Privacy ...A word that is almost extinct

Privacy A word that is almost extinct... The end of privacy in the digital world is the result of the increasing erosion of the barriers that once protected personal life in the context of technology. With the expansion of the internet, social networks and connected devices, the amount of data generated by individuals has skyrocketed. This data, from consumption habits to real-time locations, is collected, stored and often monetized by companies and governments, often without the explicit consent or full understanding of users. 

The emergence of generative AI and its hunger for data to train models has made this scenario even more explicit.

All of our online steps leave permanent traces. On average, a person connected to the internet generates an impressive amount of information daily. For example, studies show that, in 2023, a typical smartphone user produced around 1.5 GB of data per month in network traffic alone. This includes browsing, streaming and applications. But the digital trail goes far beyond that, as it encompasses everything you click, search, post, like or even hesitate before deciding.

Social media amplifies this volume. An active user on X, for example, can generate dozens or hundreds of interactions per day (posts, likes, retweets), each recorded with metadata such as time, location and device. Google, for its part, processes around 99,000 searches per second globally, and each search contributes to a profile that can already contain thousands of data points about a person, from what you search for to the time you spend reading results.

In addition, digital culture has changed expectations of privacy. People voluntarily share intimate details on social media, while devices such as virtual assistants and home security cameras capture audio and video in spaces previously considered inviolable. The combination of voluntary exposure and involuntary collection creates a scenario where the concept of the “private sphere” is increasingly blurred.

The prevailing trend is towards a world where privacy, as we once knew it, seems like a luxury of the past, replaced by convenience, connectivity and an inescapable sense of enforced transparency.

What ? What Is AI and What Is Not AI?

So, what exactly is AI? 

In simple words, AI refers to the simulation of human intelligence in machines that are programmed to think, learn, and make decisions. 

An AI solution has five key building blocks.

1. Data: Data means numbers, characters, images, audio, video, symbols, or any repository on which operations can be performed by a computer.
2. Algorithm: An algorithm is a sequence of calculations and rules used to solve a problem using data that is optimized in terms of time and space.
3. Model: A model is a combination of data and algorithms used to generate the response. Once you have a model, you can constantly provide it with new data and algorithms and continue its refinement. 
4. Response: The responses are the results or outputs from the models. The outputs are based on the specific objectives that could be related to automating tasks, providing insights, aiding decision-making processes, and more.
5. Ethics: Ethics refers to the moral principles and guidelines governing the collection, processing, analysis, interpretation, and application of data and insights in AI. Ethical considerations are crucial in ensuring that data-driven outputs contribute to the positive social, economic, and environmental impacts of the organization and the community.

has three key characteristics:

1. Learning: The ability to learn from data and improve over time without explicit programming.
2. Adaptability: The capability to adapt to new situations and use cases beyond their initial or original purpose. An AI system should have the capability to reason or think and address the objectives through logical deduction.
3. Autonomy: The AI system should perform tasks independently with minimal or even zero human intervention.

There are details in implementations, to have integrated or applied AI... that we will not explain here yet...

Other than that, no AI, simple!

 houve um aumento sem precedentes no interesse em torno da inteligência artificial (IA). Essa atenção aumentada abrange uma infinidade de setores, incluindo empresas comerciais, empresas de tecnologia, empresas de capital de risco, universidades, governos, veículos de mídia e muito mais. À medida que o interesse em IA se intensifica, algumas empresas até renomearam suas soluções de software existentes como produtos de "IA", um fenômeno frequentemente chamado de "lavagem de IA". Além disso, há também um crescente senso de "FOMO" (medo de ficar de fora) entre as corporações em relação à adoção de IA.

Então, o que exatamente é IA? Em palavras simples, IA se refere à simulação da inteligência humana em máquinas que são programadas para pensar, aprender e tomar decisões.

**Uma solução de IA tem cinco blocos de construção principais.**

**Dados:** Dados significam números, caracteres, imagens, áudio, vídeo, símbolos ou qualquer repositório no qual operações podem ser executadas por um computador.

**Algoritmo:** Um algoritmo é uma sequência de cálculos e regras usadas para resolver um problema usando dados que são otimizados em termos de tempo e espaço.

**Modelo:** Um modelo é uma combinação de dados e algoritmos usados ​​para gerar a resposta. Depois de ter um modelo, você pode constantemente fornecer novos dados e algoritmos e continuar seu refinamento.

**Resposta:** As respostas são os resultados ou saídas dos modelos. As saídas são baseadas nos objetivos específicos que podem estar relacionados à automação de tarefas, fornecimento de insights, auxílio em processos de tomada de decisão e muito mais.

**Ética:** Ética se refere aos princípios e diretrizes morais que regem a coleta, processamento, análise, interpretação e aplicação de dados e insights em IA. Considerações éticas são cruciais para garantir que as saídas baseadas em dados contribuam para os impactos sociais, econômicos e ambientais positivos da organização e da comunidade.

