TECNOLOGIA

 

A A

Código aberto, o segredo por trás do DeepSeek Sistema de IA criado por jovens chineses é leve, acessível e, especialmente, colaborativo. Projeto retomou pontos da cultura do software livre – por isso tornou-se real e apavora as Big Techs. Os sentidos de seu uso, porém, ainda estão em disputa Segunda-feira, 27 de janeiro, Wall Street atravessou um de seus dias mais turbulentos. As previsões para o setor de inteligência artificial desmoronaram, “players” viram seus papéis derreterem. As ações da Nvidia, inflacionada pela corrida por chips instalados nas IAs generativas, tombaram 17%, resultando em uma perda de US$ 589 bilhões em valor de mercado – a maior queda diária já registrada na história do mercado financeiro americano, que virou matéria e foco de atenção de diversos jornais. Sete bigtechs (Apple, Amazon, Alphabet, Meta, Microsoft, Nvidia e Tesla) viram uma perda de US$ 643 bilhões em suas ações. O responsável por essa reviravolta? Um chatbot de baixo custo lançado por uma startup chinesa, a DeepSeek, criado em 2024 como um braço de pesquisa de um fundo chamado High Flyer, também chinês. Segundo a empresa, o custo de treinamento do modelo por trás da IA, o DeepSeek-R1, foi de aproximadamente US$ 6 milhões – um décimo do que a Meta investiu no desenvolvimento do Llama 3.1, por exemplo, ou menos ainda dos US$ 100 milhões que a OpenIA investiu no seu último modelo. Além disso, a startup informou que seu chatbot apresentou um desempenho superior ao GPT-4, da OpenAI, em 20 das 22 métricas analisadas. Não entrando nos pormenores econômicos especulativos do mercado de ações (o tombo se deu no valor do mercado destas big techs a partir da desvalorização de suas ações), o fato principal aqui é: a queda foi sobretudo porque a DeepSeek mostrou ao mundo que existe possibilidade de se competir na área com menos dinheiro, investido de forma eficiente. Com menos processadores, chips e data centers, a empresa demonstrou a possibilidade de operar com custos menores. E fez isso justo semanas depois de Trump, ao lado de Sam Altman (Open IA) e Larry Ellison (Oracle), anunciar o “Stargate”, um mega programa de investimentos em IA no Texas, com potencial anunciado de alavancar até US$ 500 bilhões de dólares em cinco anos. O lançamento do modelo da DeepSeek redesenha a disputa entre EUA e China pela inteligência artificial e mostra que, mesmo com as travas colocadas pelo Governo Biden na compra de chips da Nvidia pela China, é possível fazer sistemas robustos de IA de forma mais barata do que Altman e cia afirmam. As diferenças técnicas do sistema chinês Vamos tentar explicar aqui brevemente como funciona o DeepSeek e as principais diferenças em relação ao seus modelos concorrentes. O recém-lançado R1 é um modelo de linguagem em grande escala (LLM) que conta com mais de 670 bilhões de parâmetros, projetado a partir de 2.048 chips H800 da Nvidia – estima-se, por exemplo, que os modelos desenvolvidos pelas big techs utilizem cerca de 16 mil chips para treinar os robôs. Utiliza-se de aprendizado por reforço, uma técnica de aprendizado de máquina (machine learning) em que o sistema aprende automaticamente com os dados e a própria experiência, sem depender de supervisão humana,  a partir de mecanismos de recompensa/punição. Para aumentar sua eficiência, a DeepSeek adotou a arquitetura Mixture-of-Experts (MoE), uma abordagem dentro do aprendizado de máquina que, em vez de utilizar todos os parâmetros do modelo (ou toda as redes neurais) em cada tarefa, ativa só os necessários de acordo com a demanda. Isso torna o R1 mais ágil e reduz o consumo de energia computacional, executando as operações de forma mais leve e rápida. É como se o modelo fosse uma grande equipe de especialistas e, ao invés de todos trabalharem sem parar, apenas os mais relevantes para o trabalho em questão são chamados, economizando tempo e energia. Outra técnica utilizada pelo R1 é a Multi-Head Latent Attention (MLA), que permite ao modelo identificar padrões complexos em grandes volumes de dados, usando de 5 a 13% da capacidade de modelos semelhantes como a MHA (Multi-Head Attention), o que a torna mais eficiente, segundo essa análise bem técnica publicada por Zain ul Abideen, especialista em LLM e aprendizado de máquina, em dezembro 2024. Grosso modo, a MLA analisa de forma simultânea diferentes partes dos dados, a partir de várias “perspectivas”, o que possibilita ao DeepSeek-R1 processar informações de maneira mais precisa gastando menos recursos de processamento. A MLA funciona como um grupo de pessoas olhando para o mesmo problema de diferentes ângulos, sempre buscando a melhor solução — de novo e de novo e de novo, a cada novo desafio. Além de seu baixo custo de treinamento, um dos maiores atrativos do modelo está no baixo custo da operação geral. Grandes empresas de tecnologia costumam cobrar valores altos para acessar suas APIs, ferramentas que permitem que outras empresas usem seus modelos de inteligência artificial em seus próprios aplicativos. A DeepSeek, por outro lado, adota uma abordagem mais acessível; a API do R1 custa entre 20 e 50 vezes menos do que a da OpenAI, de acordo com a empresa. O preço de uma API é calculado com base na quantidade de dados processados pelo modelo, medido em “tokens”. No caso da DeepSeek, a API cobra US$ 0,88 por milhão de tokens de entrada e US$ 3,49 por milhão de tokens de saída. Em comparação, a OpenAI cobra US$ 23,92 e US$ 95,70, respectivamente. Ou seja, empresas que optarem pela tecnologia da chinesa podem economizar substancialmente ao integrar o modelo R1 em suas plataformas. A DeepSeek declarou que usou 5,5 milhões de dólares (32 milhões de reais) em capacidade computacional, utilizando apenas as 2.048 GPUs Nvidia H800 que a empresa chinesa tinha, porque não podia comprar as GPUs H100 ou A100, superiores, que as big techs acumulam às centenas de milhares. Para ter uma ideia: Elon Musk tem 100 mil GPUs, a OpenAI treinou seu modelo GPT-4 em aproximadamente 25 mil GPUs A100. Em entrevista à TV estatal chinesa, Liang Wenfeng, CEO da DeepSeek e também do fundo que bancou o modelo (High Flyer), disse que a empresa nunca pretendeu ser disruptiva, e que o “estrelato” teria vindo por “acidente”. “Não esperávamos que o preço fosse uma questão tão sensível. Estávamos simplesmente seguindo nosso próprio ritmo, calculando custos e definindo preços de acordo. Nosso princípio não é vender com prejuízo nem buscar lucros excessivos. O preço atual permite uma margem de lucro modesta acima de nossos custos”, afirmou o fundador da DeepSeek. “Capturar usuários não era nosso objetivo principal. Reduzimos os preços porque, primeiro, ao explorar estruturas de modelos de próxima geração, nossos custos diminuíram; segundo, acreditamos que os serviços de IA e API devem ser acessíveis e baratos para todos.” Wenfeng é bacharel e mestre em engenharia eletrônica e da informação pela Universidade de Zhejiang. Entre muitas especulações momentâneas sobre sua vida pessoal, o que se sabe é que o empresário de 40 anos parece “mais um nerd do que um chefe” e que é um entusiasta do modelo open source de desenvolvimento, o que nos leva para o próximo tópico. As vantagens do código aberto  Um componente fundamental do sucesso (atual) do modelo chinês é o fato de estar em código aberto. O DeepSeek-V3, lançado no final de 2024, está disponível no GitHub, com uma documentação detalhada sobre como foi feito e como pode ser replicado. Isso, na prática, tem fomentado uma corrida de várias pessoas e grupos para experimentar fazer seus próprios modelos a partir das instruções dadas pela equipe do DeepSeek. Dê uma busca no Reddit e nos próprios buscadores nestes últimos dias de janeiro de 2025 e você já verá uma enxurrada de gente fazendo. Como vocês já ouviram falar no “A Cultura é Livre”, a natureza do código aberto, de origem filosófica no liberalismo clássico do século XVII e XVIII, permite mais colaborações, e acaba por impulsionar tanto a concorrência de outras empresas no setor quanto diferentes forks [bifurcações] independentes e autônomos individuais. Vale, porém, aqui dizer que o código aberto não é o mesmo que um software livre. Software de código aberto (free/libre/open source software, acrônimo Floss adotado pela primeira vez em 2001) é um nome usado para um tipo de software que surgiu a partir da chamada Open Source Initiative (OSI), estabelecida em 1998 como uma dissidência com alguns princípios mais pragmáticos que os do software livre. A flexibilização na filosofia de respeito à liberdade dos usuários (mais rígida e comprometida com a justiça social no software livre, mais pragmática e aplicável como metodologia de desenvolvimento no open source) propiciou uma expansão considerável tanto do software de código aberto quanto de projetos e empresas que têm este tipo de software como produto e motor de seus negócios. A OSI tem como texto filosófico central “A catedral e o bazar”, de Eric Raymond, publicado em 1999. Nele, Raymond trabalha com a ideia de que “havendo olhos suficientes, todos os erros são óbvios”, para dizer que, se o código fonte está disponível para teste, escrutínio e experimentação pública, os erros serão descobertos mais rapidamente. A definição da OSI diz que um sistema open source é: “O programa deve incluir o código-fonte e permitir sua distribuição tanto na forma de código-fonte quanto na forma compilada. Quando alguma forma do produto não for distribuída com o código-fonte, deve haver um meio amplamente divulgado de obtenção do código-fonte por um custo razoável de reprodução, preferencialmente com a opção de download gratuito pela Internet. O código-fonte deve ser a forma preferida na qual um programador modificaria o programa. Não é permitido código-fonte deliberadamente ofuscado. Formas intermediárias, como a saída de um pré-processador ou tradutor, não são permitidas1. O esclarecimento sobre o que é código aberto é importante porque, na esteira do desenvolvimento das IAs de código aberto, vem também surgindo um movimento de open washing, ou seja: a prática de empresas privadas dizerem que os códigos de seus sistemas algorítmicos são abertos – quando na verdade não são tão abertos assim. Ou então quando grandes corporações (ou startups) iniciam projetos em código aberto para incorporar o trabalho colaborativo de colaboradores (desenvolvedores, tradutores, cientistas de dados) – para logo depois, quando o projeto se torna mais robusto, fecharem o código e nunca mais abrirem. “O Google tem um histórico nessa prática, a própria OPEN IA fez isso – e foi processada por Elon Musk (!) justamente por não seguir os princípios abertos. Escrevemos em nossa última newsletter do BaixaCultura que a Meta, ao dizer que seu modelo LLama é aberto, vem “poluindo” e “confundindo” o open source, como afirma Stefano Maffulli, diretor da Open Source Initiative (OSI). Mas o que o Llama traz como aberto são os pesos que influenciam a forma como o modelo responde a determinadas solicitações. Um elemento importante para a transparência, mas que por si só não faz se encaixar na definição do open source. A licença sob a qual o Llama foi lançado não permite o uso gratuito da tecnologia por outras empresas, por exemplo, o que não está em conformidade com as definições de código aberto reconhecidas pela OSI. “Programadores que utilizam modelos como o Llama não têm conseguido ver como estes sistemas foram desenvolvidos, ou construir sobre eles para criar novos produtos próprios, como aconteceu com o software de código aberto”, acrescenta Maffuli. Mas existem IAs totalmente abertas? A disputa (velha, aliás) pelo que de fato é open source – e principalmente o que não é – também ganha um novo capítulo com o DeepSeek. A “OSI AI Definition – 1.0-RC1” aponta que uma IA de código aberto deve oferecer quatro liberdades aos seus utilizadores: _ Utilizar o sistema para qualquer fim e sem ter de pedir autorização; _ Estudar o funcionamento do sistema e inspecionar os seus componentes; _ Modificar o sistema para qualquer fim, incluindo para alterar os seus resultados; _ Partilhar o sistema para que outros o utilizem, com ou sem modificações, para qualquer fim; Nos quatro pontos o DeepSeek v-1 se encaixa. Tanto é que, como mencionamos antes, já tem muita gente fazendo os seus; seja criando modelos ainda mais abertos quanto para ser executada localmente em um dispositivo separado, com boas possibilidades de customização e com exigência técnica possível na maior parte dos computadores bons de hoje em dia. Para não falar em modelos parecidos que já estão surgindo na China, como o Kimi k1.5, lançado enquanto esse texto estava sendo escrito – o que motivou memes de que a competição real na geopolítica de IA está sendo feita entre regiões da China, e não entre EUA X China. O fato de ser de código aberto faz com que o DeepSeek, diferente do ChatGPT ou do LLama, possa ser acoplado e inserido com diferentes funcionalidades por outras empresas, grupos, pessoas com mais facilidade e menor custo. Ao permitir que novas soluções surjam, torna a barreira de entrada da inteligência artificial muito menor e estoura a bolha especulativa dos financistas globais sobre o futuro da tecnologia – o que talvez seja a melhor notícia da semana. Mas há um porém importante nessa discussão do código aberto: as bases de dados usadas para treinamento dos sistemas. Para treinar um modelo de IA generativa, parte fundamental do processo são os dados utilizados e como eles são utilizados. Como analisa o filósofo e programador Tante nesse ótimo texto, os sistemas de IA generativa (os LLMs) são especiais porque não consistem em muito código em comparação com o seu tamanho. Uma implementação de uma rede neural é constituída por algumas centenas de linhas de Python, por exemplo, mas um LLM moderno é composto por algum código e uma arquitetura de rede – que depois vai