Figura 2: Centro de Operações Rio de Janeiro
A IBM instalou computadores e câmeras pelas ruas do Rio que enviam imagens em tempo real para o Centro de Operações do Rio, mapas com informa- ções sobre a rede elétrica e máquinas para previsões meteorológicas. O local - o Centro de Operações Rio - junta os conceitos da IBM para o desenvolvimento de uma cidade inteligente. (Digital, 2011)
O Centro de Operações (COR) monitora a Cidade do Rio de Janeiro e in- tegra órgãos e concessionárias, com o objetivo de minimizar o impacto de ocorrên- cias e grandes eventos na rotina da população. Os monitores (Figura 2) mostram imagens enviadas por uma rede de câmeras espalhadas pela cidade, para controle do transito, dos sinais de transito. Sensores captam dados sobre condições climáti- cas, dados sobre as praias, condições do mar, sobre segurança pública, sobre ener- gia e muitos outros dados para controle da cidade do Rio de Janeiro.
A automação já utilizada em algumas áreas do conhecimento produz res- postas mais rápidas de desenvolvimento. Com isso, nessa área surgiram alguns termos e conceitos a seguir:
Inteligência Artificial – AI (artificial intelligence) é usada para descrever “diver- sos métodos, algoritmos e técnicas que tornam um software inteligente no sentido humano da palavra”, define Lynne Parker, diretora da divisão de sis- temas de informação da Fundação Nacional de Ciências dos Estados Unidos.
Machine Learning – a diretora da divisão de sistemas considera o significado do termo aprendizado de máquina (Machine Learning), igual a inteligência ar- tificial. “Algumas pessoas talvez vejam distinções, mas não há uma visão uni- versal sobre a diferença de significados entre esses dois termos”, pondera Lynne. Há quem sugira que se trata apenas de uma distinção regional por trás das origens dos conceitos. Aprendizado de máquinas também se refere a uma vasta gama de algoritmos e metodologias que permitem que softwares melhorem seu desempenho à medida que obtém mais dados. Aqui, incluem- se redes neurais e deep learning.
“Fundamentalmente, todo o aprendizado de máquinas é sobre o reconhe- cimento de tendências a partir de dados ou reconhecimento de categorias que trazem a possibilidade de trazer previsões”, defende Lynne. Algumas téc- nicas de machine learning incluem redes neurais, árvores de decisões, hipó- teses bayesianas, mapas auto-organizáveis, instâncias de aprendizado, mo- delos de Markov e “dezenas de outras ferramentas de regressão”, acrescenta a especialista.
Redes neurais – é um tipo de aprendizado de máquinas enquanto que deep
learning se refere a algo específico. Também conhecidas como redes neurais
“artificiais” – é um tipo de aprendizado de máquinas que se assemelha a for- ma como neurônios trabalham em nossos cérebros. “De fato, é algo muito pa- recido”, enfatiza Lynne.
Existem muitos tipos de redes neurais, mas, em geral, elas consistem de um sistema de nós que interconecta diversas ramificações. Tipicamente, as
redes neurais aprendem a partir da atualização e ampliação desses laços e interconexões. Já deep learning, às vezes chamado de "deep neural network", considera um amplo sistema onde esses neurônios se organizam em diversas camadas “ocultas” abaixo de uma superfície de rede neural. “A ideia desse aprendizado profundo não é nova, mas vem se popularizando recentemente porque agora temos muito mais dados e processadores mais rápidos capazes de encontrar, com sucesso, o resultado de problemas complexos”, comenta Lynne.
Computação cognitiva (Cognitive computing) – essencialmente, o termo se re- fere a “computação focada na racionalização e compreensão de alto nível, de maneira análoga a cognição humana – ou, ao menos, inspirada por ela”, defi- ne a especialista.
Com esses avanços na tecnologia de aprendizado de máquina teremos, pela rapidez de resposta, uma grande quantidade de soluções testadas e aprovadas para os domínios dos problemas da cidade inteligente, que serão padronizadas para problemas já conhecidos. O conhecimento de padrões certamente vai trazer um e- norme ganho em agilidade no desenvolvimento de cidades brasileiras.
No Rio de Janeiro será criado um laboratório focado no estudo de cidades inteligentes. O espaço servirá para a realização de pesquisas, certificações e testes de tecnologias criadas para as smart cities.
