A Era da Computação Além do Código

Introdução:

Apresentação pessoal: Engenheiro de software sênior com mais de 20 anos de experiência.
Objetivo da palestra: Explorar a evolução da computação e suas possibilidades para o futuro.

História dos Computadores:

Origem do computador e a máquina Enigma.
Colossus (1928-1945) e a contribuição de Alan Turing.
Avanços até 1970, destacando linguagens de programação desse período (FORTRAN, COBOL, ALGOL).

Influenciadores Importantes:

Steve Jobs e Steve Wozniak: Apple e a revolução dos computadores pessoais.
Bill Gates e Paul Allen: Microsoft e o impacto do software.
Linus Torvalds: Linux e o movimento open-source.
Professor Andrew Tanenbaum: Minix e seu papel na educação de sistemas operacionais.

Sistemas Operacionais:

Windows: Domínio no mercado de PCs.
Linux: Flexibilidade e uso em servidores e sistemas embarcados.
iOS: Ecosistema móvel e derivação do Unix.

Empreendedorismo Criativo e Startups:

O auge das startups e exemplos emblemáticos (Google, Facebook, Amazon).
Desenvolvimento de um modelo de negócio para startups, incluindo Business Plan.

Possibilidades Futuras:

Computação quântica e IA.
O impacto da tecnologia na sociedade e no mercado de trabalho.
Oportunidades de inovação e empreendedorismo na era digital.

Perguntas e Respostas:

Qual a importância da máquina Enigma e do Colossus?
A máquina Enigma foi crucial na criptografia durante a Segunda Guerra Mundial, e o Colossus foi uma das primeiras máquinas a quebrar esses códigos, marcando o início da era dos computadores eletrônicos.

Quem foi Alan Turing e qual sua contribuição?
Alan Turing foi um matemático e criptógrafo que desenvolveu conceitos fundamentais para a computação moderna, incluindo a Turing Machine, que formaliza a noção de algoritmos e computação.

Quais foram as principais linguagens de programação até 1970?
FORTRAN, COBOL e ALGOL foram algumas das principais linguagens, cada uma contribuindo para diferentes áreas da programação e processamento de dados.

Qual o impacto de Steve Jobs e Steve Wozniak na computação?
Eles fundaram a Apple e revolucionaram a computação pessoal com o lançamento do Apple II e, posteriormente, do Macintosh, tornando computadores acessíveis e intuitivos para o público geral.

A Máquina de Turing é o modelo teórico que define o que um computador pode resolver.
O Problema da Parada (Halting Problem) mostra que há limites certos problemas nunca terão solução algorítmica.

A partir disso surgem as classes P e NP, que tratam da eficiência:

P são os problemas resolvidos rapidamente; NP, os que só conseguimos verificar rápido.

O grande mistério é se P = NP, ou seja, se tudo que é fácil de verificar também pode ser resolvido rápido.

O AFD (Autômato Finito Determinístico) representa sistemas previsíveis, enquanto o AFN (Não
Determinístico) admite múltiplos caminhos.

O raciocínio humano vai além disso: é interpretar, comparar e criar sentido, misturando emoção, memória e propósito.

Assim, a computação mostra o limite das máquinas, e o raciocínio humano mostra o limite da lógica.

