Tag: chatgpt

  • A Interseção Maker + IA: ChatGPT Projeta Seu Circuito

    A Interseção Maker + IA: ChatGPT Projeta Seu Circuito

    LLMs mudaram o jogo pra makers. Em 2024, pedi pro ChatGPT gerar código pra um sensor VL53L1X (ToF, medição de distância a laser) num ESP32. Em 30 segundos ele devolveu código funcional com biblioteca correta, pinos certos, tratamento de erro. Três anos atrás eu gastaria 45 minutos lendo datasheet, fuçando fórum e debugando I2C. Hoje, com um prompt bem escrito, saio na frente.

    Mas não é mágica. LLMs alucinam — inventam bibliotecas que não existem, sugerem pinagens impossíveis, geram código com bugs sutis que só aparecem em produção. A IA não substitui conhecimento de eletrônica — ela multiplica o conhecimento que você já tem.

    Este post é sobre usar IA como ferramenta maker de forma pragmática: o que funciona, o que explode, e como integrar no fluxo de trabalho sem virar dependente cego do output da máquina.

    Geração de Código: ChatGPT + Claude no Arduino

    O caso de uso mais imediato: gerar código pra Arduino e ESP32. E aqui os LLMs são genuinamente úteis:

    Funciona bem:

    • Escrever boilerplate: inicialização de sensores I2C/SPI, configuração de Wi-Fi, estrutura de loop com millis() pra non-blocking
    • Traduzir entre bibliotecas: código da Adafruit pra SparkFun, ou migrar de Arduino pra ESP-IDF
    • Gerar funções utilitárias: médias móveis, filtros digitais (Butterworth, Kalman), interpolação, comunicação serial com protocolo customizado
    • Debugar erros: copie e cole o erro de compilação e ele geralmente acerta a causa

    Não funciona (ou alucina feio):

    • Pinagens específicas de placas: O ChatGPT frequentemente sugere GPIOs que não existem na sua placa específica. ESP32-S3 tem pinagem diferente do ESP32 original, e ele mistura. Sempre confirme no pinout oficial.
    • Bibliotecas inexistentes: Já vi LLM sugerindo Adafruit_MCP9808 (existe), SparkFun_MS5803 (existe, parcialmente) e SensorMaster5000 (não existe, inventado). Sempre jogue o nome da biblioteca no GitHub ou PlatformIO registry antes de aceitar.
    • Timing crítico: Código que depende de microssegundos (bit-banging, NeoPixel, protocolos proprietários). LLMs não “pensam” em ciclos de clock.
    • Otimização de memória: ESP32 e Arduino Uno têm restrições severas de RAM (~2KB no Uno). LLMs geram código como se memória fosse infinita.

    Exemplo real de um prompt eficaz: “Escreva código Arduino para um sensor BME280 conectado via I2C no ESP32. Use a biblioteca Adafruit_BME280. Pinos: SDA=21, SCL=22. Leia temperatura, umidade e pressão a cada 5 segundos usando millis() em vez de delay(). Exiba no Serial Monitor. Trate erros de leitura do sensor com retry de 3 tentativas.” — Especificidade é tudo. Quanto mais preciso o prompt, menor a chance de alucinação.

    GitHub Copilot + PlatformIO: Pair Programming Realmente Útil

    O Copilot (e alternativas como Cursor com Claude, Codeium, Supermaven) brilha no editor. Você escreve um comentário descrevendo o que quer e ele sugere a implementação. No PlatformIO (extensão do VS Code), o Copilot entende o contexto do projeto — bibliotecas incluídas, estruturas de dados definidas, funções existentes.

    O segredo é usar o Copilot como acelerador de digitação, não como arquiteto. Ele é excelente pra completar padrões repetitivos (inicialização de múltiplos sensores, mapeamento de pinos, callbacks de interrupção), mas você precisa saber o que esperar como output pra validar.

    Fluxo que funciona: escreva a estrutura → comente cada bloco com o que ele deve fazer → aceite as sugestões do Copilot por bloco → compile e teste a cada bloco. Não aceite 50 linhas de sugestão de uma vez — debug fica exponencialmente mais difícil.

    IA Pra Design: Stable Diffusion e Gabinetes

    Seu projeto funciona no protoboard. Agora precisa de um gabinete. Você pode modelar no Fusion 360, mas e a identidade visual?