ser parametrizada com os chamados “pesos”, que são os milhares de milhões de números necessários para que o sistema faça o que quer que seja, a partir dos dados de entrada. Assim como os dados, estes “pesos” também precisam ser deixados claros quando se fala em open source, afirma Tante. Não está claro, ainda, quais foram os dados de treinamento do DeepSeek e como estes pesos foram distribuídos. Endossando Tante, Timnit Gibru disse neste post que para ser open source de fato teria que mostrar quais os dados usados e como foram treinados e avaliados. O que talvez nunca ocorra de fato, pois isso significa assumir que a DeepSeek pegou dados de forma ilegal na internet tal qual o Gemini, a LLama e a OpenIA – que está acusando a DeepSeek de fazer o mesmo que ela fez (!). Outras IAs de código aberto também não deixam muito claro como funcionam suas bases, embora as proprietárias muito menos. Ainda assim, são os modelos de IA identificados como open source, com seus códigos disponíveis no Github, os que lideram o nível de transparência, segundo este índice criado por pesquisadores da Universidade de Stanford, que identificou como os mais transparentes o StarCoder e o Jurassic 2. Podemos concluir que na escala em que estamos falando desses sistemas estatísticos atualmente, e entendendo o acesso e o tratamento dos dados como elementos constituintes do códigos a ser aberto, uma IA totalmente open source pode ser quase uma utopia. Muitos modelos menores foram e estão sendo treinados com base em conjuntos de dados públicos explicitamente selecionados e com curadoria. Estes podem fornecer todos os processos, os pesos e dados, e assim serem considerados, de fato, como IA de código aberto. Os grandes modelos de linguagem que passamos a chamar de IA generativa, porém, baseiam-se todos em material adquirido e utilizado ilegalmente também porque os conjuntos de dados são demasiado grandes para fazer uma filtragem efetiva de copyright e garantir a sua legalidade – e, talvez, mesmo a sua origem definitiva, dado que muitas vezes podemos ter acesso ao conjunto de uma determinada base de dados, mas não exatamente que tipo de dado desta base foi utilizada para treinamento. Aliás, não é surpresa que hoje muitos dos que estão procurando saber exatamente o dado utilizado são detentores de copyright em busca de processar a Open AI por roubo de conteúdo. Mesmo que siga o desafio de sabermos como vamos lidar com o treinamento e a rastreabilidade dos dados usados pelos modelos de IA, a chegada do DeepSeek como um modelo de código aberto (ou quase) tem enorme importância sobretudo na ampliação das possibilidades de concorrência frente aos sistemas da big techs. Não é como se o império das grandes empresas de tecnologia dos Estados Unidos tivesse ruído da noite pro dia, mas houve uma grande demonstração de como a financeirização da economia global amarrou uma parte gigantesca do valor financeiro do mundo às promessas de engenheiros que claramente estavam equivocados nas suas projeções do que era preciso para viabilizar a inteligência artificial – seja para ganhos especulativos ou por puro desconhecimento. A parte ainda não solucionada da equação é uma repetição do antigo episódio envolvendo o lançamento do Linux: se essa solução estará disponível para ser destrinchada por qualquer um, como isso vai gerar mais independência aos cidadãos? A inteligência artificial tem milhares de aplicações imaginadas, e até agora se pensava em utilizá-la nos processos produtivos de diversas indústrias e serviços pelo mundo. Mas como ela pode sugerir independência e autonomia para comunidades, por exemplo? Espera-se, talvez de maneira inocente, que suas soluções sejam aproveitadas pela sociedade como um todo, e que não sejam meramente cooptadas pelo mercado para usos privados como tem ocorrido até aqui. Por fim, o que se apresenta é mais um marco na história da tecnologia, onde ela pode dobrar a curva da independência, ou seguir no caminho da instrumentalização subserviente às taxas de lucro. 1No original, em inglês: “The program must include source code, and must allow distribution in source code as well as compiled form. Where some form of a product is not distributed with source code, there must be a well-publicized means of obtaining the source code for no more than a reasonable reproduction cost, preferably downloading via the Internet without charge. The source code must be the preferred form in which a programmer would modify the program. Deliberately obfuscated source code is not allowed. Intermediate forms such as the output of a preprocessor or translator are not allowed.”

A A

OUTRAS PALAVRAS

Portal Membro desde 13/12/2024 Segmento: Notícias Premiações:

 

A A

A resistência digital que emerge das periferias Dicionário Marielle Franco mostra a importância do letramento digital nas favelas, para além da habilidade técnica. E aponta: plataformas abertas e “federadas” são essenciais nas lutas periféricas. “Fediverso” mostra que é possível construir outra internet R$ 170 milhões foi aproximadamente o valor investido pelas candidaturas à prefeitura de São Paulo para impulsionar posts em redes sociais nas eleições deste ano. Isso demonstra o sucesso do modelo de negócio das empresas de tecnologia por trás das redes sociais mais populares: coletar dados, traçar perfis e vender anúncios direcionados. Na última década viemos observando o sonho da internet como espaço distribuído, diverso e múltiplo, ser substituído por um espaço monopolizado onde a maior parte do conteúdo produzido e consumido é depositada em plataformas de propriedade de poucas empresas, as chamadas Big Techs, onde o acesso e a distribuição da informação são controladas pelos acionistas e patrocinadores destas empresas que, evidentemente, “apresentam uma manipulação intencional da cognição humana partir dessas tecnologias, com vistas à ampliação da acumulação de capitais”1. O autoritarismo do mercado das redes digitais privativas demonstra o perigo dos espaços de fluxos corporativos como principais canais de informação e interações sociais, entendendo que, de acordo com Manuel Castells: “Espaços de fluxos é a organização material das práticas sociais de tempo compartilhado que funcionam por meio de fluxos. Por fluxos entendo as consequências intencionais, repetitivas e programáveis de intercâmbio interação entre posições fisicamente desarticuladas, mantidas por atores sociais nas estruturas econômica, política e simbólica da sociedade. Práticas sociais dominantes são aquelas que estão embutidas nas classes sociais dominantes”2. Como agravante, os países do sul global, ao não partilharem da produção destas tecnologias dominantes, majoritariamente produzidas no Vale do Silício, se debilitam ainda mais, tornando-se apenas fornecedores de dados, em um contexto denominado por Deivison Faustino e Walter Lippold como colonialismo digital, que atualiza “o imperialismo, o subimperialismo e o neocolonialismo tardio ao reduzir o Sul Global a mero território de mineração extrativista de dados” 3. Esse monopólio da tecnologia utilizada mundialmente, também põe em risco as soberanias nacionais, uma vez que, delegar a poucas empresas privadas as interaçõetecns de países inteiros nas redes sociais é legitimar a força política e a lógica de venda de dados destas gigantes da tecnologia. Ainda mais preocupante é o fato de que algumas delas como o WhatsApp e Twitter, no Brasil, tomaram status de canais de comunicação oficiais de serviços governamentais. Rede estas que são as mesmas que têm influenciado e ameaçado a democracia de diversos países com a leniência na disseminação de fakenews ou na sombra de seus algoritmos que perpetuam desigualdades e desinformação nos feeds. De acordo com a pesquisa Panorama Político 20234, pelo menos 76% da população brasileira foi exposta a informações provavelmente falsas sobre política no segundo semestre de 2022. Entre usuários de aplicativos do WhatsApp e Telegram, 67% entendem que tiveram acesso a esse tipo de conteúdo. Nas demais redes sociais, como Instagram, Facebook, e Youtube, o número é de 83%. Ações têm sido tomadas por estados para contornar este poder desproporcional. Na União Europeia, desde 7 de março de 2024, as Big Techs foram enquadradas às Leis dos Mercados Digitais (DMA, sigla em inglês), que definiu regras para grandes empresas como Google, TikTok e X (antigo Twitter) com penalidades severas, incluindo multas de até 10% da receita global de uma empresa e de até 20% por reincidência. No Brasil tivemos em 2023 o emblemático caso da plataforma X, quando o multibilionário Ellon Musk que decidiu não cumprir a legislação brasileira ao ser intimado a apagar perfis de usuários envolvidos na investigação da CPI das Milícias Digitais. Além de não acatar a ordem da Justiça brasileira, ele desafiou o STF e pediu o impeachment do ministro do Superior Tribunal Federal em seu perfil na rede, ações que levaram ao bloqueio da rede no Brasil em agosto de 2024 que durou em torno de 40 dias. Algoritmos e favelas Não há como falar em capitalismo de dados e práticas sociais dominantes sem mencionar a relação entre os algoritmos e as favelas, reconhecendo os impactos dos seus vieses discriminatórios. O uso de tecnologias digitais de inteligência artificial tem sido implementado na segurança privada e na segurança pública, por exemplo, sem transparência e