Transcript

1. IA no Cotidiano Educação Ferramentas de apoio ao ensino e tradução de textos em ambientes acadêmicos. Empresas Sistemas de apoio à decisão e chatbots para atendimento ao cliente. Internet Busca inteligente e IA Generativa para criação de conteúdo através de prompts. A Era da Computação
2. Áreas e Pilares da Computação Games nas Décadas Gerações dos Computadores Linguagens de Programação Plataforma de Prototipagem Linguagens de Mercado Empreendedorismo Inteligência Artificial
3. Quem sou eu? Jefferson Otoni Lima - @jeffotoni
5. Matemática Discreta e Lógica Computacional Uma jornada pelos fundamentos matemáticos da computação moderna
6. Matemática Discreta Lógica Matemática Proposições, conectivos lógicos, tabelas verdade e leis de De Morgan formam a base para estruturas condicionais e circuitos lógicos. Teoria dos Conjuntos Operações de união, interseção e produto cartesiano organizam dados e relacionamentos em bancos de dados. Álgebra Booleana Simplificação de expressões e mapas de Karnaugh otimizam circuitos digitais e design de hardware.
7. Grafos e Probabilidade Teoria dos Grafos Vértices, arestas, caminhos e ciclos modelam redes sociais, rotas e algoritmos de busca como DFS/BFS. Probabilidade Discreta Espaço amostral, eventos e distribuição binomial impulsionam simulações, IA e aprendizado de máquina.
8. Lógica Computacional 0 1 Lógica Proposicional Conectivos lógicos e tabelas verdade para condições em algoritmos e expressões booleanas. 0 2 Lógica de Predicados Quantificadores e inferências para representação do conhecimento e raciocínio automatizado em IA. 0 3 Circuitos Digitais Portas lógicas e simplificação booleana para projeto de hardware e otimização de compiladores.
9. O Cérebro Matemático "A Lógica Computacional é o cérebro matemático da computação. Ela ensina o computador a raciocinar, não apenas a calcular."
10. Teoria da Computação Computabilidade Máquina de Turing e funções computáveis definem os limites do que é resolvível por computadores. Autômatos AFD, AFN e gramáticas formais para compiladores, regex e parsing. Decidibilidade Halting Problem revela os limites matemáticos da IA e do software. “A Máquina de Turing define o que é possível. P e NP definem o que é praticamente possível.”
11. Algoritmos e Estruturas de Dados Fundamentos Análise de complexidade com notação Big-O para otimizar tempo e memória. Estruturas Lineares Listas, pilhas e filas para recursão, sistemas distribuídos e editores. Estruturas Não Lineares Árvores e grafos para IA, bancos de dados e redes sociais.
12. Algoritmos Essenciais Ordenação Merge Sort, Quick Sort e Heap Sort organizam grandes volumes de dados e otimizam consultas. Busca BFS, DFS e busca binária para bancos de dados, IA e sistemas recomendadores. Grafos Dijkstra, Kruskal e Prim para GPS, redes neurais e sistemas de rotas. Otimização Programação dinâmica e algoritmos greedy para planejamento e reconhecimento de padrões.
13. Computabilidade e Complexidade 1 Computabilidade Máquina de Turing e Church-Turing thesis definem os limites teóricos da automação. 2 Decidibilidade Problema da Parada prova que certos problemas nunca terão solução algorítmica. 3 Classes de Complexidade P: resolvíveis em tempo polinomial. NP: verificáveis rapidamente. NP-Completo: os mais difíceis. 4 P vs NP Um dos maiores problemas abertos da computação, valendo US$ 1 milhão.
14. Estruturas + Algoritmos = Poder "Estruturas de dados são o corpo. Algoritmos são o cérebro. Juntos, eles definem o poder e a eficiência de qualquer sistema." Computabilidad e O que pode ser resolvido por um computador? Complexidade Quanto custa resolver isso em tempo e memória?
17. 0001 0001 0001 0010 Código Máquina 0001: Código de operação para LOAD. 0001: Registrador acumulador. 0001 0010: Endereço de memória 0x12.
19. O Jogo da Imitação (The Imitation Game) – 2014 The Bletchley Circle (série) – 2012–2014 Oppenheimer – 2023 Filmes relacionados
20. Linguagens de Programação Assembly (1940) David Wheeler, Kathleen Booth Fortran (1957) John Backus Lisp (1958) John McCarthy Cobol (1959) Grace Hopper BASIC (1964) John G. Kemeny, Thomas E. Kurtz Pascal (1970) Niklaus Wirth C (1972) Dennis Ritchie, Brian Kernighan
