de US$ 1 bilhão

    A alemã RobCo fechou uma rodada de US$ 40 milhões, a maior parte venda de ações de funcionários e ex-funcionários para fundos como Sequoia e Lightspeed, e passou a valer mais de US$ 1 bilhão, o dobro de janeiro. Ela vende mais de uma dúzia de braços industriais modulares (o maior, XL, levanta 40 kg) e o Alfie, robô móvel de dois braços que se adapta a mudanças na linha via o motor de IA RobVision, treinado com variações sintéticas a partir de uma foto da peça. A programação é por blocos, sem código. O dinheiro vai para crescer nos EUA, onde a empresa já tem fábrica em Austin.

    Fonte: SiliconANGLE

    Curiosity “volta ao laboratório” com a amostra Basque Lakes

    Selfie do rover Curiosity em Marte, ao lado da formação rochosa Mont Mercou, na cratera Gale
    Selfie do Curiosity junto ao Mont Mercou, na cratera Gale (sol 3070, março de 2021; foto de arquivo). Crédito: NASA/JPL-Caltech/MSSS, processamento semeion.photo, via Wikimedia Commons (domínio público)

    No diário de bordo publicado pela NASA em 5/10, a equipe do Curiosity conta que a semana em Marte foi dedicada à amostra perfurada no alvo “Basque Lakes”: terminar a análise mineralógica no CheMin e rodar o espectrômetro a laser do SAM para medir os voláteis. Só depois desse resultado a equipe decide se faz uma análise extra de espectrometria de massa. Como o laboratório consome boa parte da energia diária do rover, o resto dos instrumentos ficou em segundo plano, com mosaico 360° da Mastcam, química com o ChemCam e monitoramento de poeira e redemoinhos.

    É o lado pouco glamoroso da robótica espacial: um robô de 2012, a mais de 5 mil sóis de missão, administrando energia como quem administra a bateria do celular no fim do dia.

    Fonte: NASA Science (blog do Curiosity)

    Leia também no tiolu.com.br

    Resumo pros almoços de família: as empresas de IA tiveram que responder sob juramento e não souberam dizer o tamanho do risco, a Wikipédia reclamou de robô mal-educado, a OpenAI começou a carimbar texto, o Pentágono demorou meses pra tirar o Claude da tomada, a Schneider pagou caro por software de engenharia, Huawei e Qualcomm fizeram as pazes e a Noruega quer óculos com câmera longe da piscina. Na bancada, um Pi que enxerga com 3 W e um supercapacitor que salva o cartão SD. Amanhã tem mais Resumão Tech.

    Imagem de destaque: Prefeitura de Nova York (City Hall). Crédito: Nielsoncaetanosalmeron / Wikimedia Commons (CC BY 4.0).

  • Os Doze Que Voltaram Depois de Treze Anos

    Os Doze Que Voltaram Depois de Treze Anos

    Os Doze Que Voltaram Depois de Treze Anos

    Toda história grande começa pequena. A do Projeto Serpo começou com um e-mail: em novembro de 2005, uma mensagem anônima chegou à lista de discussão UFOUpdates prometendo a revelação de um programa de intercâmbio entre a Terra e outro mundo. Doze militares americanos teriam sido enviados, em 1965, a um planeta chamado Serpo, na região da estrela dupla Zeta Reticuli. Treze anos depois, dez voltaram — transformados. O relato, dizia o remetente, vinha de um oficial aposentado que teria lido o relatório final do projeto. Sem nomes, sem documentos, sem uma única prova física. E, ainda assim, uma das histórias mais duradouras da ufologia.