legislação que regule e defenda os direitos digitais e não têm sido diferente nas redes sociais privativas. A neutralidade de dados não existe nas redes sociais e esse mercado de mecanismos de pesquisas da internet é monopolizado por empresas que não são transparentes e, na maioria das vezes, geram desinformação e reproduzem comportamentos sociais discriminatórios a partir de códigos racistas ou de violência de gênero, como demonstrado nas pesquisas de Safya Noble, no livro Algoritmos da Opressão5. A relação entre algoritmos e favelas é um tema emergente nas discussões sobre tecnologia e desigualdade social. Em um mundo cada vez mais moldado por sistemas automatizados e decisões baseadas em inteligência artificial, as comunidades marginalizadas, como as favelas, muitas vezes são invisibilizadas ou prejudicadas por processos algorítmicos que reproduzem e intensificam as desigualdades estruturais existentes. O uso de algoritmos em áreas como segurança pública, vigilância e serviços urbanos pode ter impactos profundos e, frequentemente, adversos para os moradores dessas regiões. Um exemplo central dessa problemática está no uso de algoritmos de reconhecimento facial pela polícia, especialmente em grandes centros urbanos como o Rio de Janeiro. Estudos mostram que essas tecnologias tendem a ser menos precisas ao identificar pessoas negras e pardas, que compõem a maior parte da população das favelas. Isso resulta em um maior número de falsos positivos e na intensificação de abordagens policiais injustas e discriminatórias contra essas comunidades. Além disso, a introdução de ferramentas algorítmicas no combate à criminalidade tem sido criticada por reforçar estigmas que associam pobreza à criminalidade, perpetuando uma lógica de controle social nas áreas mais vulneráveis6. Outro aspecto relevante é o impacto dos algoritmos sobre o acesso a oportunidades econômicas e sociais. Plataformas digitais de entrega, transporte e serviços, que empregam milhares de trabalhadores das favelas, utilizam algoritmos para distribuir trabalho e calcular tarifas. No entanto, esses algoritmos muitas vezes operam de maneira opaca e podem ser prejudiciais aos trabalhadores, resultando em jornadas exaustivas e baixa remuneração, com pouca transparência sobre como as decisões são tomadas7. A falta de regulação adequada e a ausência de políticas de inclusão digital para essas populações agravam ainda mais o problema. Ademais, algoritmos utilizados em serviços financeiros, como os que avaliam crédito, podem discriminar automaticamente moradores de áreas consideradas de “alto risco”, o que inclui muitas favelas. Isso limita o acesso ao crédito, dificultando a mobilidade econômica e o empreendedorismo dentro dessas comunidades. Enquanto os dados alimentam esses sistemas, a ausência de uma análise crítica sobre como esses algoritmos são projetados e aplicados reforça a exclusão social8. Por outro lado, as favelas também estão encontrando maneiras de resistir e subverter essas lógicas algorítmicas. Movimentos de inclusão digital e iniciativas locais, como redes comunitárias de internet e projetos que promovem o ensino de programação e tecnologia, buscam capacitar os moradores a não apenas entenderem o funcionamento desses sistemas, mas também a criarem suas próprias soluções tecnológicas. Isso inclui o uso de algoritmos para mapear áreas que carecem de serviços públicos ou para promover uma economia local mais justa e inclusiva9. Embora o uso de algoritmos tenha o potencial de melhorar a vida urbana e reduzir desigualdades, é fundamental garantir que essas tecnologias sejam desenvolvidas e implementadas com sensibilidade às realidades das favelas, evitando a reprodução de preconceitos e barreiras sociais. A governança responsável da tecnologia, aliada à participação ativa das comunidades afetadas, pode transformar a maneira como os algoritmos influenciam o espaço urbano e o cotidiano das favelas. Diante desta conjuntura adversa da falta de transparência e regulação das redes sociais, as redes abertas e federadas, chamadas Fediverso apontam para uma possível estrutura de governança da internet que seja mais democrática, pelo fato de ser distribuída, heterogênea e auto gestionária, em oposição às atualmente supercentralizadas e limitadas big techs , conforme declaração multissetorial do NEtMundial, fórum que aconteceu em 2014 e reuniu mais de 180 contribuições de 97 países. Para além da descolonização dos conhecimentos, a apropriação do território digital é necessária Cada vez mais as Favelas e Periferias têm se apropriado das redes sociais para divulgar o protagonismo de suas próprias histórias e narrativas contra-colonizadoras. No entanto, enquanto esse trabalho estiver sujeito a plataformas proprietárias de monopólio, a visibilidade estará condicionada a decisões que visam interesses político comerciais como a maximização dos lucros dos acionistas e o enfraquecimento de democracias. Ao passo que a apropriação da tecnologia, por completo, fica impossibilitada com a alienação da utilização sem conhecimento do funcionamento dos algoritmos envolvidos por detrás e do destino dos dados das pessoas que utilizam. É neste sentido que as tecnologias abertas, feitas em software livre, trazem a oportunidade de real resistência e disputa de territórios do meio digital. Iniciativas como a WikiFavelas, que utilizam uma tecnologia aberta baseada em software livre, tendem a demonstrar a importância de se apropriar também do território digital. Lançada em 2019 no Instituto de Comunicação e Informação Científica e Tecnologia em Saúde (Icict-Fiocruz) como forma de resgate à memória das favelas e periferias, teve um importante papel durante a pandemia de coronavírus no Brasil, servindo como uma plataforma de articulação, preservação e memória do conhecimento produzido nesses territórios. Partindo de parcerias e do apoio a coletivos na produção de dados e materiais de comunicação, a plataforma WikiFavelas participou da disputa contra as fakenews, incidindo também a respeito da subnotificação de casos da doença, através dos Painéis Comunitários e de uma série outros materiais. Algumas organizações, movimentos e coletivos situados em contextos periféricos e favelados vêm trabalhando de maneira sistemática, nos últimos anos, com essa forma de fazer pesquisa – conhecida internacionalmente pelo conceito de Geração Cidadã de Dados –, além de estabelecer parcerias com fundações, institutos, organizações sem fins lucrativos e outras instituições de ensino e pesquisa. São os casos do Data_labe, LabJaca, Casa Fluminense, Instituto Fogo Cruzado, Fala Roça, Redes da Maré, Instituto Raízes em Movimento, Rede Conexões Periféricas, Rede Favela Sustentável, entre outros, no Rio de Janeiro, além de diversas iniciativas pelo Brasil afora. Nesse contexto, jovens moradores de favelas e outras quebradas se especializam, cada vez mais, em diferentes áreas de conhecimento – de filosofia, relações internacionais e ciências sociais, aos cursos de tecnologia da informação, estatística e ciências de dados, passando por comunicação e biblioteconomia. Formação acadêmica, experiência profissional, conhecimentos científicos e empíricos se unem a saberes tradicionais nas lutas por direitos. Fortalecer as redes de produção de conhecimento popular e narrativas de favelas e periferias passa pela escolha das mídias digitais de reprodução dos conteúdos e, por mais que haja produção de informação em outras plataformas, a disputa pela verdade das favelas e periferias nas redes sociais privadas esbarra na teia algorítmica que pode reproduzir as desigualdades sociais e estigmatizações, além de entregar desinformação. Agora, vemos nascer a oportunidade de conectar as diversas tecnologias livres para a produção de conhecimentos e dados na internet, independente de redes privadas. Estendemos o conceito de descolonização do conhecimento nas plataformas ao uso de redes sociais federadas, que são um meio de autonomia e potencialidades na democratização e no uso de redes sociais contra a desinformação e estigmatização de favelas e periferias. Por exemplo, o letramento digital pode ser entendido como a capacidade de compreender, utilizar e interagir criticamente com as tecnologias digitais no contexto contemporâneo. Este conceito vai além da mera habilidade técnica, abrangendo também a compreensão dos impactos sociais, culturais e políticos das tecnologias digitais na vida cotidiana. No âmbito das favelas e periferias, o letramento digital pode desempenhar um papel fundamental na promoção da inclusão social e no empoderamento dos moradores de favela. Ele permite o acesso a oportunidades educacionais, profissionais e de comunicação de populações faveladas. Essa habilidade vai além do simples uso da tecnologia, envolvendo a compreensão de como a tecnologia pode ser usada para melhorar a educação, criar oportunidades econômicas e fortalecer a cidadania digital. Para as populações de favelas e periferias, isso se traduz em acesso a oportunidades de trabalho, educação à distância, empreendedorismo digital e, mais amplamente, no acesso a serviços e informações que antes eram inacessíveis. O que é o Fediverso? Imagine não ter a necessidade de criar uma conta com login e senha para cada rede social? O Fediverso é a possibilidade de intercomunicação entre as diversas redes sociais, de modo que não seja necessário ter uma conta em cada plataforma para acessar seu conteúdo, pois a partir de uma plataforma “A”, pode-se ter acesso ao