21. IA no Cotidiano Educação Ferramentas de apoio ao ensino e tradução de textos em ambientes acadêmicos. Empresas Sistemas de apoio à decisão e chatbots para atendimento ao cliente. Internet Busca inteligente e IA Generativa para criação de conteúdo através de prompts.
23. Introdução à linguagem de programação quântica Q#
24. A Era Atual e o Futuro 2015-2020: Blockchain ⛓ Promessa de descentralização, hype e especulação. 2018-2023: IA Preditiva 🤖 Deep Learning, visão computacional, machine learning em produção. 2023-Hoje: IA Generativa 🧬 GPT, Claude, Gemini a era da criatividade sintética. Futuro: IA Quântica ⚛ ? Qubits e computação além dos limites clássicos.
25. IA no Cotidiano Educação Ferramentas de apoio ao ensino e tradução de textos em ambientes acadêmicos. Empresas Sistemas de apoio à decisão e chatbots para atendimento ao cliente. Internet Busca inteligente e IA Generativa para criação de conteúdo através de prompts.
26. Breve História da IA Preditiva 2 (2006–2015) Big Data + Deep Learning 3 4 1 Machine Learning (1980 - 2000) A análise preditiva se fortalece 2016 - DeepMind - AlphaGo (Lee Sedol) 2016 - crise das fake news 2015 algoritmos de recomendação (YouTube e Facebook) 2016 "pós-verdade " 2016 Eleições nos EUA e Brexit escândalo Cambridge Analytic algoritmos = predição + manipulação em massa 2020 - O Dilema das Redes Algoritmos não apenas recomendam, eles podem manipular crenças e decisões sociais
27. AlphaGo (2016)
28. O Dilema das Redes
29. A Era dos Dados Uma jornada pelas revoluções tecnológicas que moldaram nosso presente e estão criando nosso futuro.
30. A Febre dos Dados 2012-2018: O Boom do Big Data A Nova Commodity "Os dados são o novo petróleo" mas ninguém falava da refinaria necessária. Acúmulo Massivo Empresas acumulando petabytes sem saber o que fazer com eles. A Busca por Talentos Corrida por engenheiros e cientistas que transformariam dados em valor.
31. Explosão dos Cursos de Dados Novas Formações • Ciência de Dados • Engenharia de Dados • Estatística Computacional • Machine Learning • Big Data e Analytics Plataformas Populares • Python para Dados • Power BI e Tableau • Hadoop & Spark • Deep Learning • TensorFlow
32. Profissões que Surgiram 1 Data Engineer Construindo pipelines e infraestrutura de dados escalável. 2 Data Scientist Extraindo insights e criando modelos preditivos. 3 Data Analyst Transformando dados em decisões de negócio. 4 ML Engineer Implementando e otimizando modelos de aprendizado de máquina.
33. Ferramentas que Dominaram Categoria Ferramentas Função Principal Ingestão de dados Kafka, Flume, NiFi Coleta e streaming Armazenamento Hadoop, AWS S3, BigQuery, Snowflake Grandes volumes Processamento Apache Spark, MapReduce Computação em escala Consultas Presto, Hive, Impala SQL distribuído Visualização Power BI, Tableau, Looker Dashboards e insights Linguagens Python, R, Scala, SQL Análise e modelagem Cloud AWS, Azure, GCP Escalabilidade flexível
34. Da Big Data à IA Preditiva Descrever o Passado Big Data organizou e analisou dados históricos. Prever o Futuro IA Preditiva começou a antecipar tendências e resultados. Imaginar Novos Mundos IA Generativa está criando realidades inéditas. Frameworks revolucionários: Scikit-learn (2010), TensorFlow (2015), PyTorch (2016). Python se tornou a língua franca da IA.
35. O Valor Está no Significado "Quem aprendeu dados naquela época abriu portas. Mas quem aprende a pensar o dado, e não só tratá-lo, cria o futuro." A Mensagem Final O dado é só o começo. Armazenar não é suficiente é preciso prever, criar e imaginar. Seu Papel Não seja apenas um executor de código. Seja quem enxerga além do código.
36. Quebrando o Gelo A Pergunta "Quem aqui acha que a IA é inteligente?" Isso é criatividade ou apenas estatística sofisticada? Nossa Jornada Hoje Não é sobre código é sobre enxergar além do código. Como a computação mudou nossas vidas e para onde estamos indo.
37. O que significa ser ‘inteligente’? Ser inteligente, no sentido filosófico é compreender e atribuir sentido e agir com consciência . Inteligência Filosófica Inteligência Artificial Antropomorfismo Funcionalidade linguística Atribuição de sentido Compreensão consciente A IA é 'inteligente' apenas no sentido linguístico e funcional. Essa metáfora, ao longo do tempo, deu origem à antropomorfização.
38. IA Generativa A Revolução A ascensão da IA Generativa permitiu criar imagens, vídeos, códigos e textos através de prompts, consolidando-se como tecnologia disruptiva. Imagens Criação automática de arte digital e fotografias Textos Geração de conteúdo escrito personalizado Códigos Programação assistida por inteligência artificial
39. Revolução Transformer Em 2017, pesquisadores do Google apresentaram a arquitetura Transformer com técnica self-attention, revolucionando o processamento de linguagem. Self-Attention Processa sequências de texto de forma mais eficiente Paralelização Analisa várias partes simultaneamente Relações Distantes Compreende conexões em textos longos
40. Breve História da IA Generativa 2 2017 - Transformers Google publica "Attention Is All You Need", revolucionando o processamento de linguagem natural. 3 LLMs Emergem Modelos com bilhões de parâmetros treinados para prever a próxima palavra em sequências. 4 2024 - Nobel Geoffrey Hinton e John Hopfield recebem o Prêmio Nobel de Física por pesquisas em redes neurais. 1 2006 - 2015 - AI Preditiva Big Data + Deep Learning DeepMind - AlphaGo (Lee Sedol)
41. Como Funciona a IA 0 1 Coleta + DataSet Coleta, organização e reorganização de grandes quantidades de dados de entrada. 0 2 Definição Arquitetura Aplicação de algoritmos de rede neural para encontrar padrões e probabilidades. 0 3 Treinamento Produção de resultados como sínteses probabilísticas de dados treinados. Inferindo padrões estatísticos e ajuste dos pesos da rede neural. A IA não é um sujeito cognitivo, ela não pensa, não sente, não tem consciência ou valores. 0 4 Implantação 0 5 Consumo via Api infraestrutura para rodar o modelo treinado usuários interagem com prompts e recebem saídas generativas
42. LLMs: Modelos Gigantes Modelos de Linguagem de Grande Escala com bilhões de parâmetros, treinados para prever a próxima palavra em sequências. GPT (OpenAI) Família de modelos generativos pioneiros Gemini (Google) Modelos multimodais avançados LLaMA (Meta) Modelos de código aberto
43. Reconhecimento Científico Em 2024, Geoffrey Hinton e John Hopfield receberam o Prêmio Nobel de Física por pesquisas fundamentais em redes neurais. Este marco demonstra que a IA generativa não é moda passageira, mas resultado de décadas de pesquisa acumulada.
44. Responsabilidade e Ética na IA "Ser inteligente, no sentido filosófico, é compreender e atribuir sentido de forma consciente. A IA é 'inteligente' apenas no sentido linguístico e funcional." Nossas Responsabilidades ⚖ Uso Ético Garantir tecnologia sem vieses, discriminação ou manipulação 🔍 Transparência Como modelos são treinados e quais dados foram usados 🔒 Proteção de Dados LGPD, privacidade e anonimização dos usuários 🌍 Impacto Social Prevenir exclusão digital, requalificação e dependência tecnológica Com poder vem responsabilidade: somos os guardiões do impacto que esses sistemas causam.
45. Ferramentas de Inteligência Artificial para Desenvolvedores de Software Explorando como a IA está transformando nosso dia a dia no desenvolvimento
46. Ferramentas CLI Poder direto no terminal 1 Ollama Roda modelos localmente com apenas 1 comando 2 Aider IA edita seu projeto com base no Git 3 Claude Code IA integrada diretamente ao seu repositório 4 Gemini Cli IA integrada diretamente ao seu repositório
47. Claude Code
48. OLLMA
49. Ferramentas para IDEs GitHub Copilot VS Code e JetBrains Codeium Alternativa gratuita Windsurf VS com IA embutida Cursor IDE Editor com IA nativa Visual S. Code IA embutida - plugins jetbrains Junie - AI Assistant Kiro Com IA Assistant
50. Aider Windsurf
51. JetBrains - Junie
52. JetBrains - AI Assistant
53. Ferramentas Desktop (LLMs Locais) Privacidade, velocidade e independência da nuvem LM Studio Interface amigável para rodar modelos localmente GPT4All Modelos open-source no seu computador Jan.ai Plataforma local com múltiplos modelos AnythingLLM Solução completa para IA local
54. Anything