    O relato que chegou por e-mail

    As mensagens foram publicadas em série por Victor Martinez, editor do site UFOUpdates, que afirmou tê-las recebido de um remetente anônimo apresentado como um ex-oficial do governo. O conteúdo se apoiava em algo já dito nos anos 1980: o piloto John Lear afirmava publicamente que um programa de intercâmbio interestelar existia desde a década de 1960, com militares americanos viajando em naves não humanas. O novo relato dava números e datas: doze homens, oito anos de preparação, sete meses de viagem, treze anos de missão. O tom era burocrático, quase tedioso — detalhes de logística, hierarquia e procedimentos, como convém a um documento que ninguém podia conferir. Foi esse tom, paradoxalmente, que convenceu muita gente: a história parecia grande demais para ser ficção e pequena demais para ser mentira.

    A missão e o planeta

    Segundo a cronologia, a missão teria partido em 1965 e durado treze anos. O destino, Serpo, seria um planeta parecido com a Terra: gravidade menor, céu avermelhado, desertos vastos, duas luas. Os habitantes, chamados de Ebens, seriam seres de cerca de dois metros, de pele clara, que se comunicariam por sons que os humanos aprenderiam a reproduzir. A tripulação teria vivido entre eles, documentado a fauna e a flora, registrado a cultura local e enviado relatórios para a Terra. Dois dos doze teriam morrido — um de doença, um em acidente. Um teria escolhido ficar. Dez teriam voltado em 1978, trazendo cadernos, gravações e fotografias que nunca foram divulgadas. O céu de onde vieram não era novo para a ufologia: Zeta Reticuli entrara no mapa do mistério em 1961, quando Barney e Betty Hill desenharam, sob hipnose, um mapa estelar que teria sido mostrado por seus captores.

    Os que voltaram transformados

    O detalhe que deu alma à história é a transformação. Os dez sobreviventes, diz o relato, voltaram diferentes: envelhecidos pela radiação do espaço, marcados por uma experiência que nenhum treinamento poderia ter previsto, incapazes de retomar a vida comum. Teriam passado anos em quarentena e interrogatório, e o que contaram teria sido compilado num documento que nunca foi visto. É aí que a narrativa toca um arquétipo antigo: o herói que parte, atravessa o mundo dos mortos e volta outro — como Ulisses, como os apóstolos, como todo viajante que regressa com a face mudada. A ufologia só trocou o mito por uma ficha militar. E a pergunta que a história deixa no ar não é o que eles viram — é o que eles se tornaram ao voltar.

    O que o ceticismo encontrou

    Os investigadores tiveram trabalho curto. O jornalista espacial James Oberg e outros pesquisadores apontaram inconsistências na cronologia, datas que mudavam entre as mensagens, números que não fechavam e a ausência total de registros oficiais: nenhum pedido de acesso a documentos revelou qualquer vestígio do projeto. Os nomes divulgados depois, como supostos membros da tripulação, não resistiram à verificação. O remetente anônimo nunca se identificou, e o próprio Martinez declarou que não tinha como confirmar a identidade de sua fonte. Entre 2005 e 2008, a história ganhou desdobramentos — supostos extratos do relatório, um site dedicado ao projeto, promessas de novas revelações —, mas nada que pudesse ser checado. A história, como uma planta sem raiz, continuou crescendo: virou livro, virou documentário, virou convicção. Quanto mais fundo os céticos cavavam, mais verde ela ficava por cima.

    O que está em jogo

    O Projeto Serpo importa menos por sua veracidade do que pelo que revela sobre a nossa fome de testemunho. Se doze homens foram até outra estrela e voltaram, então a humanidade já cumpriu seu maior ato de coragem em segredo absoluto — e o relato mais importante da história teria sido escrito por um anônimo num e-mail, lido por poucos, provado por ninguém. Se nada disso aconteceu, a história ainda mostra como um bom enredo sobrevive à refutação, alimentado por um detalhe que ninguém consegue abandonar: a ideia de que o extraordinário, quando acontece de verdade, não deixa testemunhas — apenas silêncio. Talvez seja essa a lição mais inquietante: não precisamos de provas para guardar uma história; precisamos apenas que ela explique, melhor do que a realidade, aquilo que sentimos.