No entanto, o termo “IA” frequentemente causa confusão devido ao seu uso amplo e às vezes vago. Um sistema de “IA verdadeira”, composto por um agente que executa a tarefa no ambiente, tem três características principais:

**Aprendizado:** A capacidade de aprender com dados e melhorar ao longo do tempo sem programação explícita.

**Adaptabilidade:** A capacidade de se adaptar a novas situações e casos de uso além de seu propósito inicial ou original. Um sistema de IA deve ter a capacidade de raciocinar ou pensar e abordar os objetivos por meio de dedução lógica.

**Autonomia:* O sistema de IA deve executar tarefas de forma independente com intervenção humana mínima ou mesmo zero.

Na prática, a IA pode funcionar em qualquer situação em que se possa derivar padrões de dados e formular regras para processamento. Em outras palavras, os sistemas de IA têm um desempenho ruim em ambientes imprevisíveis e não estruturados, onde há falta de objetivos claros, dados de qualidade e regras predefinidas. Embora a IA possa analisar grandes quantidades de dados, identificar padrões e derivar regras, ela não pode gerar hipóteses verdadeiramente novas. A verdadeira inovação geralmente requer intuição e uma compreensão sólida de princípios e práticas de inovação mais amplos. Por último, mas não menos importante, a IA pode lutar com dilemas éticos e tomar decisões que exigem raciocínio moral, empatia e compreensão da cultura e dos valores humanos.

Então, quais são os casos de uso reais da IA? 

Onde as três características da IA ​​discutidas acima são aplicadas ou usadas? 

Um veículo autônomo é um exemplo clássico de uma solução de IA que aplica as três características da IA, ou seja, aprendizado, raciocínio e tomada de decisão, em tempo real, para criar um veículo capaz de dirigir sem intervenção humana. 

Os veículos autônomos da Waymo são equipados com um conjunto de sensores, recursos de LiDAR e radar e câmeras de alta definição para coletar grandes quantidades de dados sobre a navegação do veículo e seus arredores. Algoritmos avançados de aprendizado de máquina são usados ​​para processar e interpretar esses dados. Esses modelos são constantemente treinados em vastos conjuntos de dados, permitindo que o carro reconheça e categorize novos objetos e situações, preveja as ações de outros usuários da estrada e tome decisões de direção em tempo real para garantir uma direção segura e eficiente.

Outro caso de uso em que as três características da IA ​​— aprendizado, raciocínio e tomada de decisão — são usadas é na escrita de um livro. Sistemas de IA como o ChatGPT são treinados em extensos conjuntos de dados, como livros, artigos e outros tipos de conteúdo. Esse treinamento permite que a IA entenda padrões de linguagem, estruturas narrativas e elementos estilísticos. A IA pode obter conhecimento para entender os componentes de uma história e raciocinar sobre as motivações dos personagens para criar enredos envolventes. 

À medida que a história avança, a IA pode tomar decisões sobre reviravoltas na trama e ações dos personagens. 

Aqui está um exemplo de como o ChatGPT, que usa a arquitetura GPT-4, escreveu uma história sobre mim (mesmo que algumas das respostas sejam imprecisas ainda ou talvez sempre imprecisas ).

IA é o seu Ás!

IA é nada ou mundo de novo para alguns, ou até tudo para alguns, mas sem falsas modéstias mas quem vive, cresceu na área de programação de computadores e está ligado as evoluções desde BigData, Deep Leraning ... e ai ..ai vem IA !  Como usar ?  Como requerer ?  Como fazer ser estratégico... 

Se você jogar suas cartas corretamente, 

AI é o seu ás!

O que está realmente acontecendo:

1. Mudança de potência

- Do monopólio aos indivíduos

- Da permissão à criação

- De guardiões a sonhadores

2. Super ferramentas, democracia!

- IA não é a história

- Sua visão é

- Os resultados falam mais alto

3. Nova Sociedade Criativa

- Não há mais espera

- Não mais perguntar

- Sem mais limites

4. Porque aqui está a verdade:

O público não se importa com suas ferramentas

Eles se importam com o que você faz com que eles se sintam

Eles se importam com o que você cria

Eles se importam com sua história

Os portões estão fechados.

As ferramentas são acessíveis.

O mundo está pronto!

Sua jogada.

Recorde : Eles vão se lembrar o que você criou

Não é o que você criou.

Which way data security...

In a scenario where technology and the internet permeate all aspects of business, cybersecurity has become a key strategic issue for companies of all sizes.

Organizations are increasingly aware that failure to protect sensitive data and internal systems can have serious consequences.

Data leaks, breaches and other security incidents don’t just affect financially and operationally; they also directly impact the reputation and trust that customers, partners and the market place in the brand.

