Author: falcoforado

Fernando Alcoforado*

Cet article vise à présenter comment la rigidité des comptes publics du Brésil compromet son développement, ainsi qu’à indiquer ce qu’il faut faire pour surmonter cet obstacle à l’expansion de l’économie brésilienne. La rigidité  des comptes publics résulte du fait que le gouvernement fédéral consacre la majorité de son budget au paiement des intérêts et à l’amortissement de la dette publique (50,87% en 2023) et que 91% des 49,13% restants du budget de l’Union sont alloués au couvrir les dépenses obligatoires techniquement appelées non discrétionnaires, qui comprennent les débours pour le paiement du personnel et les prestations de sécurité sociale. Cela signifie que le gouvernement fédéral ne dispose que de 9 % de son budget pour investir, ce qui a été en partie soustrait par le Congrès national avec les énormes amendements parlementaires qui augmentent chaque année. Cette situation conduit à l’incapacité du gouvernement fédéral à gérer le pays, avec seulement 0,5% du PIB disponible pour l’investissement public, notamment dans les infrastructures économiques (énergie, transports et communications) et sociales (éducation, santé, logement et assainissement de base) mais aussi parce qu’elle est confrontée aux restrictions imposées par la politique de plafonnement des dépenses publiques et la politique de taux d’intérêt extrêmement élevés adoptée par la Banque centrale.

Pour tenter d’alléger le fardeau de l’héritage maudit de la politique de plafonnement des dépenses publiques adoptée sous les gouvernements Temer et Bolsonaro, le gouvernement Lula a institué ce qu’on appelle le cadre fiscal, que l’on peut aussi appeler le « nouveau plafond des dépenses publiques », désormais conditionné à l’augmentation des recettes publiques. Avec le cadre fiscal, le gouvernement Lula pourra augmenter les dépenses publiques à condition qu’il y ait une augmentation des recettes pour équilibrer les comptes du gouvernement. Il s’agit d’un immense défi puisque l’augmentation des recettes publiques dépend de l’expansion de l’économie qui, à son tour, dépend de l’augmentation des investissements publics et privés. En d’autres termes, en cas de baisse des recettes publiques, le gouvernement Lula ne sera pas en mesure de réaliser les investissements publics nécessaires au développement du Brésil et sera contraint de procéder à des coupes dans le budget de l’Union, comme la récente décision de geler R$ 15 milliards dans le budget 2024. L’imprévu du budget de l’Union n’est rien d’autre qu’un retard ou un gel dû à une collecte insuffisante des recettes publics.

Il est donc absurde de maintenir le plafond des dépenses publiques même avec l’adoption d’un cadre fiscal qui empêche le gouvernement brésilien de promouvoir le développement économique du pays, compte tenu de l’importance des dépenses publiques sous forme d’investissements, principalement dans les infrastructures, pour contribuer au processus de croissance économique, car il existe un besoin croissant pour le gouvernement d’intervenir directement dans l’économie brésilienne en raison de l’insuffisance des investissements du secteur privé afin de générer des externalités positives pour les producteurs et les consommateurs. Il est important de souligner que les investissements publics, comme ceux que le gouvernement fédéral réalise habituellement dans les infrastructures économiques et sociales, ne devraient pas être considérés comme des dépenses publiques. Les dépenses publiques sont tous les décaissements qui proviennent de la trésorerie de l’État sous forme de coûts ou de dépenses qui ne génèrent pas de retour financier, contrairement à l’investissement public. Il convient de noter que, contrairement aux coûts ou dépenses de l’État, l’investissement public génère des bénéfices tels que, par exemple, une augmentation de la production nationale ou une réduction des coûts de production, à travers l’expansion ou la modernisation, par exemple, des infrastructures économiques (énergie, transports et communication) et les infrastructures sociales (éducation, santé, assainissement de base, logement).

Quant aux taux d’intérêt extrêmement élevés adoptés par la Banque centrale, les plus élevés du monde, cela signifie qu’il existe au Brésil une politique monétaire visant exclusivement à combattre l’inflation, en dissonance avec les efforts du gouvernement Lula pour promouvoir la reprise du développement national. Même si la Banque centrale affirme que l’augmentation des taux d’intérêt du Selic vise à empêcher la fuite des capitaux du pays et à contenir la dévaluation du réal, rien ne justifie l’adoption de taux d’intérêt aussi élevés. En plus d’adopter des taux d’intérêt extrêmement élevés, les dirigeants de la Banque centrale n’ont pas accordé l’importance voulue à contenir l’augmentation de la valeur du dollar dans le pays dans la lutte contre l’inflation, étant donné qu’il a contribué à l’augmentation du taux d’inflation au Brésil ces dernières années, notamment par son impact sur l’augmentation des prix du carburant, qui ont augmenté avec l’appréciation du dollar par rapport au réal (monnaie brésilienne), en plus de l’augmentation du prix de baril de pétrole sur le marché international. La Banque centrale n’a donc pas réussi à combattre l’inflation, ni avec des taux d’intérêt Selic extrêmement élevés, ni à contenir la hausse du dollar par rapport au réal. Outre les taux d’intérêt extrêmement élevés, l’existence de l’autonomie de la Banque centrale rend impossible au gouvernement fédéral d’adopter des politiques économiques fiscales et monétaires coordonnées, comme c’est le cas actuellement, comme le fait la politique monétaire récessive imposée par la Banque centrale avec des taux d’intérêt extrêmement élevés rendent irréalisables les efforts du gouvernement Lula pour promouvoir la reprise du développement national.

Sur la base de ce qui précède, le gouvernement Lula ne favorisera le développement du Brésil que s’il résout la question de la dette publique, en visant à réduire le fardeau des paiements d’intérêts et de l’amortissement de la dette, en renégociant avec ses créanciers la prolongation du paiement des intérêts, en éliminant la politique de plafond des dépenses publique pour que le gouvernement fédéral retrouve la capacité de promouvoir les investissements publics et mettre fin à l’autonomie de la Banque centrale pour assurer la coordination entre les politiques monétaires et budgétaires du gouvernement fédéral. L’avenir du Brésil et le succès du gouvernement Lula dépendent de l’élimination de ces trois obstacles majeurs au développement du pays qui empêchent l’État brésilien d’agir comme investisseur et inducteur du progrès économique et social du Brésil. Le lecteur de cet article besoin de comprendre que le Brésil est passé d’un pays agraire, arriéré dans les années 1930, à un pays moderne avec le processus d’industrialisation qui s’est déroulé de 1930 à 1980 grâce à l’action de l’État brésilien, qui a agi comme un investisseur et inducteur du processus de développement national. C’est grâce à l’État brésilien que, de 1930 à 1980, le Brésil a atteint les taux de croissance du PIB les plus élevés au monde, soit environ 7 % par an, et figurait parmi les 10 plus grands pays de l’économie mondiale dans les années 1980. Un fait est clair : le Brésil ne peut pas se passer d’un État capable d’agir comme investisseur et moteur de son développement. Pour y parvenir, il faut donc résoudre  la question de la dette publique, abandonner la politique de plafonnement des dépenses publiques et mettre fin à l’autonomie de la Banque centrale pour mettre fin à la stagnation de l’économie brésilienne.

La rigidité économique du Brésil ne sera surmontée que si le gouvernement Lula et ses alliés obtiennent la majorité au Congrès national lors des élections de 2026 afin que soient approuvés des amendements constitutionnels permettant de résoudre la question de la dette publique, d’abandonner la politique de plafonnement des dépenses publiques et mettre fin à l’autonomie de la Banque centrale. L’obtention d’une majorité parlementaire par le gouvernement Lula et ses alliés est absolument nécessaire, étant donné que la majorité conservatrice dominante qui existe là-bas, composée de politiciens conservateurs et opportunistes, peu attachés aux intérêts de l’immense majorité de la population brésilienne, empêche la gouvernement fédéral de mettre en pratique son projet de national développementaliste et de répondre pleinement aux demandes sociales. La situation politique actuelle au Brésil démontre qu’il ne suffit pas d’élire un président de la République engagé dans le progrès du pays comme le président Lula. Outre l’élection d’un président progressiste, il est également nécessaire de renouveler le Congrès national en élisant la majorité des représentants du peuple engagés dans le progrès politique, économique et social pour surmonter les obstacles qui entravent le développement du Brésil. Pour obtenir une majorité parlementaire au Congrès national engagée dans les avancées politiques, économiques et sociales, les forces progressistes doivent s’engager, dès les élections municipales de 2024, à élire autant de maires et de conseillers que possible engagés dans les avancées politiques, économiques et sociales au Brésil. Telles sont les conditions pour que le gouvernement Lula puisse mettre fin à la stagnation de l’économie brésilienne et empêcher, en 2026, les extrémistes de droite de reconquérir la présidence de la République, en élargissant leur participation aux gouvernements des États et au Congrès national. et mettre en pratique leur infâme projet antisocial et antinational.

* Fernando Alcoforado, 84, a reçoit la Médaille du Mérite en Ingénierie du Système CONFEA / CREA, membre de l’Académie de l’Education de Bahia, de la SBPC – Société Brésilienne pour le Progrès des Sciences et l’IPB – Institut Polytechnique de Bahia, ingénieur de l’École Polytechnique UFBA et docteur en Planification du Territoire et Développement Régional de l’Université de Barcelone, professeur d’Université (Ingénierie, Économie et Administration) et consultant dans les domaines de la planification stratégique, de la planification d’entreprise, planification du territoire et urbanisme, systèmes énergétiques, a été Conseiller du Vice-Président Ingénierie et Technologie chez LIGHT S.A. Entreprise de distribution d’énergie électrique de Rio de Janeiro, coordinatrice de la planification stratégique du CEPED – Centre de recherche et de développement de Bahia, sous-secrétaire à l’énergie de l’État de Bahia, secrétaire à la  planification de Salvador, il est l’auteur de ouvrages Globalização (Editora Nobel, São Paulo, 1997), De Collor a FHC- O Brasil e a Nova (Des)ordem Mundial (Editora Nobel, São Paulo, 1998), Um Projeto para o Brasil (Editora Nobel, São Paulo, 2000), Os condicionantes do desenvolvimento do Estado da Bahia (Tese de doutorado. Universidade de Barcelona,http://www.tesisenred.net/handle/10803/1944, 2003), Globalização e Desenvolvimento (Editora Nobel, São Paulo, 2006), Bahia- Desenvolvimento do Século XVI ao Século XX e Objetivos Estratégicos na Era Contemporânea (EGBA, Salvador, 2008), The  Necessary Conditions of the Economic and Social Development- The Case of the State of Bahia (VDM Verlag Dr. Müller Aktiengesellschaft & Co. KG, Saarbrücken, Germany, 2010), Aquecimento Global e Catástrofe Planetária (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2010), Amazônia Sustentável- Para o progresso do Brasil e combate ao aquecimento global (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2011), Os Fatores Condicionantes do Desenvolvimento Econômico e Social (Editora CRV, Curitiba, 2012), Energia no Mundo e no Brasil- Energia e Mudança Climática Catastrófica no Século XXI (Editora CRV, Curitiba, 2015), As Grandes Revoluções Científicas, Econômicas e Sociais que Mudaram o Mundo (Editora CRV, Curitiba, 2016), A Invenção de um novo Brasil (Editora CRV, Curitiba, 2017), Esquerda x Direita e a sua convergência (Associação Baiana de Imprensa, Salvador, 2018), Como inventar o futuro para mudar o mundo (Editora CRV, Curitiba, 2019), A humanidade ameaçada e as estratégias para sua sobrevivência (Editora Dialética, São Paulo, 2021), A escalada da ciência e da tecnologia e sua contribuição ao progresso e à sobrevivência da humanidade (Editora CRV, Curitiba, 2022), est l’auteur d’un chapitre du livre Flood Handbook (CRC Press, Boca Raton, Floride, États-Unis, 2022), How to protect human beings from threats to their existence and avoid the extinction of humanity (Generis Publishing, Europe, Republic of Moldova, Chișinău, 2023), A revolução da educação necessária ao  Brasil na era contemporânea (Editora CRV, Curitiba, 2023), Como construir um mundo de paz, progresso e felicidade para toda a humanidade (Editora CRV, Curitiba, 2024) et How to build a world of peace, progress and happiness for all humanity (Editora CRV, Curitiba, 2024).

Fernando Alcoforado*

This article aims to present how the rigidity of Brazil’s public accounts compromises its development, as well as pointing out what to do to overcome this obstacle to the expansion of the Brazilian economy. The stagnation of public accounts results from the fact that the federal government allocates the majority of its budget to the payment of interest and amortization of public debt (50.87% in 2023) and 91% of the remaining 49.13% of the Union budget is allocated to cover mandatory expenses technically called non-discretionary, which include disbursements for the payment of personnel and social security benefits. This means that the federal government only has 9% of its budget to make investments, which, in part, has been subtracted by the National Congress with the huge parliamentary amendments that grow every year. This situation leads to the federal government’s inability to manage the country, with only 0.5% of GDP available for public investment, especially in economic infrastructure (energy, transport and communications) and social infrastructure (education, health, housing and basic sanitation), but also because it faces the restrictions imposed by the public spending ceiling policy and the extremely high interest rate policy adopted by the Central Bank.

In an attempt to alleviate the burden of the legacy of the public spending ceiling policy cursed adopted during the Temer and Bolsonaro governments, the Lula government instituted the so-called fiscal framework that can also be called the “new public spending ceiling” now conditioned to the increase in public tax collection. With the fiscal framework, the Lula government will be able to increase public spending as long as there is an increase in revenue to balance the government’s accounts. This is an immense challenge since the increase in public revenue depends on the expansion of the economy which, in turn, depends on the increase in public and private investments. In other words, if there is a drop in public revenue, the Lula government will not be able to make the public investments necessary for Brazil’s development and will be forced to make cuts in the Union’s budget, such as the recent decision to freeze R$15 billion in the 2024 budget. The contingency of the Union budget is nothing more than a delay or freeze due to insufficient expected public tax collection.

It is, therefore, absurd to maintain the public spending ceiling even with the adoption of the fiscal framework that prevents the Brazilian government from promoting the country’s economic development, given the importance of government spending in the form of investments, mainly in infrastructure, to contribute to the process of economic growth, as there is a growing need for the government to intervene directly in the Brazilian economy due to insufficient private sector investment in order to generate positive externalities for producers and consumers. It is important to highlight that public investment, such as what the federal government usually makes in economic and social infrastructure, should not be considered public spending. Public spending is all disbursements that come from the government’s cash flow in the form of costs or expenses that do not generate a financial return, unlike public investment. It is worth noting that, unlike government costs or expenses, public investment generates benefits such as, for example, an increase in national production or a reduction in production costs, through the expansion or modernization, for example, of economic infrastructure ( energy, transport and communication) and social infrastructure (education, health, basic sanitation, housing).

As for the extremely high interest rates adopted by the Central Bank, the highest in the world, this means that in Brazil there is a monetary policy aimed exclusively at combating inflation in dissonance with the Lula government’s effort to promote the resumption of national development. Even if the Central Bank argues that the increase in Selic interest rates aims to prevent capital flight from the country and contain the advance of the devaluation of the real (Brazilian currency), there is no justification for adopting such extremely high interest rates. In addition to adopting extremely high interest rates, the directors of the Central Bank have not given due importance to containing the increase in the value of the dollar in the country in the fight against inflation, given that it has contributed to the increase in Brazil’s inflation rate in recent years, especially with its impact on the increase in fuel prices, which rose with the appreciation of the dollar in relation to the real, in addition to the increase in the price of a barrel of oil on the international market. The Central Bank has therefore failed to combat inflation either with extremely high Selic interest rates or in containing the rise of the dollar in relation to the real. In addition to the extremely high interest rates, the existence of the autonomy of the Central Bank makes it impossible for the federal government to adopt coordinated fiscal and monetary economic policies, as is currently the case, as the recessive monetary policy imposed by the Central Bank with rates extremely high interest rates make the Lula government’s effort to promote the resumption of national development unfeasible.

Based on the above, the Lula government will only promote Brazil’s development if it solves the issue of public debt with a view to reducing the burden of interest payments and debt amortization, renegotiating with its creditors the extension in of interest payments, eliminate the spending ceiling policy public policy to make the federal government regain the capacity to promote public investments and to end the autonomy of the Central Bank to ensure coordination between the federal government’s monetary and fiscal policies. The future of Brazil and the success of the Lula government depend on the elimination of these three major obstacles to the country’s development that disable the Brazilian State from acting as an investor and inducer of Brazil’s economic and social progress. The reader of this article needs to understand that Brazil went from being an agrarian country, backward in 1930, to being a modern country with the industrialization process that took place from 1930 to 1980 thanks to the action of the Brazilian State, which acted as an investor and inducer of national development process. It was thanks to the Brazilian State that from 1930 to 1980 Brazil achieved the highest GDP growth rates in the world of around 7% per year and was among the 10 largest countries in the world economy in the 1980s. One fact is clear: Brazil cannot do without a State capable of acting as an investor and driver of its development. For this to happen, it is therefore necessary to solve the issue of public debt, abandon the public spending ceiling policy and end the autonomy of the Central Bank to put an end to the stagnation of the Brazilian economy.

Brazil’s economic rigidity will only be overcome if the Lula government and its allies win a majority in the National Congress in the 2026 elections, so that constitutional amendments can be approved that will make it possible to address the issue of public debt, abandon the public spending cap policy, and end the autonomy of the Central Bank. The Lula government and its allies winning a parliamentary majority is absolutely necessary, given that the dominant conservative majority there, composed of conservative, opportunistic politicians who are uncommitted to the interests of the vast majority of the Brazilian population, prevents the federal government from implementing its national development project and fully meeting social demands. The current political situation in Brazil demonstrates that it is not enough to elect a President of the Republic committed to the country’s progress like President Lula. In addition to electing a progressive president, it is also necessary to renew the National Congress by electing the majority of people’s representatives committed to political, economic and social advances to overcome the obstacles that impede Brazil’s development. To obtain a parliamentary majority in the National Congress committed to political, economic and social advances, progressive forces need to commit themselves, starting from the 2024 municipal elections, to elect as many mayors and councilors as possible committed to political, economic and social advances in Brazil. These are the conditions for the Lula government to be able to put an end to the stagnation of the Brazilian economy and prevent, in 2026, right-wing extremists from regaining the Presidency of the Republic, expanding their participation in state governments and the National Congress and putting into practice their nefarious antisocial and antinational project.

* Fernando Alcoforado, awarded the medal of Engineering Merit of the CONFEA / CREA System, member of the SBPC- Brazilian Society for the Progress of Science, IPB- Polytechnic Institute of Bahia and of the Bahia Academy of Education, engineer from the UFBA Polytechnic School and doctor in Territorial Planning and Regional Development from the University of Barcelona, college professor (Engineering, Economy and Administration) and consultant in the areas of strategic planning, business planning, regional planning, urban planning and energy systems, was Advisor to the Vice President of Engineering and Technology at LIGHT S.A. Electric power distribution company from Rio de Janeiro, Strategic Planning Coordinator of CEPED- Bahia Research and Development Center, Undersecretary of Energy of the State of Bahia, Secretary of Planning of Salvador, is the author of the books Globalização (Editora Nobel, São Paulo, 1997), De Collor a FHC- O Brasil e a Nova (Des)ordem Mundial (Editora Nobel, São Paulo, 1998), Um Projeto para o Brasil (Editora Nobel, São Paulo, 2000), Os condicionantes do desenvolvimento do Estado da Bahia (Tese de doutorado. Universidade de Barcelona,http://www.tesisenred.net/handle/10803/1944, 2003), Globalização e Desenvolvimento (Editora Nobel, São Paulo, 2006), Bahia- Desenvolvimento do Século XVI ao Século XX e Objetivos Estratégicos na Era Contemporânea (EGBA, Salvador, 2008), The Necessary Conditions of the Economic and Social Development- The Case of the State of Bahia (VDM Verlag Dr. Müller Aktiengesellschaft & Co. KG, Saarbrücken, Germany, 2010), Aquecimento Global e Catástrofe Planetária (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2010), Amazônia Sustentável- Para o progresso do Brasil e combate ao aquecimento global (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2011), Os Fatores Condicionantes do Desenvolvimento Econômico e Social (Editora CRV, Curitiba, 2012), Energia no Mundo e no Brasil- Energia e Mudança Climática Catastrófica no Século XXI (Editora CRV, Curitiba, 2015), As Grandes Revoluções Científicas, Econômicas e Sociais que Mudaram o Mundo (Editora CRV, Curitiba, 2016), A Invenção de um novo Brasil (Editora CRV, Curitiba, 2017),  Esquerda x Direita e a sua convergência (Associação Baiana de Imprensa, Salvador, 2018), Como inventar o futuro para mudar o mundo (Editora CRV, Curitiba, 2019), A humanidade ameaçada e as estratégias para sua sobrevivência (Editora Dialética, São Paulo, 2021), A escalada da ciência e da tecnologia e sua contribuição ao progresso e à sobrevivência da humanidade (Editora CRV, Curitiba, 2022), a chapter in the book Flood Handbook (CRC Press,  Boca Raton, Florida United States, 2022), How to protect human beings from threats to their existence and avoid the extinction of humanity (Generis Publishing, Europe, Republic of Moldova, Chișinău, 2023), A revolução da educação necessária ao Brasil na era contemporânea (Editora CRV, Curitiba, 2023), Como construir um mundo de paz, progresso e felicidade para toda a humanidade (Editora CRV, Curitiba, 2024) and How to build a world of peace, progress and happiness for all humanity (Editora CRV, Curitiba, 2024).

Fernando Alcoforado*

Este artigo tem por objetivo apresentar como o engessamento das contas públicas do Brasil compromete seu desenvolvimento, bem como apontar o que fazer para superar este entrave à expansão da economia brasileira. O engessamento de contas públicas resulta do fato do governo federal destinar a maior parte de seu orçamento ao pagamento de juros e amortização da dívida pública (50,87% em 2023) e 91% dos restantes 49,13% do orçamento da União serem destinados à cobertura de despesas obrigatórias tecnicamente chamadas de não discricionárias, que incluem os desembolsos com o pagamento de pessoal e benefícios previdenciários. Isto significa dizer que o governo federal só dispõe de 9% de seu orçamento para realizar investimentos que, em parte, vem sendo subtraído pelo Congresso Nacional com as vultosas emendas parlamentares que crescem a cada ano. Esta situação leva à incapacitação do governo federal para gerir o País ao dispor de apenas 0,5% do PIB para investimentos públicos, sobretudo em infraestrutura econômica (energia, transporte e comunicações) e infraestrutura social (educação, saúde, habitação e saneamento básico), mas também, porque se defronta com as restrições impostas pela política do teto de gasto público e pela política de juros extremamente elevados adotada pelo Banco Central. 

Na tentativa de amenizar o ônus da herança maldita da política do teto de gastos públicos adotada durante os governos Temer e Bolsonaro, o governo Lula instituiu o denominado arcabouço fiscal que pode ser chamado, também, de “novo teto de gastos públicos” agora condicionado ao aumento da arrecadação pública de tributos. Com o arcabouço fiscal, o governo Lula poderá aumentar o gasto público desde que haja aumento da arrecadação para equilibraras contas do governo. Trata-se de um imenso desafio já que o aumento da arrecadação pública depende da expansão da economia que, por sua vez, depende do aumento dos investimentos públicos e privados. Em outras palavras, havendo queda de arrecadação pública, o governo Lula não terá capacidade de realizar os investimentos públicos necessários ao desenvolvimento do Brasil e será obrigado a realizar cortes no orçamento da União como a decisão recente de congelar R$ 15 bilhões no orçamento de 2024. O contingenciamento do orçamento da União nada mais é do que um retardamento ou congelamento em função da insuficiência da arrecadação pública de tributos.

Trata-se, portanto, de um absurdo manter o teto de gastos públicos mesmo com a adoção do arcabouço fiscal que impede o governo brasileiro de promover o desenvolvimento econômico do País, haja vista a importância dos gastos governamentais sob a forma de investimentos, principalmente em infraestrutura, para contribuir no processo de crescimento econômico, pois existe uma crescente necessidade do governo intervir diretamente na economia brasileira devido à insuficiência do investimento do setor privado a fim de gerar externalidades positivas para os produtores e consumidores. É importante destacar que o investimento público, como o que o governo federal costuma realizar em infraestrutura econômica e social, não deveria ser considerado como gasto público. Gastos públicos são todos osdesembolsos que saem do caixa do governo na forma de custo ou despesa que não geram um retorno financeiro, diferentemente do investimento público. É oportuno observar que, diferentemente do custo ou despesa do governo, o investimento público gera benefícios como, por exemplo, o aumento da produção nacional ou a redução de custos de produção, por meio da ampliação ou modernização, por exemplo, da infraestrutura econômica (energia, transporte e comunicação) e infraestrutura social (educação, saúde, saneamento básico, habitação).

Quanto às taxas de juros extremamente elevadas adotadas pelo Banco Central, as maiores do mundo, significa dizer que há no Brasil uma política monetária voltada exclusivamente para o combate à inflação em dissonância com o esforço do governo Lula de promover a retomada do desenvolvimento nacional. Mesmo que o Banco Central argumente que a elevação das taxas de juros Selic visam evitar a fuga de capitais do País e conter o avanço da desvalorização do real não há justificativa para a adoção de taxas de juros tão extremamente elevadas. Além de adotarem taxas de juros extremamente elevadas, os diretores do Banco Central não têm dado a devida importância à contenção da elevação do valor do dólar no País no combate à inflação haja vista que tem contribuído para a elevação da taxa de inflação do Brasil nos últimos anos, sobretudo com seu impacto sobre o aumento dos preços do combustíveis que se elevaram com a valorização do dólar em relação ao real, além da elevação do preço do barril de petróleo no mercado internacional. O Banco Central tem fracassado, portanto, no combate à inflação seja com as taxas de juros Selic extremamente elevadas, seja na contenção da elevação do dólar em relação ao real. Além dos juros extremamente elevados, a existência da autonomia do Banco Central faz com que isto impossibilite o governo federal de adotar políticas econômicas fiscais e monetárias articuladas entre si como ocorre no momento atual na medida em que a política monetária recessiva imposta pelo Banco Central com taxas de juros extremamente elevadas inviabiliza o esforço do governo Lula de promover a retomada do desenvolvimento nacional.

Pelo exposto, o governo Lula só promoverá o desenvolvimento do Brasil se solucionar a questão da dívida pública visando reduzir os encargos com o pagamento de juros e amortização da dívida renegociando com seus credores o alongamento no tempo do pagamento dos juros, eliminar a política do teto de gasto público para fazer com que o governo federal readquira a capacidade de promover investimentos públicos e acabar com a autonomia do Banco Central para assegurar a coordenação entre as políticas monetária e fiscal do governo federal.  O futuro do Brasil e o sucesso do governo Lula dependem da extirpação destes três grandes obstáculos ao desenvolvimento do País que incapacitam o Estado brasileiro de atuar como investidor e indutor do progresso econômico e social do Brasil. O leitor deste artigo precisa entender que o Brasil deixou a condição de país agrário, atrasado, em 1930, para a de país moderno com o processo de industrialização que ocorreu de 1930 a 1980 graças à ação do Estado brasileiro que atuou como investidor e indutor do processo de desenvolvimento nacional. Foi graças ao Estado brasileiro que o Brasil alcançou de 1930 a 1980 as maiores taxas de crescimento do PIB no mundo da ordem de 7% ao ano e se situou entre os 10 maiores países da economia mundial na década de 1980. Um fato é evidente: O Brasil não pode prescindir de um Estado capaz de atuar como investidor e indutor de seu desenvolvimento. Para que isto aconteça, é preciso, portanto, equacionar a questão da dívida pública, abandonar a política do teto de gasto público e acabar com a autonomia do Banco Central para levar ao fim a estagnação da economia brasileira. 

O engessamento econômico do Brasil só será superado se o governo Lula e seus aliados conquistarem maioria no Congresso Nacional nas eleições de 2026 para que sejam aprovadas emendas constitucionais que possibilitem equacionar a questão da dívida pública, abandonar a política do teto de gasto público e acabar com a autonomia do Banco Central. A conquista de maioria parlamentar pelo governo Lula e seus aliados é absolutamente necessária haja vista que a maioria conservadora dominante lá existente, composta por políticos conservadores, oportunistas, descomprometidos com os interesses da imensa maioria da população brasileira, impede o governo federal de colocar em prática seu projeto nacional desenvolvimentista e atender as demandas sociais na plenitude. A atual conjuntura política do Brasil demonstra que não basta eleger um presidente da República comprometido com o progresso do País como o Presidente Lula. Além de eleger um presidente progressista, é preciso renovar, também, o Congresso Nacional elegendo a maioria de representantes do povo comprometidos com os avanços políticos, econômicos e sociais para superar os entraves que impedem o desenvolvimento do Brasil. Para obterem maioria parlamentar no Congresso Nacional comprometida com os avanços políticos, econômicos e sociais, as forças progressistas precisam se empenhar, a partir das eleições municipais de 2024, no sentido de elegerem o máximo de prefeitos e vereadores comprometidos com os avanços políticos, econômicos e sociais do Brasil. Estas são as condições para o governo Lula poder levar ao fim o engessamento da economia brasileira e evitar que, em 2026, os extremistas de direita reconquistem a Presidência da República, ampliem sua participação nos governos estaduais e no Congresso Nacional e coloquem em prática seu nefasto projeto antissocial e antinacional.   

* Fernando Alcoforado, 84, condecorado com a Medalha do Mérito da Engenharia do Sistema CONFEA/CREA, membro da SBPC- Sociedade Brasileira para o Progresso da Ciência, do IPB- Instituto Politécnico da Bahia e da Academia Baiana de Educação, engenheiro pela Escola Politécnica da UFBA e doutor em Planejamento Territorial e Desenvolvimento Regional pela Universidade de Barcelona, professor universitário (Engenharia, Economia e Administração) e consultor nas áreas de planejamento estratégico, planejamento empresarial, planejamento regional e planejamento de sistemas energéticos, foi Assessor do Vice-Presidente de Engenharia e Tecnologia da LIGHT S.A. Electric power distribution company do Rio de Janeiro, Coordenador de Planejamento Estratégico do CEPED- Centro de Pesquisa e Desenvolvimento da Bahia, Subsecretário de Energia do Estado da Bahia, Secretário do Planejamento de Salvador, é autor dos livros Globalização (Editora Nobel, São Paulo, 1997), De Collor a FHC- O Brasil e a Nova (Des)ordem Mundial (Editora Nobel, São Paulo, 1998), Um Projeto para o Brasil (Editora Nobel, São Paulo, 2000), Os condicionantes do desenvolvimento do Estado da Bahia (Tese de doutorado. Universidade de Barcelona,http://www.tesisenred.net/handle/10803/1944, 2003), Globalização e Desenvolvimento (Editora Nobel, São Paulo, 2006), Bahia- Desenvolvimento do Século XVI ao Século XX e Objetivos Estratégicos na Era Contemporânea (EGBA, Salvador, 2008), The Necessary Conditions of the Economic and Social Development- The Case of the State of Bahia (VDM Verlag Dr. Müller Aktiengesellschaft & Co. KG, Saarbrücken, Germany, 2010), Aquecimento Global e Catástrofe Planetária (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2010), Amazônia Sustentável- Para o progresso do Brasil e combate ao aquecimento global (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2011), Os Fatores Condicionantes do Desenvolvimento Econômico e Social (Editora CRV, Curitiba, 2012), Energia no Mundo e no Brasil- Energia e Mudança Climática Catastrófica no Século XXI (Editora CRV, Curitiba, 2015), As Grandes Revoluções Científicas, Econômicas e Sociais que Mudaram o Mundo (Editora CRV, Curitiba, 2016), A Invenção de um novo Brasil (Editora CRV, Curitiba, 2017),  Esquerda x Direita e a sua convergência (Associação Baiana de Imprensa, Salvador, 2018, em co-autoria), Como inventar o futuro para mudar o mundo (Editora CRV, Curitiba, 2019), A humanidade ameaçada e as estratégias para sua sobrevivência (Editora Dialética, São Paulo, 2021), A escalada da ciência e da tecnologia ao longo da história e sua contribuição ao progresso e à sobrevivência da humanidade (Editora CRV, Curitiba, 2022), de capítulo do livro Flood Handbook (CRC Press, Boca Raton, Florida, United States, 2022), How to protect human beings from threats to their existence and avoid the extinction of humanity (Generis Publishing, Europe, Republic of Moldova, Chișinău, 2023), A revolução da educação necessária ao Brasil na era contemporânea (Editora CRV, Curitiba, 2023), Como construir um mundo de paz, progresso e felicidade para toda a humanidade (Editora CRV, Curitiba, 2024) e How to build a world of peace, progress and happiness for all humanity (Editora CRV, Curitiba, 2024).  

Fernando Alcoforado*

Abstract: This article aims to present the Artificial Intelligence tools already in use in Engineering.

Keywords: Artificial Intelligence and its different types. Artificial Intelligence tools already in use in Engineering.

1. Introduction

This article aims to present the Artificial Intelligence tools already in use in the areas of Engineering that contribute to significantly improving the efficiency, precision and innovation of construction and production processes, as well as pointing out creative and effective solutions for today’s technological challenges. In this sense, the different types of Artificial Intelligence will be presented, the current Engineering management tools with the use of ERPs and Artificial Intelligence with its applications in Engineering.

2. Artificial intelligence and its different types

What is Artificial Intelligence (AI)? The article A Inteligência Artificial na Engenharia: entenda sua importância (Artificial Intelligence in Engineering: understand its importance) [1] informs that AI is defined as a field of study that originates from the following areas:

•        Computing;

•        Engineering;

•        Psychology;

•        Mathematics;

•        Cybernetics.

All of these areas, in a multidisciplinary way, have as their main objective the construction of systems that are configured with a mode of operation and intelligent behavior in order to carry out activities and process information with excellence equivalent to or greater than that of a human being. To this end, AI is based on three pillars: reasoning, learning and perception. Reasoning is the logical process of understanding and making decisions. Learning is the ability of a machine to learn from past experiences and adjust its behavior accordingly. Perception is the ability of a machine to process information from the external world [1].

Artificial Intelligence (AI) is a computational technology or a set of technologies such as artificial neural networks, algorithms and learning systems whose objective is to imitate human mental capabilities, such as: reasoning, environmental perception and decision-making capacity [2]. The technology is developed with the aim that machines can solve a series of problems, covering everything from the great complexity of government and industry management to the daily tasks of modern men and women. To do this, AI uses sophisticated learning technology, allowing it to learn from a large set of data and act on its own. The general objective of AI is to create machines that can operate with the same level of cognitive capacity as humans, or even surpass them [2].

In the words of the computer scientist who coined the term, John McCarthy, Artificial Intelligence is “the science and engineering of producing intelligent systems” [3]. It is the technology used to make machines behave like humans when performing manual activities, making decisions, understanding data and even creating content (most recent innovation). Machines are equipped with data and programmed to learn from it, dividing information into layers and recognizing patterns. The article Inteligência Artificial na educação: benefícios e desafios (Artificial Intelligence in education: benefits and challenges) informs that AI has given rise to several types. Among them, the following can be highlighted [3]:

• Generative AI: generates new data and samples (such as images, texts and music) similar to a training data set. Examples: ChatGPT and DALL-E. ChatGPT is a chat bot and virtual assistant developed by OpenAI and released on November 30, 2022, based on large language models that allows users to refine and direct a conversation for duration, format, style, level of detail and desired language. DALL•E, DALL•E 2, and DALL•E 3 are text-to-image models developed by OpenAI using deep learning methodologies to generate digital images from natural language descriptions known as “prompts”.

• Discriminative AI: classifies data into predefined categories based on specific features. It is able to detect objects, recognize patterns, collect, analyze and present information. Examples: facial recognition, adaptive learning platform and school data platform.

• Reactive AI: deals only with current information and does not maintain a memory of previous data. She makes decisions based on predefined rules and is not able to learn or adapt to new situations.

• Knowledge-Based AI: uses a database of human knowledge to make decisions and solve problems, using logical rules. Example: medical diagnosis system.

• Machine Learning AI: can learn and continuously improve based on data. Your learning can be supervised, unsupervised or reinforcement. Example: spam email identification system.

• Deep Learning AI: subfield of Machine Learning, uses deep artificial neural networks to learn complex data representations. Examples: image and speech recognition, machine translation and text processing.

• Natural Language Processing (NLP) AI: focuses on the interaction between computers and human language. Examples: chatbots, virtual assistants, machine translation and sentiment analysis.

• Autonomous AI: capable of operating autonomously and making decisions without human intervention. Examples: autonomous cars and robots.

3. Current Engineering management tools using ERP

ERP is nothing more than business management software that serves to automate manual processes, store data and unify the visualization of results [4]. ERP stands for Enterprise Resource Planning – translating from English, “Company Resource Planning”. ERP is nothing more than business management software that serves to automate manual processes, store data and unify the visualization of results. ERP is widely used mainly in civil construction. ERP for civil construction is business management software developed specifically to meet the needs of companies in the construction sector. It offers an integrated solution to manage all areas of the company, from planning to execution.

The article Os 10 melhores ERP´s da Construção Civil (The 10 best ERPs for Civil Construction) informs that the best ERPs for civil construction are the following [4]:

Koper ERP

Koper ERP is construction management software that offers solutions for various areas, such as HR, administration, quality, purchasing, engineering, finance, supplies and sales. It is aimed at construction companies or developers looking for an integrated, complete and easy-to-use management solution. With Koper ERP, it is possible to integrate all areas of construction into a single system, which facilitates communication and exchange of information between teams, as well as allowing an overview of the works. This enables more accurate and efficient decision-making, reduced costs and rework, better integration of the construction team and time savings. The software also offers technical support and constant updates to ensure the best system performance and security.

Protheus ERP

It is business management software from TOTVS, which can be customized to meet the needs of the construction industry. Protheus is business management software (ERP) developed by the Brazilian company TOTVS. It is one of the best-known and most used management systems in Brazil, with more than 30 years of history and thousands of clients in various sectors. Protheus is robust software that offers many functionalities and advanced business management features. Some of the main features of Protheus ERP include: a) Feasibility studies; b) Budgets and quotations; c) Planning; d) Management of teams and resources; e) Monitoring of execution.

Sienge ERP

It is a complete and integrated solution to manage all processes of a construction company, from financial management to project execution. Sienge is a popular option in the construction ERP market, with a broad customer base. The software also offers technical support and training for users, ensuring that companies can make the most of all its features and benefits. Some of the main features of Sienge ERP include: a) Budgets; b) Measurements; c) Control of supplies and equipment; d) Orders; e) Integration with BIM, which is a process that involves the generation and management of digital representations of the physical and functional characteristics of buildings and other physical assets. BIM is supported by several tools, technologies and contracts.

Gerencia Obras ERP

Gerencia Obras is a business management software (ERP) developed by the Brazilian company Gerencia Obras Tecnologia. The system is specifically designed for companies in the construction industry and offers a complete and integrated solution to manage all company processes, from the financial part to project execution.

UAU ERP

UAU is business management software (ERP) developed by the Brazilian company Globaltec. The system is specific for companies in the construction industry and offers a complete and integrated solution to manage all company processes, from the financial part to project execution. Its main advantages are: a) Reprint invoices; b) Check availability of units for sales; c) Access payment statements; d) Register personalized services.

Omie ERP

Omie is a Brazilian ERP software, the system is aimed at financial, accounting, sales, inventory and production management, in addition to offering resources for project and construction management. In the case of civil construction, Omie ERP allows contract management, issuance of invoices, stock control of materials and equipment, cost and budget management, as well as resources for payroll management and time control. The system also offers project management tools, allowing the monitoring of stages, deadlines and budgets, as well as task control and communication between teams.

Mega ERP

Mega is an ERP developed by the Brazilian company Mega Sistemas. Specifically designed for companies in different sectors, including construction, Mega offers a complete and integrated solution to manage all company processes, from the financial part to project execution. Some of the main features of Mega ERP include: a) Composition; b) Security; c) Budget; d) Contracts; e) Notes.

EVOP ERP

Evop is a Brazilian ERP. Created for construction companies, Evop offers a complete and integrated solution to manage all company processes, from the financial part to project execution. Main features of EVOP: a) Integration with BIM; b) Financial; c) Schedule; d) Budgets; e) Works Diary.

Obra Prima ERP

Obra Prima was designed for companies in the construction industry, offering a complete solution to manage all company processes, from the administrative part to project execution. Main features of ERP: a) Measurements; b) Risk analysis; c) Budget with profit margin calculations per stage; d) Schedule; e) Purchases.

Obrafit ERP

Obrafit is software that was developed specifically to meet the needs of companies operating in the civil construction and engineering sector. It has specific modules for controlling works and projects, such as budget, schedule, execution monitoring, measurements and billing. It is an efficient solution for companies looking for a specific business management tool for the civil construction and engineering sector.

Overall, an ERP for construction is very important as it allows companies to manage all areas in an integrated and efficient way, making it easier to make informed decisions and ensure that all activities are carried out on time and within budget. It is worth remembering that this is just a list of some ERP options for construction, and choosing the best system for a company depends on several factors, such as size, budget, specific needs and available resources [4].

4. Artificial Intelligence and its applications in Engineering

How is Artificial Intelligence being used in Engineering? AI is being applied in several areas of engineering, from project design to execution. One of the main applications is in data analysis, allowing engineers to process large volumes of information quickly and accurately. Artificial Intelligence in Engineering is already a reality and can be applied in different areas bringing more functionality, practicality, time savings, among many other benefits. In this case, it is similar to what an ERP for Civil Engineering does through the integration of information from different areas of Engineering, such as computing, civil construction, production, energy, among others, which can already benefit from the use of artificial intelligence. When we talk about Artificial Intelligence in Engineering, the premise is to build systems capable of analyzing data accurately and contributing to increasingly assertive decision-making.

The article A Inteligência Artificial na Engenharia: entenda sua importância (Artificial Intelligence in Engineering: understand its importance) [1] informs that the main uses of AI are the following [1]:

Machine Learning (ML)

Machine learning is a data analysis method that automates the construction of analytical models in systems. One of the main parts of AI’s work is to enable systems to learn from data, identify patterns and make decisions with minimal human intervention. Thus, there is a reduction in operational costs and a reduction in errors related to decision-making, mainly because it becomes possible to analyze complex and voluminous data through the creation of algorithms that project ideal scenarios (error-free). In other words, it is as if AI guarantees a continuous improvement process based on data.

Deep Learning (DL)

Delving deeper into the concept of Machine Learning, Deep Learning is an even more advanced technology and, in addition to learning from data, it is capable of crossing data to generate insights and adapt to different scenarios and needs. One of the practical benefits of DL is fraud prevention. In financial systems, for example, it has the autonomy to identify suspicious patterns of behavior and block possible fraud or errors with the potential to result in even more serious errors.

Project monitoring

Artificial Intelligence in Engineering can also be used to monitor projects in order to improve construction management, optimize processes and speed up stages, for example. AI finds patterns for all phases of a project, which facilitates its management as a whole, from the initiation and planning phase to the analysis of processes, methodologies and closure. This is an efficient way to avoid small errors throughout the project and save time, considerably minimizing any chance of delay.

Logistics

Artificial Intelligence in Engineering also has features and benefits related to logistics, especially when we talk about materials management, supply chain and even 3D printing of works, warehouses and the like. Through software and virtual reality glasses, AI makes it possible to “be inside” that space and check its conditions before it is even completed. In this context, AI can be applied through an automation system to cross-reference information related to stock, inventory patterns and storage information, such as ideal room temperature, climate and the like.

Reporting and strategic decision-making

Artificial Intelligence in Engineering uses data, monitors its patterns, cross-references this information to generate insights and almost completely reduces errors arising from human labor. Therefore, naturally this entire ecosystem facilitates decision-making involving the project, regardless of the phase it is in. This is because the system does all the analytical work. That is, filter the database, map processes, eliminate errors and deliver to the person responsible for the project only what is relevant (having a reliable basis). This makes it easier for the manager to make assertive and safe decisions in situations such as calculations of works and projects, definition of performance indicators, budget analysis, among others.

The article Como Engenheiros Podem Utilizar a Inteligência Artificial em Seus Projetos (How Engineers Can Use Artificial Intelligence in Their Projects) [5] reports that Artificial Intelligence (AI) is revolutionizing several areas of engineering, becoming a valuable tool for engineers around the world. This technology can be applied to a wide range of projects, from the design and analysis of structures to the optimization of manufacturing processes. Artificial Intelligence can be used: 1) in Data Analysis and Forecasts; 2) in Design Optimization; 3) in Process Control and Automation; 4) in Simulations and Modeling; and, 5) in Predictive Maintenance [5].

Data Analysis and Forecasts

AI is particularly powerful when it comes to data analysis and predictions. Engineers can use AI algorithms to analyze large data sets, identify trends, anomalies, and hidden insights. For example:

• In Civil Engineering, AI can be used to predict the behavior of structures under different climatic or load conditions.

• In Production Engineering, engineers can use AI to predict when machines need maintenance, minimizing unplanned downtime.

• In Electrical Engineering, AI can help in the analysis of energy consumption data, helping to optimize the use of resources.

Design Optimization

AI can be a powerful ally in the design optimization process. AI-based optimization algorithms can explore a wide range of variables and constraints to find the best solutions. This is particularly useful in product engineering and industrial design, where efficiency is essential.

• In Automotive Engineering, AI can be used to optimize vehicle design in terms of aerodynamics, fuel consumption and safety.

• In Materials Engineering, AI can help identify materials with ideal properties for specific applications.

Process Control and Automation

AI can also be applied to improve process control and automation in Engineering. AI-based control systems can make real-time decisions based on data and feedback, improving efficiency and accuracy across multiple processes:

• In Manufacturing Engineering, AI can optimize the control of machines and robots in production lines, reducing errors and increasing efficiency.

• In Traffic Engineering, AI can be used to improve the control of traffic lights and public transport systems, reducing congestion.

Simulations and Modeling

AI is also valuable for creating complex simulations and models. Engineers can use AI to create detailed predictive models that represent complex, real-life systems. This is useful in several areas:

• In Software Engineering, AI can be used to simulate the behavior of complex systems before implementation.

• In Aerospace Engineering, AI can assist in flight simulation and aircraft design.

Predictive Maintenance

Predictive maintenance is another crucial application of AI in Engineering. Through real-time data analysis, AI algorithms can predict when equipment or systems are about to fail, enabling intervention before serious problems occur:

• In Power Engineering, AI can monitor wind turbines to identify wear and tear and schedule maintenance.

• In Mechanical Engineering, AI can predict when machine components need to be replaced.

In the energy area, Artificial Intelligence can be used to optimize the distribution and management of the electrical grid, ensuring the supply of energy efficiently and safely. Another promising application of AI in Electrical Engineering is in the development of smart grids. These smart grids integrate renewable energy sources, energy storage systems and advanced communications technologies to optimize energy distribution and management. The article Aplicações de Inteligência Artificial Generativa no setor de energia (Applications of Generative Artificial Intelligence in the energy sector) [6] reports that generative Artificial Intelligence (AI) is emerging as an innovative tool in several sectors, and the energy sector is no exception. With the growing need for smart and efficient solutions to address global energy challenges, generative AI offers a range of promising applications. From optimizing electrical grids to creating realistic simulations for developing new energy sources, this technology is revolutionizing the way we produce, distribute and consume energy [6].

Generative AI can be used to create optimized designs for solar farms and wind turbines. By considering variables such as wind patterns, solar incidence and terrain topography, generative algorithms can generate layouts that maximize energy generation. This not only increases efficiency but also helps in mitigating environmental impacts [6]. Unlike conventional AI systems, which are designed to answer questions or perform specific tasks based on existing data, generative AI is capable of creating new data, images, text or other materials that did not exist before. It learns from a set of data and can generate original, realistic outputs that resemble what was learned. One of the most critical areas for the energy sector is the optimization of electrical networks. Generative AI can be applied to create simulations and models that improve the operational efficiency and reliability of networks.

Generative algorithms can analyze historical consumption data, weather conditions, and other factors to predict future energy demands with high accuracy [6]. This allows companies to adjust energy production and distribution more intelligently, reducing costs and avoiding overloads. Generative AI can analyze a variety of data, including market trends, seasonal patterns, weather conditions and geopolitical events, to predict future energy prices. These forecasts are valuable to network operators, traders and consumers, allowing them to make informed decisions about contracts, investments and consumption. Maintaining energy infrastructures is essential to avoid failures and interruptions in supply. Generative AI can be employed in predictive maintenance, where algorithms analyze sensor data in real time to predict when equipment needs repairs or replacement. This reduces unplanned downtime, increases asset life, and improves the overall safety of operations [6].

Energy companies can use generative AI to simulate a variety of scenarios [6]. When planning large-scale energy storage integration, algorithms can simulate different configurations and capacities to identify the best approach. This saves time and resources by allowing companies to test various options virtually before making real investments. Generative Artificial Intelligence is playing an increasingly important role in transforming the energy sector. From optimizing electrical grids to designing renewable energy systems and price forecasting, its applications are diverse and promising. However, it is important to address challenges proactively, ensuring that the implementation of these technologies is ethical, transparent and focused on positive outcomes for society and the environment. With responsible use, generative AI has the potential to drive energy efficiency and accelerate the transition to a more sustainable energy future [6].

5. Conclusions

In summary, artificial intelligence offers a vast set of tools and techniques that can be applied in different fields of Engineering. Engineers who embrace AI in their projects can significantly improve efficiency, accuracy and innovation, becoming leaders in finding creative and effective solutions to today’s technological challenges. Based on the above, the use of Artificial Intelligence in the areas of Engineering represents a step forward in relation to the previous practice with the use of ERPs in the management of projects and works.

REFERENCES

1. 90TI. Inteligência Artificial na engenharia: entenda sua importância. Available on the website <https://noventa.com.br/inteligencia-artificial-na-engenharia-entenda-sua-importancia/>.

2. ALCOFORADO, Fernando. How Artificial Intelligence and its softwares and smart algorithms work. Available on the website <https://www.linkedin.com/pulse/how-artificial-intelligence-its-softwares-smart-work-alcoforado-s7cgf/>.

3. EDUCACIONAL. Inteligência Artificial na educação: benefícios e desafios. Available on the website <https://educacional.com.br/tecnologia-educacional/impactos-da-inteligencia-artificial-na-educacao/>.

4. AIZEMBERG, Hari. Os 10 melhores ERP’s da construção civil. Available on the website <https://koper.com.br/10-melhores-erp-construcao-civil/>.

5. CONEXÃO EXATA. Como Engenheiros Podem Utilizar a Inteligência Artificial em Seus Projetos. Available on the website <https://www.dio.me/articles/como-engenheiros-podem-utilizar-a-inteligencia-artificial-em-seus-projetos>.

6. SILVA, Cristiane. Aplicações de Inteligência Artificial Generativa no setor de energia. Available on the website <https://www.dio.me/articles/aplicacoes-de-inteligencia-artificial-generativa-no-setor-de-energia>.

* Fernando Alcoforado, awarded the medal of Engineering Merit of the CONFEA / CREA System, member of the SBPC- Brazilian Society for the Progress of Science, IPB- Polytechnic Institute of Bahia and of the Bahia Academy of Education, engineer from the UFBA Polytechnic School and doctor in Territorial Planning and Regional Development from the University of Barcelona, college professor (Engineering, Economy and Administration) and consultant in the areas of strategic planning, business planning, regional planning, urban planning and energy systems, was Advisor to the Vice President of Engineering and Technology at LIGHT S.A. Electric power distribution company from Rio de Janeiro, Strategic Planning Coordinator of CEPED- Bahia Research and Development Center, Undersecretary of Energy of the State of Bahia, Secretary of Planning of Salvador, is the author of the books Globalização (Editora Nobel, São Paulo, 1997), De Collor a FHC- O Brasil e a Nova (Des)ordem Mundial (Editora Nobel, São Paulo, 1998), Um Projeto para o Brasil (Editora Nobel, São Paulo, 2000), Os condicionantes do desenvolvimento do Estado da Bahia (Tese de doutorado. Universidade de Barcelona,http://www.tesisenred.net/handle/10803/1944, 2003), Globalização e Desenvolvimento (Editora Nobel, São Paulo, 2006), Bahia- Desenvolvimento do Século XVI ao Século XX e Objetivos Estratégicos na Era Contemporânea (EGBA, Salvador, 2008), The Necessary Conditions of the Economic and Social Development- The Case of the State of Bahia (VDM Verlag Dr. Müller Aktiengesellschaft & Co. KG, Saarbrücken, Germany, 2010), Aquecimento Global e Catástrofe Planetária (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2010), Amazônia Sustentável- Para o progresso do Brasil e combate ao aquecimento global (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2011), Os Fatores Condicionantes do Desenvolvimento Econômico e Social (Editora CRV, Curitiba, 2012), Energia no Mundo e no Brasil- Energia e Mudança Climática Catastrófica no Século XXI (Editora CRV, Curitiba, 2015), As Grandes Revoluções Científicas, Econômicas e Sociais que Mudaram o Mundo (Editora CRV, Curitiba, 2016), A Invenção de um novo Brasil (Editora CRV, Curitiba, 2017), Esquerda x Direita e a sua convergência (Associação Baiana de Imprensa, Salvador, 2018), Como inventar o futuro para mudar o mundo (Editora CRV, Curitiba, 2019), A humanidade ameaçada e as estratégias para sua sobrevivência (Editora Dialética, São Paulo, 2021), A escalada da ciência e da tecnologia e sua contribuição ao progresso e à sobrevivência da humanidade (Editora CRV, Curitiba, 2022), a chapter in the book Flood Handbook (CRC Press,  Boca Raton, Florida United States, 2022), How to protect human beings from threats to their existence and avoid the extinction of humanity (Generis Publishing, Europe, Republic of Moldova, Chișinău, 2023), A revolução da educação necessária ao Brasil na era contemporânea (Editora CRV, Curitiba, 2023), Como construir um mundo de paz, progresso e felicidade para toda a humanidade (Editora CRV, Curitiba, 2024) and How to build a world of peace, progress and happiness for all humanity (Editora CRV, Curitiba, 2024).

Fernando Alcoforado*

Abstract: Este artigo tem por objetivo apresentar as ferramentas de Inteligência Artificial já em utilização nas áreas da Engenharia.

Keywords: Inteligência Artificial e seus diversos tipos. Ferramentas de Inteligência Artificial já em utilização nas áreas da Engenharia.

1. Introdução

Este artigo tem por objetivo apresentar as ferramentas de Inteligência Artificial já em utilização nas áreas da Engenharia que contribuem para melhorar significativamente a eficiência, a precisão e a inovação dos processos construtivos e de produção, bem como apontar soluções criativas e eficazes para os desafios tecnológicos de hoje. Neste sentido, serão apresentados os diversos tipos de Inteligência Artificial, as ferramentas atuais de gestão da Engenharia com o uso de ERP´s e a Inteligência Artificial com suas aplicações na Engenharia.

2. Inteligência artificial e seus diversos tipos

O que é Inteligência Artificial (IA)? O artigo A Inteligência Artificial na Engenharia: entenda sua importância [1] informa que a IA é definida como um campo de estudos que tem como origem as seguintes áreas:

·       Computação;

·       Engenharia;

·       Psicologia;

·       Matemática;

·       Cibernética.

Todas essas áreas, de forma multidisciplinar, têm como objetivo principal a construção de sistemas que sejam configurados com um modo de operação e comportamento inteligente a fim de executar atividades e processar informações com a excelência equivalente ou superior a de um ser humano. Para tal, a IA é fundamentada a partir de três pilares: raciocínio, aprendizado e percepção. O raciocínio é o processo lógico de compreensão e tomada de decisões. O aprendizado é a capacidade de uma máquina de aprender com experiências anteriores e ajustar seu comportamento de acordo. Já a percepção é a capacidade de uma máquina de processar informações do mundo externo [1].

Inteligência Artificial (IA) é uma tecnologia computacional ou um conjunto de tecnologias como redes neurais artificiais, algoritmos e sistemas de aprendizado cujo objetivo é imitar capacidades mentais humanas, tais como: raciocínio, percepção de ambiente e capacidade de tomada de decisão [2]. A tecnologia é desenvolvida com o intuito de que máquinas possam resolver uma série de problemas, abordando desde a grande complexidade de gestões governamentais e da indústria às tarefas do cotidiano do homem e mulher modernos. Para isso, a IA utiliza uma sofisticada tecnologia de aprendizado, permitindo que ela aprenda com um grande conjunto de dados e atue por conta própria.  O objetivo geral da IA é criar máquinas que possam operar com o mesmo nível de capacidade cognitiva dos humanos, ou até superá-los [2].

Nas palavras do cientista de computação que criou o termo, John McCarthy, Inteligência Artificial é “a ciência e engenharia de produzir sistemas inteligentes” [3]. É a tecnologia empregada para fazer máquinas se comportarem como humanos na realização de atividades manuais, tomada de decisões, compreensão de dados e até a criação de conteúdo (inovação mais recente). As máquinas são munidas de dados e programadas para aprender com eles, dividindo as informações em camadas e reconhecendo padrões. O artigo Inteligência Artificial na educação: benefícios e desafios informa que a IA deu origem a vários tipos. Dentre elas, podem ser destacados os seguintes [3]:

· IA Generativa: gera novos dados e amostras (como imagens, textos e músicas) semelhantes a um conjunto de dados de treinamento. Exemplos: ChatGPT e DALL-E. ChatGPT é um robô de bate-papo e assistente virtual desenvolvido pela OpenAI e lançado em 30 de novembro de 2022, baseado em grandes modelos de linguagem que permite aos usuários refinar e direcionar uma conversa para a duração, formato, estilo, nível de detalhe e linguagem desejados. DALL·E, DALL·E 2 e DALL·E 3 são modelos de texto para imagem desenvolvidos pela OpenAI usando metodologias de aprendizagem profunda para gerar imagens digitais a partir de descrições em linguagem natural conhecidas como “prompts”.

· IA Discriminativa: classifica dados em categorias predefinidas com base em recursos específicos. É capaz de detectar objetos, reconhecer padrões, coletar, analisar e apresentar informações. Exemplos: reconhecimento facial, plataforma de aprendizagem adaptativa e plataforma de dados escolares.

· IA Reativa: lida apenas com informações atuais e não mantém uma memória dos dados anteriores. Ela toma decisões com base em regras predefinidas e não é capaz de aprender ou se adaptar a novas situações.

· IA Baseada em Conhecimento: utiliza um banco de dados de conhecimento humano para tomar decisões e resolver problemas, usando regras lógicas. Exemplo: sistema de diagnóstico médico.

· IA de Aprendizado de Máquina (ou Machine Learning): consegue aprender e melhorar continuamente com base em dados. Seu aprendizado pode ser supervisionado, não supervisionado ou por reforço. Exemplo: sistema de identificação de e-mails spam.

· IA de Aprendizado Profundo (ou Deep Learning): subcampo do Aprendizado de Máquina, utiliza redes neurais artificiais profundas para aprender representações de dados complexos. Exemplos: reconhecimento de imagem e fala, tradução automática e processamento de texto.

· IA de Processamento de Linguagem Natural (NLP): se concentra na interação entre computadores e linguagem humana. Exemplos: chatbots, assistentes virtuais, tradução automática e análise de sentimentos.

· IA Autônoma: capaz de operar de forma autônoma e tomar decisões sem intervenção humana. Exemplos: carros e robôs autônomos.

3. As ferramentas atuais de gestão da Engenharia com o uso do ERP

ERP nada mais é do que um software de gestão empresarial que serve para automatizar processos manuais, armazenar dados e unificar a visualização de resultados [4]. ERP significa Enterprise Resource Planning – traduzindo do inglês, “Planejamento dos Recursos da Empresa”. ERP nada mais é do que um software de gestão empresarial que serve para automatizar processos manuais, armazenar dados e unificar a visualização de resultados. O ERP é utilizado largamente principalmente na construção civil. O ERP para construção civil trata-se de um software de gestão empresarial desenvolvido especificamente para atender às necessidades de empresas do setor de construção. Ele oferece uma solução integrada para gerenciar todas as áreas da empresa, desde o planejamento até a execução.

O artigo Os 10 melhores ERP´s da Construção Civil informa que os melhores ERP’s para a construção civil são os seguintes [4]:

Koper ERP

O Koper ERP é um software de gestão da construção civil que oferece soluções para diversas áreas, como RH, administração, qualidade, compras, engenharia, financeiro, suprimentos e vendas. É voltado para construtoras ou incorporadoras que buscam uma solução de gestão integrada, completa e fácil de ser utilizada. Com o Koper ERP, é possível integrar todas as áreas da construção em um único sistema, o que facilita a comunicação e a troca de informações entre as equipes, além de permitir uma visão geral das obras. Isso possibilita uma tomada de decisão mais precisa e eficiente, redução de custos e de retrabalho, melhor integração da equipe de construção e economia de tempo. O software também oferece suporte técnico e atualizações constantes para garantir o melhor desempenho e segurança do sistema.

Protheus ERP

É um software de gestão empresarial da TOTVS, que pode ser customizado para atender as necessidades da construção civil. O Proteus é um software de gestão empresarial (ERP) desenvolvido pela empresa brasileira TOTVS. Ele é um dos sistemas de gestão mais conhecidos e utilizados no Brasil, com mais de 30 anos de história e milhares de clientes em diversos setores. O Proteus é um software robusto, que oferece muitas funcionalidades e recursos avançados de gestão empresarial. Algumas das principais funcionalidades do Protheus ERP incluem: a) Estudos de viabilidade; b) Orçamentos e cotações; c) Planejamento; d) Gestão de equipes e recursos; e) Acompanhamento de execução.

Sienge ERP

É uma solução completa e integrada para gerenciar todos os processos de uma empresa de construção, desde a gestão financeira até a execução de projetos. O Sienge é uma opção popular no mercado de ERP para construção civil, com uma base de clientes ampla. O software também oferece suporte técnico e treinamento para os usuários, garantindo que as empresas possam aproveitar ao máximo todas as suas funcionalidades e benefícios. Algumas das principais funcionalidades do Sienge ERP incluem: a) Orçamentos; b) Medições; c) Controle de suprimentos e equipamentos; d) Pedidos; e) Integração com BIM que é um processo que envolve a geração e gerenciamento de representações digitais das características físicas e funcionais de edifícios e outros ativos físicos. O BIM é suportado por diversas ferramentas, tecnologias e contratos.

Gerencia Obras ERP

O Gerencia Obras é um software de gestão empresarial (ERP) desenvolvido pela empresa brasileira Gerencia Obras Tecnologia. O sistema é projetado especificamente para empresas da indústria da construção e oferece uma solução completa e integrada para gerenciar todos os processos da empresa, desde a parte financeira até a execução de projetos.

UAU ERP

O UAU é um software de gestão empresarial (ERP) desenvolvido pela empresa brasileira Globaltec. O sistema é específico para empresas da indústria da construção e oferece uma solução completa e integrada para gerenciar todos os processos da empresa, desde a parte financeira até a execução de projetos. Suas principais vantagens são: a) Reimprimir boletos; b) Verificar disponibilidade de unidades para vendas; c) Acessar demonstrativos de pagamentos; d) Registrar atendimentos personalizados.

Omie ERP

O Omie é um software ERP brasileiro, o sistema é voltado para gestão financeira, contábil, de vendas, estoque e produção, além de oferecer recursos para gestão de projetos e obras. No caso da construção civil, o Omie ERP permite a gestão de contratos, emissão de notas fiscais, controle de estoque de materiais e equipamentos, gestão de custos e orçamentos, além de recursos para gestão de folha de pagamento e controle de ponto. O sistema também oferece ferramentas de gestão de projetos, permitindo o acompanhamento de etapas, prazos e orçamentos, bem como o controle de tarefas e a comunicação entre equipes.

Mega ERP

O Mega é um ERP desenvolvido pela empresa brasileira Mega Sistemas. Especificamente projetado para empresas de diversos setores, incluindo a construção civil, o Mega oferece uma solução completa e integrada para gerenciar todos os processos da empresa, desde a parte financeira até a execução de projetos. Algumas das principais funcionalidades do Mega ERP incluem: a) Composição; b) Segurança; c) Orçamento; d) Contratos; e) Apontamentos.

EVOP ERP

O Evop é um ERP nacional. Criado para empresas da construção civil, o Evop oferece uma solução completa e integrada para gerenciar todos os processos da empresa, desde a parte financeira até a execução de projetos. Principais recursos do EVOP: a) Integração com BIM; b) Financeiro; c) Cronograma; d) Orçamentos; e) Diário de Obras.

Obra Prima ERP

O Obra Prima foi projetado para empresas da indústria da construção, oferece uma solução completa para gerenciar todos os processos da empresa, desde a parte administrativa até a execução de projetos. Principais recursos do ERP: a) Medições; b) Análise de riscos; c) Orçamento com cálculos de margem de lucro por etapa; d) Cronograma; e) Compras.

Obrafit ERP

O Obrafit é um software que foi desenvolvido especificamente para atender às necessidades de empresas que atuam no setor de construção civil e engenharia. Possui módulos específicos para controle de obras e projetos, como orçamento, cronograma, acompanhamento de execução, medições e faturamento. É uma solução eficiente para empresas que buscam uma ferramenta de gestão empresarial específica para o setor de construção civil e engenharia.

No geral, um ERP para construção civil é muito importante pois permite que as empresas gerenciem todas as áreas de maneira integrada e eficiente, tornando mais fácil tomar decisões informadas e garantir que todas as atividades sejam executadas no prazo e dentro do orçamento. Vale lembrar que essa é apenas uma lista de algumas opções de ERP para a construção civil, e a escolha do melhor sistema para uma empresa depende de diversos fatores, como tamanho, orçamento, necessidades específicas e recursos disponíveis [4].

4. Inteligência Artificial e suas aplicações na Engenharia

Como a Inteligência Artificial está sendo usada na Engenharia? A IA está sendo aplicada em diversas áreas da engenharia, desde a concepção até a execução de projetos. Uma das principais aplicações é na análise de dados, permitindo aos engenheiros processar grandes volumes de informações de forma rápida e precisa. A Inteligência Artificial na Engenharia já é uma realidade e pode ser aplicada em diferentes áreas trazendo mais funcionalidade, praticidade, economia de tempo, entre muitos outros benefícios. Nesse caso, é parecido com o que faz um ERP para Engenharia Civil por meio da integração de informações de diferentes áreas da Engenharia, como a de computação, de construção civil, de produção, de energia, entre outras, que já podem ser beneficiadas pelo uso da inteligência artificial. Quando falamos em Inteligência Artificial na Engenharia a premissa é construir sistemas capazes de analisar dados de maneira precisa e contribuir para tomadas de decisão cada vez mais assertivas.

O artigo A Inteligência Artificial na Engenharia: entenda sua importância [1] informa que as principais utilidades da IA são as seguintes [1]:

Machine Learning (ML)

O machine learning é um método de análise de dados que automatiza a construção de modelos analíticos em sistemas. Uma das principais partes do trabalho da IA é possibilitar que sistemas aprendam com dados, identifiquem padrões e tomem decisões com o mínimo de intervenção humana. Assim, se tem redução de custos operacionais e diminuição de erros relacionados às tomadas de decisão, principalmente porque torna-se possível analisar dados complexos e volumosos por meio da criação de algoritmos que projetam cenários ideais (livres de erros). Ou seja, é como se a IA garantisse um processo de melhoria contínua tendo os dados como base.

Deep Learning (DL)

Aprofundando no conceito de Machine Learning, o Deep Learning é uma tecnologia ainda mais avançada e, além de aprender com os dados, é capaz de fazer o cruzamento deles para gerar insights e se adaptar a diferentes cenários e necessidades. Um dos benefícios práticos do DL é a prevenção de fraudes. Em sistemas financeiros, por exemplo, ele tem autonomia para identificar padrões suspeitos de comportamento e bloquear possíveis fraudes ou erros com potencial para resultar em erros ainda mais graves.

Monitoramento de projetos

A Inteligência Artificial na Engenharia também pode ser utilizada para o monitoramento de projetos a fim de melhorar a administração de obras, otimizar processos e acelerar etapas, por exemplo. A IA encontra padrões para todas as fases de um projeto, o que facilita sua gestão como um todo, desde a fase de iniciação e planejamento até a análise de processos, metodologias e encerramento. Essa é uma maneira eficiente de evitar pequenos erros ao longo do projeto e ganhar tempo com isso, minimizando consideravelmente qualquer chance de atraso.

Logística

A Inteligência Artificial na Engenharia também tem funcionalidades e benefícios relacionados à logística, especialmente quando falamos em gestão de materiais, supply chain e até impressão 3D de obras, galpões e afins. Por meio de softwares e óculos de realidade virtual, a IA permite que seja possível “estar dentro” daquele espaço e checar suas condições antes mesmo de ele ser concluído. Nesse contexto, a IA pode ser aplicada por meio de um sistema de automação para cruzar informações relacionadas ao estoque, padrões no inventário e informações de armazenagem, como temperatura ideal do ambiente, clima e afins.

Relatórios e tomadas de decisão estratégicas

A Inteligência Artificial na Engenharia utiliza dados, monitora seus padrões, cruza essas informações para gerar insights e reduz quase que completamente os erros advindos da mão de obra humana. Portanto, naturalmente todo esse ecossistema facilita as tomadas de decisão envolvendo o projeto, independente da fase em que ele esteja. Isso porque o sistema é quem faz todo o trabalho analítico. Isto é, filtrar a base de dados, mapeia processos, elimina erros e entrega ao responsável pelo projeto somente o que é pertinente (tendo base confiável). Assim, o gestor tem maior facilidade para tomar decisões assertivas e seguras em situações como: cálculos de obras e projetos, definição de indicadores de desempenho, análise de orçamentos, dentre outras.

O artigo Como Engenheiros Podem Utilizar a Inteligência Artificial em Seus Projetos [5] informa que a Inteligência Artificial (IA) está revolucionando diversas áreas da engenharia, tornando-se uma ferramenta valiosa para engenheiros em todo o mundo. Essa tecnologia pode ser aplicada em uma ampla gama de projetos, desde o projeto e análise de estruturas até a otimização de processos de fabricação. A Inteligência Artificial pode ser utilizada: 1) na Análise de Dados e Previsões; 2) na Otimização de Design; 3) no Controle de Processos e Automação; 4) em Simulações e Modelagem; e, 5) na Manutenção Preditiva [5].

Análise de Dados e Previsões

A IA é particularmente poderosa quando se trata de análise de dados e previsões. Engenheiros podem usar algoritmos de IA para analisar grandes conjuntos de dados, identificar tendências, anomalias e insights ocultos. Por exemplo:

·       Em Engenharia Civil, a IA pode ser usada para prever o comportamento de estruturas sob diferentes condições climáticas ou de cargas.

·       Na Engenharia de Produção, os engenheiros podem utilizar IA para prever quando as máquinas precisam de manutenção, minimizando o tempo de inatividade não planejado.

·       Em Engenharia Elétrica, a IA pode ajudar na análise de dados de consumo de energia, auxiliando na otimização do uso de recursos.

Otimização de Design

A IA pode ser uma aliada poderosa no processo de otimização de design. Algoritmos de otimização baseados em IA podem explorar uma ampla variedade de variáveis e restrições para encontrar as melhores soluções. Isso é particularmente útil em engenharia de produto e design industrial, onde a eficiência é essencial.

·       Em Engenharia Automotiva, a IA pode ser usada para otimizar o design de veículos em termos de aerodinâmica, consumo de combustível e segurança.

·       Na Engenharia de Materiais, a IA pode ajudar a identificar materiais com propriedades ideais para aplicações específicas.

Controle de Processos e Automação

A IA também pode ser aplicada para melhorar o controle de processos e a automação em engenharia. Os sistemas de controle baseados em IA podem tomar decisões em tempo real com base em dados e feedbacks, melhorando a eficiência e a precisão em vários processos:

·       Em Engenharia de Fabricação, a IA pode otimizar o controle de máquinas e robôs em linhas de produção, reduzindo erros e aumentando a eficiência.

·       Na Engenharia de Tráfego, a IA pode ser usada para melhorar o controle de semáforos e sistemas de transporte público, reduzindo o congestionamento.

Simulações e Modelagem

A IA também é valiosa para a criação de simulações e modelos complexos. Engenheiros podem usar a IA para criar modelos preditivos detalhados que representam sistemas complexos da vida real. Isso é útil em diversas áreas:

·       Na Engenharia de Software, a IA pode ser usada para simular o comportamento de sistemas complexos antes da implementação.

·       Em Engenharia Aeroespacial, a IA pode auxiliar na simulação de voo e no projeto de aeronaves.

Manutenção Preditiva

A manutenção preditiva é outra aplicação crucial da IA em engenharia. Através da análise de dados em tempo real, algoritmos de IA podem prever quando equipamentos ou sistemas estão prestes a falhar, permitindo a intervenção antes que ocorram problemas graves:

·       Em Engenharia de Energia, a IA pode monitorar turbinas eólicas para identificar desgaste e agendar manutenção.

·       Em Engenharia Mecânica, a IA pode prever quando componentes de máquinas precisam ser substituídos.

Na área de energia, a Inteligência Artificial pode ser utilizada para otimizar a distribuição e o gerenciamento da rede elétrica, garantindo o fornecimento de energia de forma eficiente e segura. Outra aplicação promissora da IA na Engenharia Elétrica é no desenvolvimento de redes inteligentes. Estas redes inteligentes integram fontes de energia renováveis, sistemas de armazenamento de energia e tecnologias de comunicação avançadas para otimizar a distribuição e gestão de energia. O artigo Aplicações de Inteligência Artificial Generativa no setor de energia [6] informa que a Inteligência Artificial (IA) generativa está se destacando como uma ferramenta inovadora em diversos setores, e o setor de energia não é exceção. Com a crescente necessidade de soluções inteligentes e eficientes para lidar com os desafios energéticos globais, a IA generativa oferece uma gama de aplicações promissoras. Desde otimização de redes elétricas até a criação de simulações realistas para desenvolvimento de novas fontes de energia, essa tecnologia está revolucionando a forma como produzimos, distribuímos e consumimos energia [6].

A IA generativa pode ser usada para criar designs otimizados de parques solares e turbinas eólicas. Ao considerar variáveis como padrões de vento, incidência solar e topografia do terreno, os algoritmos generativos podem gerar layouts que maximizam a geração de energia. Isso não apenas aumenta a eficiência, mas também ajuda na mitigação de impactos ambientais [6]. Diferentemente dos sistemas convencionais de IA, que são projetados para responder a perguntas ou realizar tarefas específicas com base em dados existentes, a IA generativa é capaz de criar novos dados, imagens, textos ou outros materiais que não existiam antes. Ela aprende a partir de um conjunto de dados e pode gerar saídas originais e realistas que se assemelham ao que foi aprendido. Uma das áreas mais críticas para o setor de energia é a otimização das redes elétricas. A IA generativa pode ser aplicada para criar simulações e modelos que melhoram a eficiência operacional e a confiabilidade das redes.

Algoritmos generativos podem analisar dados históricos de consumo, condições meteorológicas e outros fatores para prever demandas futuras de energia com alta precisão [6]. Isso permite que as empresas ajustem a produção e distribuição de energia de forma mais inteligente, reduzindo custos e evitando sobrecargas. A IA generativa pode analisar uma variedade de dados, incluindo tendências de mercado, padrões sazonais, condições climáticas e eventos geopolíticos, para prever os preços futuros da energia. Essas previsões são valiosas para operadoras de rede, traders e consumidores, permitindo que tomem decisões informadas sobre contratos, investimentos e consumo. A manutenção de infraestruturas de energia é fundamental para evitar falhas e interrupções no fornecimento. A IA generativa pode ser empregada na manutenção preditiva, onde algoritmos analisam dados de sensores em tempo real para prever quando equipamentos precisam de reparos ou substituição. Isso reduz o tempo de inatividade não planejado, aumenta a vida útil dos ativos e melhora a segurança geral das operações [6].

As empresas de energia podem usar a IA generativa para simular uma variedade de cenários [6]. Ao planejar a integração de armazenamento de energia em larga escala, os algoritmos podem simular diferentes configurações e capacidades para identificar a melhor abordagem. Isso economiza tempo e recursos, permitindo que as empresas testem várias opções virtualmente antes de realizar investimentos reais. A Inteligência Artificial Generativa está desempenhando um papel cada vez mais importante na transformação do setor de energia. Desde a otimização de redes elétricas até o design de sistemas de energia renovável e previsão de preços, suas aplicações são diversas e promissoras. No entanto, é importante abordar os desafios de forma proativa, garantindo que a implementação dessas tecnologias seja ética, transparente e focada em resultados positivos para a sociedade e o meio ambiente. Com um uso responsável, a IA generativa tem o potencial de impulsionar a eficiência energética e acelerar a transição para um futuro energético mais sustentável [6].

5. Conclusões

Em síntese, a inteligência artificial oferece um vasto conjunto de ferramentas e técnicas que podem ser aplicadas em diversos campos da Engenharia. Os engenheiros que adotam a IA em seus projetos podem melhorar significativamente a eficiência, a precisão e a inovação, tornando-se líderes na busca por soluções criativas e eficazes para os desafios tecnológicos de hoje. Pelo exposto, o uso da Inteligência Artificial nas áreas da Engenharia representa um passo à frente em relação à prática anterior com o uso de ERP´s na gestão de projetos e obras.

REFERÊNCIAS

1. 90TI. Inteligência Artificial na engenharia: entenda sua importância. Disponível no website <https://noventa.com.br/inteligencia-artificial-na-engenharia-entenda-sua-importancia/>.

2. ALCOFORADO, Fernando. Como funcionam a inteligência artificial e seus softwares e algoritmos inteligentes. Disponível no website < https://www.linkedin.com/pulse/como-funcionam-intelig%C3%AAncia-artificial-e-seus-alcoforado-nmagf/>.

3. EDUCACIONAL Inteligência Artificial na educação: benefícios e desafios. Disponível no website <https://educacional.com.br/tecnologia-educacional/impactos-da-inteligencia-artificial-na-educacao/>.

4. AIZEMBERG, Hari. Os 10 melhores ERP’s da construção civil. Disponível no website <https://koper.com.br/10-melhores-erp-construcao-civil/>.

5. CONEXÃO EXATA. Como Engenheiros Podem Utilizar a Inteligência Artificial em Seus Projetos. Disponível no website <https://www.dio.me/articles/como-engenheiros-podem-utilizar-a-inteligencia-artificial-em-seus-projetos>.

6. SILVA, Cristiane. Aplicações de Inteligência Artificial Generativa no setor de energia. Disponível no website <https://www.dio.me/articles/aplicacoes-de-inteligencia-artificial-generativa-no-setor-de-energia>.

* Fernando Alcoforado, 84, condecorado com a Medalha do Mérito da Engenharia do Sistema CONFEA/CREA, membro da SBPC- Sociedade Brasileira para o Progresso da Ciência, do IPB- Instituto Politécnico da Bahia e da Academia Baiana de Educação, engenheiro pela Escola Politécnica da UFBA e doutor em Planejamento Territorial e Desenvolvimento Regional pela Universidade de Barcelona, professor universitário (Engenharia, Economia e Administração) e consultor nas áreas de planejamento estratégico, planejamento empresarial, planejamento regional e planejamento de sistemas energéticos, foi Assessor do Vice-Presidente de Engenharia e Tecnologia da LIGHT S.A. Electric power distribution company do Rio de Janeiro, Coordenador de Planejamento Estratégico do CEPED- Centro de Pesquisa e Desenvolvimento da Bahia, Subsecretário de Energia do Estado da Bahia, Secretário do Planejamento de Salvador, é autor dos livros Globalização (Editora Nobel, São Paulo, 1997), De Collor a FHC- O Brasil e a Nova (Des)ordem Mundial (Editora Nobel, São Paulo, 1998), Um Projeto para o Brasil (Editora Nobel, São Paulo, 2000), Os condicionantes do desenvolvimento do Estado da Bahia (Tese de doutorado. Universidade de Barcelona,http://www.tesisenred.net/handle/10803/1944, 2003), Globalização e Desenvolvimento (Editora Nobel, São Paulo, 2006), Bahia- Desenvolvimento do Século XVI ao Século XX e Objetivos Estratégicos na Era Contemporânea (EGBA, Salvador, 2008), The Necessary Conditions of the Economic and Social Development- The Case of the State of Bahia (VDM Verlag Dr. Müller Aktiengesellschaft & Co. KG, Saarbrücken, Germany, 2010), Aquecimento Global e Catástrofe Planetária (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2010), Amazônia Sustentável- Para o progresso do Brasil e combate ao aquecimento global (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2011), Os Fatores Condicionantes do Desenvolvimento Econômico e Social (Editora CRV, Curitiba, 2012), Energia no Mundo e no Brasil- Energia e Mudança Climática Catastrófica no Século XXI (Editora CRV, Curitiba, 2015), As Grandes Revoluções Científicas, Econômicas e Sociais que Mudaram o Mundo (Editora CRV, Curitiba, 2016), A Invenção de um novo Brasil (Editora CRV, Curitiba, 2017), Esquerda x Direita e a sua convergência (Associação Baiana de Imprensa, Salvador, 2018, em co-autoria), Como inventar o futuro para mudar o mundo (Editora CRV, Curitiba, 2019), A humanidade ameaçada e as estratégias para sua sobrevivência (Editora Dialética, São Paulo, 2021), A escalada da ciência e da tecnologia ao longo da história e sua contribuição ao progresso e à sobrevivência da humanidade (Editora CRV, Curitiba, 2022), de capítulo do livro Flood Handbook (CRC Press, Boca Raton, Florida, United States, 2022), How to protect human beings from threats to their existence and avoid the extinction of humanity (Generis Publishing, Europe, Republic of Moldova, Chișinău, 2023), A revolução da educação necessária ao Brasil na era contemporânea (Editora CRV, Curitiba, 2023), Como construir um mundo de paz, progresso e felicidade para toda a humanidade (Editora CRV, Curitiba, 2024) e How to build a world of peace, progress and happiness for all humanity (Editora CRV, Curitiba, 2024).

Fernando Alcoforado*

Cet article vise à démontrer que la combinaison de l’Intelligence Artificielle et de l’Informatique Quantique constituera la plus grande révolution technologique de l’histoire. L’informatique quantique pourrait grandement accélérer l’évolution de l’intelligence artificielle qui, lorsqu’elle deviendra encore plus puissante, contribuera au développement des ordinateurs quantiques du futur. Cet article présente le fonctionnement de l’Intelligence Artificielle et de l’Informatique Quantique et ce qui résultera de la combinaison des deux.

1. Intelligence artificielle

L’intelligence artificielle (IA) est une technologie informatique ou un ensemble de technologies telles que des réseaux de neurones artificiels, des algorithmes et des systèmes d’apprentissage dont l’objectif est d’imiter les capacités mentales humaines, telles que : le raisonnement, la perception environnementale et la capacité de prise de décision [1]. La technologie est développée dans le but que les machines puissent résoudre une série de problèmes, allant de la grande complexité de la gestion gouvernementale et industrielle aux tâches quotidiennes des hommes et des femmes modernes. Pour ce faire, l’IA utilise une technologie d’apprentissage sophistiquée, lui permettant d’apprendre à partir d’un large ensemble de données et d’agir de manière autonome. L’objectif général de l’IA est de créer des machines capables de fonctionner au même niveau de capacité cognitive que les humains, voire de les dépasser. Ces dernières années, l’IA est devenue une force de transformation dans de nombreux secteurs, révolutionnant la façon dont les entreprises mènent leurs activités [1].

L’Intelligence Artificielle repose sur trois technologies [1] :

1. Machine Learning ou Apprentissage automatique est une application de l’intelligence artificielle qui offre à l’ordinateur la capacité d’apprendre et de s’améliorer automatiquement à partir de sa propre expérience. L’apprentissage automatique se concentre sur le développement de « logiciels » capables d’accéder aux données et de les utiliser pour en tirer des leçons. Le processus d’apprentissage commence par l’observation des données afin de rechercher des modèles statistiques et de prendre de bonnes décisions basées sur les exemples fournis. De cette manière, l’objectif principal est de permettre aux ordinateurs d’apprendre automatiquement sans intervention humaine.

2. Deep learning ou Apprentissage profond est un sous-ensemble de Machine Learning (Apprentissage automatique). Il s’agit essentiellement d’un réseau neuronal comportant trois couches ou plus. Ces réseaux de neurones tentent de simuler le comportement du cerveau humain bien que loin d’être à la hauteur de ses capacités permettant à la machine « d’apprendre » de l’abondance de données. Même si un réseau neuronal monocouche peut toujours faire des prédictions approximatives, des couches cachées supplémentaires peuvent aider à optimiser et à affiner la précision. L’apprentissage profond est à l’origine de nombreuses applications et services d’IA qui améliorent l’automatisation en effectuant des tâches analytiques et physiques sans intervention humaine. La technologie d’apprentissage profond est à l’origine des produits et services quotidiens (comme les assistants numériques, les télécommandes de télévision à commande vocale et la détection des fraudes par carte de crédit) ainsi que des technologies émergentes (comme les voitures autonomes).

3. Natural language processing (NLP) ou Le traitement du langage naturel (NLP) est une branche de l’intelligence artificielle qui aide les ordinateurs à comprendre, interpréter et manipuler le langage humain. La PNL s’appuie sur de nombreuses disciplines, notamment l’informatique et la linguistique computationnelle, dans sa quête pour combler le fossé entre la communication humaine et la compréhension informatique.

Les algorithmes sont l’essence de tout système d’intelligence artificielle qui est alimenté avec autant de données que possible, comme références, afin de pouvoir mieux apprendre [2] [3]. C’est un outil qui cartographie les décisions au sein d’un système et leurs conséquences possibles. Les algorithmes intelligents ont la capacité et le processus de filtrer l’ordre et la structure. Ainsi, ils présentent de manière autonome des contenus qui peuvent, selon les règles des algorithmes, avoir plus ou moins d’influence, excluant d’autres informations possibles. En général, un algorithme comprend une séquence finie d’actions (étapes) exécutables pour résoudre un problème ou, dans le cas le plus courant en informatique, effectuer une tâche. L’algorithme lui-même n’est pas le programme, mais la séquence d’actions et de conditions qui doivent être respectées pour que le problème soit résolu. Les algorithmes sont des séquences finies d’instructions utilisées pour résoudre un problème. Par exemple, lorsqu’une personne accède à un site Web, des algorithmes définissent le chemin permettant à la page de s’ouvrir correctement. Lorsque quelqu’un interagit avec un lien, d’autres algorithmes sont déclenchés, indiquant quoi faire [2] [3].

Il est important de noter que contrairement à l’algorithme, qui est un type de processus, de procédure ou d’ensemble de règles qui doivent être suivis pour résoudre tout type de calcul, c’est-à-dire des instructions étape par étape qui définissent la manière dont le travail doit être effectué. afin d’obtenir le résultat souhaité, un logiciel est un type de système qui permet à l’utilisateur d’interagir avec l’ordinateur et donne des instructions à l’ordinateur pour effectuer des tâches spécifiques ainsi que contrôler le fonctionnement du matériel et ses opérations. Un logiciel est un ensemble d’instructions qui doivent être suivies et exécutées par un mécanisme, qu’il s’agisse d’un ordinateur ou d’un appareil électromécanique. Logiciel est le terme utilisé pour décrire les programmes, les applications, les scripts, les macros et les instructions de code directement intégrées (firmware), afin de dicter ce qu’une machine doit faire. Chaque programme informatique, téléphone portable, tablette, téléviseur intelligent, console de jeux vidéo, décodeur, etc. il s’agit d’un logiciel, qu’il s’agisse d’un éditeur de texte, d’un navigateur, d’un éditeur audio ou vidéo, d’un jeu, d’une application de streaming, etc. [4].

Le premier avantage de l’utilisation d’algorithmes est l’automatisation des tâches [5]. Ils peuvent analyser un grand volume de données, en moins de temps qu’une personne, par exemple. Ainsi, ils augmentent l’efficacité des activités. Tous les logiciels informatiques sont constitués d’algorithmes. L’évolution des algorithmes permet l’émergence de nouvelles technologies, comme les smartphones, les téléviseurs intelligents, de nouvelles applications et systèmes d’exploitation. Avec de nouvelles possibilités de commande, les algorithmes s’améliorent et, par conséquent, de nouvelles utilisations potentielles sont développées. Les applications de transport et de livraison, les services de streaming et les recommandations de films et de musique sont fournis par des systèmes qui fonctionnent sur la base d’algorithmes. Les algorithmes sont donc l’essence de tout système d’intelligence artificielle qui est alimenté avec autant de données que possible, comme références, afin de mieux apprendre [5].

L’intelligence artificielle favorise la réduction des erreurs humaines car les ordinateurs ne commettent pas ces erreurs s’ils sont programmés correctement [5]. Avec l’intelligence artificielle, les décisions sont prises sur la base d’informations préalablement collectées en appliquant un certain ensemble d’algorithmes. Ainsi, les erreurs sont réduites et la possibilité d’obtenir une exactitude avec un plus grand degré de précision est une possibilité réalisable. L’intelligence artificielle prend des risques à la place des humains. C’est l’un des plus grands avantages de l’intelligence artificielle, car nous pouvons surmonter de nombreuses limitations de risques impliquant des vies humaines en développant un robot IA capable de faire des choses risquées à notre place. Parmi les possibilités, nous avons pour aller sur Mars, désamorcer une bombe, explorer les parties les plus profondes des océans, extraire du charbon et du pétrole et bien d’autres [5].

L’intelligence artificielle nous aide à effectuer les tâches répétitives de notre travail quotidien, comme l’envoi d’e-mails, la vérification des erreurs dans les documents, et bien plus encore [5]. Grâce à l’intelligence artificielle, ces tâches peuvent être automatisées de manière productive et même supprimer celles considérées comme « fatigantes » pour les humains et les libérer pour qu’ils soient de plus en plus créatifs et productifs. L’intelligence artificielle fournit une assistance numérique pour interagir avec les utilisateurs, ce qui élimine le besoin de ressources humaines. Les assistants numériques sont également utilisés sur de nombreux sites Web pour fournir ce que veulent les utilisateurs en leur parlant de ce qu’ils recherchent. Certains chatbots robots de discussion)sont conçus de telle manière qu’il est difficile de déterminer si l’on parle à un robot ou à un humain. L’intelligence artificielle permet de prendre des décisions plus rapidement en permettant aux machines de prendre des décisions plus rapidement que les humains. La machine alimentée par l’IA fonctionne comme programmé et fournira des résultats plus rapidement. L’intelligence artificielle stimule l’innovation dans presque tous les domaines qui aideront les humains à résoudre les problèmes les plus complexes.

2. Informatique quantique

L’une des principales caractéristiques de la société contemporaine est l’utilisation à grande échelle des technologies de l’information. L’ordinateur, icône des technologies de l’information, connecté à un réseau, modifie le rapport au temps et à l’espace. Les réseaux d’information nous permettent d’élargir notre capacité à penser de manière inimaginable. La nouvelle révolution technologique a élargi l’intelligence humaine. Nous parlons d’une technologie qui permet d’augmenter le stockage, le traitement et l’analyse de l’information, en établissant des milliards de relations entre des milliers de données par seconde : l’ordinateur [6]. Les ordinateurs actuels sont électroniques car ils sont constitués de transistors utilisés dans des puces électroniques, c’est-à-dire dans des circuits intégrés ou de petits dispositifs microélectroniques généralement constitués de millions de composants qui stockent, déplacent et traitent des données. Cela impose des limites aux transistors, car il viendra un moment où il ne sera plus possible de réduire la taille de l’un des composants les plus petits et les plus importants des processeurs, le transistor [6].

Il est important de souligner que c’est dans ce petit appareil, le transistor, que toutes les informations sont lues, interprétées et traitées [6]. Lorsqu’il s’agit d’échelles très petites, la Physique cesse d’être aussi prévisible que dans les systèmes macroscopiques, commençant à se comporter de manière aléatoire, de manière probabiliste, soumise aux propriétés de la Physique Quantique. Cela signifie que l’une des alternatives du futur est l’ordinateur quantique. Dans ces ordinateurs, des unités fondamentales d’information, appelées « bits quantiques », sont utilisées pour résoudre des calculs ou des simulations qui prendraient des temps de traitement peu pratiques dans les ordinateurs électroniques, comme ceux actuellement utilisés [6]. Il est important de noter que le bit est la plus petite unité d’information pouvant être stockée ou transmise et qu’il ne peut prendre que deux valeurs : 0 ou 1, vrai ou faux, et ainsi de suite. Chaque « chiffre binaire » 0 ou 1 est donc appelé un bit. Les ordinateurs ordinaires fonctionnent en réduisant les nombres et les instructions à un code binaire – une série de zéros et de uns. Techniquement, ces zéros et ces uns indiquent si le courant électrique traverse ou non un dispositif appelé transistor. À l’intérieur du microprocesseur de votre téléphone portable ou de votre ordinateur se trouvent des milliards de transistors qui, combinés, forment ce qu’on appelle des portes logiques. Un ordinateur conventionnel traduit ce code binaire en états physiques, tels que activé ou désactivé, au sein de son matériel. Chaque distinction « ceci ou cela » fonctionnerait comme un moyen de stocker des données binaires. Les séquences de nombres binaires sont ensuite manipulées via des banques de portes logiques, imprimées sur des puces de silicium [7].

Les ordinateurs quantiques fonctionnent avec une logique assez différente de celle présente dans les ordinateurs électroniques. Les bits quantiques peuvent présenter simultanément les valeurs 0 et 1, suite à un phénomène quantique appelé superposition quantique [6]. Ces valeurs représentent le code binaire des ordinateurs et sont, en quelque sorte, le langage compris par les machines. Les ordinateurs quantiques se sont révélés être la réponse la plus récente en physique et en informatique aux problèmes liés à la capacité limitée des ordinateurs électroniques dont la vitesse et la capacité de traitement sont étroitement liées à la taille de leurs composants. Sa miniaturisation est donc un processus inévitable.

Les ordinateurs quantiques ne serviront pas aux mêmes objectifs que les ordinateurs électroniques. Les ordinateurs quantiques sont capables de travailler avec de nombreuses variables simultanément, contrairement aux ordinateurs actuels, qui présentent de nombreuses limitations lors de l’exécution de ce type de tâches. De cette manière, on s’attend à ce que les ordinateurs quantiques puissent être utilisés pour simuler des systèmes extrêmement complexes, tels que des systèmes biologiques, météorologiques, astronomiques, moléculaires, etc. La facilité avec laquelle les ordinateurs quantiques gèrent des systèmes complexes est liée à la nature des bits quantiques. Un bit d’ordinateur électronique ne peut avoir que la valeur 0 ou 1, tandis que les bits quantiques peuvent avoir les deux valeurs en même temps. De cette manière, un seul bit quantique a une équivalence numérique de 2 bits électroniques. Cela signifie qu’avec seulement 10 bits quantiques, nous aurions un ordinateur d’une capacité de 1 024 bits (210 = 1 024), alors que la plupart des ordinateurs conventionnels fonctionnent aujourd’hui avec des systèmes 64 bits [6].

Avec un ordinateur classique, s’il devait effectuer 100 calculs différents, il devrait les traiter un par un, alors qu’avec un ordinateur quantique, il pourrait les effectuer tous en même temps. La situation actuelle, où nous sommes obligés d’utiliser des ordinateurs classiques pour les calculs, va radicalement changer. Les superordinateurs – la classe la plus élevée d’ordinateurs classiques – sont si grands qu’ils occupent une grande pièce. La raison en est que 100 calculatrices sont alignées pour effectuer 100 calculs différents à la fois. Dans un véritable supercalculateur, plus de 100 000 petits ordinateurs sont alignés. Avec la naissance des ordinateurs quantiques, cela ne sera plus nécessaire. Mais cela ne veut pas dire que les supercalculateurs deviendront inutiles. Ils seront utilisés à différentes fins, comme les smartphones et les ordinateurs [4].

Comme les premiers ordinateurs numériques, l’informatique quantique offre la possibilité de technologies des millions de fois plus puissantes que les systèmes actuels, mais la clé du succès sera de résoudre des problèmes du monde réel en langage quantique [9]. Nous sommes aux limites de la puissance de traitement des données des ordinateurs traditionnels et les données ne cessent de croître. Bien que la loi de Moore, qui prédit que le nombre de transistors dans les circuits intégrés doublera tous les deux ans, se soit révélée extrêmement cohérente depuis l’invention du terme en 1965, ces transistors sont aujourd’hui si petits qu’ils ne peuvent pas être fabriqués avec la technologie existante. C’est pourquoi il y a une course entre les plus grands leaders de l’industrie technologique pour déterminer qui sera le premier à lancer un ordinateur quantique viable qui serait exponentiellement plus puissant que les ordinateurs d’aujourd’hui pour traiter toutes les données que nous générons chaque jour et résoudre tous les problèmes de plus en plus complexes [9].

Les ordinateurs actuels ont des limites, par exemple dans le domaine de l’intelligence artificielle, où il n’existe pas d’ordinateurs dotés d’une puissance ou d’une vitesse de traitement suffisantes pour prendre en charge une IA avancée [9]. Ainsi, le besoin s’est fait sentir de créer un ordinateur alternatif aux ordinateurs habituels qui pourraient résoudre des problèmes d’IA, ou d’autres tels que la factorisation de très grands nombres premiers, les logarithmes discrets et la simulation de problèmes de physique quantique. Les ordinateurs quantiques permettront une gamme d’applications utiles, telles que la modélisation de variations de réactions chimiques pour découvrir de nouveaux médicaments, le développement de technologies d’imagerie pour le secteur de la santé afin de détecter des problèmes dans le corps, ou l’accélération du développement de batteries, de nouveaux matériaux et d’électronique flexible. cela fera toute la différence dans le traitement des données. Considérant que l’IA et l’apprentissage automatique dépendent de grands ensembles de données (Big Data) pour être efficaces, il n’est pas difficile d’imaginer la révolution que l’ordinateur quantique peut apporter. De nombreux prototypes d’ordinateurs quantiques ont déjà été testés dans des laboratoires du monde entier, mais leur développement à grande échelle est encore inconnu et dépend de nombreux efforts de recherche et d’investissements [9].

Il existe des domaines dans lesquels les ordinateurs quantiques ont un grand avantage sur les ordinateurs classiques, par exemple dans les domaines de la chimie et de la biotechnologie. Les réactions matérielles impliquent en principe des effets quantiques. Un ordinateur quantique utilisant les phénomènes quantiques eux-mêmes permettrait des calculs pouvant facilement intégrer des effets quantiques et serait très efficace pour développer des matériaux tels que des catalyseurs et des polymères. Cela peut conduire au développement de nouveaux médicaments qui n’étaient auparavant pas viables, contribuant ainsi à améliorer la santé des populations. De plus, dans le domaine de la finance, par exemple, comme les formules de négociation d’options sont similaires à celles des phénomènes quantiques, on s’attend à ce que les calculs puissent être effectués efficacement sur des ordinateurs quantiques [9].

Selon MIT Technology Review [10], l’intelligence artificielle change notre façon de penser l’informatique. Les ordinateurs n’ont pas beaucoup progressé depuis 40 ou 50 ans, ils sont devenus plus petits et plus rapides, mais ils ne sont encore que de simples boîtiers dotés de processeurs qui exécutent des instructions humaines. L’IA change cette réalité sur au moins trois aspects : 1) la manière dont les ordinateurs sont produits ; 2) la manière dont les ordinateurs sont programmés ; et 3) comment les ordinateurs sont utilisés. En fin de compte, c’est un phénomène qui va changer le fonctionnement des ordinateurs. Le cœur de l’informatique passe de la gestion des chiffres à la prise de décision [10].

Le premier changement concerne la manière dont sont fabriqués les ordinateurs et les puces qui les contrôlent [10]. Les modèles de Deep Learning qui font fonctionner les applications d’IA actuelles nécessitent cependant une approche différente car ils nécessitent d’effectuer simultanément un grand nombre de calculs moins précis. Cela signifie qu’un nouveau type de puce est nécessaire, capable de déplacer les données le plus rapidement possible, garantissant ainsi leur disponibilité en cas de besoin. Lorsque le Deep Learning est apparu il y a une dizaine d’années, il existait déjà des puces informatiques spécialisées très performantes, dotées d’unités de traitement graphique (GPU) conçues pour afficher les pixels d’un écran entier des dizaines de fois par seconde[10].

Le premier changement concerne la manière dont sont fabriqués les ordinateurs et les puces qui les contrôlent [10]. Les modèles d’apprentissage profond qui font fonctionner les applications d’IA actuelles nécessitent cependant une approche différente, car ils nécessitent l’exécution simultanée d’un grand nombre de calculs moins précis. Cela signifie qu’un nouveau type de puce est nécessaire, capable de déplacer les données le plus rapidement possible, garantissant qu’elles soient disponibles à tout moment. Lorsque l’apprentissage profond est arrivé sur la scène il y a environ dix ans, il existait déjà des puces informatiques spécialisées qui étaient très performantes dans ce domaine : des unités de traitement graphique (GPU) conçues pour afficher l’équivalent d’un écran entier en pixels des dizaines de fois par seconde [10].

Le deuxième changement concerne la manière dont les ordinateurs sont programmés et ce qu’ils doivent faire. Depuis 40 ans, les ordinateurs sont programmés et dans les 40 prochaines années, ils seront formés. Traditionnellement, pour qu’un ordinateur puisse faire quelque chose comme reconnaître la parole ou identifier des objets dans une image, les programmeurs doivent d’abord créer des règles pour l’ordinateur. Avec le Machine learning, les programmeurs ne dictent plus les règles. Au lieu de cela, ils créent un réseau neuronal dans lequel les ordinateurs apprennent eux-mêmes ces règles. Les prochaines grandes avancées concerneront la simulation moléculaire, notamment la formation des ordinateurs à la manipulation des propriétés de la matière, susceptibles de créer des changements globaux dans la consommation d’énergie, la production alimentaire, la fabrication et la médecine. L’apprentissage profond a un bilan incroyable. Deux des plus grandes avancées de ce type jusqu’à présent concernent la manière de faire en sorte que les ordinateurs se comportent comme s’ils comprenaient le langage humain et reconnaissaient le contenu d’une image et changent déjà la façon dont nous les utilisons [10].

Le troisième changement concerne le fait qu’un ordinateur n’a plus besoin d’un clavier ou d’un écran pour que les humains puissent interagir avec eux. Tout peut devenir un ordinateur. En fait, la plupart des produits ménagers, des brosses à dents aux interrupteurs et sonnettes, disposent déjà d’une version intelligente. Cependant, à mesure qu’ils prolifèrent, notre désir de passer moins de temps à leur dire quoi faire augmente également. C’est comme s’ils devraient être capables de comprendre ce dont nous avons besoin sans notre interférence. Il s’agit du passage de l’analyse des nombres à la prise de décision en tant que déterminant de cette nouvelle ère informatique qui envisage des ordinateurs qui disent aux humains ce que nous devons savoir et quand nous avons besoin de le savoir et qui aident les humains lorsqu’ils en ont besoin. Aujourd’hui, les machines interagissent avec les gens et s’intègrent de plus en plus dans nos vies. Les ordinateurs sont déjà sortis de leurs cartons [10].

3. L’apport de l’informatique quantique dans le développement de l’intelligence artificielle et vice versa

Selon les experts dans le domaine, l’informatique quantique peut considérablement accélérer l’évolution de l’intelligence artificielle, la rendant assez puissante [11]. Grâce à la relation entre l’informatique quantique et l’IA, il est possible d’utiliser des capacités et des algorithmes d’informatique quantique dans les tâches d’IA, ainsi que d’avoir des systèmes d’IA « classiques » appliqués aux données provenant de systèmes quantiques, dans le but de faire évoluer ces systèmes [12]. Un ordinateur quantique a la nature inhérente d’être probabiliste. Grâce à des phénomènes tels que la superposition et l’intrication, ils sont capables de coder des distributions de probabilité beaucoup plus complexes que dans les modèles classiques, et sont même capables de créer des données qui représentent véritablement la distribution de probabilité existante et qui ne sont pas biaisées, comme c’est le cas avec des modèles traditionnels. Pour certains, ce sont donc les premiers systèmes dans lesquels l’utilisation d’ordinateurs quantiques s’avérera être un grand avantage [12].

Une autre question intéressante est de savoir s’il serait possible d’utiliser l’informatique quantique pour faire évoluer l’IA actuelle, en créant de nouveaux types d’IA plus intelligents ou capables de faire plus de choses [12]. Tous les secteurs traitant de gros volumes de données, et de données présentant une grande complexité, auraient beaucoup à gagner du travail conjoint de ces deux technologies. Cela signifie que les ordinateurs quantiques sont capables de booster l’IA. Le problème est que dire cela revient presque à dire « tous les secteurs de la société moderne », comme les secteurs de la finance, de la santé et des télécommunications. Dans le secteur financier, pratiquement toutes les activités d’optimisation seraient améliorées. Il serait possible d’optimiser l’allocation du capital, les actifs, le choix et la gestion des portefeuilles, entre autres. Dans le domaine de la médecine et de la pharmacie, il existe certaines utilisations telles que l’analyse et la modélisation précise de molécules pour de nouveaux médicaments, la sélection de groupes pour les essais cliniques, les processus d’optimisation des ressources hospitalières et même la répartition des services de santé dans une ville donnée, par exemple. Dans les télécommunications ainsi que dans le secteur financier, les tâches d’optimisation seraient au centre de l’attention, comme par exemple les réseaux de trafic et de communication [12].

L’optimisation des secteurs de la finance, de la santé et des télécommunications présente un grand potentiel de réduction des ressources consommées, ce qui permet de réduire les coûts et d’améliorer le service offert par ces secteurs [12]. Quant aux autres applications, il y aura des avancées majeures dans les services de conseil en affaires et en technologie qui pourront aider leurs clients à visualiser comment appliquer ces technologies émergentes à leurs contextes. Cela aidera les entreprises de différents secteurs à mieux comprendre les données dont elles disposent, à en extraire une intelligence supérieure et, par conséquent, à offrir de meilleurs services. La combinaison de l’IA et de l’informatique quantique est déjà une réalité, au-delà de la recherche universitaire, car de nombreuses entreprises, des startups aux géants de la technologie, ont de gigantesques initiatives pour explorer cette combinaison. Des entreprises comme Zapata Computing, aux États-Unis, Xanadu, au Canada, et même IBM ont des projets, qu’ils soient internes ou en partenariat avec des clients potentiels et/ou des industries, dans lesquels la combinaison de ces technologies a été utilisée. Un exemple vient du partenariat entre IBM et Moderna, qui se sont réunis pour combiner l’informatique quantique et l’IA et développer plusieurs traitements basés sur l’ARNm, technologie qui a permis l’émergence de l’un des premiers et des plus efficaces vaccins contre le COVID-19 au cours de la pandémie [12].

4. Conclusions

De ce qui précède, il est évident que l’informatique quantique peut considérablement accélérer l’évolution de l’intelligence artificielle, qui, en devenant encore plus puissante, contribuera également au développement des ordinateurs quantiques du futur.

LES RÉFÉRENCES

1.     ICMCJUNIOR. O que é inteligência artificial? Disponible sur le site Web <https://icmcjunior.com.br/inteligencia-artificial/>.

2.     INSIGHTS. O que é um algoritmo inteligente? Disponible sur le site Web <https://www.portalinsights.com.br/perguntas-frequentes/o-que-e-um-algoritmo-inteligente>.

3.     THIBES, Victoria. Afinal, o que é um algoritmo e o que isso tem a ver com computação? Disponible sur le site Web <https://canaltech.com.br/produtos/Afinal-o-que-e-um-algoritmo-e-o-que-isso-tem-a-ver-com-computacao/>.

4.     GOGONI, Ronaldo. O que é software? Disponible sur le site Web <https://tecnoblog.net/responde/o-que-e-software/>.

5.     ALCOFORADO, Fernando. Comment fonctionnent l’intelligence artificielle et ses logiciels et algorithmes intelligents. Disponible sur le site Web <https://fr.linkedin.com/pulse/comment-fonctionnent-lintelligence-artificielle-et-ses-alcoforado-l1sqf>.

6.      MUNDO EDUCAÇÃO. Computador quântico. Disponible sur le site Web <https://mundoeducacao.uol.com.br/fisica/computador-quantico.htm>.

7.     LAPOLA, Marcelo. Como funciona um computador quântico? Físico explica ciência por trás. Disponible sur le site Web <https://revistagalileu.globo.com/colunistas/quanticas/coluna/2023/11/como-funciona-um-computador-quantico-fisico-explica-ciencia-por-tras.ghtml>.

8.     KIDO, Yuzuru. The Present and Future of “Quantum Computers”. Disponible sur le site Web <https://social-innovation.hitachi/en/article/quantum-computing/?utm_campaign=sns&utm_source=li&utm_medium=en_quantum-computing_230>.

9.     MATOS, David. Como a Computação Quântica Vai Revolucionar a Inteligência Artificial, Machine Learning e Big Data. Disponible sur le site Web <https://www.cienciaedados.com/como-a-computacao-quantica-vai-revolucionar-a-inteligencia-artificial-machine-learning-e-big-data/>.

10.  MIT Techonology Review. Como a Inteligência Artificial está reinventando o que os computadores são. Disponible sur le site Web <https://mittechreview.com.br/como-a-inteligencia-artificial-esta-reinventando-o-que-os-computadores-sao/>.

11.  SOUZA, Júlia. Com computação quântica, inteligência artificial deve dar salto gigantesco, dizem especialistas. Disponible sur le site Web <https://epocanegocios.globo.com/tecnologia/noticia/2023/04/com-computacao-quantica-inteligencia-artificial-deve-dar-salto-gigantesco-dizem-especialistas.ghtml>.

12.  AUGUSTO, César. O potencial da combinação entre computação quântica e inteligência artificial. Disponible sur le site Web <https://tiinside.com.br/24/05/2023/o-potencial-da-combinacao-entre-computacao-quantica-e-inteligencia-artificial/>.

* Fernando Alcoforado, 84, a reçoit la Médaille du Mérite en Ingénierie du Système CONFEA / CREA, membre de l’Académie de l’Education de Bahia, de la SBPC – Société Brésilienne pour le Progrès des Sciences et l’IPB – Institut Polytechnique de Bahia, ingénieur de l’École Polytechnique UFBA et docteur en Planification du Territoire et Développement Régional de l’Université de Barcelone, professeur d’Université (Ingénierie, Économie et Administration) et consultant dans les domaines de la planification stratégique, de la planification d’entreprise, planification du territoire et urbanisme, systèmes énergétiques, a été Conseiller du Vice-Président Ingénierie et Technologie chez LIGHT S.A. Entreprise de distribution d’énergie électrique de Rio de Janeiro, coordinatrice de la planification stratégique du CEPED – Centre de recherche et de développement de Bahia, sous-secrétaire à l’énergie de l’État de Bahia, secrétaire à la  planification de Salvador, il est l’auteur de ouvrages Globalização (Editora Nobel, São Paulo, 1997), De Collor a FHC- O Brasil e a Nova (Des)ordem Mundial (Editora Nobel, São Paulo, 1998), Um Projeto para o Brasil (Editora Nobel, São Paulo, 2000), Os condicionantes do desenvolvimento do Estado da Bahia (Tese de doutorado. Universidade de Barcelona,http://www.tesisenred.net/handle/10803/1944, 2003), Globalização e Desenvolvimento (Editora Nobel, São Paulo, 2006), Bahia- Desenvolvimento do Século XVI ao Século XX e Objetivos Estratégicos na Era Contemporânea (EGBA, Salvador, 2008), The  Necessary Conditions of the Economic and Social Development- The Case of the State of Bahia (VDM Verlag Dr. Müller Aktiengesellschaft & Co. KG, Saarbrücken, Germany, 2010), Aquecimento Global e Catástrofe Planetária (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2010), Amazônia Sustentável- Para o progresso do Brasil e combate ao aquecimento global (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2011), Os Fatores Condicionantes do Desenvolvimento Econômico e Social (Editora CRV, Curitiba, 2012), Energia no Mundo e no Brasil- Energia e Mudança Climática Catastrófica no Século XXI (Editora CRV, Curitiba, 2015), As Grandes Revoluções Científicas, Econômicas e Sociais que Mudaram o Mundo (Editora CRV, Curitiba, 2016), A Invenção de um novo Brasil (Editora CRV, Curitiba, 2017), Esquerda x Direita e a sua convergência (Associação Baiana de Imprensa, Salvador, 2018), Como inventar o futuro para mudar o mundo (Editora CRV, Curitiba, 2019), A humanidade ameaçada e as estratégias para sua sobrevivência (Editora Dialética, São Paulo, 2021), A escalada da ciência e da tecnologia e sua contribuição ao progresso e à sobrevivência da humanidade (Editora CRV, Curitiba, 2022), est l’auteur d’un chapitre du livre Flood Handbook (CRC Press, Boca Raton, Floride, États-Unis, 2022), How to protect human beings from threats to their existence and avoid the extinction of humanity (Generis Publishing, Europe, Republic of Moldova, Chișinău, 2023) et A revolução da educação necessária ao  Brasil na era contemporânea (Editora CRV, Curitiba, 2023).

Fernando Alcoforado*

This article aims to demonstrate that the combination of Artificial Intelligence and Quantum Computing will constitute the greatest technological revolution in history. Quantum computing could greatly accelerate the evolution of Artificial Intelligence, which, when it becomes even more powerful, will contribute to the development of quantum computers of the future. This article presents how Artificial Intelligence, Quantum Computing work and what will result from the combination of both.

1. Artificial Intelligence

Artificial intelligence (AI) is a computational technology or a set of technologies such as artificial neural networks, algorithms and learning systems whose objective is to imitate human mental capabilities, such as: reasoning, environmental perception and decision-making capacity [1]. The technology is developed with the aim that machines can solve a series of problems, covering everything from the great complexity of government and industry management to the daily tasks of modern men and women. To do this, AI uses sophisticated learning technology, allowing it to learn from a large set of data and act on its own. The general objective of AI is to create machines that can operate at the same level of cognitive capacity as humans, or even surpass it. In recent years, AI has emerged as a transformative force across multiple industries, revolutionizing the way companies conduct business [1].

Artificial Intelligence is based on three technologies [1]:

1. Machine Learning is an application of Artificial Intelligence that provides the computer with the ability to automatically learn and improve from its own experience. Machine learning focuses on developing “software” that can access data and use it to learn from it. The learning process begins with observing data in order to look for statistical patterns and make good decisions based on the examples provided. In this way, the main objective is to make computers learn automatically without human intervention.

2. Deep learning is a subset of machine learning, essentially being a neural network with three or more layers. These neural networks attempt to simulate the behavior of the human brain – although far from matching its capacity – allowing the machine to “learn” from the abundance of data. While a single-layer neural network can still make approximate predictions, additional hidden layers can help optimize and refine accuracy. Deep learning drives many AI applications and services that improve automation by performing analytical and physical tasks without human intervention. Deep learning technology is behind everyday products and services (like digital assistants, voice-enabled TV remotes, and credit card fraud detection) as well as emerging technologies (like self-driving cars).

3. Natural language processing (NLP) is a branch of artificial intelligence that helps computers understand, interpret, and manipulate human language. NLP draws on many disciplines, including computer science and computational linguistics, in its quest to bridge the gap between human communication and computer understanding.

Algorithms are the essence of any artificial intelligence system that are fed with as much data as possible, as references, so that they can learn better [2] [3]. It is a tool that maps decisions within a system and their possible consequences. Intelligent algorithms have the ability and process to filter order and structure. Thus, they autonomously present content that may, according to the rules of the algorithms, have more or less influence, excluding other possible information. In general, an algorithm comprises a finite sequence of executable actions (steps) to solve a problem, or in the most common case in Computer Science, perform a task. The algorithm itself is not the program, but the sequence of actions and conditions that must be obeyed for the problem to be solved. Algorithms are finite sequences of instructions used to solve a problem. For example, when someone accesses a website, algorithms define the path for the page to open correctly. When someone interacts with a link, other algorithms are triggered, indicating what to do [2] [3].

It is important to note that unlike the algorithm, which is a type of process, procedure or set of rules that must be followed to solve any type of calculation, that is, step-by-step instructions that define how the work must be performed in order to obtain the desired outcome, software is a type of system that allows the user to interact with the computer and gives instructions to the computer to perform specific tasks as well as control the functioning of the hardware and its operations. Software is a set of instructions that must be followed and executed by a mechanism, be it a computer or an electromechanical device. Software is the term used to describe programs, apps, scripts, macros and directly embedded code instructions (firmware), in order to dictate what a machine should do. Every computer program, cell phone, tablet, smart TV, video game console, set-top box, etc. it is software, be it a text editor, a browser, an audio or video editor, a game, a streaming app, etc. [4].

The first advantage of using algorithms is task automation [5]. They can analyze a large volume of data, in less time than a person would, for example. Thus, they increase the efficiency of activities. All computer software is made up of algorithms. The evolution of algorithms allows the emergence of new technologies, such as smartphones, smart TVs, new applications and operating systems. With new command possibilities, the algorithms become more improved, and, consequently, new potential uses are developed. Transport and delivery applications, streaming services and movie and music recommendations are provided by systems that work based on algorithms. Algorithms are, therefore, the essence of any artificial intelligence system that are fed with as much data as possible, as references, so that they can learn better [5].

Artificial intelligence promotes the reduction of human error because computers do not make these errors if they are programmed correctly [5]. With Artificial Intelligence, decisions are made based on information previously collected by applying a certain set of algorithms. Thus, errors are reduced and the possibility of achieving accuracy with a greater degree of precision is an achievable possibility. Artificial intelligence takes risks instead of humans. This is one of the biggest advantages of Artificial Intelligence because we can overcome many risk limitations involving human lives by developing an AI robot that can do risky things for us. Among the possibilities, we have: going to Mars, defusing a bomb, exploring the deepest parts of the oceans, mining coal and oil and many others [5].

Artificial intelligence helps with repetitive jobs in our day to day work like sending email, checking documents for errors, and much more [5]. With artificial intelligence, these tasks can be productively automated and even remove those considered “tiring” for humans and free them to be increasingly creative and productive. Artificial intelligence provides digital assistance to interact with users, which eliminates the need for human resources. Digital assistants are also used on many websites to provide what users want by talking to them about what they are looking for. Some chatbots are designed in such a way that it is difficult to determine whether we are talking to a robot or a human. Artificial intelligence provides faster decisions by making machines make decisions faster than humans. The AI-powered machine works as programmed and will provide results faster. Artificial intelligence drives innovation in almost all areas that will help humans solve most complex problems.

2. Quantum Computing

One of the main characteristics of contemporary society is the large-scale use of information technology. The computer, an icon of information technology, connected to a network is changing people’s relationship with time and space. Informational networks allow us to expand our ability to think in unimaginable ways. The new technological revolution has expanded human intelligence. We are talking about a technology that allows increasing the storage, processing and analysis of information, making billions of relationships between thousands of data per second: the computer [6]. Current computers are electronic because they are made up of transistors used in electronic chips. This causes it to present limitations as there will be a time when it will no longer be possible to reduce the size of one of the smallest and most important components of processors, the transistor. It is important to note that it is in this small device that all information is read, interpreted and processed [6]. When dealing with very small scales, Physics stops being as predictable as it is in macroscopic systems, starting to behave randomly, in a probabilistic way, subject to the properties of Quantum Physics. This means that one of the alternatives of the future is the quantum computer. In these computers, fundamental units of information, called “quantum bits”, are used in order to solve calculations or simulations that would take processing times impractical in electronic computers, such as those currently used [6].

Ordinary computers work by reducing numbers and instructions to a binary code – a series of zeros and ones. Technically, these zeros and ones represent whether or not electrical current passes through a device called a transistor. Inside a microprocessor on your cell phone or computer there are billions of transistors that, combined, form what we call logic gates. Each “binary digit” 0 or 1 is known as a bit. A conventional computer translates this binary code into physical states, such as on or off, within its hardware. Each “this or that” distinction would function as a way of storing binary data. The sequences of binary numbers are then manipulated through banks of logic gates, printed on silicon chips [7].

Quantum computers work with a logic quite different from that present in electronic computers. Quantum bits can simultaneously present the values 0 and 1, as a result of a quantum phenomenon called quantum superposition [6]. These values represent the binary code of computers and are, in a way, the language understood by machines. Quantum computers have proven to be the newest answer in Physics and Computing to problems related to the limited capacity of electronic computers whose processing speed and capacity are closely related to the size of their components. Therefore, its miniaturization is an inevitable process.

Quantum computers will not serve the same purposes as electronic computers. Quantum computers are good at working with many variables simultaneously, unlike current computers, which have many limitations when carrying out this type of task. In this way, it is expected that quantum computers can be used to simulate extremely complex systems, such as biological, meteorological, astronomical, molecular systems, etc. The ease of quantum computers in dealing with complex systems is related to the nature of quantum bits. An electronic computer bit can only have the value 0 or 1, while quantum bits can have both values at the same time. In this way, a single quantum bit has a numerical equivalence of 2 electronic bits. This means that, with just 10 quantum bits, we would have a computer with a capacity of 1024 bits (210 = 1024), while most home computers today work with 64-bit systems [6].

With a conventional classical computer, if it needed to perform 100 different calculations, it would have to process them one at a time, whereas with a quantum computer, it could perform them all at once. The current situation where we are forced to use classical computers for calculations will change drastically. Supercomputers — the highest class of classical computers — are so large that they take up a large room. The reason is that 100 calculators are lined up to do 100 different calculations at once. In a real supercomputer, more than 100,000 smaller computers are lined up. With the birth of quantum computers, this will no longer be necessary. But that doesn’t mean supercomputers will become unnecessary. They will be used for different purposes, such as smartphones and computers [4].

Like the first digital computers, quantum computing offers the possibility of technologies millions of times more powerful than current systems, but the key to success will be solving real-world problems in quantum language [9]. We are at the limits of the data processing power of traditional computers and data continues to grow. While Moore’s Law, which predicts that the number of transistors in integrated circuits will double every two years, has proven extremely resilient since the term was coined in 1965, these transistors are now as small as can be made with the existing technology. That’s why there’s a race among the technology industry’s biggest leaders to determine who will be the first to launch a viable quantum computer that would be exponentially more powerful than today’s computers to process all the data we generate every day and solve every problem increasingly complex [9].

Current computers have limitations, for example in the area of Artificial Intelligence, where there are no computers with sufficient power or processing speed to support advanced AI [9]. Thus, the need arose to create an alternative computer to the usual ones that could solve AI problems, or others such as the factorization of very large prime numbers, discrete logarithms and simulation of Quantum Physics problems. Quantum computers will enable a range of useful applications, such as modeling variations of chemical reactions to discover new medicines, developing imaging technologies for the healthcare industry to detect problems in the body, or accelerating the way batteries, new materials and flexible electronics are developed. that will make all the difference in data processing. Considering that AI and Machine Learning depend on large data sets (Big Data) to be effective, it is not difficult to imagine the revolution that the quantum computer can bring. Many prototypes of quantum computers have already been tested in laboratories around the world, but their large-scale development is still unknown and depends on a lot of research and investment [9].

There are fields in which quantum computers have a great advantage over classical computers, for example, in the areas of chemistry and biotechnology. Material reactions, in principle, involve quantum effects. A quantum computer that used quantum phenomena themselves would enable calculations that could easily incorporate quantum effects and would be very effective in developing materials such as catalysts and polymers. This can lead to the development of new medicines that were previously unviable, thus contributing to improving people’s health. Additionally, in the area of finance, for example, as the formulas for options trading are similar to those for quantum phenomena, it is expected that calculations can be performed efficiently on quantum computers [9].

According to the MIT Technology Review [10], Artificial Intelligence is changing the way we think about computing. Computers haven’t advanced much in 40 or 50 years, they have become smaller and faster, but they are still mere boxes with processors that carry out human instructions. AI is changing this reality in at least three aspects: 1) the way computers are produced; 2) the way computers are programmed; and, 3) how computers are used. Ultimately, this is a phenomenon that will change the function of computers. The core of computing is moving from number crunching to decision making [10].

The first change concerns how computers and the chips that control them are made [10]. The deep learning models that make today’s AI applications work, however, require a different approach because they require a large number of less precise calculations to be performed at the same time. This means that a new type of chip is needed that can move data as quickly as possible, ensuring that it is available whenever needed. When deep learning arrived on the scene about a decade ago, there were already specialized computer chips that were very good at it: graphics processing units (GPUs) designed to display an entire screen’s worth of pixels dozens of times per second[10].

The second change concerns how computers are programmed what to do. For the last 40 years, computers have been programmed, and in the next 40 years, they will be trained. Traditionally, in order for a computer to do something like recognize speech or identify objects in an image, programmers have to first create rules for the computer. With machine learning, programmers no longer dictate the rules. Instead, they create a neural network in which computers learn these rules themselves. The next big advances will come in molecular simulation as training computers to manipulate the properties of matter that can create global changes in energy use, food production, manufacturing and medicine. Deep learning has an amazing track record. Two of the biggest advances of this kind so far are how to make computers behave as if they understand human language and recognize what is in an image and are already changing the way we use them [10].

The third change concerns the fact that a computer no longer needs a keyboard or screen for humans to interact with them. Anything can become a computer. In fact, most household products, from toothbrushes to light switches and doorbells, already have a smart version. As they proliferate, however, so does our desire to spend less time telling them what to do. It’s like they should be able to figure out what we need without our interference. This is the shift from number analysis to decision making as a determinant of this new era of computing that envisions computers that tell humans what we need to know and when we need to know it and that help humans when they need them. Now, machines are interacting with people and becoming increasingly integrated into our lives. Computers are already out of their boxes [10].

3. The contribution of Quantum Computing in the development of Artificial Intelligence and vice versa

Artificial intelligence has gained unprecedented prominence in recent months with the success of ChatGPT, and has been attracting huge investments from companies such as OpenAI, Microsoft and Google, among others. According to experts in the field, quantum computing can greatly accelerate the evolution of artificial intelligence, making it quite powerful [11]. With the relationship between quantum computing and AI, it is possible to have the use of quantum computing capabilities and algorithms in AI tasks, as well as to have “classical” AI systems that are applied to data coming from quantum systems, with the purpose of evolve these systems [12]. A quantum computer has the inherent nature of being probabilistic. Thanks to phenomena such as superposition and entanglement, they are able to encode probability distributions that are much more complex than in classical models, and are even capable of creating data that truly represent the existing probability distribution, and that are not biased, such as happens with traditional models. Therefore, for some, these are the first systems in which the use of quantum computers will prove to be a great advantage [12].

Another interesting question is whether it would be possible to use quantum computing to evolve current AIs, creating new types of AIs that are more intelligent or can do more things [12]. This means that quantum computers are capable of boosting AIs. Any and all sectors that deal with a large volume of data, and data that presents great complexities, would have a lot to gain from the joint work of these two technologies. The problem is that saying this is almost the same as saying “all sectors of modern society” such as the financial, health and telecommunications sectors. In the financial sector, virtually every optimization activity would be improved. It would be possible to optimize capital allocation, assets, portfolio choice and management, among others. In the area of medicine and pharmacy there are some uses such as analysis and precise modeling of molecules for new medicines, selection of groups for clinical trials, hospital resource optimization processes and even the distribution of health services in a given city, for example. In telecommunications, as well as in the financial sector, optimization tasks would be the main focus, such as communication traffic and networks [12].

Optimizing the financial, health and telecommunications sectors shows great potential for reducing resources consumed, which allows for lower costs and an improvement in the service offered by these sectors [12]. As for other applications, there will be major advances in business and technology consultancies that can help their clients visualize how to apply these emerging technologies to their contexts. This will help companies from various sectors to better understand the data they have, extract superior intelligence from it and, consequently, offer better services. The combination of AI and quantum computing is already a reality, in addition to academic research, as many companies, from startups to technology giants, have giant initiatives to explore this combination. Companies such as Zapata Computing, in the USA, Xanadu, in Canada, and even IBM have projects, whether internal or in partnership with potential clients and/or industries, in which the combination of these technologies has been used. An example comes from the partnership between IBM and Moderna, which came together to combine quantum computing and AI and develop several treatments based on mRNA, which was the technology that allowed the emergence of one of the first and most effective vaccines for COVID-19 during the pandemic [12].

4. Conclusions

From the above, the possibility that quantum computing could greatly accelerate the evolution of Artificial Intelligence, which, by becoming even more powerful, will contribute to the development of quantum computers of the future is quite evident.

REFERENCES

1.     ICMCJUNIOR. O que é inteligência artificial? Available on the website <https://icmcjunior.com.br/inteligencia-artificial/>.

2.     INSIGHTS. O que é um algoritmo inteligente? Available on the website <https://www.portalinsights.com.br/perguntas-frequentes/o-que-e-um-algoritmo-inteligente>.

3.     THIBES, Victoria. Afinal, o que é um algoritmo e o que isso tem a ver com computação? Available on the website <https://canaltech.com.br/produtos/Afinal-o-que-e-um-algoritmo-e-o-que-isso-tem-a-ver-com-computacao/>.

4.     GOGONI, Ronaldo. O que é software? Available on the website <https://tecnoblog.net/responde/o-que-e-software/>.

5.     ALCOFORADO, Fernando. Como funcionam a inteligência artificial e seus softwares e algoritmos inteligentes. Available on the website <https://www.linkedin.com/pulse/como-funcionam-intelig%C3%AAncia-artificial-e-seus-alcoforado-nmagf/>.

6.     MUNDO EDUCAÇÃO. Computador quântico. Available on the website <https://mundoeducacao.uol.com.br/fisica/computador-quantico.htm>.

7.     LAPOLA, Marcelo. Como funciona um computador quântico? Físico explica ciência por trás. Available on the website <https://revistagalileu.globo.com/colunistas/quanticas/coluna/2023/11/como-funciona-um-computador-quantico-fisico-explica-ciencia-por-tras.ghtml>.

8.     KIDO, Yuzuru. The Present and Future of “Quantum Computers”. Available on the website <https://social-innovation.hitachi/en/article/quantum-computing/?utm_campaign=sns&utm_source=li&utm_medium=en_quantum-computing_230>.

9.     MATOS, David. Como a Computação Quântica Vai Revolucionar a Inteligência Artificial, Machine Learning e Big Data. Available on the website <https://www.cienciaedados.com/como-a-computacao-quantica-vai-revolucionar-a-inteligencia-artificial-machine-learning-e-big-data/>.

10.  MIT Techonology Review. Como a Inteligência Artificial está reinventando o que os computadores são. Available on the website <https://mittechreview.com.br/como-a-inteligencia-artificial-esta-reinventando-o-que-os-computadores-sao/>.

11.  SOUZA, Júlia. Com computação quântica, inteligência artificial deve dar salto gigantesco, dizem especialistas. Available on the website <https://epocanegocios.globo.com/tecnologia/noticia/2023/04/com-computacao-quantica-inteligencia-artificial-deve-dar-salto-gigantesco-dizem-especialistas.ghtml>.

12.  AUGUSTO, César. O potencial da combinação entre computação quântica e inteligência artificial. Available on the website <https://tiinside.com.br/24/05/2023/o-potencial-da-combinacao-entre-computacao-quantica-e-inteligencia-artificial/>.

* Fernando Alcoforado, awarded the medal of Engineering Merit of the CONFEA / CREA System, member of the SBPC- Brazilian Society for the Progress of Science, IPB- Polytechnic Institute of Bahia and of the Bahia Academy of Education, engineer from the UFBA Polytechnic School and doctor in Territorial Planning and Regional Development from the University of Barcelona, college professor (Engineering, Economy and Administration) and consultant in the areas of strategic planning, business planning, regional planning, urban planning and energy systems, was Advisor to the Vice President of Engineering and Technology at LIGHT S.A. Electric power distribution company from Rio de Janeiro, Strategic Planning Coordinator of CEPED- Bahia Research and Development Center, Undersecretary of Energy of the State of Bahia, Secretary of Planning of Salvador, is the author of the books Globalização (Editora Nobel, São Paulo, 1997), De Collor a FHC- O Brasil e a Nova (Des)ordem Mundial (Editora Nobel, São Paulo, 1998), Um Projeto para o Brasil (Editora Nobel, São Paulo, 2000), Os condicionantes do desenvolvimento do Estado da Bahia (Tese de doutorado. Universidade de Barcelona,http://www.tesisenred.net/handle/10803/1944, 2003), Globalização e Desenvolvimento (Editora Nobel, São Paulo, 2006), Bahia- Desenvolvimento do Século XVI ao Século XX e Objetivos Estratégicos na Era Contemporânea (EGBA, Salvador, 2008), The Necessary Conditions of the Economic and Social Development- The Case of the State of Bahia (VDM Verlag Dr. Müller Aktiengesellschaft & Co. KG, Saarbrücken, Germany, 2010), Aquecimento Global e Catástrofe Planetária (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2010), Amazônia Sustentável- Para o progresso do Brasil e combate ao aquecimento global (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2011), Os Fatores Condicionantes do Desenvolvimento Econômico e Social (Editora CRV, Curitiba, 2012), Energia no Mundo e no Brasil- Energia e Mudança Climática Catastrófica no Século XXI (Editora CRV, Curitiba, 2015), As Grandes Revoluções Científicas, Econômicas e Sociais que Mudaram o Mundo (Editora CRV, Curitiba, 2016), A Invenção de um novo Brasil (Editora CRV, Curitiba, 2017), Esquerda x Direita e a sua convergência (Associação Baiana de Imprensa, Salvador, 2018), Como inventar o futuro para mudar o mundo (Editora CRV, Curitiba, 2019), A humanidade ameaçada e as estratégias para sua sobrevivência (Editora Dialética, São Paulo, 2021), A escalada da ciência e da tecnologia e sua contribuição ao progresso e à sobrevivência da humanidade (Editora CRV, Curitiba, 2022), a chapter in the book Flood Handbook (CRC Press,  Boca Raton, Florida United States, 2022), How to protect human beings from threats to their existence and avoid the extinction of humanity (Generis Publishing, Europe, Republic of Moldova, Chișinău, 2023) and A revolução da educação necessária ao Brasil na era contemporânea (Editora CRV, Curitiba, 2023).

Fernando Alcoforado*

Este artigo pretende demonstrar que a combinação da Inteligência Artificial e da Computação Quântica constituirá a maior revolução tecnológica da história. A computação quântica poderá acelerar enormemente a evolução da Inteligência Artificial, que, quando se tornar ainda mais poderosa, contribuirá para o desenvolvimento dos computadores quânticos do futuro. Este artigo apresenta como funcionam a Inteligência Artificial, a Computação Quântica e o que resultará da combinação de ambas.

1. Inteligência Artificial

Inteligência artificial (IA) é uma tecnologia computacional ou um conjunto de tecnologias como redes neurais artificiais, algoritmos e sistemas de aprendizagem cujo objetivo é imitar as capacidades mentais humanas, tais como: raciocínio, percepção ambiental e capacidade de tomada de decisão [1]. A tecnologia é desenvolvida com o objetivo de que as máquinas possam resolver uma série de problemas, abrangendo desde a grande complexidade da gestão governamental e industrial até as tarefas diárias dos homens e mulheres modernos. Para fazer isso, a IA utiliza tecnologia de aprendizagem sofisticada, permitindo-lhe aprender com um grande conjunto de dados e agir por conta própria. O objetivo geral da IA é criar máquinas que possam operar no mesmo nível de capacidade cognitiva que os humanos, ou mesmo superá-los. Nos últimos anos, a IA emergiu como uma força transformadora em vários setores, revolucionando a forma como as empresas conduzem os negócios [1].

A Inteligência Artificial é baseada em três tecnologias [1]:

1. Machine Learning ou Aprendizado de máquina é uma aplicação de Inteligência Artificial que fornece ao computador a capacidade de aprender e melhorar automaticamente a partir de sua própria experiência. O aprendizado de máquina se concentra no desenvolvimento de “software” que pode acessar dados e usá-los para aprender com eles. O processo de aprendizagem começa com a observação dos dados para procurar padrões estatísticos e tomar boas decisões com base nos exemplos fornecidos. Desta forma, o objetivo principal é fazer com que os computadores aprendam automaticamente, sem intervenção humana.

2. Deep learning ou Aprendizado profundo é um subconjunto do Machine Learning (Aprendizado de máquina), sendo essencialmente uma rede neural com três ou mais camadas. Estas redes neurais tentam simular o comportamento do cérebro humano embora longe de corresponder à sua capacidade permitindo que a máquina “aprenda” com a abundância de dados. Embora uma rede neural de camada única ainda possa fazer previsões aproximadas, camadas ocultas adicionais podem ajudar a otimizar e refinar a precisão. O Aprendizado profundo impulsiona muitos aplicativos e serviços de IA que melhoram a automação ao executar tarefas analíticas e físicas sem intervenção humana. A tecnologia de Aprendizagem profunda está por trás de produtos e serviços de uso diário (como assistentes digitais, controles remotos de TV habilitados por voz e detecção de fraudes de cartão de crédito), bem como de tecnologias emergentes (como carros autônomos).

3. Natural language processing (NLP) ou Processamento de linguagem natural (PNL) é um ramo da inteligência artificial que ajuda os computadores a compreender, interpretar e manipular a linguagem humana. A NPL baseia-se em muitas disciplinas, incluindo a ciência da computação e a linguística computacional, em sua busca para preencher a lacuna entre a comunicação humana e a compreensão do computador.

Algoritmos são a essência de qualquer sistema de inteligência artificial que são alimentados com o máximo de dados possível, como referências, para que possam aprender melhor [2] [3]. É uma ferramenta que mapeia decisões dentro de um sistema e suas possíveis consequências. Algoritmos inteligentes têm a capacidade e o processo de filtrar ordem e estrutura. Assim, apresentam de forma autônoma conteúdos que podem, de acordo com as regras dos algoritmos, ter mais ou menos influência, excluindo outras informações possíveis. Em geral, um algoritmo compreende uma sequência finita de ações executáveis (etapas) para resolver um problema, ou, no caso mais comum em Ciência da Computação, executar uma tarefa. O algoritmo em si não é o programa, mas a sequência de ações e condições que devem ser obedecidas para que o problema seja resolvido. Algoritmos são sequências finitas de instruções usadas para resolver um problema. Por exemplo, quando alguém acessa um site, algoritmos definem o caminho para a página abrir corretamente. Quando alguém interage com um link, outros algoritmos são acionados, indicando o que fazer [2] [3].

É importante ressaltar que, diferentemente do algoritmo, que é um tipo de processo, procedimento ou conjunto de regras que deve ser seguido para resolver qualquer tipo de cálculo, ou seja, instruções passo a passo que definem como o trabalho deve ser executado para obter o resultado desejado, software é um tipo de sistema que permite ao usuário interagir com o computador e dá instruções ao computador para realizar tarefas específicas, bem como controlar o funcionamento do hardware e suas operações. Software é um conjunto de instruções que devem ser seguidas e executadas por um mecanismo, seja ele um computador ou um dispositivo eletromecânico. Software é o termo usado para descrever programas, aplicativos, scripts, macros e instruções de código diretamente incorporadas (firmware), a fim de ditar o que uma máquina deve fazer. Todo programa de computador, celular, tablet, smart TV, console de videogame, set-top box, etc. é um software, seja um editor de texto, um navegador, um editor de áudio ou vídeo, um jogo, um aplicativo de streaming, etc. [4].

A primeira vantagem do uso de algoritmos é a automação de tarefas [5]. Eles conseguem analisar um grande volume de dados, em menos tempo do que uma pessoa faria, por exemplo. Assim, aumentam a eficiência das atividades. Todo software de computador é composto de algoritmos. A evolução dos algoritmos permite o surgimento de novas tecnologias, como smartphones, smart TVs, novos aplicativos e sistemas operacionais. Com novas possibilidades de comando, os algoritmos tornam-se mais aprimorados e, consequentemente, novos usos potenciais são desenvolvidos. Aplicativos de transporte e entrega, serviços de streaming (transmissão) e recomendações de filmes e músicas são fornecidos por sistemas que funcionam com base em algoritmos. Os algoritmos são, portanto, a essência de qualquer sistema de inteligência artificial que são alimentados com o máximo de dados possível, como referências, para que possam aprender melhor [5].

A inteligência artificial promove a redução de erros humanos porque os computadores não cometem esses erros se forem programados corretamente [5]. Com a Inteligência Artificial, as decisões são tomadas com base em informações previamente coletadas por meio da aplicação de um determinado conjunto de algoritmos. Assim, os erros são reduzidos e a possibilidade de obter exatidão com maior grau de precisão é uma possibilidade alcançável. A inteligência artificial assume riscos em vez dos humanos. Esta é uma das maiores vantagens da Inteligência Artificial porque podemos superar muitas limitações de risco que envolvem vidas humanas ao desenvolver um robô de IA que pode fazer coisas arriscadas por nós. Entre as possibilidades temos ir a Marte, desarmar uma bomba, explorar as partes mais profundas dos oceanos, minerar carvão e petróleo e muitas outras [5].

A inteligência artificial ajuda em tarefas repetitivas em nosso dia a dia, como enviar e-mail, verificar erros em documentos e muito mais [5]. Com a inteligência artificial, essas tarefas podem ser automatizadas de forma produtiva e até mesmo remover aquelas consideradas “cansativas” para os humanos e liberá-los para serem cada vez mais criativos e produtivos. A inteligência artificial fornece assistência digital para interagir com os usuários eliminando, desta forma, a necessidade de recursos humanos. Assistentes digitais também são usados em muitos sites para fornecer o que os usuários desejam, conversando com eles sobre o que procuram. Alguns chatbots (robôs de bate-papo) são projetados de tal forma que é difícil determinar se estamos falando com um robô ou com um humano. A inteligência artificial fornece decisões mais rápidas, fazendo com que as máquinas tomem decisões mais rapidamente do que os humanos. A máquina alimentada por IA funciona conforme programado e fornecerá resultados mais rapidamente. A inteligência artificial impulsiona a inovação em quase todas as áreas que ajudarão os humanos a resolver os problemas mais complexos.

2. Computação Quântica

Uma das principais características da sociedade contemporânea é o uso em larga escala da tecnologia da informação. O computador, ícone da tecnologia da informação, conectado em rede está mudando a relação das pessoas com o tempo e o espaço. As redes informacionais permitem-nos expandir a nossa capacidade de pensar de formas inimagináveis. A nova revolução tecnológica expandiu a inteligência humana. Estamos a falar de uma tecnologia que permite aumentar o armazenamento, processamento e análise de informação, fazendo milhares de milhões de relações entre milhares de dados por segundo: o computador [6]. Os computadores atuais são eletrônicos porque são compostos de transistores usados em chips eletrônicos, isto é, em circuitos integrados ou pequenos dispositivos microeletrônicos geralmente compostos por milhões de componentes que armazenam, movem e processam dados. Isto faz com que os transistores apresentem limitações, pois chegará um momento em que não será mais possível reduzir o tamanho de um dos menores e mais importantes componentes dos processadores, o transistor [6].

É importante ressaltar que é neste pequeno dispositivo, o transistor, que toda a informação é lida, interpretada e processada [6]. Ao lidar com escalas muito pequenas, a Física deixa de ser tão previsível como nos sistemas macroscópicos, passando a se comportar de forma aleatória, de forma probabilística, sujeita às propriedades da Física Quântica. Isso significa que uma das alternativas do futuro é o computador quântico. Nestes computadores, unidades fundamentais de informação, denominadas “bits quânticos”, são utilizadas para resolver cálculos ou simulações que levariam tempos de processamento impraticáveis em computadores eletrônicos, como os utilizados atualmente [6]. É importante observar que o bit é a menor unidade de informação que pode ser armazenada ou transmitida e que pode assumir somente dois valores: 0 ou 1, verdade ou falso e assim por diante. Cada “dígito binário” 0 ou 1 é conhecido, portanto, como bit. Os computadores comuns funcionam reduzindo números e instruções a um código binário – uma série de zeros e uns. Tecnicamente, esses zeros e uns representam se a corrente elétrica passa ou não através de um dispositivo chamado transistor. Dentro de um microprocessador do seu celular ou computador existem bilhões de transistores que, combinados, formam o que são chamados de portas lógicas. Um computador convencional traduz esse código binário em estados físicos, como ligado ou desligado, dentro de seu hardware. Cada distinção “isto ou aquilo” funcionaria como uma forma de armazenar dados binários. As sequências de números binários são então manipuladas através de bancos de portas lógicas, impressas em chips de silício [7].

Os computadores quânticos funcionam com uma lógica bem diferente daquela presente nos computadores eletrônicos. Os bits quânticos podem apresentar simultaneamente os valores 0 e 1, como resultado de um fenômeno quântico denominado superposição quântica [6]. Esses valores representam o código binário dos computadores e são, de certa forma, a linguagem compreendida pelas máquinas. Os computadores quânticos têm provado ser a mais nova resposta em Física e Computação para problemas relacionados com a capacidade limitada dos computadores eletrônicos cuja velocidade e capacidade de processamento estão intimamente relacionadas com o tamanho dos seus componentes. Portanto, a sua miniaturização é um processo inevitável.

Os computadores quânticos não servirão aos mesmos propósitos que os computadores eletrônicos. Os computadores quânticos são bons em trabalhar com muitas variáveis simultaneamente, ao contrário dos computadores atuais, que apresentam muitas limitações na realização deste tipo de tarefa. Desta forma, espera-se que computadores quânticos possam ser utilizados para simular sistemas extremamente complexos, como sistemas biológicos, meteorológicos, astronômicos, moleculares, etc. A facilidade dos computadores quânticos em lidar com sistemas complexos está relacionada à natureza dos bits quânticos. Um bit de computador eletrônico só pode ter o valor 0 ou 1, enquanto os bits quânticos podem ter os dois valores ao mesmo tempo. Desta forma, um único bit quântico possui equivalência numérica de 2 bits eletrônicos. Isso significa que, com apenas 10 bits quânticos, teríamos um computador com capacidade de 1024 bits (210 = 1024), enquanto a maioria dos computadores convencionais hoje trabalha com sistemas de 64 bits [6].

Com um computador clássico convencional, se precisasse realizar 100 cálculos diferentes, teria que processá-los um de cada vez, enquanto com um computador quântico poderia realizá-los todos de uma vez. A situação atual em que somos forçados a utilizar computadores clássicos para cálculos mudará drasticamente. Os supercomputadores – a classe mais alta dos computadores clássicos – são tão grandes que ocupam uma grande sala. A razão é que 100 calculadoras estão alinhadas para fazer 100 cálculos diferentes ao mesmo tempo. Em um supercomputador real, mais de 100 mil computadores menores estão alinhados. Com o nascimento dos computadores quânticos, isso não será mais necessário. Mas isso não significa que os supercomputadores se tornarão desnecessários. Eles serão usados para diferentes finalidades, como smartphones e computadores [4].

Tal como os primeiros computadores digitais, a computação quântica oferece a possibilidade de tecnologias milhões de vezes mais poderosas que os sistemas atuais, mas a chave do sucesso será resolver problemas do mundo real em linguagem quântica [9]. Estamos nos limites do poder de processamento de dados dos computadores tradicionais e os dados continuam a crescer. Embora a Lei de Moore, que prevê que o número de transístores em circuitos integrados duplicará a cada dois anos, tenha provado ser extremamente consistente desde que o termo foi cunhado em 1965, estes transístores são agora tão pequenos que não poderiam ser fabricados com a tecnologia existente. É por isso que há uma corrida entre os maiores líderes da indústria de tecnologia para determinar quem será o primeiro a lançar um computador quântico viável que seria exponencialmente mais poderoso do que os computadores atuais para processar todos os dados que geramos todos os dias e resolver todos os problemas cada vez mais complexos [9 ].

Os computadores atuais têm limitações, por exemplo na área da Inteligência Artificial, onde não existem computadores com potência ou velocidade de processamento suficientes para suportar IA avançada [9]. Assim, surgiu a necessidade de criar um computador alternativo aos habituais que pudesse resolver problemas de IA, ou outros como a fatorização de números primos muito grandes, logaritmos discretos e simulação de problemas de Física Quântica. Os computadores quânticos permitirão uma série de aplicações úteis, como a modelação de variações de reações químicas para descobrir novos medicamentos, o desenvolvimento de tecnologias de imagem para a indústria da saúde para detectar problemas no corpo ou a aceleração da forma como baterias, novos materiais e eletrônica flexível são desenvolvidos. Isso fará toda a diferença no processamento de dados. Considerando que a IA e o Machine Learning dependem de grandes conjuntos de dados (Big Data) para serem eficazes, não é difícil imaginar a revolução que o computador quântico pode trazer. Muitos protótipos de computadores quânticos já foram testados em laboratórios ao redor do mundo, mas seu desenvolvimento em larga escala ainda é desconhecido e depende de muita pesquisa e investimento [9].

Existem campos em que os computadores quânticos apresentam grande vantagem sobre os computadores clássicos, por exemplo, nas áreas de química e biotecnologia. As reações de materiais, em princípio, envolvem efeitos quânticos. Um computador quântico que usasse os próprios fenômenos quânticos permitiria cálculos que poderiam facilmente incorporar efeitos quânticos e seria muito eficaz no desenvolvimento de materiais como catalisadores e polímeros. Isto pode levar ao desenvolvimento de novos medicamentos que antes eram inviáveis, contribuindo assim para a melhoria da saúde das pessoas. Além disso, na área de finanças, por exemplo, como as fórmulas para negociação de opções são semelhantes às dos fenômenos quânticos, espera-se que os cálculos possam ser realizados de forma eficiente em computadores quânticos [9].

De acordo com o MIT Technology Review [10], a Inteligência Artificial está mudando a forma como pensamos sobre a computação. Os computadores não avançaram muito em 40 ou 50 anos, tornaram-se menores e mais rápidos, mas ainda são meras caixas com processadores que executam instruções humanas. A IA está a mudar esta realidade em pelo menos três aspectos: 1) a forma como os computadores são produzidos; 2) a forma como os computadores são programados; e, 3) como os computadores são usados. Em última análise, este é um fenômeno que mudará a função dos computadores. O núcleo da computação está passando da análise de números para a tomada de decisões [10].

A primeira mudança diz respeito à forma como os computadores e os chips que os controlam são feitos [10]. Os modelos de Deep learning ou Aprendizado profundo que fazem as aplicações de IA atuais funcionarem, exigem, no entanto, uma abordagem diferente porque requerem que um grande número de cálculos menos precisos sejam realizados ao mesmo tempo. Isso significa que é necessário um novo tipo de chip que possa mover dados o mais rápido possível, garantindo que estejam disponíveis sempre que necessário. Quando o Aprendizado profundo entrou em cena, há cerca de uma década, já existiam chips de computador especializados que eram muito bons nisso com unidades de processamento gráfico (GPUs) projetadas para exibir pixels de uma tela inteira dezenas de vezes por segundo[10].

A segunda mudança diz respeito à forma como os computadores são programados para o que fazer. Nos últimos 40 anos, os computadores foram programados e, nos próximos 40 anos, serão treinados. Tradicionalmente, para que um computador faça algo como reconhecer a fala ou identificar objetos em uma imagem, os programadores precisam primeiro criar regras para o computador. Com o Machine learning ou Aprendizado de máquina, os programadores não ditam mais as regras. Em vez disso, eles criam uma rede neural na qual os próprios computadores aprendem essas regras. Os próximos grandes avanços virão na simulação molecular, treinando computadores para manipular as propriedades da matéria que podem criar mudanças globais no uso de energia, produção de alimentos, fabricação e medicina. O Deep learning ou Aprendizado profundo tem um histórico incrível. Dois dos maiores avanços deste tipo até agora são como fazer com que os computadores se comportem como se entendessem a linguagem humana e reconhecessem o que está numa imagem e já estivessem a mudar a forma como os usamos [10].

A terceira mudança diz respeito ao fato de um computador não precisar mais de teclado ou tela para que os humanos interajam com ele. Qualquer coisa pode se tornar um computador. Na verdade, a maioria dos produtos domésticos, desde escovas de dente a interruptores de luz e campainhas, já possui uma versão inteligente. À medida que proliferam, porém, aumenta também o nosso desejo de gastar menos tempo dizendo-lhes o que fazer. É como se eles pudessem descobrir o que precisamos sem a nossa interferência. Esta é a mudança da análise de números para a tomada de decisões como um determinante desta nova era da computação que prevê computadores que dizem aos humanos o que precisam saber e quando precisam saber e que ajudam os humanos quando precisam deles. Agora, as máquinas estão interagindo com as pessoas e se tornando cada vez mais integradas em nossas vidas. Os computadores já estão fora de suas caixas [10].

3. A contribuição da Computação Quântica no desenvolvimento da Inteligência Artificial e vice-versa

Segundo especialistas na área, a computação quântica pode acelerar bastante a evolução da inteligência artificial, tornando-a bastante poderosa [11]. Com a relação entre a computação quântica e a IA, é possível ter a utilização de capacidades e algoritmos de computação quântica em tarefas de IA, bem como ter sistemas de IA “clássicos” que são aplicados a dados provenientes de sistemas quânticos, com o objetivo de evoluir esses sistemas [12]. Um computador quântico tem a natureza inerente de ser probabilístico. Graças a fenómenos como a sobreposição e o emaranhamento, são capazes de codificar distribuições de probabilidade muito mais complexas do que nos modelos clássicos, sendo mesmo capazes de criar dados que representem verdadeiramente a distribuição de probabilidade existente, e que não sejam tendenciosos, como acontece com modelos tradicionais. Portanto, para alguns, estes são os primeiros sistemas em que o uso de computadores quânticos se revelará uma grande vantagem [12].

Outra questão interessante é se seria possível usar a computação quântica para evoluir as IA atuais, criando novos tipos de IA que sejam mais inteligentes ou possam fazer mais coisas [12]. Todo e qualquer setor que lida com grande volume de dados, e dados que apresentam grandes complexidades, teria muito a ganhar com o trabalho conjunto dessas duas tecnologias. Isso significa que os computadores quânticos são capazes de impulsionar as IAs. O problema é que dizer isto é quase o mesmo que dizer “todos os setores da sociedade moderna”, como os setores financeiro, da saúde e das telecomunicações. No setor financeiro, praticamente todas as atividades de otimização seriam melhoradas. Seria possível otimizar a alocação de capital, ativos, escolha e gestão de carteiras, entre outros. Na área de medicina e farmácia existem algumas utilizações como análise e modelagem precisa de moléculas para novos medicamentos, seleção de grupos para ensaios clínicos, processos de otimização de recursos hospitalares e até distribuição de serviços de saúde em uma determinada cidade, por exemplo. Nas telecomunicações, assim como no setor financeiro, as tarefas de otimização seriam o foco principal, como o tráfego e as redes de comunicação [12].

A otimização dos setores financeiro, da saúde e das telecomunicações apresenta um grande potencial de redução dos recursos consumidos, o que permite reduzir custos e melhorar o serviço oferecido por estes setores [12]. Quanto a outras aplicações, haverá grandes avanços nas consultorias empresariais e tecnológicas que poderão ajudar os seus clientes a visualizar como aplicar estas tecnologias emergentes aos seus contextos. Isso ajudará empresas de diversos setores a entender melhor os dados que possuem, extrair deles inteligência superior e, consequentemente, oferecer melhores serviços. A combinação de IA e computação quântica já é uma realidade, além das pesquisas acadêmicas, pois muitas empresas, desde startups até gigantes da tecnologia, têm iniciativas gigantescas para explorar essa combinação. Empresas como a Zapata Computing, nos Estados Unidos, a Xanadu, no Canadá, e até a IBM têm projetos, sejam eles internos ou em parceria com potenciais clientes e/ou indústrias, nos quais a combinação destas tecnologias tem sido utilizada. Um exemplo vem da parceria entre IBM e Moderna, que se uniram para combinar computação quântica e IA e desenvolver diversos tratamentos baseados em mRNA, que foi a tecnologia que permitiu o surgimento de uma das primeiras e mais eficazes vacinas para COVID-19 durante a pandemia [12].

4. Conclusões

Do exposto, fica bastante evidente a possibilidade de que a computação quântica possa acelerar muito a evolução da Inteligência Artificial, que, ao se tornar ainda mais poderosa, contribuirá, também, para o desenvolvimento dos computadores quânticos do futuro.

REFERÊNCIAS

1.     ICMCJUNIOR. O que é inteligência artificial? Available on the website <https://icmcjunior.com.br/inteligencia-artificial/>.

2.     INSIGHTS. O que é um algoritmo inteligente? Available on the website <https://www.portalinsights.com.br/perguntas-frequentes/o-que-e-um-algoritmo-inteligente>.

3.     THIBES, Victoria. Afinal, o que é um algoritmo e o que isso tem a ver com computação? Available on the website <https://canaltech.com.br/produtos/Afinal-o-que-e-um-algoritmo-e-o-que-isso-tem-a-ver-com-computacao/>.

4.     GOGONI, Ronaldo. O que é software? Available on the website <https://tecnoblog.net/responde/o-que-e-software/>.

5.     ALCOFORADO, Fernando. Como funcionam a inteligência artificial e seus softwares e algoritmos inteligentes. Available on the website <https://www.linkedin.com/pulse/como-funcionam-intelig%C3%AAncia-artificial-e-seus-alcoforado-nmagf/>.

6.     MUNDO EDUCAÇÃO. Computador quântico. Available on the website <https://mundoeducacao.uol.com.br/fisica/computador-quantico.htm>.

7.     LAPOLA, Marcelo. Como funciona um computador quântico? Físico explica ciência por trás. Available on the website <https://revistagalileu.globo.com/colunistas/quanticas/coluna/2023/11/como-funciona-um-computador-quantico-fisico-explica-ciencia-por-tras.ghtml>.

8.     KIDO, Yuzuru. The Present and Future of “Quantum Computers”. Available on the website <https://social-innovation.hitachi/en/article/quantum-computing/?utm_campaign=sns&utm_source=li&utm_medium=en_quantum-computing_230>.

9.     MATOS, David. Como a Computação Quântica Vai Revolucionar a Inteligência Artificial, Machine Learning e Big Data. Available on the website <https://www.cienciaedados.com/como-a-computacao-quantica-vai-revolucionar-a-inteligencia-artificial-machine-learning-e-big-data/>.

10.  MIT Techonology Review. Como a Inteligência Artificial está reinventando o que os computadores são. Available on the website <https://mittechreview.com.br/como-a-inteligencia-artificial-esta-reinventando-o-que-os-computadores-sao/>.

11.  SOUZA, Júlia. Com computação quântica, inteligência artificial deve dar salto gigantesco, dizem especialistas. Available on the website <https://epocanegocios.globo.com/tecnologia/noticia/2023/04/com-computacao-quantica-inteligencia-artificial-deve-dar-salto-gigantesco-dizem-especialistas.ghtml>.

12.  AUGUSTO, César. O potencial da combinação entre computação quântica e inteligência artificial. Available on the website <https://tiinside.com.br/24/05/2023/o-potencial-da-combinacao-entre-computacao-quantica-e-inteligencia-artificial/>.

* Fernando Alcoforado, 84, condecorado com a Medalha do Mérito da Engenharia do Sistema CONFEA/CREA, membro da SBPC- Sociedade Brasileira para o Progresso da Ciência, do IPB- Instituto Politécnico da Bahia e da Academia Baiana de Educação, engenheiro pela Escola Politécnica da UFBA e doutor em Planejamento Territorial e Desenvolvimento Regional pela Universidade de Barcelona, professor universitário (Engenharia, Economia e Administração) e consultor nas áreas de planejamento estratégico, planejamento empresarial, planejamento regional e planejamento de sistemas energéticos, foi Assessor do Vice-Presidente de Engenharia e Tecnologia da LIGHT S.A. Electric power distribution company do Rio de Janeiro, Coordenador de Planejamento Estratégico do CEPED- Centro de Pesquisa e Desenvolvimento da Bahia, Subsecretário de Energia do Estado da Bahia, Secretário do Planejamento de Salvador, é autor dos livros Globalização (Editora Nobel, São Paulo, 1997), De Collor a FHC- O Brasil e a Nova (Des)ordem Mundial (Editora Nobel, São Paulo, 1998), Um Projeto para o Brasil (Editora Nobel, São Paulo, 2000), Os condicionantes do desenvolvimento do Estado da Bahia (Tese de doutorado. Universidade de Barcelona,http://www.tesisenred.net/handle/10803/1944, 2003), Globalização e Desenvolvimento (Editora Nobel, São Paulo, 2006), Bahia- Desenvolvimento do Século XVI ao Século XX e Objetivos Estratégicos na Era Contemporânea (EGBA, Salvador, 2008), The Necessary Conditions of the Economic and Social Development- The Case of the State of Bahia (VDM Verlag Dr. Müller Aktiengesellschaft & Co. KG, Saarbrücken, Germany, 2010), Aquecimento Global e Catástrofe Planetária (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2010), Amazônia Sustentável- Para o progresso do Brasil e combate ao aquecimento global (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2011), Os Fatores Condicionantes do Desenvolvimento Econômico e Social (Editora CRV, Curitiba, 2012), Energia no Mundo e no Brasil- Energia e Mudança Climática Catastrófica no Século XXI (Editora CRV, Curitiba, 2015), As Grandes Revoluções Científicas, Econômicas e Sociais que Mudaram o Mundo (Editora CRV, Curitiba, 2016), A Invenção de um novo Brasil (Editora CRV, Curitiba, 2017), Esquerda x Direita e a sua convergência (Associação Baiana de Imprensa, Salvador, 2018, em co-autoria), Como inventar o futuro para mudar o mundo (Editora CRV, Curitiba, 2019), A humanidade ameaçada e as estratégias para sua sobrevivência (Editora Dialética, São Paulo, 2021), A escalada da ciência e da tecnologia ao longo da história e sua contribuição ao progresso e à sobrevivência da humanidade (Editora CRV, Curitiba, 2022), de capítulo do livro Flood Handbook (CRC Press, Boca Raton, Florida, United States, 2022), How to protect human beings from threats to their existence and avoid the extinction of humanity (Generis Publishing, Europe, Republic of Moldova, Chișinău, 2023) e A revolução da educação necessária ao Brasil na era contemporânea (Editora CRV, Curitiba, 2023).

Fernando Alcoforado*

Cet article vise à présenter comment l’intelligence artificielle peut être utilisée dans le développement de l’éducation avec les avantages et les risques liés à son utilisation, ainsi qu’à montrer les lacunes dans l’application de l’intelligence artificielle dans les processus pédagogiques au Brésil. Cet article présentera le concept d’Intelligence Artificielle et ses différents types, les avantages et les risques de l’Intelligence Artificielle utilisée dans l’éducation et les lacunes dans l’application de l’Intelligence Artificielle dans les processus pédagogiques au Brésil.

1. Le concept d’Intelligence Artificielle et ses différents types

L’intelligence artificielle (IA) est une technologie informatique ou un ensemble de technologies telles que des réseaux de neurones artificiels, des algorithmes et des systèmes d’apprentissage dont l’objectif est d’imiter les capacités mentales humaines, telles que : le raisonnement, la perception de l’environnement et la capacité de prise de décision. La technologie est développée dans le but que les machines puissent résoudre une série de problèmes, allant de la grande complexité de la gestion gouvernementale et industrielle aux tâches quotidiennes des hommes et des femmes modernes. Pour ce faire, l’IA utilise une technologie d’apprentissage sophistiquée, lui permettant d’apprendre à partir d’un large ensemble de données et d’agir de manière autonome. L’objectif général de l’IA est de créer des machines capables de fonctionner au même niveau de capacité cognitive que les humains, voire de le surpasser [1].

Selon les mots de l’informaticien qui a inventé le terme, John McCarthy, l’intelligence artificielle est « la science et l’ingénierie permettant de produire des systèmes intelligents » [2]. Il s’agit de la technologie utilisée pour que les machines se comportent comme des humains lorsqu’elles effectuent des activités manuelles, prennent des décisions, comprennent des données et même créent du contenu (innovation la plus récente). Les machines sont équipées de données et programmées pour en tirer des leçons, en divisant les informations en couches et en reconnaissant des modèles. L’intelligence artificielle a donné naissance à plusieurs types. Parmi eux, on peut souligner les suivants [2] :

• IA générative : génère de nouvelles données et échantillons (tels que des images, des textes et de la musique) similaires à un ensemble de données d’entraînement. Exemples : ChatGPT et DALL-E. ChatGPT est un chatbot et assistant virtuel développé par OpenAI et sorti le 30 novembre 2022, basé sur de grands modèles linguistiques qui permettent aux utilisateurs d’affiner et de diriger une conversation en termes de durée, de format, de style, de niveau de détail et de langue souhaitée. DALL•E, DALL•E 2 et DALL•E 3 sont des modèles texte-image développés par OpenAI à l’aide de méthodologies d’apprentissage profond pour générer des images numériques à partir de descriptions en langage naturel appelées « invites ».

• IA discriminante : classe les données dans des catégories prédéfinies en fonction de fonctionnalités spécifiques. Il est capable de détecter des objets, de reconnaître des modèles, de collecter, d’analyser et de présenter des informations. Exemples : reconnaissance faciale, plateforme d’apprentissage adaptatif et plateforme de données scolaires.

• IA réactive : traite uniquement les informations actuelles et ne conserve pas de mémoire des données précédentes. Elle prend des décisions basées sur des règles prédéfinies et n’est pas capable d’apprendre ou de s’adapter à de nouvelles situations.

• IA basée sur les connaissances : utilise une base de données de connaissances humaines pour prendre des décisions et résoudre des problèmes, en utilisant des règles logiques. Exemple : système de diagnostic médical.

• Machine Learning AI : peut apprendre et s’améliorer continuellement en fonction des données. Votre apprentissage peut être supervisé, non supervisé ou renforcé. Exemple : système d’identification des courriers indésirables.

• Deep Learning AI : sous-domaine du Machine Learning, utilise des réseaux de neurones artificiels profonds pour apprendre des représentations de données complexes. Exemples : reconnaissance d’images et de parole, traduction automatique et traitement de texte.

• IA de traitement du langage naturel (NLP) : se concentre sur l’interaction entre les ordinateurs et le langage humain. Exemples : chatbots, assistants virtuels, traduction automatique et analyse des sentiments.

• IA autonome : capable de fonctionner de manière autonome et de prendre des décisions sans intervention humaine. Exemples : voitures et robots autonomes.

L’intelligence artificielle (IA), en particulier l’IA générative, devient rapidement populaire et transforme plusieurs domaines de la société, dont l’éducation. Quels sont les avantages et les risques de l’intelligence artificielle dans l’éducation ? [2]. L’intelligence artificielle peut aider les enseignants à préparer des questions, à planifier les cours et à évaluer les performances des élèves. Pour l’étudiant, l’IA facilite la recherche et l’acquisition de connaissances. Mais cela ne signifie pas remplacer le rôle de l’enseignant. Bien au contraire : développer la capacité à manier correctement cette technologie sera une tâche supplémentaire pour l’enseignant dans le contexte de la culture numérique. Aujourd’hui, le rôle de l’enseignant n’est pas celui d’un simple transmetteur d’informations, mais plutôt celui d’un médiateur et d’un accompagnateur dans le processus d’apprentissage. De même, le rôle de l’école dans la formation des étudiants est bien plus complexe que la fourniture de connaissances techniques. Il doit développer le raisonnement logique, l’empathie, l’éthique et le sens critique. L’intelligence artificielle peut apporter des améliorations au processus éducatif, mais elle comporte également des risques et des défis pour les établissements d’enseignement.

2. Les avantages de l’utilisation de l’intelligence artificielle dans l’éducation

Les avantages de l’intelligence artificielle dans l’éducation sont nombreux car elle fournit : 1) de nouveaux outils de recherche pour les étudiants ; 2) les étudiants apprennent à tout moment et en tout lieu ; 3) un enseignement personnalisé ; 4) connexion avec d’autres cultures et langues ; 5) automatisation des évaluations ; et 6) une gestion scolaire basée sur les données [2].

De nouveaux outils de recherche pour les étudiants

L’IA générative a rendu le processus de recherche encore plus facile pour les étudiants. Ce qui nécessitait autrefois une longue visite à la bibliothèque puis une lecture de quelques minutes sur certains sites Internet peut désormais être résolu en quelques secondes après avoir demandé à ChatGPT. La différence entre cet outil et d’autres qui l’ont précédé, comme Google, est qu’il fournit tout de manière très détaillée. C’est un outil de travail et d’étude.

Les étudiants apprennent à tout moment et en tout lieu

Un autre changement apporté par l’IA à l’éducation, ainsi qu’à d’autres technologies numériques, est la possibilité d’apprendre n’importe où et à tout moment. Même si l’information n’est pas synonyme de connaissance, elle constitue certainement un élément important de ce processus. Et, avec ces outils en main, il est beaucoup plus facile d’apprendre sur divers sujets, depuis les curiosités et les faits historiques jusqu’aux pensées prédominantes d’une école philosophique.

Enseignement personnalisé

L’intelligence artificielle permet de personnaliser l’enseignement. Les plateformes d’apprentissage adaptatif, par exemple, collectent des données sur les utilisateurs pour adapter le contenu à leur rythme et à leur niveau de compétence, créant ainsi un parcours d’apprentissage unique. La personnalisation de l’enseignement est certainement l’un des principaux avantages, permettant aux étudiants d’apprendre à leur rythme et en fonction de leurs besoins individuels. En outre, l’IA peut aider à identifier les problèmes d’apprentissage des élèves, permettant ainsi aux enseignants de proposer un soutien et des interventions spécifiques.

Connexion avec d’autres cultures et langues

Un autre avantage apporté par l’intelligence artificielle dans l’éducation est la connexion facilitée avec d’autres cultures et langues. Les nouveaux systèmes de traduction basés sur l’IA sont capables de produire des résultats plus précis, permettant l’accès à la littérature étrangère et la communication en temps réel avec des étudiants et des professionnels d’autres pays.

Automatisation des évaluations

Le processus d’évaluation scolaire bénéficie également de l’intelligence artificielle. Les plateformes scolaires collectent des données sur l’apprentissage des élèves via des activités, des lectures et des tests en ligne. Le système élimine non seulement la correction manuelle des évaluations, mais génère également des commentaires automatiques pour les étudiants et des rapports de résultats pour les enseignants et les directeurs d’école. L’intelligence artificielle peut être utilisée pour réduire les coûts d’enseignement en automatisant les processus d’évaluation. Cela peut inclure la correction automatique des tests et l’analyse des travaux écrits, réduisant ainsi la charge de travail des enseignants et améliorant l’efficacité du processus d’évaluation.

Gestion scolaire basée sur les données

L’intelligence artificielle dans l’éducation favorise une gestion scolaire basée sur les données. En effet, les plateformes éducatives collectent, analysent et présentent diverses données sur les étudiants sur des tableaux de bord intuitifs, tels que :

• niveau d’engagement sur la plateforme (nombre d’activités réalisées, pages lues ou temps de cours vidéo regardé par exemple) ;

• la fréquentation scolaire ;

• niveau de compétence par composante du programme d’études ;

• profil socio-émotionnel et comportemental ;

• domaines de connaissances les plus performants et les plus faibles.

Avoir des informations claires sur ces informations aide l’école dans le suivi pédagogique et la lutte contre les taux d’abandon scolaire. L’analyse des données sur les performances et le comportement des étudiants peut aider à identifier les étudiants qui risquent d’abandonner leurs études ou qui rencontrent des difficultés spécifiques, permettant ainsi à l’établissement d’offrir un soutien personnalisé et des interventions plus efficaces.

3. Les risques liés à l’utilisation de l’intelligence artificielle dans l’éducation

Les risques de l’intelligence artificielle dans l’éducation sont les suivants [2] : 1) l’utilisation non critique et inconsciente des technologies ; 2) facilitation du plagiat ; 3) désinformation et diffusion de fausses nouvelles ; 4) l’aggravation des inégalités éducatives ; 5) dépendance excessive à l’égard de la technologie ; 6) apprentissage mécanique ; 7) discriminations ; et 8) violation de la vie privée.

Utilisation non critique et inconsciente des technologies

Les réponses fournies par ChatGPT et d’autres logiciels similaires sont indéniablement rapides et pratiques. Cependant, toutes les informations qu’ils fournissent ne sont pas fiables. Comme la machine apprend à partir des données disponibles sur Internet et que toutes ces données ne sont pas vraies, une erreur est possible. Alors, comment l’étudiant peut-il vérifier ces informations ? Quelles techniques peut-il utiliser pour vérifier les sources ? C’est ce type de questionnement que l’enseignant doit générer chez l’élève et l’aider à y répondre. Vous pouvez demander à ChatGPT de citer les sources utilisées. De plus, l’étudiant doit développer un sens critique pour évaluer les informations fournies et utiliser tous les outils disponibles de manière consciente, créative, éthique et intelligente.

Facilitation du plagiat

En général, les outils d’IA générative ne citent pas les sources de leurs données. Par conséquent, lorsqu’il utilise des textes ou des images générés par ces outils, l’utilisateur peut facilement commettre du plagiat. Il est important de rappeler que le plagiat est la copie totale ou partielle d’une œuvre, directement ou indirectement. Il s’agit d’une pratique criminelle, selon la loi n° 9 610. Pour éviter ce comportement, les étudiants doivent demander aux outils d’IA quelles sources ont été utilisées (ou les rechercher manuellement), puis les citer dans leur travail. Quant aux images, il faut informer, en légende, qu’elles ont été générées par l’IA. L’enseignant doit sensibiliser les élèves au plagiat, les guider sur la bonne manière de citer les auteurs et d’utiliser les outils de détection du plagiat.

Désinformation et diffusion de fausses nouvelles

Les outils de recherche basés sur l’IA génèrent des textes basés sur leurs bases de données. Ils sont formés pour émettre des réponses crédibles, qui rassemblent des éléments fréquemment cités par différentes sources. Cependant, cette information n’est pas toujours vraie. ChatGPT lui-même, sur son écran d’accueil, en avertit l’utilisateur. Il est nécessaire d’apprendre aux étudiants à vérifier les informations provenant de sources fiables et à reconnaître les fausses images grâce à certaines techniques spécifiques. Les étudiants doivent développer leur sens critique pour évaluer ce contenu généré par l’Intelligence Artificielle.

Aggravation des inégalités éducatives

L’UNESCO a averti que l’utilisation intensive des technologies numériques (y compris l’intelligence artificielle) pourrait aggraver les inégalités en matière d’éducation, car les élèves issus des classes sociales défavorisées disposent de moins d’appareils, sont moins connectés à Internet et disposent de moins de ressources à la maison. Le coût d’une grande partie de la technologie diminue rapidement, mais il reste encore trop élevé pour de nombreuses personnes. De nombreux ménages aisés peuvent acquérir la technologie en premier, ce qui leur confère davantage d’avantages et accroît les disparités. Comme la plupart des outils d’intelligence artificielle fonctionnent uniquement en ligne, le manque de connexion Internet constitue un défi de taille. De plus, tous les étudiants ne disposent pas d’appareils (téléphones portables, ordinateurs portables ou tablettes) ni de compétences numériques pour accéder à la technologie.

Dépendance excessive à l’égard de la technologie

Il existe également un risque que les étudiants s’habituent trop aux outils d’intelligence artificielle et s’appuient exclusivement sur eux. En conséquence, la créativité, l’originalité de pensée, l’autonomie et l’interaction avec autrui peuvent être altérées. La curiosité et l’envie d’étudier, de découvrir et d’explorer sont essentielles à l’apprentissage. Les experts craignent qu’une utilisation excessive de l’intelligence artificielle puisse affaiblir ces stimuli, rendant les étudiants plus passifs.

Apprentissage mécanique

Associé à cette dépendance excessive à la technologie, l’usage intensif de l’Intelligence Artificielle peut conduire à un apprentissage mécanique, marqué par des répétitions et des reproductions de textes, sans réflexion approfondie sur le sujet. Un apprentissage significatif ne se produit que lorsque l’élève est capable d’expliquer ses nouvelles connaissances dans ses propres mots et fait preuve d’un effort délibéré pour apprendre, tant sur le plan cognitif qu’affectif. Ces deux attitudes sont mises à risque lorsque l’étudiant manipule passivement et automatiquement les outils d’Intelligence Artificielle générative.

Discriminations

Les contenus générés par l’Intelligence Artificielle reproduisent souvent des préjugés discriminatoires. L’algorithme, l’intelligence artificielle derrière les moteurs de recherche, présente « l’homme standard » et la « femme standard » comme un « jeune homme blanc européen » et une « jeune femme blanche européenne », renforçant, dans cet exemple, le racisme structurel. Lorsque nous parlons d’un système entraîné par des données, nous devons comprendre que ces données présentent des biais, car elles sont formées d’informations existant dans différents espaces. Ces informations sont souvent déjà chargées de préjugés. Les inégalités existent déjà dans les données. L’IA ne fera que reproduire ces préjugés et inégalités.

Violation de la vie privée

Un autre risque est la violation de la vie privée des étudiants et des enseignants. Les données collectées et analysées par l’Intelligence Artificielle peuvent inclure des informations personnelles telles que l’adresse, l’historique des achats et l’historique de navigation. Pour éviter ce scénario, les utilisateurs doivent être prudents avec les informations qu’ils partagent, en fournissant des données uniquement à des institutions de confiance. A cela s’ajoute que l’école doit guider les étudiants et les professionnels sur les bonnes pratiques de sécurité sur Internet et sélectionner des technologies pédagogiques respectueuses de la Loi Générale sur la Protection des Données Personnelles (LGPD).

Les établissements d’enseignement à tous les niveaux, leurs administrateurs et enseignants doivent persévérer pour faire prévaloir les avantages et éviter les risques liés à l’utilisation de l’intelligence artificielle dans l’éducation.

4. Carences dans l’application de l’intelligence artificielle dans les processus pédagogiques au Brésil

Selon les données de l’enquête sans précédent Perfil e Desafios dos Professores da Educação Básica no Brasil (Profil et défis des enseignants de l’éducation de base au Brésil), publiée par l’Institut Semesp – une entité qui représente les sponsors de l’enseignement supérieur, réalisée entre le 18 et le 31 mars 2024, auprès de 444 enseignants des réseaux publics et privés, de la maternelle au secondaire, de toutes les régions du pays, un peu plus d’un tiers, soit 39,2 %, des enseignants interrogés déclarent utiliser toujours l’intelligence artificielle comme outil pédagogique [3]. Bien qu’ils considèrent l’utilisation de ces outils comme importante, les enseignants signalent également des problèmes structurels et pédagogiques qui empêchent ou entravent l’utilisation de la technologie dans les écoles. Parmi ces problèmes figurent le manque d’Internet à l’école, le manque de formation des enseignants eux-mêmes à l’utilisation de la technologie dans l’enseignement et également une plus grande difficulté à capter l’attention des élèves. Un peu moins de la moitié des enseignants, soit 45,7 %, ont répondu que, dans l’école où ils enseignent, les enseignants et les élèves ont accès à la technologie, comme les ordinateurs, Internet, etc. 7 % supplémentaires ont répondu qu’il n’y avait toujours pas d’accès à la technologie dans les unités d’enseignement où ils travaillent [3].

Un peu plus de la moitié (52 %) des étudiants universitaires brésiliens utilisent l’intelligence artificielle (IA) dans leurs études, selon une enquête mondiale réalisée par Chegg.org, la branche à but non lucratif de la société de technologie éducative Chegg [4]. 1 010 étudiants âgés de 18 à 21 ans ont été interrogés au Brésil. Parmi les étudiants brésiliens qui déclarent utiliser l’intelligence artificielle, les principaux objectifs sont comprendre des concepts ou des sujets (59 %), générer des ébauches de travail (53 %) et rechercher du contenu pour des travaux ou des projets (52 %). Les principales justifications des Brésiliens pour utiliser cet outil sont apprendre plus vite (53 %), libérer plus de temps libre (45 %) et utiliser l’apprentissage de manière plus créative (44 %). La moitié des étudiants brésiliens estiment que les universités devraient promouvoir l’utilisation d’outils d’intelligence artificielle pour les aider dans leur travail. Alors que 44 % estiment que son utilisation devrait être limitée, seulement 7 % pensent que l’utilisation de l’IA devrait être interdite dans les universités. Même favorables à son utilisation, 48 % des étudiants qui utilisent l’IA au Brésil se disent inquiets de la possibilité de recevoir une réponse incorrecte ou des informations erronées de la part des outils.

Sans lignes directrices, l’enseignement supérieur tente encore de comprendre l’impact de l’intelligence artificielle, comme l’Université de Princeton et l’Université de Pennsylvanie, toutes deux aux États-Unis, qui ont montré que 8 professions sur 10 les plus exposées à ces outils sont dans le domaine de la l’éducation, les enseignants dans leur grande majorité [6]. Depuis que l’outil ChatGPT, capable de « parler » aux gens via des messages texte, a gagné en popularité, le terme d’intelligence artificielle est de plus en plus fréquent dans les conversations à l’intérieur et à l’extérieur de la salle de classe. Dans le cas de l’enseignement supérieur, de nombreuses universités sont encore inquiètes et ne savent pas encore quoi faire si, par hasard, un étudiant utilise une plateforme d’IA générative, comme ChatGPT, pour effectuer des travaux. Les experts soulignent que plus important encore que l’enseignement des techniques, les universités doivent travailler sur l’éthique des processus.

Des questions éthiques au potentiel des outils, des modèles réglementaires à la didactique critique et au développement des enseignants, tels étaient les sujets abordés lors du 8e Congrès de premier cycle de l’USP (Université de São Paulo), dont le thème était L’intelligence artificielle au premier cycle : une invitation au débat [6]. L’événement a réuni des experts du campus de l’USP à São Carlos pour discuter des impacts, du potentiel et des aspects éthiques de l’utilisation de l’intelligence artificielle dans l’obtention du diplôme universitaire. Organisé sur le campus de São Carlos, l’événement a réuni les directeurs, les présidents du comité du premier cycle, les professeurs, le personnel et les étudiants les 31 octobre et 1er novembre 2023. Le programme diversifié comprenait des tables rondes, des présentations d’experts, une session d’affiches numériques, des expositions. et activités culturelles. Lors de cet événement, il a été recommandé que, pour mettre en œuvre de nouvelles technologies pédagogiques, telles que l’IA et d’autres outils, il soit nécessaire de former des enseignants, ce qui implique des études de troisième cycle, et de moderniser les cours de premier cycle en mettant l’accent sur le rôle rôle des étudiants en tant que protagonistes [5] .

5. Conclusions

De ce qui précède, il ressort que l’intelligence artificielle apportera des avantages incommensurables aux établissements d’enseignement, à leurs dirigeants, enseignants et étudiants à tous les niveaux, qu’il existe des risques qui doivent être évités lors de son utilisation, que de nombreuses universités dans le monde n’ont pas encore sait quoi faire concernant l’utilisation de l’intelligence artificielle dans l’éducation et que le Brésil présente des lacunes majeures dans l’application des outils d’intelligence artificielle dans l’éducation à tous les niveaux d’enseignement.

LES RÉFÉRENCES

1. ALCOFORADO, Fernando. How artificial intelligence and its intelligent software and algorithms work. Disponible sur le siteWeb <https://www.linkedin.com/pulse/how-artificial-intelligence-its-softwares-smart-work-alcoforado-s7cgf/>.

2.     EDUCACIONAL. Inteligência Artificial na educação: benefícios e desafios. Disponible sur le siteWeb <https://educacional.com.br/tecnologia-educacional/impactos-da-inteligencia-artificial-na-educacao/>.

3.     TOKARNIA, Mariana. Inteligência artificial pode ser ferramenta de ensino, mostra estudo. Disponible sur le siteWeb <https://agenciabrasil.ebc.com.br/educacao/noticia/2024-05/inteligencia-artificial-pode-ser-ferramenta-de-ensino-mostra-estudo>.

4.     CNN BRASIL. Metade dos universitários brasileiros usa inteligência artificial, diz pesquisa. Disponible sur le siteWeb <https://www.cnnbrasil.com.br/tecnologia/metade-dos-universitarios-brasileiros-usa-inteligencia-artificial-diz-pesquisa/#:~:text=Metade%20dos%20estudantes%20brasileiros%20acredita,deveria%20ser%20banido%20nas%20universidades>.

5. LUCHESI, Edmilson. Inteligência artificial no ensino superior: tema é destaque no Congresso de Graduação da USP. Disponible sur le siteWeb < https://www.cnnbrasil.com.br/tecnologia/metade-dos-universitarios-brasileiros-usa-inteligencia-artificial-diz-pesquisa/#:~:text=Metade%20dos%20estudantes%20brasileiros%20acredita,deveria%20ser%20banido%20nas%20universidades>.

6. OLIVEIRA, Ruam. Sem diretrizes, ensino superior ainda tenta entender impacto da inteligência artificial. Disponible sur le siteWeb <https://porvir.org/sem-diretrizes-ensino-superior-ainda-tenta-entender-impacto-de-inteligencia-artificial/>.

* Fernando Alcoforado, 84, a reçoit la Médaille du Mérite en Ingénierie du Système CONFEA / CREA, membre de la SBPC – Société Brésilienne pour le Progrès des Sciences, de l’IPB – Institut Polytechnique de Bahia et de l’Académie de l’Education de Bahia, ingénieur de l’École Polytechnique UFBA et docteur en Planification du Territoire et Développement Régional de l’Université de Barcelone, professeur d’Université (Ingénierie, Économie et Administration) et consultant dans les domaines de la planification stratégique, de la planification d’entreprise, planification du territoire et urbanisme, systèmes énergétiques, a été Conseiller du Vice-Président Ingénierie et Technologie chez LIGHT S.A. Entreprise de distribution d’énergie électrique de Rio de Janeiro, coordinatrice de la planification stratégique du CEPED – Centre de recherche et de développement de Bahia, sous-secrétaire à l’énergie de l’État de Bahia, secrétaire à la  planification de Salvador, il est l’auteur de ouvrages Globalização (Editora Nobel, São Paulo, 1997), De Collor a FHC- O Brasil e a Nova (Des)ordem Mundial (Editora Nobel, São Paulo, 1998), Um Projeto para o Brasil (Editora Nobel, São Paulo, 2000), Os condicionantes do desenvolvimento do Estado da Bahia (Tese de doutorado. Universidade de Barcelona,http://www.tesisenred.net/handle/10803/1944, 2003), Globalização e Desenvolvimento (Editora Nobel, São Paulo, 2006), Bahia- Desenvolvimento do Século XVI ao Século XX e Objetivos Estratégicos na Era Contemporânea (EGBA, Salvador, 2008), The  Necessary Conditions of the Economic and Social Development- The Case of the State of Bahia (VDM Verlag Dr. Müller Aktiengesellschaft & Co. KG, Saarbrücken, Germany, 2010), Aquecimento Global e Catástrofe Planetária (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2010), Amazônia Sustentável- Para o progresso do Brasil e combate ao aquecimento global (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2011), Os Fatores Condicionantes do Desenvolvimento Econômico e Social (Editora CRV, Curitiba, 2012), Energia no Mundo e no Brasil- Energia e Mudança Climática Catastrófica no Século XXI (Editora CRV, Curitiba, 2015), As Grandes Revoluções Científicas, Econômicas e Sociais que Mudaram o Mundo (Editora CRV, Curitiba, 2016), A Invenção de um novo Brasil (Editora CRV, Curitiba, 2017), Esquerda x Direita e a sua convergência (Associação Baiana de Imprensa, Salvador, 2018), Como inventar o futuro para mudar o mundo (Editora CRV, Curitiba, 2019), A humanidade ameaçada e as estratégias para sua sobrevivência (Editora Dialética, São Paulo, 2021), A escalada da ciência e da tecnologia e sua contribuição ao progresso e à sobrevivência da humanidade (Editora CRV, Curitiba, 2022), est l’auteur d’un chapitre du livre Flood Handbook (CRC Press, Boca Raton, Floride, États-Unis, 2022), How to protect human beings from threats to their existence and avoid the extinction of humanity (Generis Publishing, Europe, Republic of Moldova, Chișinău, 2023) et A revolução da educação necessária ao  Brasil na era contemporânea (Editora CRV, Curitiba, 2023).

Fernando Alcoforado*

This article aims to present how artificial intelligence can be used in the development of education with the benefits and risks related to its use, as well as showing the deficiencies in the application of Artificial Intelligence in teaching processes in Brazil. This article will present the concept of Artificial Intelligence and its various types, the benefits and risks of Artificial Intelligence used in education and the deficiencies in the application of Artificial Intelligence in teaching processes in Brazil.

1. The concept of Artificial Intelligence and its different types

Artificial Intelligence (AI) is a computational technology or a set of technologies such as artificial neural networks, algorithms and learning systems whose objective is to imitate human mental capabilities, such as: reasoning, environmental perception and decision-making capacity. The technology is developed with the aim that machines can solve a series of problems, covering everything from the great complexity of government and industry management to the daily tasks of modern men and women. To do this, AI uses sophisticated learning technology, allowing it to learn from a large set of data and act on its own. The general objective of AI is to create machines that can operate at the same level of cognitive capacity as humans, or even surpass it [1].

In the words of the computer scientist who coined the term, John McCarthy, Artificial Intelligence is “the science and engineering of producing intelligent systems” [2]. It is the technology used to make machines behave like humans when performing manual activities, making decisions, understanding data and even creating content (most recent innovation). Machines are equipped with data and programmed to learn from it, dividing information into layers and recognizing patterns. Artificial Intelligence has given rise to several types. Among them, the following can be highlighted [2]:

• Generative AI: generates new data and samples (such as images, texts and music) similar to a training data set. Examples: ChatGPT and DALL-E. ChatGPT is a chat bot and virtual assistant developed by OpenAI and released on November 30, 2022, based on large language models that allows users to refine and direct a conversation for duration, format, style, level of detail and desired language. DALL•E, DALL•E 2, and DALL•E 3 are text-to-image models developed by OpenAI using deep learning methodologies to generate digital images from natural language descriptions known as “prompts.”.

• Discriminative AI: Classifies data into predefined categories based on specific features. It is able to detect objects, recognize patterns, collect, analyze and present information. Examples: facial recognition, adaptive learning platform and school data platform.

• Reactive AI: deals only with current information and does not maintain a memory of previous data. She makes decisions based on predefined rules and is not able to learn or adapt to new situations.

• Knowledge-Based AI: uses a database of human knowledge to make decisions and solve problems, using logical rules. Example: medical diagnosis system.

• Machine Learning AI: can learn and continuously improve based on data. Your learning can be supervised, unsupervised or reinforcement. Example: spam email identification system.

• Deep Learning AI : subfield of Machine Learning, uses deep artificial neural networks to learn complex data representations. Examples: image and speech recognition, machine translation and text processing.

• Natural Language Processing (NLP) AI: focuses on the interaction between computers and human language. Examples: chatbots, virtual assistants, machine translation and sentiment analysis.

• Autonomous AI: capable of operating autonomously and making decisions without human intervention. Examples: autonomous cars and robots.

Artificial Intelligence (AI), especially generative AI, is rapidly becoming popular and transforming several areas of society, including education. What are the benefits and risks of Artificial Intelligence in education? [2]. Artificial Intelligence can help teachers prepare questions, plan classes and evaluate student performance. For the student, AI makes research and obtaining knowledge easier. This does not mean replacing the role of the teacher. Quite the opposite: developing the ability to correctly handle this technology will be yet another task for the teacher in the context of digital culture. Today, the role of the teacher is not that of a mere transmitter of information, but rather that of a mediator and supporter in the learning process. Likewise, the school’s role in training students is much more complex than providing technical knowledge. It must develop logical reasoning, empathy, ethics and critical sense. Artificial Intelligence can bring improvements to the educational process, but it also brings risks and challenges to educational institutions.

2. The benefits and risks of using Artificial Intelligence in education

The benefits of Artificial Intelligence in education are numerous as it provides: 1) new research tools for students; 2) student learning anytime and anywhere; 3) personalized teaching; 4) the connection with other cultures and languages; 5) automation of assessments; and, 6) data-driven school management [2].

New research tools for students

Generative AI has made the research process even easier for students. What used to require a lengthy visit to the library and then reading for minutes on some Internet sites can now be resolved in a few seconds after asking ChatGPT. The difference between this tool and others that came before, like Google, is that it delivers everything very detailed. It is a work and study tool.

Student learning anytime and anywhere

Another change that AI brought to education, as well as other digital technologies, was the opportunity to learn anywhere and at any time. Although information is not synonymous with knowledge, it is certainly an important member of this process. With these tools in hand, it is much easier to learn about various subjects, from curiosities and historical facts to the predominant thoughts of a philosophical school.

Personalized teaching

Artificial Intelligence helps personalize teaching. Adaptive learning platforms, for example, collect user data to adapt content to their pace and level of proficiency, creating a unique learning journey. Certainly the personalization of teaching is one of the main benefits, allowing students to learn at their own pace and according to their individual needs. Furthermore, AI can help identify student-learning problems, enabling teachers to offer specific support and interventions.

The connection with other cultures and languages

Another benefit provided by Artificial Intelligence in education is the facilitated connection with other cultures and languages. New AI-based translation systems are able to produce more accurate results, allowing access to foreign literature and real-time communication with students and professionals from other countries.

Automation of assessments

The school assessment process also benefits from Artificial Intelligence. School platforms collect student-learning data through online activities, readings and tests. The system not only eliminates manual correction of assessments, but also generates automatic feedback for students and reports of results for teachers and school managers. Artificial intelligence can be used to reduce teaching costs by automating assessment processes. This can include automatically marking tests and analyzing written work, reducing teachers’ workload and improving the efficiency of the assessment process.

Data-driven school management

Artificial Intelligence in education favors data-driven school management. This is because educational platforms collect, analyze and present various data about students on intuitive dashboards, such as:

• Level of engagement on the platform (number of activities carried out, pages read or video class time watched, for example);

• School attendance;

• Level of proficiency per curricular component;

• Socio-emotional and behavioral profile;

• Areas of knowledge with the highest and lowest performance.

Having clarity about this information helps the school in pedagogical monitoring and combating dropout rates. Analyzing student performance and behavior data can help identify students who are at risk of dropping out or who are experiencing specific difficulties, allowing the institution to offer personalized support and more effective interventions.

3. The risks of using Artificial Intelligence in education

The risks of Artificial Intelligence in education are the following [2]: 1) the non-critical and non-conscious use of technologies; 2) facilitation of plagiarism; 3) misinformation and dissemination of fake news; 4) deepening educational inequality; 5) excessive dependence on technology; 6) mechanical learning; 7) discrimination; and, 8) privacy violation.

The non-critical and non-conscious use of technologies

The answers that ChatGPT and other similar software provide are undeniably quick and practical. However, not all the information they provide is reliable. As the machine learns from the data available on the Internet and not all of this data is true, error is a possibility. So, how can the student check that information? What techniques can he perform to check sources? It is this type of questioning that the teacher must generate in the student and help him respond. You can ask ChatGPT to cite the sources used. Furthermore, the student needs to develop a critical sense to evaluate the information provided and use all available tools in a conscious, creative, ethical and intelligent way.

Facilitation of plagiarism

In general, generative AI tools do not cite the sources of their data. Therefore, when using texts or images generated by these tools, the user can easily commit plagiarism. It is important to remember that plagiarism is the full or partial copying of a work, directly or indirectly. This is a criminal practice, according to Law No. 9,610. To avoid this behavior, students should ask AI tools which sources were used (or search for them manually) and then cite them in their work. As for the images, it is necessary to inform, in the caption, that they were generated by AI. The teacher needs to make students aware of plagiarism, guide them on the correct way to cite authors and use plagiarism detection tools.

Misinformation and dissemination of fake news

AI-powered search tools generate texts based on their databases. They are trained to issue believable answers, which bring together elements frequently cited by different sources. However, this information is not always true. ChatGPT itself, on its home screen, alerts the user about this. It is necessary to teach students to check information from reliable sources and recognize fake images with some specific techniques. Students need to develop critical sense to evaluate this content generated by Artificial Intelligence.

Deepening educational inequality

UNESCO warned that the intensive use of digital technologies (including Artificial Intelligence) could worsen inequality in education because students from disadvantaged social classes have fewer devices, are less connected to the internet and have fewer resources at home. The cost of most technologies is decreasing rapidly, but is still too high for very many people. Many homes  with better conditions can acquire technology first, which gives them more advantages and increases disparities. As most Artificial Intelligence tools only work online, lack of internet connection is a big challenge. Furthermore, not all students have devices (cell phones, notebooks or tablets) and digital skills to access technology.

Excessive dependence on technology

There is also a risk of students becoming too accustomed to Artificial Intelligence tools and relying exclusively on them. Consequently, creativity, originality of thought, autonomy and interaction with other people may be impaired. Curiosity and the desire to study, discover and explore are essential for learning. Experts fear that excessive use of Artificial Intelligence could weaken these stimuli, leaving students more passive.

Mechanical learning

Associated with this excessive dependence on technology, the intensive use of Artificial Intelligence can lead to mechanical learning, marked by repetitions and reproduction of texts, without in-depth reflection on the subject. Meaningful learning only happens when the student is able to explain new knowledge in their own words and shows a deliberate effort to learn, both cognitively and affectively. These two attitudes are put at risk when the student manipulates generative Artificial Intelligence tools passively and automatically.

Discrimination

Content generated by Artificial Intelligence often reproduces discriminatory prejudices. The algorithm, the artificial intelligence behind search engines, presents “standard man” and “standard woman” as “young white European man” and “young white European woman”, reinforcing, in this example, structural racism. When we talk about a system that is trained by data, we need to understand that this data has biases, since it is formed by information existing in different spaces. This information is often already loaded with prejudice. Inequality already exists in the data. AI will only reproduce these prejudices and inequalities.

Privacy violation

Another risk is the violation of the privacy of students and educators. The data collected and analyzed by Artificial Intelligence may include personal information such as address, purchase history and browsing history. To avoid this scenario, users need to be careful with the information they share, providing data only to trusted institutions. Added to this, the school must guide students and professionals on good Internet security practices and select educational technologies that respect the General Personal Data Protection Law (LGPD).

Educational institutions at all levels, their administrators and teachers must persevere to make the benefits prevail and avoid the risks of using Artificial Intelligence in education.

4. Deficiencies in the application of Artificial Intelligence in teaching processes in Brazil

According to data from the unprecedented survey Perfil e Desafios dos Professores da Educação Básica no Brasil (Profile and Challenges of Basic Education Teachers in Brazil), released by the Semesp Institute – an entity that represents higher education sponsors, carried out between March 18 and 31, 2024, with 444 teachers from public and private networks, from kindergarten to secondary education, from all regions of the country, just over a third, 39.2%, of the teachers interviewed said they always use Artificial Intelligence as a teaching tool [3]. Although they consider the use of these tools important, teachers also report structural and pedagogical problems that prevent or hinder the use of technology in schools. Among these problems are the lack of internet at school, the lack of training of teachers themselves in the use of technology in teaching and also greater difficulty in capturing students’ attention. Just under half of the teachers, 45.7%, responded that, at the school where they teach, teachers and students have access to technology, such as computers, internet, etc. Another 7% responded that there is still no access to technology in the teaching units where they work [3].

Just over half (52%) of Brazilian university students use artificial intelligence (AI) in their studies, according to a global survey carried out by Chegg.org, the non-profit arm of educational technology company Chegg [4]. 1,010 students aged 18 to 21 were interviewed in Brazil. Among Brazilian students who said they use Artificial Intelligence, the main objectives are understanding concepts or subjects (59%), generating drafts of work (53%) and researching content for work or projects (52%). Brazilians’ main justifications for using the tool are learning faster (53%), freeing up more free time (45%) and making more creative use of learning (44%). Half of Brazilian students believe that universities should promote the use of Artificial Intelligence tools to help with their work. While 44% believe that its use should be limited, only 7% think that the use of AI should be banned in universities. Even in favor of its use, 48% of students who use AI in Brazil said they were worried about the possibility of receiving an incorrect answer or wrong information from the tools.

Without guidelines, higher education is still trying to understand the impact of Artificial Intelligence, such as Princeton University and the University of Pennsylvania, both in the United States, which showed that 8 out of 10 professions most exposed to these tools are in the area of education, teachers in their vast majority [6]. Since the ChatGPT tool that can “talk” to people through text messages gained popularity, the term Artificial Intelligence has been increasingly frequent in conversations inside and outside the classroom. In the case of higher education, many universities are still concerned and do not yet know what to do if, by chance, a student uses a generative AI platform, such as ChatGPT, to carry out work. Experts highlight that more important than teaching about techniques, universities must work on the ethics of processes.

From ethical issues to the potential of tools, from regulatory models to critical didactics and teacher development were topics covered during the 8th USP Undergraduate Congress, whose theme was Artificial intelligence at undergraduate level: an invitation to debate [6]. The event brought together experts at the USP campus in São Carlos to discuss the impacts, potential and ethical aspects of the use of Artificial Intelligence in university graduation. Held on the São Carlos campus, the event brought together directors, presidents of the Undergraduate Committee, professors, staff and students during October 31st and November 1st, 2023. The diverse program included round tables, presentations by experts, session of digital posters, exhibitions and cultural activities. At this event, there was a recommendation that, to implement new teaching technologies, such as AI and other tools, it is necessary to train teachers, which involves postgraduate studies, and modernize undergraduate courses with an eye on the protagonism of students [5].

5. Conclusions

From the above, it appears that Artificial Intelligence will bring immeasurable benefits to educational institutions, their managers, teachers and students at all levels, that there are risks that need to be avoided in its use, that many universities in the world have not yet they know what to do about the use of Artificial Intelligence in education and that Brazil has major deficiencies in the application of Artificial Intelligence tools in education at all levels of education.

REFERENCES

1. ALCOFORADO, Fernando. How artificial intelligence and its intelligent software and algorithms work. Available on the website <https://www.linkedin.com/pulse/how-artificial-intelligence-its-softwares-smart-work-alcoforado-s7cgf/>.

2.     EDUCACIONAL. Inteligência Artificial na educação: benefícios e desafios. Available on the website <https://educacional.com.br/tecnologia-educacional/impactos-da-inteligencia-artificial-na-educacao/>.

3.     TOKARNIA, Mariana. Inteligência artificial pode ser ferramenta de ensino, mostra estudo. Available on the website <https://agenciabrasil.ebc.com.br/educacao/noticia/2024-05/inteligencia-artificial-pode-ser-ferramenta-de-ensino-mostra-estudo>.

4.     CNN BRASIL. Metade dos universitários brasileiros usa inteligência artificial, diz pesquisa. Available on the website <https://www.cnnbrasil.com.br/tecnologia/metade-dos-universitarios-brasileiros-usa-inteligencia-artificial-diz-pesquisa/#:~:text=Metade%20dos%20estudantes%20brasileiros%20acredita,deveria%20ser%20banido%20nas%20universidades>.

5. LUCHESI, Edmilson. Inteligência artificial no ensino superior: tema é destaque no Congresso de Graduação da USP. Available on the website < https://www.cnnbrasil.com.br/tecnologia/metade-dos-universitarios-brasileiros-usa-inteligencia-artificial-diz-pesquisa/#:~:text=Metade%20dos%20estudantes%20brasileiros%20acredita,deveria%20ser%20banido%20nas%20universidades>.

6. OLIVEIRA, Ruam. Sem diretrizes, ensino superior ainda tenta entender impacto da inteligência artificial. Available on the website https://porvir.org/sem-diretrizes-ensino-superior-ainda-tenta-entender-impacto-de-inteligencia-artificial/

* Fernando Alcoforado, awarded the medal of Engineering Merit of the CONFEA / CREA System, member of the SBPC- Brazilian Society for the Progress of Science, IPB- Polytechnic Institute of Bahia and of the Bahia Academy of Education, engineer from the UFBA Polytechnic School and doctor in Territorial Planning and Regional Development from the University of Barcelona, college professor (Engineering, Economy and Administration) and consultant in the areas of strategic planning, business planning, regional planning, urban planning and energy systems, was Advisor to the Vice President of Engineering and Technology at LIGHT S.A. Electric power distribution company from Rio de Janeiro, Strategic Planning Coordinator of CEPED- Bahia Research and Development Center, Undersecretary of Energy of the State of Bahia, Secretary of Planning of Salvador, is the author of the books Globalização (Editora Nobel, São Paulo, 1997), De Collor a FHC- O Brasil e a Nova (Des)ordem Mundial (Editora Nobel, São Paulo, 1998), Um Projeto para o Brasil (Editora Nobel, São Paulo, 2000), Os condicionantes do desenvolvimento do Estado da Bahia (Tese de doutorado. Universidade de Barcelona,http://www.tesisenred.net/handle/10803/1944, 2003), Globalização e Desenvolvimento (Editora Nobel, São Paulo, 2006), Bahia- Desenvolvimento do Século XVI ao Século XX e Objetivos Estratégicos na Era Contemporânea (EGBA, Salvador, 2008), The Necessary Conditions of the Economic and Social Development- The Case of the State of Bahia (VDM Verlag Dr. Müller Aktiengesellschaft & Co. KG, Saarbrücken, Germany, 2010), Aquecimento Global e Catástrofe Planetária (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2010), Amazônia Sustentável- Para o progresso do Brasil e combate ao aquecimento global (Viena- Editora e Gráfica, Santa Cruz do Rio Pardo, São Paulo, 2011), Os Fatores Condicionantes do Desenvolvimento Econômico e Social (Editora CRV, Curitiba, 2012), Energia no Mundo e no Brasil- Energia e Mudança Climática Catastrófica no Século XXI (Editora CRV, Curitiba, 2015), As Grandes Revoluções Científicas, Econômicas e Sociais que Mudaram o Mundo (Editora CRV, Curitiba, 2016), A Invenção de um novo Brasil (Editora CRV, Curitiba, 2017), Esquerda x Direita e a sua convergência (Associação Baiana de Imprensa, Salvador, 2018), Como inventar o futuro para mudar o mundo (Editora CRV, Curitiba, 2019), A humanidade ameaçada e as estratégias para sua sobrevivência (Editora Dialética, São Paulo, 2021), A escalada da ciência e da tecnologia e sua contribuição ao progresso e à sobrevivência da humanidade (Editora CRV, Curitiba, 2022), a chapter in the book Flood Handbook (CRC Press,  Boca Raton, Florida United States, 2022), How to protect human beings from threats to their existence and avoid the extinction of humanity (Generis Publishing, Europe, Republic of Moldova, Chișinău, 2023) and A revolução da educação necessária ao Brasil na era contemporânea (Editora CRV, Curitiba, 2023).