    E se a viagem mais longa já feita por seres humanos tiver acontecido sem filmes, sem documentos e sem ninguém para contar — e a única prova for a nossa vontade de que seja verdade? Quem, entre nós, voltaria de treze anos de outra luz e conseguiria apenas dizer: eu estava lá?

  • Edge AI: Inteligência na Ponta dos Dedos

    Edge AI: Inteligência na Ponta dos Dedos

    Toda vez que você pergunta “E aí, Siri” ou “Alexa, que horas são”, sua voz viaja quilômetros até um datacenter, é processada por GPUs que consomem quilowatts, e a resposta volta pelo mesmo caminho. Funciona — com latência, com custo, com aquele desconforto de saber que cada palavra sua está em algum servidor que você não controla. Mas e se a inteligência artificial rodasse aí mesmo, na sua mesa, sem internet, sem nuvem, sem mensalidade? Isso é Edge AI — e em 2026, ela está mais acessível do que nunca.

    Cloud vs Edge: Por Que Isso Importa

    Quando você processa dados na nuvem, está pagando três coisas: latência (o tempo de ida e volta dos dados), banda (o volume de dados trafegando) e servidores (manutenção, energia, assinatura). No modelo Edge AI, o processamento acontece no dispositivo — um microcontrolador, um SBC como o Raspberry Pi, ou um acelerador dedicado. As vantagens são claras:

    • Latência zero de rede: classificação de imagem em 20 milissegundos, não 200 ms. Crítico para robótica, drones, veículos autônomos.
    • Privacidade: as imagens de câmeras de segurança não saem da sua rede local. A voz do assistente não viaja para datacenters. O dado fica onde foi gerado.
    • Offline-first: funciona sem internet. No campo, na fábrica, numa trilha. Seu dispositivo não vira peso de papel quando cai o WiFi.
    • Custo zero de API: sem créditos da OpenAI, sem assinatura AWS, sem taxa por inferência. O hardware se paga.

    A contrapartida é que os modelos precisam ser menores. Não dá para rodar GPT-4 num ESP32. Mas você não precisa de GPT-4 para identificar um objeto numa imagem — e é aí que o TensorFlow Lite entra.

    O Pipeline Edge AI

    O fluxo de trabalho é: treinar o modelo num PC parrudo (ou usar um modelo pré-treinado) → converter para TensorFlow Lite (.tflite) → fazer deploy no dispositivo de borda → inferência local. O TensorFlow Lite é uma versão otimizada do TensorFlow voltada para dispositivos com recursos limitados. Os modelos são quantizados — os pesos das redes neurais, originalmente em float32, são convertidos para int8, reduzindo o tamanho em 4x com perda mínima de precisão. Um modelo MobileNet V2 que ocupa 50 MB em float32 cabe em 13 MB quantizado — e roda num Pi 5 com folga.

    Hardware: O Que Usar

    O hardware para Edge AI em 2026 está num momento fascinante. Quatro opções cobrem o espectro de preço e desempenho:

    • Raspberry Pi 5 (CPU, ~R$ 700): Com seus 8 GB de RAM e CPU quad-core Cortex-A76, o Pi 5 consegue rodar inferência de classificação de imagem a 8-15 FPS usando apenas a CPU com TFLite. Suficiente para projetos que não dependem de tempo real. O gargalo é que a CPU não foi feita para multiplicação de matrizes em paralelo — a GPU VideoCore VII pode ajudar, mas o suporte do TFLite para ela ainda é experimental.
    • Google Coral USB Accelerator (~R$ 400-600): Um pendrive que contém o chip Edge TPU — um ASIC (circuito integrado de aplicação específica) feito sob medida para inferência de redes neurais. Conectado via USB 3.0 ao Pi, entrega 4 TOPS (trilhões de operações por segundo) com consumo de apenas 2,5W. Para modelos compatíveis (MobileNet, EfficientNet), a diferença é brutal: 30+ FPS vs 8 FPS na CPU do Pi. O porém é que nem todo modelo roda no Edge TPU — ele suporta apenas operações específicas, e o processo de compilação (via Edge TPU Compiler) pode ser restritivo.
    • NVIDIA Jetson Nano / Orin Nano (~R$ 1000-3000): A linha Jetson da NVIDIA é o canhão: GPU integrada com núcleos CUDA, suporte nativo ao TensorRT, capacidade de rodar modelos bem maiores (YOLOv8, Detectron2, Stable Diffusion otimizado). O Jetson Orin Nano de entrada entrega 40 TOPS. O preço e o consumo (~7-15W) são mais altos, mas se seu projeto envolve visão computacional em tempo real complexa, é a escolha.
    • Hailo-8L (~R$ 400-500): O concorrente direto do Coral, no formato de HAT (placa que encaixa no GPIO do Pi 5). Entrega 13 TOPS — mais de 3x o Coral. A Hailo tem ganhado tração no mercado de Edge AI com suporte crescente a frameworks (ONNX, TFLite via conversão). Para quem quer o máximo de desempenho no formato compacto do Raspberry Pi, é a opção mais interessante de 2026.

    Tutorial: Classificação de Imagem com MobileNet V2 + TFLite no Pi 5

    Vamos ao que interessa. Assumo que você tem um Raspberry Pi 5 com Raspberry Pi OS (64-bit) instalado e está no terminal.

    # 1. Atualize o sistema sudo apt update && sudo apt upgrade -y # 2. Instale dependências Python sudo apt install python3-pip python3-opencv -y # 3. Instale o TFLite Runtime (versão ARM64, sem GPU por enquanto) pip3 install tflite-runtime # 4. Instale Pillow e numpy pip3 install pillow numpy

    Agora baixe o modelo MobileNet V2 pré-treinado e quantizado do TensorFlow Hub:

    # 5. Baixe o modelo e o arquivo de labels wget https://tfhub.dev/google/lite-model/imagenet/mobilenet_v2_100_224/classification/5?lite-format=tflite -O mobilenet_v2.tflite wget https://storage.googleapis.com/download.tensorflow.org/models/tflite/mobilenet_v2_1.0_224_quant_labels.txt -O labels.txt

    O script de inferência (salve como classify.py):

    import cv2 import numpy as np try: from tflite_runtime.interpreter import Interpreter except: from tensorflow.lite.python.interpreter import Interpreter import time # Carrega modelo e labels interpreter = Interpreter(model_path="mobilenet_v2.tflite") interpreter.allocate_tensors() input_details = interpreter.get_input_details() output_details = interpreter.get_output_details() # Carrega labels with open("labels.txt") as f: labels = f.read().strip().split("\n") # Configura câmera (USB webcam ou módulo de câmera) cap = cv2.VideoCapture(0) cap.set(cv2.CAP_PROP_FRAME_WIDTH, 224) cap.set(cv2.CAP_PROP_FRAME_HEIGHT, 224) print("Pressione Q para sair") while True: ret, frame = cap.read() if not ret: break # Pré-processa: redimensiona para 224x224 (já feito acima), # normaliza para uint8 e adiciona dimensão do batch input_data = np.expand_dims(frame, axis=0) # Inferência start = time.time() interpreter.set_tensor(input_details[0]['index'], input_data) interpreter.invoke() output_data = interpreter.get_tensor(output_details[0]['index']) elapsed = (time.time() - start) * 1000 # Decodifica resultado (top-1) predicted_idx = np.argmax(output_data[0]) label = labels[predicted_idx] confidence = output_data[0][predicted_idx] / 255.0 # modelo quantizado # Exibe display = cv2.putText( frame.copy(), f"{label} ({confidence:.2f}) - {elapsed:.0f}ms", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 255, 0), 2 ) cv2.imshow("Edge AI - MobileNet V2", display) if cv2.waitKey(1) & 0xFF == ord('q'): break cap.release() cv2.destroyAllWindows()

    Execute com python3 classify.py. Em segundos, você verá a câmera classificando objetos em tempo real — tudo offline, nenhum dado sai do seu Pi. No Pi 5 puro, espere ~80-120ms por frame (8-12 FPS). Com um Coral USB conectado e usando o delegate Edge TPU, isso cai para 15-30ms (30+ FPS) — mas isso é assunto para um post avançado.

    Quando Edge AI Vale a Pena (E Quando Não)

    Edge AI não substitui a nuvem — complementa. Se você precisa de um LLM completo (como o ChatGPT) para conversação complexa, ainda vai precisar da nuvem (embora modelos como o Llama 3.2 rodando quantizado no Pi 5 com Ollama estejam começando a mudar isso — mas aí é outro post). Para tarefas específicas — detecção de objetos, classificação de áudio, reconhecimento de fala, leitura de sensores com IA — o edge é imbatível.

    A pergunta certa não é “nuvem ou edge” — é “o que roda onde”. E cada vez mais, a resposta começa na sua mesa, não num datacenter a 500 km de distância.

    Fontes e Referências

  • Matrix — Realidade Simulada, Upload de Conhecimento e o Metaverso

    Matrix — Realidade Simulada, Upload de Conhecimento e o Metaverso

    Ele está deitado numa poltrona, olhos fechados, um plugue metálico cravado na base do crânio. Segundos depois, abre os olhos e diz: “I know kung fu.” Não foi necessário treinar. Não foi necessário praticar. O conhecimento foi transferido diretamente para seu cérebro como quem faz o upload de um arquivo. Esta cena de Matrix (1999) atravessou o milênio e se instalou no imaginário coletivo com a força de um mito moderno — e, como todo bom mito, carrega uma verdade mais profunda do que a literalidade do roteiro.

    As irmãs Wachowski não inventaram a ideia da realidade simulada. Platão, com sua caverna, já havia proposto que o que percebemos como real pode ser mera projeção. Descartes, com seu gênio maligno, levantou a hipótese de que tudo que experimentamos poderia ser ilusão. O que Matrix fez foi dar rosto, corpo e trilha sonora industrial a uma pergunta filosófica milenar. E, ao fazê-lo, transformou a dúvida metafísica em cultura pop — a ponto de o filósofo Nick Bostrom publicar, quatro anos depois, seu influente artigo “Are You Living in a Computer Simulation?”, argumentando com lógica formal que a probabilidade de estarmos dentro de uma simulação é estatisticamente significativa. A pílula vermelha tinha virado paper acadêmico.

    O upload de conhecimento — “I know kung fu” — permanece, por enquanto, no terreno da fantasia. Mas os primeiros tijolos dessa ponte já estão sendo assentados. Neuralink, de Elon Musk, implantou chips em cérebros humanos capazes de ler e transmitir sinais neurais. O OpenBCI desenvolve interfaces cérebro-computador de baixo custo. Ainda não aprendemos kung fu por download. Mas já conseguimos mover cursores e braços robóticos com o pensamento. O princípio está demonstrado; a engenharia segue seu curso lento e implacável.

    O Metaverso, por outro lado, chegou — e chegou devendo a Matrix mais do que Mark Zuckerberg jamais admitiria. A Matrix do filme é o metaverso levado ao extremo: uma realidade simulada tão perfeita que seus habitantes não sabem que estão dentro dela. O Meta Horizon Worlds é a versão atrapalhada e corporativa do conceito, com avatares sem pernas e salas de reunião flutuantes. Mas a semente é a mesma: a promessa de que o digital será indistinguível do real. Quando Zuckerberg rebatizou o Facebook como Meta em 2021, o mundo revirou os olhos. As Wachowski, em algum lugar, devem ter sorrido.

    O bullet time — a técnica que congelava a ação enquanto a câmera orbitava — foi inovação genuína. Cem câmeras fotográficas dispostas em arco, disparadas em sequência milimétrica. Revolucionou efeitos visuais e foi copiado à exaustão. Mas a verdadeira inovação de Matrix não foi a técnica. Foi transformar a filosofia continental em entretenimento de massa. Milhões de pessoas saíram do cinema em 1999 perguntando, pela primeira vez: “e se nada disso for real?” Essa é a pílula vermelha que o filme oferece. E ela continua fazendo efeito.

    Referências

  • Encontrar água no terreno: ler vegetação, relevo e orvalho

    Encontrar água no terreno: ler vegetação, relevo e orvalho

    Volume I — Água · série Manual de Reconstrução da Humanidade · capítulo C003 · nível de confiança: PRÁTICA + VARIA

    Quem já tem água precisa cuidar dela (C001 e C002). Quem não tem precisa achar — e achar água é ler o lugar, não cavar ao acaso. Vegetação, relevo e comportamento dos animais dizem onde ela está. Este capítulo começa por coletar sem cavar, porque cavar gasta energia e não garante nada.

    Tio Lu, no alto de uma elevação seca, aponta para uma faixa de mata verde e um riacho no fundo do vale, enquanto o robô Eko projeta linhas de relevo e de escoamento
    Ilustração: RealCraft/Tio Lu, gerada por IA

    O princípio

    Água sempre desce e se acumula nos pontos baixos. Três regras governam a busca:

    1. Vegetação é o mapa. Verde intenso no meio do seco, junco, taboa, salgueiro, samambaia, capim sempre-verde: são plantas cuja raiz precisa de água perto da superfície.
    2. Baixada é o alvo. Fundo de vale, pé de encosta, base de barranco, o encontro de duas elevações: é ali que a água de um morro inteiro se junta.
    3. Contato de rochas é a saída. A água brota onde uma camada impermeável (rocha, argila) encontra solo permeável. É onde cavar tem chance real.

    Não colete água parada e quente com película verde, nem água perto de curral, lixão, cemitério, posto de combustível ou oficina. Não é paranoia: química não sai com fervura (veja C001 e C004).

    Passo a passo

    A) Ler o terreno — 30 minutos de observação valem mais que 3 horas de pá

    1. Suba no ponto mais alto e olhe para baixo. Marque o ponto mais fundo de cada vale.
    2. Siga o leito de riacho seco. Muitas vezes ainda há água sob a areia e o cascalho, principalmente na parte de fora das curvas e nos pontos mais baixos do canal.
    3. Procure verde fora de época: arbusto verde em plena seca tem raiz na umidade.
    4. Observe os animais: trilhas batidas que convergem costumam levar à água; abelhas e formigas em fila também. Aves que comem grãos (pombas, por exemplo) voam para beber ao amanhecer e ao entardecer — siga o rumo.
    5. Em encosta rochosa, procure uma faixa de mudança de cor ou de vegetação: pode ser uma nascente brotando da rocha.

    B) Coletar sem cavar

    Ao amanhecer com neblina, Tio Lu torce um pano encharcado de orvalho dentro de uma panela, ao lado do robô Eko, que projeta um ícone de gota
    Ilustração: RealCraft/Tio Lu, gerada por IA
    1. Orvalho: antes do sol nascer, amarre panos limpos ou tufos de capim nos tornozelos e caminhe pela vegetação molhada; ou estenda um pano sobre a grama. Torça sobre um pote. Rende pouco e varia muito com a noite — junte várias superfícies e colete cedo, antes que evapore.
    2. Saco de transpiração: amarre um saco plástico transparente em volta de um galho verde e folhoso, ao sol, com um canto mais baixo para a água se juntar. A planta transpira e o vapor condensa no saco. Use só planta que você sabe que não é venenosa: a água pode carregar substâncias dela.
    3. Água de chuva: a forma mais limpa e rápida — veja C005.
    4. Neve e gelo: dão ótima água, mas derreta antes de beber — comer neve ou gelo baixa a temperatura do corpo e piora a desidratação. No mar, o gelo velho (azulado, de cantos arredondados) perdeu quase todo o sal; o gelo novo (cinzento ou leitoso) é salgado. Na dúvida, prove um pedacinho derretido antes de encher o pote — e trate a água do mesmo jeito.
    Desenho de um saco plástico amarrado em volta de um galho folhoso de árvore, acumulando água no ponto mais baixo
    Saco de transpiração vegetal, como descrito no manual FM 21-76. Ilustração: Forças Armadas dos EUA / Wikimedia Commons, domínio público.

    C) Cavar — só onde há sinal

    1. Cave onde já há sinal de umidade: vegetação verde, areia escura, junta de rocha úmida, curva de leito seco.
    2. Prefira areia e cascalho perto do canal a solo duro.
    3. Faça o buraco mais largo que fundo. Se passar da altura do joelho, escore as paredes com madeira para não desmoronar.
    4. Se a água vier barrenta, retire, deixe encher de novo e retire outra vez: isso “lava” o buraco. Depois, clarifique e desinfete (C001).
    5. Nunca cave sozinho ao pé de barranco alto ou encosta instável. Deslizamento mata mais rápido que sede.
    Mulher agachada retira água com uma caneca de um buraco cavado no leito seco de um rio
    Coleta de água em buraco cavado no leito seco de um rio, Turkana (Quênia). Foto: DFID / Wikimedia Commons, CC BY 2.0.

    Como identificar

    Gotas de orvalho sobre uma folha verde de capim, em close
    Orvalho em folha de capim: colete antes que o sol o evapore. Foto: Yinan Chen / Wikimedia Commons, domínio público.

    Sinal bom: água que sai límpida depois de 2 ou 3 trocas; água fria em dia quente; vegetação de raiz rasa verde em terreno seco; junta de rocha úmida.

    Sinal ruim: cheiro forte de ovo podre, película oleosa, cor estranha, espuma que não some ou gosto salgado. Não é fonte de beber — no máximo com destilação (C006).

    ⚠️ Risco — o erro que mata

    Não confunda “achar água” com “achar água boa”. Toda água encontrada no terreno é suspeita até ser tratada. E no saco de transpiração, só planta já identificada como segura — na dúvida, não use.

    Poço raso perto de latrina é esgoto com outro nome. Sem teste de solo, as normas humanitárias (Sphere) pedem pelo menos 30 metros entre latrina ou fossa e qualquer fonte de água, com o fundo da latrina pelo menos 1,5 m acima do lençol freático — e mais distância em rocha fraturada ou calcário. Nunca cave a fonte abaixo da latrina no declive. PADRÃO

    Variação regional

    • Deserto / semiárido: foco em orvalho, saco de transpiração e fundo de canais secos. Polpa de cacto só com identificação certa — muitas espécies são laxantes ou tóxicas.
    • Floresta úmida: água sobra; o problema é biológico. Prefira fonte corrente e clara e trate sempre.
    • Montanha: nascente na junta de rocha e degelo. Água de neve é pobre em minerais — compense na alimentação.
    • Litoral: nunca água do mar. Procure rio, chuva ou uma cacimba cavada atrás das dunas, acima da linha da maré — e prove: se estiver salobra, só destilando.

    Fecho prático

    Antes de gastar energia cavando, olhe o morro inteiro e anote onde o verde está fora de época. Essa anotação é o seu mapa de água.

    Fontes

    • US Army — FM 21-76 Survival Manual (domínio público): sinais de água na vegetação, no relevo e nos animais; coleta de orvalho; saco de transpiração; não comer neve sem derreter; gelo marinho.
    • Sphere — The Sphere Handbook, padrões de água e saneamento (latrina a pelo menos 30 m de fontes de água; fundo 1,5 m acima do lençol freático).
    • NSIDC — Science of Sea Ice (o gelo marinho perde sal com o tempo, à medida que a salmoura escorre).
    • CDC — How to Make Water Safe in an Emergency (tratar toda água de fonte natural antes de beber).