conteúdo e publicar conteúdo em uma plataforma “B”. Em exemplo mais prático, seria como se a partir do Instagram fosse possível acessar e publicar conteúdo do TikTok. O termo vem do inglês “Fediverse” que é a junção das palavras “Federated” e “Universe”, em tradução livre: universo federado. Esse universo é possível a partir da utilização de um mesmo protocolo aberto por todas as plataformas: o ActivityPub. A analogia mais utilizada para compreender o funcionamento do Fediverso é compará-lo ao Email. Ao utilizarmos o e-mail, podemos ter uma conta no Gmail e nos comunicarmos com quem tem uma conta no Yahoo ou Outlook, por exemplo, isso porque ambas as plataformas utilizam um mesmo protocolo para comunicação. Para além dessa intercomunicação, as tecnologias utilizadas no Fediverso nos permitem escolher onde queremos criar nossa conta pois as plataformas, por serem em código aberto, podem ser instaladas em qualquer servidor. Sendo assim, pode-se escolher utilizar a instância da rede social “A” disponibilizada por uma Universidade, ou escolher utilizar outra instância da mesma rede social “A”, mas que seja disponibilizada por um coletivo. E, graças à natureza descentralizada destas tecnologias baseadas no Fediverso, se torna quase impossível acabar com uma rede social, como foi o caso do X em agosto deste ano pois, caso o proprietário infrinja alguma legislação, e seu serviço seja bloqueado judicialmente, basta que o usuário migre para outra instância daquela mesma rede social e todo o seu conteúdo estará intacto. Além disso, nestas plataformas de código aberto do Fediverso não existe publicidade e nem algoritmo de recomendação, ou seja, o que você segue é o que você vê. Além disso, por mais que uma instância de uma hora para outra defina políticas de uso que entrem em desacordo com o que você deseja, você tem a liberdade de migrar para outra instância qualquer que tenha uma política de privacidade mais adequada ao seu uso. E, uma vez que não há recomendação algorítmica, a oportunidade de visualização das falas é equânime aos falantes, deste modo vislumbramos a possibilidade de voltar aos princípios originários da internet, por isso é dito que o Fediverso é uma rede soberana com um viés mais democrático. Plataformas do Fediverso como o Mastodon e Bluesky que é similar ao X (antigo Twitter) tem atraído novos participantes nos últimos anos, principalmente após as intempéries do novo dono da rede do passarinho azul, no entanto ainda é relativamente baixa a quantidade de pessoas online no Fediverso. Segundo o site Fediverse Party, portal que reúne o número de instâncias do Fediverso, atualmente a rede possui 14.775.351 contas de usuários e 17.285 instâncias. Levando em conta que este número é calculado com base nas instâncias que estão cadastradas no site, ou seja, o número pode ser ainda muito maior A plataforma Lemmy, que é similar ao Reddit, também foi porta de entrada para o universo federado, graças às controvérsias de 2023 quando o Reddit irritou seus moderadores e usuários ao anunciar mudanças restritivas em sua API para aplicativos de terceiros, aumento da quantidade de anúncios e monetização, e maior controle exercido sobre as comunidades públicas. Já a multiplicidade de plataformas é apontada como um problema de adesão de novos usuários que, acostumados com as redes centralizadas, se confundem com o funcionamento de redes descentralizadas. Além disso, alguns críticos alertam para o fato de que o conteúdo propagado no Fediverso pode se tornar eternamente disponível na internet – mesmo quando removido pelo usuário – levantando fortes preocupações quanto à privacidade, cyberbullying e conteúdo ilegal, embora propostas para solucionar este aspecto já estejam sendo debatidas e implementadas no código-fonte. Repentes de autoritarismo de donos das redes proprietárias e insegurança dos usuários pelo uso de seus dados, têm sido os bons motivos para a adesão de nova pessoas no Fediverso, mas os esforços das Big Techs para a retenção dos consumidores em suas plataformas são fortes e esta batalha está só começando. Além disso, iniciativas como o Observatório do Fediverso, realizada pela associação Alquimídia se dedicam a difundir e orientar sobre como fazer parte do Fediverso. Conclusão As redes federadas são ambientes de arquitetura aberta e distribuídas, ainda em evolução, mas é enorme seu potencial para transformar a maneira como nos comunicamos e participamos online. Ao apoiar o desenvolvimento e a adoção dessas redes, podemos contribuir para a construção de uma democracia digital que respeite os direitos humanos: a liberdade de expressão e de associação, privacidade, acessibilidade.

A A

OUTRAS PALAVRAS

Portal Membro desde 13/12/2024 Segmento: Notícias Premiações: