Going to the Opera in the Year 2000, pintura de Albert Robida.

Destaques da apresentação “O mobile está devorando o mundo”, de Benedict Evans

Por
20/12/16, 10h38 10 min 3 comentários

Ao longo do ano publicamos, aqui no Manual do Usuário, vários posts assinados por Benedict Evans, analista da firma de capital de risco Andreessen Horowitz (a16z), no Vale do Silício. Ele traz insights interessantes sobre a tecnologia e, em paralelo aos seus textos e comentários no Twitter, mantém uma grande apresentação intitulada “O mobile está devorando o mundo”1. A nova versão dela saiu há pouco e merece alguns destaques.

Gosto das análises do Benedict porque ele trabalha em uma escala global que conflui diversos números e padrões difíceis de encontrar por aí e, arrisco dizer que por esse motivo, na qual raramente pensamos. Esse ângulo permite análises que dão uma ideia mais completa do mercado da tecnologia e de como ele nos afeta. Para ficar em apenas um exemplo frequente e recentemente abordado em um dos seus textos, quando câmeras, através dos smartphones e outros dispositivos conectados, se tornam onipresentes, quais as implicações?

A apresentação “O mobile está devorando o mundo” arremata os diversos artigos publicados por Benedict ao longo do ano em um formato mais palatável — mais, até, que o próprio resumo dele em texto escrito, também traduzido e publicado aqui. Vale a pena conferi-la em formato de slides ou vídeo, com narração do próprio autor (links ao final do post). Para ajudar, separei alguns destaques que comento abaixo.

As curvas em “S”

Benedict trabalha com a ideia de curvas em “S” para a chegada e consolidação de novas tecnologias no mercado. Essa curva se divide em duas grandes fases, a da criação e implantação, e essas se subdividem em outras quatro: em criação, nas fases “ideia maluca” e “frenesi”; em implantação, nas fases “escala” e “maturidade”.

Pensar no smartphone ajuda a compreender a curva em “S”.

Curva em 'S' do smartphone.

Quando o smartphone moderno surgiu, em 2007, era uma ideia maluca pensar que aquele dispositivo limitado pudesse se tornar algo grande. Poucos anos depois, a ideia não parecia mais tão maluca e vimos o início de uma corrida feroz entre as fabricantes. Benedict traça algumas características dessa grande primeira fase, a da criação: guerra de plataformas (iOS e Android); ênfase nos últimos lançamentos graças aos grandes saltos qualitativos (argumentos baseados em tecnologia pura); e milhões de usuários. Note que, hoje, muito disso é irrelevante — Apple e Google venceram, smartphones premium não são mais só os topos de linha e os saltos geracionais são menores.

A fase da implantação consiste em escala e maturidade. Dos milhões da primeira, passamos a bilhões de usuários de smartphones — pelos cálculos do autor, 2,5 bilhões atualmente, e crescendo rumo a todos os adultos do planeta. Os grandes vencedores, como dito, estão claros — Apple, Google e, estendendo um pouco, Samsung. Hoje, vemos melhorias incrementais ano após ano, diferente dos saltos exponenciais das primeiras gerações de smartphones. E a tecnologia, em grande parte, virou lugar comum — a cadeia de suprimentos dos smartphones abastece outras áreas, antigas e novas, e construir um smartphone é o menor dos problemas de quem deseja se lançar nesse mercado já próxima da saturação.

Os novos gigantes

Talvez por aquela visão micro a que estamos habituados, não é comum termos ciência das dimensões colossais das empresas que lideram a tecnologia hoje. Em alguns slides, Benedict demonstra bem isso.

O faturamento das quatro empresas que ele classifica como líderes do setor de tecnologia, o grupo GAFA (Google, Apple, Facebook e Amazon), é dez vezes maior que o da dupla que reinava nos anos 1990, Intel e Microsoft.

Faturamento das grandes empresas de tecnologia de hoje contra as dos anos 1990.

Essa importância transcende o segmento, já que, hoje, as quatro (mais a Microsoft) são as empresas mais valorizadas dos EUA. Nos anos 1990, Intel e Microsoft estavam próximas da décima posição.

As distinções se acentuam. O que antes eram áreas de domínio das empresas se transformaram em complementos estratégicos. A Intel só fazia chips e ainda hoje tem nisso o seu “core business”. Ela não está mais só, porém: as quatro grandes citadas acima fazem seus próprios chips, mas eles não são centrais em seus modelos de negócio — não é o que elas vendem diretamente ao consumidor para faturarem. O mesmo para a produção conteúdo: central para a Netflix, apenas um adendo para conseguir mais assinantes do Prime para a Amazon.

Essas mudanças alteram dramaticamente as áreas em que todas elas competem.

Aprendizagem de máquina

Em outubro, quando o Google apresentou os smartphones Pixel, Sundar Pichai, CEO da empresa, disse que ela estava se transformando de “mobile first” para “AI first”, ou seja, o centro gravitacional deixava de ser o mobile para ser a inteligência artificial. Comentei, na época, que essa era a parte mais importante da apresentação, muito mais que os smartphones novos. É o caso para todas as empresas de tecnologia.

A aprendizagem de máquina é uma novidade que muda o cenário da tecnologia. Benedict cita alguns ganhos impressionantes nesses três anos que suplantam décadas de tentativas usando outras abordagens. A taxa de erros para reconhecimento de imagens e de voz caiu de quase 30% para 7% e 4%, respectivamente, graças à aprendizagem de máquina.

O que muda, fundamentalmente, é a abordagem proporcionada por maior poder de processamento, grandes conjuntos de dados (big data) e técnicas avançadas de computação. Há um slide bem didático endereçando essa diferença a partir da clássica análise “há um cachorro nesta foto?”.

Aprendizagem de máquina: dados em vez de regras.

No modelo antigo, construíam-se sistemas para procurar por focinhos, orelhas, patas e outros identificadores mais óbvios de cachorros. No caso do reconhecimento de voz ou processamento de texto, regras gramaticais. Nas palavras do autor, “tentávamos codificar como a inteligência humana funciona (embora não saibamos isso ao certo)”.

A abordagem da aprendizagem de máquina relega essa compreensão à própria máquina. É um sistema que “aprende a aprender”, que confia na aprendizagem em vez de em regras. O dilema do cachorro, pois, é resolvido da seguinte maneira: alimenta-se uma rede neural com 10 mil imagens de cachorros e outras 10 mil imagens em que não há cachorros. Com base nisso, o sistema encontra padrões por si só e passa a fazer um trabalho muito melhor no que diz respeito a identificar cachorros em imagens.

Ainda há um desafio enorme, porém: expandir a aprendizagem para outras áreas de domínio. Nesse sentido, o projeto anual do Mark Zuckerberg em 2016, criar uma inteligência artificial capaz de auxiliá-lo no dia a dia, esbarrou na mesma parede. O CEO do Facebook comenta:

Ao mesmo tempo, ainda estamos longe de entender como o aprendizado funciona. Tudo que eu fiz este ano — linguagem natural, reconhecimento facial, reconhecimento de voz e por aí vai — são variantes das mesmas técnicas de reconhecimento de padrões fundamentais. Sabemos como mostrar a um computador muitos exemplos de alguma coisa de modo que ele consiga reconhecê-la com precisão, mas ainda não sabemos como pegar uma ideia de um domínio e aplicá-la em algo completamente diferente.

Para colocar isso em perspectiva, eu gastei cerca de 100 horas para montar [o assistente] Jarvis nesse ano e agora tenho um sistema muito bom que me entende e consegue fazer um monte de coisas. Mas mesmo que eu tivesse gasto 1000 horas a mais, provavelmente não conseguiria construir um sistema que pudesse aprender habilidades completamente novas por conta própria — a menos eu fizesse alguma descoberta fundamental no estado da inteligência artificial no meio do caminho.

Ainda assim, os avanços são extraordinários e as implicações deles, difíceis de estimar, já que se abrem janelas infinitas para processar praticamente quaisquer conjuntos de dados (inclusive o que não era considera como tal, ou que não eram estruturados, por exemplo fotos de revistas), podendo ter, em retorno, insights inimagináveis.

Foi assim que o Google conseguiu economizar 15% do gasto em energia nos seus data centers. A inteligência artificial usada para aprender a jogar Go foi aplicada a esse problema e descobriu soluções que anos de tentativas e análises humanas não conseguiram.

Essa é uma área incipiente e que passa por um turbilhão de mudanças e avanços muito rápidos. Para complementar os slides, indico esta entrevista com Jack Clark (em inglês), jornalista que trabalha na OpenIA, um laboratório de pesquisas em inteligência artificial formado, entre outros, por Elon Musk e Greg Brockman (ex-CTO da Stripe).

Novos computadores

A aprendizagem de máquina pode ser aplicada em produtos baratos, semi-descartáveis. Pode-se treinar um algoritmo na nuvem e colocar no dispositivo apenas as regras aprendidas com esse treinamento. É como funciona a pesquisa inteligente por fotos do iOS, por exemplo, e os assistentes pessoais por voz como o Amazon Echo e o Google Home.

Áreas impactadas

Na parte final da apresentação, Benedict concentra-se em duas áreas que têm um grande potencial inexplorado pela tecnologia: comércio e automóveis.

Ele cita uma célebre frase de Eric Raymond, que diz que computadores não deveriam pedir ao usuário informações que ele consiga detectar, copiar ou deduzir automaticamente. A partir do momento em que as nossas preferências consumistas e estéticas passam a ser detectáveis por sistemas automatizados, a pergunta “o que você quer comprar?” se torna irrelevante. (Isso é um pouco assustador.)

No setor de carros, a mudança tende a ser ainda mais profunda. Quando se tira da equação o motorista, o motor a combustão e todo o ecossistema criado em torno da indústria automobilística como ela foi no último século, as implicações são muitas e potencialmente de grande impacto.

As mais óbvias são a menor dependência do petróleo (em paralelo à automação, vemos uma corrida paralela e complementar pelo carro elétrico) e a redução nas mortes causadas pelo trânsito. Mas não deve ser só isso. Achar que se sabe todas as implicações que o carro autônomo elétrico terá no mundo, hoje, é o mesmo que imaginar o futuro dos carros no final do século XIX.

Para exemplificar esse ponto, vemos uma pintura de Albert Robida, Going to the Opera in the Year 2000. Tudo é muito fiel à Paris de 1882, da arquitetura ao fundo à moda dos passageiros. Exceto o fato de que há carros voando. Esse tipo de exercício desconsidera as consequências culturais e o efeito dominó que mudanças tão significativas e profundas desencadeiam na sociedade. Basta olhar pela janela e ver essa rua enorme em frente de onde você estiver. Ela decorre diretamente das políticas de urbanização centradas no carro e aplicadas ao longo dos últimos pouco mais de cem anos.

Por isso é uma incógnita, ainda, as mudanças que a invasão de carros autônomos trará às cidades. Em maior ou menor medida, isso se estende a todas as áreas que podem ser impactadas pela tecnologia — e, puxando uma frase do Thiago Rotta, da IBM, “não vejo uma área que não possa ser beneficiada por inteligência artificial”.

Ainda estamos na fase de criação da aprendizagem de máquina, passando da “ideia maluca” ao “frenesi”. A única certeza, hoje, é a de que o mundo daqui a dez anos será bastante diferente.

Veja a apresentação de slides:

E o vídeo, com os mesmos slides, comentados (em inglês) por Benedict Evans:

  1. O título é uma paráfrase de um outro seminal escrito por Marc Andresseen em 2011, “O software está devorando o mundo”. Andresseen é sócio-fundador da a16z.
  • Breno

    Excelente texto, mas noto um certo desdém sobre a Microsoft. Tudo muito lindo, mas se não fosse a popularização dos PCs feita por ela, estaríamos ainda na Idade da Pedra.

    • E se não fosse o domínio do fogo e a criação da escrita… :) Dá para ir muito longe a fim de abarcar tudo que contribuiu para o estado em que vivemos hoje, @disqus_CJSb6D4LML:disqus.

      Brincadeira à parte, acho (e creio que o Benedict também) que a Microsoft está num período de incubação a fim de voltar a ter um papel de maior protagonismo nos próximos anos.

  • Roderico

    Tinha assistido o vídeo com comentários no dia da divulgação, e achei extremamente pertinente. Muito boa a análise do autor, e a “pós-análise” aqui no MDU. Por mais conteúdos assim aqui no site!