    Stable Diffusion (via Automatic1111, ComfyUI ou Fooocus) gera conceitos de design de produto em segundos. Prompts como “futuristic cyberpunk desktop sensor enclosure with OLED display, anodized aluminum and dark acrylic, octane render, product photography” geram imagens de referência pra você modelar depois. Não é o produto final, mas é um norte visual.

    Pra gabinetes impressos em 3D com estética aprimorada: gere texturas no SD (knurling patterns, carbon fiber weave, geometric grids), aplique como displacement map ou lithophane no slicer (PrusaSlicer e Bambu Studio suportam lithophane em superfícies curvas). O resultado é um acabamento que parece muito mais profissional do que plástico liso.

    Ferramentas emergentes como Meshy.ai geram modelos 3D a partir de texto ou imagens. Ainda são modelos low-poly com precisão limitada pra peças mecânicas, mas pra peças decorativas ou gabinetes estilizados, funcionam surpreendentemente bem.

    Limitações: Onde a IA Falha (e Você Precisa Saber)

    Vamos ser honestos sobre onde LLMs são perigosos no contexto maker:

    • Esquemáticos: Pedir pra IA gerar um circuito é loteria. Ela pode sugerir um regulador de tensão sem capacitor de desacoplamento, inverter polaridade de diodo, omitir pull-up em I2C. Circuitos “gerados por IA” que circulam no Twitter são quase sempre corrigidos por humanos antes de postar.
    • Dimensionamento de potência: A IA não calcula dissipação térmica, corrente de pico, ou margem de segurança. Se ela sugerir ligar um motor DC direto no GPIO do ESP32, você vai queimar o pino (e talvez o chip).
    • Protocolos de segurança: IA não entende normas de segurança elétrica, isolamento galvânico, proteção contra surto. Se seu projeto lida com tensão de rede (110/220V), a responsabilidade é 100% sua.
    • Datasheets: LLMs têm conhecimento congelado na data de treinamento. Um sensor novo lançado em 2025 não está na base de treinamento. Sempre cheque o datasheet real — em espressif.com, ti.com, ou direto no fabricante.

    A regra de ouro: use IA pra acelerar o que você já sabe fazer. Use pra aprender o que você está disposto a verificar. Nunca use pra decidir algo que você não tem como validar.

    Um Fluxo Maker + IA Que Funciona

    1. Defina o projeto você mesmo: O que o dispositivo faz, quais sensores, qual MCU. Decisões de arquitetura são humanas.
    2. IA gera primeiro rascunho de código: Prompt detalhado com bibliotecas, pinos, comportamento esperado.
    3. Copilot acelera a edição: Dentro do VS Code + PlatformIO, refine o código com auxílio do Copilot.
    4. IA pra debugar: Erro de compilação? Cole no ChatGPT/Claude. Funciona 80% das vezes.
    5. SD pra inspiração de design: Gabinete, painel, interface — gere conceitos visuais.
    6. Você faz o design mecânico final: Fusion 360, FreeCAD, OnShape — IA não substitui CAD paramétrico (ainda).
    7. Teste, itere, publique: Documente o que a IA acertou e errou — isso melhora seus prompts futuros e cria um ciclo de feedback real.

    A interseção maker + IA não é sobre delegar o trabalho pra máquina. É sobre multiplicar seu alcance como criador — fazendo em horas o que antes levava dias. O conhecimento técnico continua sendo o lastro. A IA é o turbo.

    Fontes e Referências

  • Mira Murati: a engenheira que construiu o ChatGPT e saiu da OpenAI no auge

    Mira Murati: a engenheira que construiu o ChatGPT e saiu da OpenAI no auge

    Se Sam Altman é o rosto da OpenAI, Mira Murati era o cérebro. A engenheira que liderou a criação do ChatGPT, do GPT-4 e do DALL-E deixou a empresa em 2024 — e o Vale do Silício inteiro quer saber o que ela vai fazer depois.

    Mira Murati foi CTO (Chief Technology Officer) da OpenAI de 2018 a 2024. Foi sob a liderança técnica dela que o ChatGPT saiu do laboratório e virou o produto que mudou o mundo.

    Da Albânia ao Vale do Silício

    Murati nasceu na Albânia em 1988, cresceu no Canadá e se formou em engenharia mecânica no Dartmouth College. Começou a carreira na Tesla, trabalhando no Model X. Depois passou pela Leap Motion (startup de realidade virtual) antes de chegar à OpenAI em 2018.

    Na OpenAI, ela escalou de pesquisadora pra CTO em tempo recorde. Foi ela quem liderou a transformação do GPT de projeto de pesquisa pra produto comercial — algo que cientistas normalmente odeiam fazer, mas Murati navegou com maestria.

    O lançamento do ChatGPT e a saída polêmica

    Em novembro de 2022, Murati foi uma das vozes decisivas pra lançar o ChatGPT como “research preview” — uma jogada que muitos dentro da OpenAI achavam arriscada. O resto é história: 100 milhões de usuários em 2 meses.

    Em novembro de 2023, durante o caótico fim de semana em que o board demitiu Sam Altman e depois recontratou, Murati foi nomeada CEO interina por 48 horas. Ela foi uma das poucas figuras que saiu da crise com reputação intacta.

    Em setembro de 2024, Murati anunciou sua saída da OpenAI. Motivo oficial: “quero criar tempo e espaço para exploração própria”. Motivo real (especulado): desentendimentos sobre a direção da empresa e o ritmo de lançamento de produtos.

    O que vem depois

    Nos meses seguintes à saída, Murati vem sendo cortejada por investidores pra fundar sua própria empresa de IA. Rumores sugerem algo focado em agentes de IA pra produtividade — uma competidora direta da OpenAI no mercado que ela ajudou a criar.

    Independente do que vier, Murati já é uma das engenheiras mais influentes da história da tecnologia. A pessoa que transformou pesquisa de ponta em produto que 200 milhões de pessoas usam. Nada mal pra quem começou na Albânia e foi parar no centro da maior revolução tecnológica do século.

  • Sam Altman: o cara que trouxe o ChatGPT pro mundo (e agora tá em apuros)

    Sam Altman: o cara que trouxe o ChatGPT pro mundo (e agora tá em apuros)

    Se tem uma pessoa que define o hype da inteligência artificial em 2026, é Sam Altman.

    Sam Altman é o CEO e cofundador da OpenAI — a empresa por trás do ChatGPT. Se você já usou IA pra escrever um email, gerar uma imagem ou pedir ajuda com código, provavelmente foi tecnologia que saiu de uma empresa comandada por ele.

    Sam Altman: o cara que trouxe o ChatGPT pro mundo (e agora tá em apuros)
    Wikimedia Commons — CC BY 2.0, autor TechCrunch

    De empreendedor teen a CEO mais vigiado do planeta

    Altman nasceu em 1985 em Chicago e começou a empreender cedo: aos 19 anos, largou Stanford pra fundar a Loopt, um app de localização social. Não deu certo, mas chamou atenção de gente grande: o investidor Paul Graham o convidou pra liderar a Y Combinator, a aceleradora de startups que criou Airbnb, Dropbox, Stripe e Reddit.

    Em 2015, Altman cofundou a OpenAI com Elon Musk e outros investidores. A missão original: criar inteligência artificial que beneficiasse a humanidade. Mas em 2018 Musk saiu brigado, e Altman assumiu o controle total. Em 2022, ele lançou o ChatGPT — e o mundo nunca mais foi o mesmo.

    O homem de $80 bilhões que admite que existe bolha

    A OpenAI foi avaliada em mais de US$80 bilhões e tem a Microsoft como principal investidora, com mais de US$13 bilhões injetados. Mas 2026 não está sendo gentil com Altman: o app Sora (geração de vídeo) foi fechado, a Disney desistiu de investir US$1 bilhão, o GPT-5 não saiu até agora, e o próprio Altman admitiu publicamente que existe uma “bolha de IA”.

    Enquanto isso, concorrentes como a Anthropic e a chinesa DeepSeek estão mordendo os calcanhares da OpenAI — e em alguns casos, ultrapassando.

    Visionário ou vendedor de hype?

    Altman é uma figura polêmica. Fãs o veem como o Steve Jobs da IA — alguém que enxerga o futuro antes dos outros. Críticos dizem que ele é um mestre do hype que construiu uma empresa insustentável em cima de promessas. A verdade provavelmente está no meio: Altman tem faro pra tendências e talento pra executar, mas também exagera — e o mercado está começando a cobrar a conta.

    Curiosidade: Altman é “prepper” — ele tem um bunker, estoque de armas, ouro e remédios pra caso a civilização colapse. O cara que criou o ChatGPT tem medo do futuro que a IA pode trazer. Pense nisso.