Extensão Diária de 2026-05-02 - AI transformando o campo (Robô×Educação×Energia×Espaço)

Resumo executivo

• Energia×IA: A IEA organizou como enfrentar o aumento do uso de eletricidade em data centers, a carga energética da IA e as restrições de fornecimento (gargalos).
• Espaço×Autonomia: A JPL reportou que o plano de condução do rover de exploração marciana foi traçado pela IA e também apresentou um exemplo em que IA generativa foi usada para análise de imagens.
• Educação×Políticas: O Departamento de Educação dos EUA posicionou faculdades comunitárias como centrais para a formação de talentos em IA; a UNESCO apresentou a criação de um observatório regional de IA na educação e iniciativas de IA e programação voltadas a jovens.
• Teoria em ciência cognitiva: no arXiv, foi proposto um arcabouço que trata cognição e tomada de decisão como sistemas abertos “quântico-like”.

Engenharia de Energia e Ciência do Clima

• A IEA (Agência Internacional de Energia) deixou claro que, em 2025, a demanda de eletricidade dos data centers cresceu significativamente; que o crescimento dos data centers de caráter mais concentrado em IA (para IA) foi relativamente mais rápido; e que há um momento em que gargalos do lado do fornecimento geram uma “disputa pela resolução”. No relatório, o uso de eletricidade para data centers em 2025 aumentou 17%; além disso, os investimentos em instalações (despesas de capital, capex) das cinco maiores empresas de tecnologia ultrapassaram 400 bilhões de dólares em 2025, com perspectiva de um aumento adicional de 75% em 2026. (iea.org)

• Por trás disso, o aprendizado e a inferência de IA, bem como os investimentos em data centers, estão acelerando simultaneamente, criando uma estrutura em que “a demanda por eletricidade aumenta, mas expansão de transmissão e distribuição e folgas de conexão não acompanham no curto prazo”. A IEA reorganiza o debate para perguntar por que e com o que preencher a demanda de eletricidade (opções de fornecimento, operação e ajuste), levando em conta acessibilidade energética (ônus para famílias e indústrias), segurança (riscos de interrupção do fornecimento) e impactos econômicos mais amplos. (iea.org)

• Como impactos futuros, a otimização de “eletricidade×computação” deve avançar de uma discussão apenas sobre custos para competitividade industrial e segurança nacional, combinando: (1) prioridades de investimento em grade (grid) assumindo demandas de computação de IA; (2) projeto de portfólio de fontes incluindo renováveis, armazenamento e flexibilização da rede; e (3) melhorias operacionais do lado da demanda (lado dos data centers), como supressão de picos etc. É provável que políticas e regulamentações repercutam não apenas na “conversa sobre IA”, mas também no desenho institucional do mercado de eletricidade.

• Fonte: IEA (Press release) “Data centre electricity use surged in 2025…”

  • IEA: Data centre electricity use surged in 2025

Engenharia Espacial e Ciência Espacial

• A NASA JPL informou que o rover de exploração “Perseverance” concluiu o primeiro drive planejado por IA. É importante destacar que geração de IA e aprendizado de máquina estão envolvidos: em particular (como explicado no artigo), a Generative AI foi usada para análise de imagens orbitais de alta resolução (HiRISE) e para análise de dados de inclinação do terreno; foi mostrado de forma comparável o trajeto planejado pela IA (rota planejada em magenta no diagrama) e a rota real (condução real em laranja). (jpl.nasa.gov)

• O pano de fundo é que, se a operação em terra for excessivamente dependente, prazos de lead time em escala de meses e a carga de verificação manual tendem a se tornar gargalos. O enquadramento desta vez não promete “autonomia completa” imediatamente; ainda assim, pelo menos delegar parte do planejamento para a IA reduz o esforço dos operadores e os custos de tomada de decisão, apontando uma direção de aumentar as “oportunidades” para exploração científica. (jpl.nasa.gov)

• Como impacto futuro, (1) a operação em que a IA resume rapidamente grandes volumes de dados de imagem e terreno para racionalizar checagens do lado terrestre; (2) como quantificar riscos (incertezas de navegação, armadilhas no terreno) e incorporá-los ao planejamento da IA; e (3) explicabilidade e auditoria de planejamento para tornar verificável a saída do planejamento por IA serão focos de implementação. No domínio espacial, como a segurança e os custos de falha são extremamente altos, espera-se que, além do avanço técnico, a governança (procedimentos de verificação) seja exigida.

• Fonte: NASA Jet Propulsion Laboratory (JPL)

  • JPL: Drive planejado por IA do Perseverance concluído

Engenharia Educacional

• O Departamento de Educação dos EUA (U.S. Department of Education) explicou faculdades comunitárias como núcleo de “alfabetização em IA e desenvolvimento de habilidades” em um comunicado à imprensa que posiciona abril de 2026 como “National Community College Month”. De forma específica, (com base no que é descrito no mesmo artigo) após abordar a promoção de alfabetização em IA, é apresentada a política de realizar o suprimento de talentos alinhado às mudanças da indústria, por meio de expansão de Registered Apprenticeships (Registered Apprenticeships). (ed.gov)

• Por trás disso, há a realidade de que, embora a IA reorganize partes de funções e amplie o alcance do “saber ler e escrever” exigido dos talentos, apenas universidades tendem a não conseguir acompanhar adequadamente a demanda de habilidades das regiões. Faculdades comunitárias podem assumir mais facilmente o papel de preencher essa lacuna por meio de colaboração com indústrias locais, treinamento vocacional de curto e médio prazos e atualização flexível de currículos. No contexto do comunicado à imprensa, também se fala explicitamente sobre preparação da força de trabalho em uma era de transformação tecnológica que inclui IA. (ed.gov)

• Além disso, a UNESCO anunciou a criação de um Observatory on Artificial Intelligence in Education (Observatório sobre Inteligência Artificial na Educação) para a região da América Latina e Caribe como uma estrutura regional que apoia a introdução de IA na educação. O evento de lançamento está previsto para 14 de abril de 2026 e foi projetado como uma plataforma para apoiar políticas educacionais regionais, colaboração e construção de evidências. (unesco.org)

• Da mesma forma, o UNESCO IITE (Institute for Information Technologies in Education) também divulga a abertura da plataforma “AI and Coding for Youth” (relacionada ao AI Day 2026). O desenho de oportunidades de aprendizagem desde a juventude não influencia apenas o ensino de habilidades; ele também afeta governança e compreensão ética (ao menos “pressupostos para aprender”) no ambiente educacional. (iite.unesco.org)

• Em termos de impacto, no campo da engenharia educacional chama atenção que os três pontos — da aprendizagem ao sistema e ao campo — estão acontecendo ao mesmo tempo: (1) avaliação e observação de IA educacional (Observatory), (2) desenho de introdução para jovens (incluindo programação) e (3) formação de talentos conectada ao mercado de trabalho (faculdades comunitárias).

• Fonte: U.S. Department of Education

  • U.S. Department of Education: April 2026 as National Community College Month

• Fonte: UNESCO

  • UNESCO: Observatório de IA na Educação (anúncio de lançamento)

• Fonte: UNESCO IITE

  • UNESCO IITE: AI Day 2026 (AI & Coding for Youth)

Psicologia e Ciência Cognitiva

• Em um preprint do arXiv, foi apresentado um caminho em que cognição e tomada de decisão são abordadas dentro do arcabouço de um “quantum-like model”, especialmente ao atribuir dinâmicas como sistemas abertos. O artigo argumenta que a transição deve ocorrer de representações cinemáticas estáticas para dinâmicas robustas baseadas em sistemas quânticos abertos (sistemas sujeitos a influências do ambiente), e discute associar a equação mestra Gorini–Kossakowski–Sudarshan–Lindblad (GKSL) a mudanças de estado na cognição e na tomada de decisão. (arxiv.org)

• Como pano de fundo, em cognição e tomada de decisão, frequentemente “informações externas, contexto e condições do ambiente” alteram o estado da pessoa (atenção, expectativas, percepções, preferências etc.), tornando difícil encerrar tudo em um único parâmetro fixo. Assim, modelos matemáticos que tratam explicitamente a interação com o ambiente podem fortalecer a conexão com pesquisas empíricas.

• Como impacto, (1) a ampliação de pesquisas que modelam a tomada de decisão de uma pessoa não apenas como inferência probabilística, mas como evolução temporal de estados; (2) em contextos em que a IA é introduzida como suporte à tomada de decisão, a possibilidade de aplicação em explicar “por quais informações e como o estado da pessoa transita”, reduzindo vieses e induções incorretas por desenho. Naturalmente, isso é um arcabouço teórico, e a ligação com pesquisas clínicas e experimentos comportamentais será um desafio futuro; ainda assim, é importante que a “linguagem” da pesquisa esteja sendo estruturada.

• Fonte: arXiv

  • arXiv: Quantum-Like Models of Cognition and Decision Making

Conclusão e Perspectivas

• O que se vê de forma transversal a partir das informações de hoje é que o avanço da IA está se propagando não apenas em “desempenho do modelo”, mas também simultaneamente para restrições de fornecimento de energia (eletricidade de data centers), operação autônoma (planejamento de IA para exploração espacial) e desenho institucional de talentos e aprendizagem (Observatory de IA educacional, faculdades comunitárias). (iea.org)
• As relações entre áreas podem ser organizadas, por exemplo, da seguinte forma:
  • Energia×Espaço×Robô/Autonomia: exploração e sistemas autônomos envolvem computação e processamento de dados, e por trás disso o poder de sustentação computacional — energia e fornecimento — permanece como restrição real. Futuramente, pode se tornar importante “onde computar e quando executar” (escalonamento de operação). (iea.org)
  • Cognição×Educação×Governança: enquanto se avançam movimentos para refinar arcabouços teóricos da tomada de decisão (dinâmicas de estados cognitivos), e também se constroem bases de observação e políticas no campo educacional (Observatory), serão necessários estudos e instituições que tornem possível medir “transições de estado do aprendiz” e “dependência de contexto”. (arxiv.org)
• Os pontos que merecem atenção daqui em diante são: (1) a filosofia de design de energia e recursos computacionais na implementação de IA; (2) como verificar e auditar a saída do planejamento de sistemas autônomos; e (3) como avaliar a implementação regional de IA educacional e fazer o ciclo de melhoria.

Referências

Este artigo foi gerado automaticamente por LLM. Pode conter erros.