Dentro do laboratório haverá também uma mini cidade para simulações em ambiente controlado, visando a observação e elaboração de critérios técnicos, padrões e procedimentos de conformidade que possam facilitar a aplicabilidade des- tas inovações nas cidades. (Baratto, 2017)
Certamente, a maioria das cidades brasileiras não contarão com todo o montante de recursos necessários para a implementação das principais soluções, em curtos e médios prazos, que são aqueles períodos, por exemplo, para os quais uma gestão foi eleita. Sem planejamento no longo prazo e de maneira técnica, não será possível propor soluções inteligentes e consistentes para as cidades brasileiras. A cidade inteligente deve trabalhar para ser cada vez mais eficiente. Esse trabalho deve ser continuo sempre visando trazer benefícios para os habitantes. O trabalho de educar, capacitar e atrair recursos humanos para a cidade deve ter prioridade quanto a soluções de curto e médio prazo. Desse modo, aumentando o nível de ma- turidade tecnológica gradativamente. A tecnologia representa uma ótima ferramenta, um apoio na tomada de decisões e previsões de eventos, mas para que a cidade torne-se realmente inteligente a participação de toda a população é fundamental. Principalmente, na defesa dos seus direitos, a cidade deve adquirir outros níveis de maturidade, política por exemplo. Certamente, o Brasil assim como outros países se beneficiarão com o compartilhamento de informações, por parte de outros países com mais recursos disponíveis, pioneiros na implementação de soluções para cida- des inteligentes.
7
REFERÊNCIAS BIBLIOGRÁFICAS
(s.d.). Fonte: www.sas.com: https://www.sas.com/pt_br/insights/analytics/big-data- analytics.html
Baratto, R. (20 de maio de 2017). Fonte: ArchDaily: https://www.archdaily.com.br/br/871556/rio-de-janeiro-tera-primeiro-laboratorio-
brasileiro-de-cidades-inteligentes
Da Redação, c. I. (2016 de 06 de 01). Qual é a diferença entre IA, Machine Learning,
Deep Learning e computação cognitiva? Acesso em 24 de 11 de 2017, disponível
em www.cio.com.br: http://cio.com.br/tecnologia/2016/07/01/qual-e-a-diferenca- entre-ia-machine-learning-deep-learning-e-computacao-cognitiva/
Digital, R. O. (09 de novembro de 2011). Fonte: Olhar Digital: https://olhardigital.com.br/noticia/ibm_mostra_projeto_de_cidade_inteligente_no_rio_ de_janeiro/22174
FGV PROJETOS. (OUTUBRO de 2015). CADERNO. CIDADES INTELIGENTES E
MOBILIDADE URBANA.
Garcia, H. (2016). Fonte: www.ies.ufpb.br:
http://www.ies.ufpb.br/ojs/index.php/ies/article/download/29309/16992
Kiev Gama, A. Á. (2012). Em Direção a um Modelo de Maturidade Tecnológica para
Ci-dades Inteligentes. Acesso em 2017, disponível em www.lbd.dcc.ufmg.br:
http://www.lbd.dcc.ufmg.br/colecoes/sbsi/2012/0018.pdf
Moisés, C. A. (10 de 03 de 2014). Canvas tb de piedley - texto. Acesso em 21 de 12 de 2017, disponível em pt.slideshare.net: https://pt.slideshare.net/priscilaps/canvas- tb-de-piedley-texto
cities/_jcr_content.stream/1432022083321/1cde031f7457f5deb63501cb2d8e6e49ed 05794c970083b5eb641d60b8a956af/new-lenses-on-cities-rima-inside.pdf
Souza, U. (24 de agosto de 2017). Rede de comunicação a espinha dorsal das
smart-grids. Acesso em 05 de 10 de 2017, disponível em www.cio.com.br:
http://cio.com.br/opiniao/2017/08/24/redes-de-comunicacao-a-espinha-dorsal-das- smart-grids/
Tecnologia da informação na Logística. (28 de 03 de 2017). Acesso em 21 de 12 de
2017, disponível em www.stradasolucoes.com.br:
http://www.stradasolucoes.com.br/tecnologia-da-informacao-na-logistica/
Vienna University of Technology, Centre of Regional Science. (2007). "Smart cities
Ranking of European medium-sized cities", final report. Fonte: www.smart-cities.eu: