Blog

Se tem algo que ficou claro no SXSW 2025, é que não estamos mais diante de revoluções tecnológicas isoladas. O futuro não é IA de um lado, computação quântica do outro e biotecnologia em um canto distante. O que está acontecendo agora é a fusão dessas frentes. E toda vez que a humanidade experimentou grandes integrações tecnológicas, deu saltos que mudaram tudo.

A IA não está apenas se tornando mais eficiente, mas aprendendo com a neurociência. Não se trata mais de máquinas executando tarefas, mas de sistemas que evoluem e influenciam nossa cognição. Amy Webb, CEO do Future Today Strategy Group, chamou esse conceito de Living Intelligence: um ecossistema vivo onde sensores, algoritmos e organismos biológicos aprendem e tomam decisões de forma autônoma. Ou seja, a IA está deixando de ser apenas uma ferramenta e se tornando um agente vivo na equação da inovação.

Mas não para por aí. A relação entre psicodélicos e computação quântica pode parecer um conceito de ficção científica, mas ambos exploram os limites da percepção e da realidade. Em um dos painéis mais inesperados do evento, pesquisadores discutiram como os efeitos da psilocibina, substância psicoativa que pode induzir experiências místicas ou alterações de percepção no cérebro, pode inspirar novas formas de modelagem computacional e neurointerfaces. A fusão entre essas áreas pode resultar em avanços não só na forma como interagimos com a tecnologia, mas na própria definição do que significa ser inteligente.

A biotecnologia e a robótica também estão atravessando suas próprias fronteiras. Não estamos mais apenas criando próteses ou manipulando genes, mas mesclando o orgânico e o sintético de formas que redefinem o que significa ser humano. No Brain-Skin Connection Seminar, Dr. Emily Fowler mostrou como o estresse não afeta apenas o emocional, mas pode reescrever nossa biologia em nível celular. A conexão entre corpo e tecnologia está deixando de ser externa para se tornar algo incorporado ao próprio funcionamento humano.

No campo da computação quântica, o CEO da IBM, Arvind Krishna, afirmou que estamos a menos de três anos de um grande avanço. A corrida para alcançar a supremacia quântica está em ritmo acelerado, com empresas como AWS e Microsoft investindo pesado na infraestrutura para tornar esses sistemas acessíveis. Enquanto isso, no painel “Preparing for a Quantum Leap”, especialistas como Dr. Jeanette Garcia (IBM Quantum) discutiram como essa tecnologia pode revolucionar a descoberta de medicamentos e a modelagem molecular, mudando completamente setores como saúde e materiais avançados.

Mas será que estamos prontos para essas integrações? Esther Perel, psicoterapeuta renomada, fez um alerta: quanto mais avançamos na tecnologia, mais nos desconectamos como sociedade. Hoje, estamos mais ligados a algoritmos do que a pessoas. E se a próxima fronteira da IA não for apenas imitar o pensamento humano, mas preencher as lacunas emocionais que estamos deixando para trás?

E no meio de tudo isso, uma provocação: como Amy Webb solta um relatório de tendências com 1000 páginas? Isso é um reflexo da velocidade absurda das mudanças ou um alerta de que estamos sobrecarregados de possibilidades? Estamos mesmo indo na direção certa ou apenas correndo sem rumo? Tem muito ruído nesse mundo e é preciso ter calma para separá-los e observar os sinais. 

Continuo acreditando que o deep tech potencializa as capacidades humanas, mas para isso precisamos evoluir como humanos, tirar a empolgação da tecnologia e criar conexões reais. Será que estamos diante de um salto evolutivo ou de um colapso da nossa própria identidade? Saberemos em breve. 

Sem dúvida, o SXSW foi um espetáculo de conexões e networking. Mas, entre tantas interações e trocas de ideias, um destaque incontestável foi a SP House. Além de apresentar conteúdos relevantes, o espaço do Brasil – sim, temos muita coisa boa para mostrar – trouxe reflexões profundas sobre diversidade, um tema que, para minha surpresa, esteve praticamente ausente nos outros painéis. Kond e Malheiros foram certeiros ao abordar a importância do acesso e inclusão, provando que inovação sem diversidade é um conceito vazio.