But companies still do not know how to hire cyber security services, in a planned way in alignment with the solutions that make the process of data inputs and outputs that the company has with platforms that it uses, mobile apps, access and access control of your employees and customer data as well.

They say a lot about the subject, and in the end you think that a security product is the solution and it’s not! And when they find out it was not effective, but the fault is the product or that the company has no strategy.

Which way is this theme so talked about, commented and feared, which way? 

Agilidade ou rapidez ??? - - Agility or speed ???

In our projects and searches for better production, I seek tools that can support me to design and implement projects in a more agile and productive way, with ballast from where, how it was done and knowing what reflects in the project I develop for customers, this I use the word agile and not fast. This because the speed can generate for the theme of implement, software engineering, programming a software instabilities, insecurity, the word agile reserves within it the speed of a method that practice became so agile that you or your team performs fast, this acquires with training, experience and failures to result in good practices, good results and agile deliveries are low, medium and high complexity projects. In my day to day with "builds", review, project design and tasks either as a programmer or project manager of three to thirty programmers, I see in the publications and checks of Google and Apple, but concerned about testing what I use in the project or what your project aims at, generating effort in my point of view unnecessary, cases to learning, but most in this topic specific unnecessary explain why used an acceleration framework that you master to a host that will be coupled to work on a platform "store", because and why to be explained the person without need to know, if you are following the rules of that platform " store".  

Look at how the dominant operating systems emerged, such as Android and iOS whatever versions they were derived from UNIX!  This of the old and good UNIX .... this is little talked about because we live a generation that seems not to like to understand why there is such a thing!  And the old, good and stable UNIX generated opportunity for existence of Android and iOS and ai who can and understands software engineering and computer programming, it is normal to reuse and use what has best practiced in an older project and bring to the world that you want functional and consequently market, programmers, good programmers do this time use stable accelerators...

Who is marketing, who is psychology, do not understand and will have different views... a few will use the benefit ...

<<portuguez-br>>

Em nossos projetos e buscas por melhor produção, busco ferramentas que podem me apoiar a desenhar e implementar projetos de forma mais ágil e produtiva, com lastro de onde, como foi feito e saber o que reflete no projeto que eu desenvolvo para os clientes, isto uso a palavra ágil e não rápido. Isto pois a rapidez pode gerar para o tema de implementar, engenharia de software, programação de um software instabilidades, insegurança, a palavra ágil reserva dentro dela a rapidez de um método que prática ficou tão ágil que você ou sua equipe executa rápido, isto adquire com treino, vivência e insucessos para resultar em práticas boas, de bons resultados e de entregas ágeis sejam projetos de baixa, média e ou alta complexidade. Em meu dia a dia com "builds", revisão, desenho de projeto e tarefas seja como programador ou gerente de projeto de uns três a trinta programadores, vejo na publicações e verificações da Google e da Apple, mas preocupada em testar o que uso no projeto ou o que o seu projeto tem como objetivo, gerando esforço em meu ponto de visão desnecessário, casos até aprendizado, mas a maioria neste tema especifico desnecessário explicar porque usou uma framework de aceleração que você domina para um hospedeiro do que estará acoplado a funcionar numa plataforma "store", porque e porquês a serem explicados a pessoa sem necessidade de saber, se você esta seguindo as regras daquela plataforma " store".  Olhemos como os sistemas operacionais dominantes surgiram, como o Android e o iOS sejam quais forem as versões, derivaram do UNIX !  Isto do velho e bom UNIX .... isto é pouco falado pois vivemos uma geração que parece que não gosta de entender o porque existe tal feito !  E o velho, bom e estável UNIX gerou oportunidade para existência do Android e do iOS e ai quem pode e entende de engenharia de software e programação de computadores, é normal reusar e usar o que tem de melhor praticado num projeto mais antigo e trazer ao mundo que você deseja funcional e consequentemente de mercado,  programadores , bons programadores fazem isso o tempo usam aceleradores estáveis...

Quem é de marketing , quem é da psicologia, não entendem e vão ter visões diferentes... alguns poucos vão usar o beneficio ...

<<portuguez-br>>

  

SOFTWARE Where ? Without software ! Hmmm

What does a well-implemented SOFTWARE represent for your life and your company??? Think !  Software today is part of the SAME business. Any company, in any sector, depends to a greater or lesser extent on its software to work. A BANK without software does nothing, a GENERAL SERVICES company without SOFTWARE is NOTHING ! But, there are shadows hanging over the companies. It is the so-called technical debt, a software development concept that emerged around the early 1990s. The term comes from a metaphor inspired by the concept of existing debt in the area of finance and business, applied to the software field. Outdated software incurs future costs, such as credit cards: interest, to be refunded in the form of additional maintenance time and increasingly frequent bug fixes. The technical debt must be paid quickly to avoid the accumulation of interest, hence the analogy with the concept of financial debt, exists for TECHNOLOGY.

Hence, many companies look with anxiety and optimism at using generative AI such as Copilot, AI Frameworks and chatGPT and others to mitigate the problem. And of course, the super optimists believe that in up to ten years we will no longer need developers. Well, to me, affirmations in that sense have no scientific basis. Generative AI is not miraculous, but it can be a tool kit to increase productivity, not replace developers.

There is much more to software engineering than just generating code, such as getting user requirements up to debugging and testing. One of the most fundamental programming Skills remains the domain of humans : problem solving. Analyzing a problem and finding an elegant solution to it is still a programming experience that is still far from being done by current algorithms. 

The creative aspect the skills of addressing a problem are more important than the language or tools. Don’t fall into the trap of comparing yourself to AI, which is a statistical output of a great model. This would underestimate the human capacity of the software creation activity. There are big differences between what a human developer does and what a probabilistic model generates: being a developer is more than just writing arbitrary lines of code. The root of the problem: we have a tendency to anthropomorphize AI and so we call an AI tool a co-worker. This is equating their production to human labor. The concept that the metrics of an AI tool are directly compared to those of human workers is at best inadequate.

Therefore, software engineering is much more than winning programming contests. Good software engineering practices are proving even more valuable than before. These practices include planning system design and software architecture, which serves as a good context for AI-based tools to be used to more effectively predict what code you need to generate. Therefore, the generation of code by these tools is only a complement to the human activity of software engineering.

Programming and software engineering, defines society its vital importance and the training of programmers who seek to know and understand and not just memorize frameworks.

Uma empresa sem SOFTWARE ?

O que representa um SOFTWARE bem implementado para sua vida e sua empresa??? Pense !  Software hoje é parte do negócio MESMO. Qualquer empresa, de qualquer setor, depende em maior ou menor grau dos seus softwares para funcionar. Um BANCO sem software não faz nada, uma empresa de SERVIÇOS GERAIS sem SOFTWARE não é NADA ! Mas, existem sombras pairando sobre as empresas. É a chamada dívida técnica, um conceito de desenvolvimento de software que surgiu por volta do início dos anos 90. O termo vem de uma metáfora inspirada no conceito de dívida existente na área de finanças e negócios, aplicada ao campo de software. Um software desatualizado incorre em custos futuros, como em cartões de crédito: juros, a serem reembolsados na forma de tempo adicional de manutenção e correção de bugs cada vez mais frequentes. A dívida técnica deve ser paga rapidamente para evitar o acúmulo de juros, daí a analogia com o conceito de dívida financeira, existe para TECNOLOGIA a divida TECNOLOGICA.

Daí que muitas empresas olham com ansiedade e otimismo o uso da IA generativa como o Copilot e o chatGPT e outros, para mitigar o problema. E claro, os superotimistas acreditam que em até dez anos não precisaremos mais de desenvolvedores. Bem, para mim afirmativas nesse sentido não tem base científica. A IA generativa não é milagrosa, mas pode ser sim, um tool kit para aumentar a produtividade, não substituir os desenvolvedores.

Há muito mais na engenharia de software do que apenas gerar código, como obter requisitos do usuário até depuração e teste. Um dos skills de programação mais fundamentais continua sendo domínio dos humanos : resolução de problemas. Analisar um problema e encontrar uma solução elegante para ele ainda é uma experiência de programação que está ainda muito longe de ser feita pelos algoritmos atuais. 

O aspecto criativo as habilidades de abordar um problema são mais importantes do que a linguagem ou as ferramentas. Não caia na armadilha de se comparar à IA, que é uma saída estatística de um grande modelo. Isso seria subestimar a capacidade humana da atividade de criação de software. Existem grandes diferenças entre o que um desenvolvedor humano faz e o que um modelo probabilístico gera: ser um desenvolvedor é mais do que apenas escrever linhas arbitrárias de código. A raiz do problema: temos a tendência de antropomorfizar a IA e por isso chamamos uma ferramenta de IA de colega de trabalho. Isso é equiparar sua produção ao trabalho humano. O conceito de que as métricas de uma ferramenta de IA sejam diretamente comparadas às dos trabalhadores humanos é, na melhor das hipóteses, inadequada.

Portanto, a engenharia de software é muito mais do que vencer concursos de programação. Boas práticas de engenharia de software estão se mostrando ainda mais valiosas do que antes. Essas práticas incluem o planejamento do design do sistema e da arquitetura do software, que serve como um bom contexto para que ferramentas baseadas em IA sejam usadas para prever com mais eficiência qual código você precisa gerar. Portanto, a geração de código por essas ferramentas é apenas um complemento da atividade humana da engenharia de software.

A programação e a engenharia de software, define a sociedade sua vital importância e a formação de programadores que buscam conhecer e entender e não decorar somente frameworks.