A indústria de computação avança em dois ciclos na sua maioria independentes: ciclos financeiros e de produtos. Tem havido uma grande quantidade de discussões ultimamente sobre onde nos situamos no ciclo financeiro. Os mercados financeiros chamam muita atenção. Eles tendem a flutuar de forma imprevisível e às vezes descontroladamente. O ciclo do produto em comparação recebe relativamente pouca atenção, embora seja o que realmente impulsiona a indústria de computação para a frente. Podemos tentar compreender e prever o ciclo do produto através do estudo do passado e extrapolando-o em direção ao futuro.
Novas eras da computação têm ocorrido a cada 10-15 anos
Os ciclos de produtos de tecnologia são resultado de interações entre plataformas e aplicações que se auto-reforçam. Novas plataformas permitem novas aplicações, que por sua vez fazem das novas plataformas algo mais valioso, criando um ciclo de feedback positivo. Ciclos de tecnologias menores acontecem o tempo todo, mas de vez em quando – historicamente, a cada 10 a 15 anos – novos ciclos reformulam completamente a paisagem de computação.
Ciclos financeiros e de produtos evoluem geralmente de forma independente
O PC possibilitou que empresários utilizassem processadores de texto, planilhas, e muitas outras aplicações de desktop. A internet permitiu motores de busca, e-commerce, e-mail e mensagens, redes sociais, aplicativos de negócios SaaS, e muitos outros serviços. Os smartphones possibilitaram mensagens móveis, as redes sociais móveis e serviços on-demand, como compartilhamento de caronas. Hoje, estamos no meio da era móvel. É provável que muitas outras inovações móveis ainda estejam por vir.
Cada era de produto pode ser dividida em duas fases: 1) a fase de gestação, quando a nova plataforma é introduzida pela primeira vez, mas é cara, incompleta, e / ou difícil de usar, 2) a fase de crescimento, quando um novo produto aparece e resolve esses problemas, dando início a um período de crescimento exponencial.
O Apple II foi lançado em 1977 (e o Altair em 1975), mas foi o lançamento do IBM PC em 1981, que começou a fase de crescimento do PC.
As vendas de PCs por ano (milhares)
A fase de gestação da internet ocorreu nos anos 80 e início dos anos 90, quando era principalmente uma ferramenta de texto usado pela academia e pelo governo. O lançamento do navegador Mosaic em 1993 iniciou sua fase de crescimento, que tem continuado desde então.
Usuários de internet em todo o mundo
Havia telefones com mais recurso na década de 90 e os primeiros smartphones como o Sidekick e Blackberry no início de 2000, mas a fase de crescimento do smartphone realmente começou em 2007-8 com o lançamento do iPhone e, em seguida o Android. A adoção de smartphones, desde então, explodiu: cerca de 2 bilhões de pessoas têm smartphones hoje. Em 2020, 80% da população mundial terá um.
Vendas de smartphones em todo o mundo por ano (milhões)
Se o padrão de 10-15 anos se repetir, a próxima era da computação deve entrar na sua fase de crescimento nos próximos anos. Nesse cenário, já devemos estar na fase de gestação. Há uma série de tendências importantes em hardware e software que nos dão um vislumbre do que a próxima era da computação pode ser. Aqui eu falo sobre essas tendências e, em seguida, desenho algumas sugestões sobre como o futuro pode parecer.
Hardware: pequeno, barato e onipresente
Na era do mainframe, apenas as grandes organizações podiam adquirir um computador. Minicomputadores eram acessíveis por organizações menores, e PCs por casas e escritórios, e smartphones por indivíduos.
Os computadores estão realmente ficando cada vez menores.
Estamos agora entrando em uma era em que os processadores e sensores estão ficando tão pequenos e baratos que haverá mais computadores do que pessoas.
Há duas razões para isso. Uma delas é o progresso contínuo da indústria de semicondutores ao longo dos últimos 50 anos (Lei de Moore). O segundo é o que Chris Anderson chama de “os dividendos da paz da guerra de smartphones“: o grande sucesso de smartphones levaram a investimentos maciços em processadores e sensores. Se você desmontar um drone moderno, um fone de ouvido VR, ou algum dispositivo de Internet das coisas (IoT), você vai encontrar componentes utilizados geralmente nos smartphones.
Na era moderna dos semicondutores, o foco mudou dos CPUs independentes para pacotes de chips especializados conhecidos como systems-on-a-chip.
Os preços dos computadores tem caído sistematicamente.
Os systems-on-a-chip em geral incorporam CPUs ARM energeticamente eficientes, mais chips especializados para o processamento de gráficos, comunicações, gestão de energia, processamento de vídeo típicos, e outros.
Raspberry Pi Zero: computador Linux de 1 GHz por US$ 5
Essa nova arquitetura derrubou os preços dos sistemas de computação básicos de cerca de US$ 100 para cerca de US$ 10. O Raspberry Pi Zero é um computador Linux de 1 GHz que você pode comprar por US$ 5. Por um preço similar você pode comprar um microcontrolador com Wi-Fi que executa uma versão de Python. Logo esses chips vão custar menos de um dólar. Será rentável incorporar um computador em quase tudo.
Enquanto isso, ainda há melhorias de desempenho impressionantes acontecendo em processadores high-end. De particular importância são os GPUs (processadores gráficos), os melhores são feitos pela Nvidia. Os GPUs são úteis não só para processamento gráfico tradicional, mas também para os algoritmos de aprendizado de máquina e / dispositivos de realidade virtual aumentada. O roadmap da Nvidia promete melhorias significativas de desempenho nos próximos anos.
O computador quântico do Google.
A tecnologia curinga é a computação quântica, que existe hoje principalmente em laboratórios, mas quando se tornar comercialmente viável poderá levar a melhorias de desempenho com algumas ordens de grandeza para determinadas classes de algoritmos em campos como a biologia e inteligência artificial.
Software: a idade de ouro da IA (Inteligência Artificial)
Há muitas coisas interessantes acontecendo em software hoje. Os sistemas distribuídos é um bom exemplo. Como o número de dispositivos tem crescido exponencialmente, tornou-se cada vez mais importante a 1) paralelizar tarefas em várias máquinas 2) comunicar e coordenar dispositivos. As tecnologias de sistemas distribuídos interessantes incluem sistemas como o Hadoop e Spark para paralelização de problemas de Big Data e Bitcoin / blockchain para proteger dados e assets.
Mas talvez os avanços de software mais interessantes estão acontecendo em inteligência artificial (AI). AI tem uma longa história de hype e frustração. O próprio Alan Turing previu que as máquinas seriam capazes de imitar com sucesso os seres humanos até o ano de 2000. No entanto, há boas razões para acharmos que a AI possa estar entrando em uma era de ouro.
“Machine Learning é um núcleo, um caminho de transformação pelo qual estamos repensando tudo o que estamos fazendo.” – CEO do Google, Sundar Pichai
Uma boa parte do excitamento com relação a AI concentrou-se em algo chamado de deep learning, uma técnica de aprendizado de máquina, que foi popularizada pelo famoso projeto de 2012 do Google que usou um cluster gigante de computadores para aprender a identificar gatos em vídeos do YouTube. O deep learning é um descendente de redes neurais, uma tecnologia que remonta à década de 1940. Ele foi trazido de volta à vida por uma combinação de fatores, incluindo novos algoritmos, computação paralela barato, e a ampla disponibilidade de grandes datasets.
Desafio ImageNet: Taxas de erro (linha vermelha = performance humana).
É tentador descartar o deep learning como outra moda do Silicon Valley. O excitamento, no entanto, é apoiado por resultados impressionantes na teoria e no mundo real. Por exemplo, as taxas de erro para os vencedores do desafio IMAGEnet – um concurso popular de visão de máquina – estavam na faixa de 20-30% antes da utilização do deep learning. Usando o deep learning, a precisão dos algoritmos vencedores começou a melhorar, e em 2015 superou o desempenho humano.
Muitos dos estudos, datasets e ferramentas de software relacionados com o deep learning tem utilizado código aberto. Isto teve um efeito democratizante, permitindo que indivíduos e pequenas organizações construíssem aplicações poderosas. O WhatsApp foi capaz de construir um sistema de mensagens global que serve 900M usuários com apenas 50 engenheiros, em comparação com os milhares de engenheiros que eram necessários para as gerações anteriores dos sistemas de mensagens. Este “efeito WhatsApp” agora está acontecendo em AI. As ferramentas de software como Theano e TensorFlow, combinados com data-centers em nuvem para treinamento e GPUs de baixo custo de implantação, permitirão que pequenas equipes de engenheiros possam construir sistemas de inteligência artificial em state-of-the-art.
Por exemplo, aqui um programador sozinho trabalhando em um projeto paralelo usou TensorFlow para colorir fotos em preto-e-branco:
Esquerda: preto e branco. Médio: colorido automaticamente. Direita: foto verdadeira.
E, aqui o que uma pequena empresa criou, um classificador de objetos em tempo real:
Teradeep, um classificador objeto em tempo real.
Que, naturalmente, é uma reminiscência de uma famosa cena de um filme de ficção científica:
O Exterminador do Futuro (1984).
Uma das primeiras aplicações do Deep Learning lançado por uma grande empresa de tecnologia é a função de pesquisa no Google Fotos, o que é incrivelmente inteligente.
Usuário pesquisa fotos (sem metadados) por “Big Ben”
Logo veremos melhoramentos significativos à inteligência de todos os tipos de produtos, incluindo: assistentes de voz, motores de busca, bots, scanners 3D, tradutores, automóveis, drones, sistemas de imagens médicas, e muito mais.
“Os planos de negócios das próximas 10.000 startups são fáceis de prever: Pegue X e adicione AI. Este é um grande negócio, e agora ele está aqui. “- Kevin Kelly
As startups construindo produtos AI terão que ficar com foco laser em aplicações específicas para competir contra as grandes empresas de tecnologia que fizeram da AI uma prioridade. Os sistemas de inteligência artificial ficam melhor à medida que mais dados são coletados, o que significa que é possível criar um ciclo virtuoso de efeitos de data network (mais usuários → mais dados → melhores produtos → mais usuários). A startup Waze utiliza os efeitos de data network para produzir mapas melhores do que seus concorrentes muito mais capitalizados. O sucesso das startups de AI seguirão uma estratégia similar.
Software + hardware: os novos computadores
Há uma variedade de novas plataformas de computação atualmente na fase de gestação que em breve irão ficar muito melhor – e, possivelmente, entrar na fase de crescimento – conforme elas incorporam os avanços recentes em hardware e software. Embora elas são concebidas e embaladas de maneira muito diferente, elas compartilham um tema comum: elas nos oferecem habilidades novas e aumentadas, incorporando uma camada de virtualização inteligente no topo do mundo. Aqui está um breve resumo de algumas das novas plataformas:
Carros. As grades empresas de tecnologia como Google, Apple, Uber, e Tesla estão investindo recursos significativos em carros autônomos. Carros semi-autônomos como o Tesla Model S já estão disponíveis ao público e vão melhorar rapidamente. A autonomia completa levará mais tempo, mas é provavelmente que não mais de 5 anos. Já existem carros totalmente autônomos que são quase tão bom quanto os motoristas humanos. No entanto, por razões culturais e regulamentares, esses carros totalmente autônomos provavelmente precisarão ser significativamente melhor do que os motoristas humanos antes de serem amplamente permitidos.
Mapaeamento de ambiente para carros autônomos.
Espere para ver muito mais investimento em carros autônomos. Além das grandes empresas de tecnologia, os grandes fabricantes de automóveis estão começando a levar a autonomia muito a sério. Você ainda vai ver alguns produtos interessantes feitos por startups. As ferramentas de software de deep learning ficaram tão boas que um programador sozinho foi capaz de fazer um carro semi-autônomo:
Veículo autônomo desenvolvido em casa.
Drones. Os drones para consumidor de hoje possuem um hardware moderno (principalmente componentes de smartphones somados a peças mecânicas), mas seu software ainda é relativamente simples. Num futuro próximo, vamos ver drones que incorporam uma visão computacional avançada e AI para torná-los mais seguros, mais fáceis de pilotar, e mais úteis. A videografia recreativa vai continuar a ser popular, mas também haverá importantes utilizações comerciais. Há dezenas de milhões de postos de trabalho perigosos que envolvem escalada de edifícios, torres e outras estruturas que podem ser executadas com muito mais segurança e eficácia usando drones.
Drone com voo totalmente automatizado.
Internet das Coisas. Os casos de uso óbvios para os dispositivos da Internet das Coisas (IoT) são para economia de energia, segurança e conveniência. O Nest e Dropcam são exemplos populares das duas primeiras categorias. Um dos produtos mais interessantes na categoria de conveniência é o Echo da Amazon.
Três principais usos para IoT
A maioria das pessoas acha o Echo um chamariz até experimentá-lo sendo surpreendidos em constatar como ele é útil. É uma boa demonstração de quão eficaz os always-on de voz podem se tornar uma interface com o usuário. Vai demorar um pouco antes termos bots com inteligência generalizada capazes de realizarem conversas completas. Mas, como mostra o Echo, a voz pode ser um sucesso hoje em contextos limitados. A compreensão da linguagem deve melhorar rapidamente a medida que os avanços recentes do deep learning caminham para serem incorporados em dispositivos para comercialização geral.
A Internet das Coisas (IoT) será igualmente adoptada nosnegócios. Por exemplo, os dispositivos com sensores e conexões de rede são extremamente úteis para monitorar equipamentos industriais.
Wearables. Os computadores portáteis de hoje são limitados em algumas dimensões, incluindo bateria, comunicações e processamento. Os que tiveram sucesso se concentram em aplicações estreitas como monitoramento de fitness. Como os componentes de hardware continuam a melhorar, os wearables irão suportar aplicações ricas como os smartphones fizeram, abrindo uma ampla gama de novas aplicações. Tal como acontece com a Internet das Coisas, a voz será provavelmente a interface principal com o usuário.
Wearables: um fone de AI super-inteligente no filme “Her”.
Realidade virtual. 2016 é um ano emocionante para VR (Virtual Reality): o lançamento da Oculus Rift e HTC / Valve Vive (e, possivelmente, a Sony Playstation VR), significa que os sistemas de VR confortáveis e envolventes vão finalmente ser disponibilizados ao público. Os sistemas de VR precisam ser realmente bons para evitar uma certa estranheza. Um bom VR requer telas especiais (alta resolução, alta taxa de atualização, baixa persistência), placas gráficas poderosas, e a capacidade de rastrear a posição exata do usuário (sistemas de VR lançadas anteriormente só poderiam controlar a rotação da cabeça do usuário). Este ano, o público pela primeira vez começará a experimentar o que é conhecido como “presença” – quando os seus sentidos serão suficientemente enganados para que você se sinta totalmente transportado para o mundo virtual.
Demonstração do Oculus Rift Toybox.
Os VR headsets irão continuar a melhorar e ficarão mais acessível. As principais áreas de pesquisas incluem: 1) novas ferramentas para criação de conteúdo VR renderizado e / ou filmado, 2) Visão de máquina para rastreamento e digitalização diretamente a partir de telefones e fones de ouvido e sistemas de back-end 3) Sistemas distribuídos para hospedagem de grandes ambientes virtuais.
Criação de um mundo 3D com uso de VR.
Realidade aumentada (AR). A AR provavelmente vai chegar depois da VR porque AR precisa da maioria do que VR precisa e outras novas tecnologias adicionais. Por exemplo, AR requer visão de máquina avançada de baixa latência, a fim de combinar de forma convincente objetos reais e virtuais na mesma cena interativa.
O Real e o virtual combinado (do filme The Kingsmen)
Dito isto, AR, provavelmente, está mais próximo do que você pensa. Este vídeo demo foi gravado diretamente através do dispositivo AR Magic Leap:
Demonstração do Magic Leap: ambiente real, personagem virtual.
O que vem depois disso?
É possível que o padrão de ciclos de computação de 10-15 anos encontrou seu fim e a era móvel seja a última. Mas também é possível que a próxima época não chegue por um bom tempo, ou que apenas um subconjunto das novas categorias de computação discutidos acima vá acabar sendo importante.
Eu tendo a acreditar que estamos na iminência de não uma, mas várias novas eras. O “dividendo de paz da guerra de smartphones” criou uma explosão cambriana de novos dispositivos e desenvolvimentos em software, especialmente AI, que fará esses dispositivos inteligentes e úteis. Muitas das tecnologias futuristas discutidas acima já existem hoje, e serão amplamente acessíveis num futuro próximo.
Observadores notaram que muitos desses novos dispositivos estão em sua “adolescência desajeitada“. Isso é porque eles estão em fase de gestação. Como os PCs nos anos 70, a internet nos anos 80, e os smartphones no início de 2000, estamos vendo pedaços de um futuro que ainda não está aqui. Mas este futuro está chegando: mercados sobem e descem, e a excitação tem seus altos e baixos, mas a marcha da tecnologia caminha de forma constante para a frente.
__
Artigo de Chris Dixon no Medium. Ele é um emprendedor e investidor norte-americando. Co-fundou o website Hunch e hoje é sócio na Andreessen Horowitz. Trabalhou anteriormente na eBay.