Poucos palestrantes tiveram coragem de tocar em questões como o domínio e a influência das big techs e o atual momento político dos EUA. Foi uma rara exceção em um evento que, historicamente, sempre abriu espaço para debates mais ousados. A CEO da Bluesky, Jay Graber, fez uma crítica direta ao modelo centralizado das redes sociais e à crescente concentração de poder das plataformas digitais. Segundo ela, “se um bilionário decidir amanhã mudar tudo, as pessoas devem ter a opção de migrar para outro lugar”, reforçando a necessidade de descentralização para garantir a liberdade digital.

E, neste assunto, o debate vai precisar ser constante. Ao mesmo tempo em que essas tecnologias nos prometem um futuro mais conectado e eficiente, é essencial refletirmos sobre as consequências dessa evolução. A fusão de áreas como IA, biotecnologia e computação quântica não só expande as possibilidades, mas também desafia a maneira como entendemos liberdade e controle. Se conseguirmos equilibrar inovação com responsabilidade, poderemos alcançar avanços que realmente transformem nossas vidas para melhor. Mas, para isso, precisamos garantir que essas tecnologias sirvam à humanidade, e não o contrário.

Mais de três décadas atrás, a Red Hat viu o potencial do desenvolvimento e das licenças open source para criar melhores softwares e fomentar a inovação de TI. Trinta milhões de linhas de código depois, o Linux não apenas se desenvolveu a ponto de se tornar o software open source mais bem-sucedido, como também mantém essa posição até hoje. O compromisso com os princípios open source continua, não apenas no modelo de negócios corporativa, como também é parte cultura de trabalho. Na avaliação da empresa, esses conceitos têm o mesmo impacto na inteligência artificial (IA) se feitos da maneira correta, mas o mundo da tecnologia está dividido em relação ao que seria a “maneira certa”.

A IA, em especial os grandes modelos de linguagem (LLMs) por trás da IA generativa (gen AI), não pode ser vista da mesma forma como um programa aberto. Ao contrário do software, os modelos de IA consistem principalmente em modelos de parâmetros numéricos que determinam como um modelo processa inputs, assim como a conexão que faz entre vários data points. Parâmetros de modelos treinados são o resultado de um longo processo envolvendo vastas quantidades de dados de treinamento que são cuidadosamente preparados, misturados e processados.

Embora os parâmetros do modelo não sejam software, em alguns aspectos possuem uma função semelhante ao código. É fácil fazer a comparação de que os dados são o código-fonte do modelo, ou seriam muito próximos a ele. No open source, o código-fonte é comumente definido como a “forma preferida” para fazer modificações no software. Os dados de treinamento sozinhos não se encaixam nessa função, dado que seu tamanho difere e do seu complicado processo de pré-treinamento que resulta em uma conexão tênue e indireta que qualquer item dos dados usados no treinamento tem com os parâmetros treinados e o comportamento resultante do modelo.

A maioria das melhorias e aprimoramentos em modelos de IA que estão ocorrendo agora na comunidade não envolvem acesso ou manipulação dos dados originais de treinamento. Em vez disso, eles são o resultado de modificações nos parâmetros de modelo ou em um processo ou ajuste que também pode servir para ajustar a performance do modelo. A liberdade de fazer essas melhorias no modelo exige que os parâmetros sejam lançados com todas as permissões que os usuários recebem sob licenças open source.

Visão da Red Hat para a IA open source.

A Red Hat acredita que a base do IA open source se encontra nos parâmetros de modelo licenciados de forma open source combinados com componentes de software open source. Este é um ponto de partida da IA open source, mas não o último destino da filosofia. A Red Hat incentiva a comunidade open source, autoridades regulatórias e a indústria a continuarem se esforçando para obter maior transparência e alinhamento com os princípios de desenvolvimento open source ao treinar e ajustar modelos de IA.

Esta é a visão da Red Hat como empresa, que abrange um ecossistema de software open source, pode engajar de forma prática com a IA open source. Não é uma tentativa de definição formal, como a que a Open Source Initiative (OSI) está desenvolvendo com a sua Open Source AI Definition (OSAID). Esse é o ponto de vista da corporação faz da  IA open source factível e acessível para o maior conjunto de comunidades, organizações e fornecedores.

Esse ponto de vista em prática é posto em prático por meio do trabalho com as comunidades open source, destacado pelo projeto InstructLab, liderado pela Red Hat e do esforço com a IBM Research na família Granite de modelos open source licenciados. O InstructLab reduz significativamente as barreiras para que pessoas que não são cientistas de dados contribuam com modelos de IA. Com o InstructLab, especialistas de domínio de todas os setores podem acrescentar suas habilidades e conhecimento, tanto para uso interno como para ajudar um modelo open source IA compartilhado e amplamente acessível para comunidades upstream.

A família de modelos Granite 3.0 lida com uma ampla gama de casos de uso de IA, desde geração de código até processamento de linguagem natural para extrair insights de grandes datasets, tudo sob uma permissiva licença open source. Nós ajudamos a IBM Research a trazer a família de modelos de código Granite para o mundo open source e continuamos a oferecer suporte à família de modelos, tanto do ponto de vista open source como parte de nossa oferta Red Hat AI .

A repercussão dos recentes anúncios da DeepSeek mostra como a inovação open source pode impactar a IA, tanto no nível do modelo como além. Obviamente há preocupações sobre a abordagem da plataforma chinesa, principalmente que a licença do modelo não explica como ele foi produzido, o que reforça a necessidade de transparência. Dito isso, a disrupção mencionada reforça a visão da Red Hat sobre o porvir da IA: um futuro aberto, focado em modelos menores, otimizados e abertos, que podem ser customizados para casos de uso de dados empresariais específicos em todo e qualquer local da nuvem híbrida. 

Expandindo modelos de IA para além do open source

O trabalho da Red Hat no espaço da IA open source vai muito além do InstructLab e da família de modelos Granite, indo até as ferramentas e plataformas necessárias para de fato consumir e produtivamente usar IA. A empresa se tornou muito ativa no fomento de projetos e comunidades de tecnologia, como por exemplo (mas não apenas):

●      RamaLama, um projeto open source que visa facilitar o gerenciamento e a disponibilização locais de modelos de IA;

●      TrustyAI, um toolkit open source para a construção de fluxos de trabalho de IA mais responsáveis;

●      Climatik, um projeto centrado em ajudar a tornar a IA mais sustentável quando se trata de consumo de energia;

●      Podman AI Lab, um toolkit de desenvolvedores focado em facilitar a experimentação com LLMs open source;

O recente anúncio sobre a Neural Magic amplia a visão corporativa sobre IA, fazendo com que seja possível para que organizações alinhem modelos de IA menores e otimizados, incluindo sistema open source licenciados, com seus dados, onde quer que vivam na nuvem híbrida. As organizações de TI podem, então, utilizar o servidor de inferência vLLM para impulsionar as decisões e a produção destes modelos, ajudando a construir uma pilha de IA baseada em tecnologias transparentes e com suporte.

Para a corporação, a IA open source AI vive e respira na nuvem híbrida. A nuvem híbrida fornece a flexibilidade necessária para escolher o melhor ambiente para cada carga de trabalho de IA, otimizando a performance, custo, escala e requerimentos de segurança. As plataformas, metas e organização da Red Hat apoiam estes esforços, juntamente com parceiros do setor, clientes e a comunidade open source, à medida que o código aberto na inteligência artificial seja impulsionado.

Há um imenso potencial para ampliar essa colaboração aberta no espaço da IA. A Red Hat enxerga um futuro que abrange trabalho transparente em modelos, assim como seu treinamento. Seja na próxima semana ou no próximo mês (ou até antes, dada a rapidez da evolução da IA), a empresa e comunidade aberta, como um todo, continuarão a poiar e adotar os esforços para democratizar e abrir o mundo da IA.

Mais de três décadas atrás, a Red Hat viu o potencial do desenvolvimento e das licenças open source para criar melhores softwares e fomentar a inovação de TI. Trinta milhões de linhas de código depois, o Linux não apenas se desenvolveu a ponto de se tornar o software open source mais bem-sucedido, como também mantém essa posição até hoje. O compromisso com os princípios open source continua, não apenas no modelo de negócios corporativa, como também é parte cultura de trabalho. Na avaliação da empresa, esses conceitos têm o mesmo impacto na inteligência artificial (IA) se feitos da maneira correta, mas o mundo da tecnologia está dividido em relação ao que seria a “maneira certa”.

A IA, em especial os grandes modelos de linguagem (LLMs) por trás da IA generativa (gen AI), não pode ser vista da mesma forma como um programa aberto. Ao contrário do software, os modelos de IA consistem principalmente em modelos de parâmetros numéricos que determinam como um modelo processa inputs, assim como a conexão que faz entre vários data points. Parâmetros de modelos treinados são o resultado de um longo processo envolvendo vastas quantidades de dados de treinamento que são cuidadosamente preparados, misturados e processados.

Embora os parâmetros do modelo não sejam software, em alguns aspectos possuem uma função semelhante ao código. É fácil fazer a comparação de que os dados são o código-fonte do modelo, ou seriam muito próximos a ele. No open source, o código-fonte é comumente definido como a “forma preferida” para fazer modificações no software. Os dados de treinamento sozinhos não se encaixam nessa função, dado que seu tamanho difere e do seu complicado processo de pré-treinamento que resulta em uma conexão tênue e indireta que qualquer item dos dados usados no treinamento tem com os parâmetros treinados e o comportamento resultante do modelo.

A maioria das melhorias e aprimoramentos em modelos de IA que estão ocorrendo agora na comunidade não envolvem acesso ou manipulação dos dados originais de treinamento. Em vez disso, eles são o resultado de modificações nos parâmetros de modelo ou em um processo ou ajuste que também pode servir para ajustar a performance do modelo. A liberdade de fazer essas melhorias no modelo exige que os parâmetros sejam lançados com todas as permissões que os usuários recebem sob licenças open source.

Visão da Red Hat para a IA open source.

A Red Hat acredita que a base do IA open source se encontra nos parâmetros de modelo licenciados de forma open source combinados com componentes de software open source. Este é um ponto de partida da IA open source, mas não o último destino da filosofia. A Red Hat incentiva a comunidade open source, autoridades regulatórias e a indústria a continuarem se esforçando para obter maior transparência e alinhamento com os princípios de desenvolvimento open source ao treinar e ajustar modelos de IA.

Esta é a visão da Red Hat como empresa, que abrange um ecossistema de software open source, pode engajar de forma prática com a IA open source. Não é uma tentativa de definição formal, como a que a Open Source Initiative (OSI) está desenvolvendo com a sua Open Source AI Definition (OSAID). Esse é o ponto de vista da corporação faz da  IA open source factível e acessível para o maior conjunto de comunidades, organizações e fornecedores.

Esse ponto de vista em prática é posto em prático por meio do trabalho com as comunidades open source, destacado pelo projeto InstructLab, liderado pela Red Hat e do esforço com a IBM Research na família Granite de modelos open source licenciados. O InstructLab reduz significativamente as barreiras para que pessoas que não são cientistas de dados contribuam com modelos de IA. Com o InstructLab, especialistas de domínio de todas os setores podem acrescentar suas habilidades e conhecimento, tanto para uso interno como para ajudar um modelo open source IA compartilhado e amplamente acessível para comunidades upstream.

A família de modelos Granite 3.0 lida com uma ampla gama de casos de uso de IA, desde geração de código até processamento de linguagem natural para extrair insights de grandes datasets, tudo sob uma permissiva licença open source. Nós ajudamos a IBM Research a trazer a família de modelos de código Granite para o mundo open source e continuamos a oferecer suporte à família de modelos, tanto do ponto de vista open source como parte de nossa oferta Red Hat AI .

A repercussão dos recentes anúncios da DeepSeek mostra como a inovação open source pode impactar a IA, tanto no nível do modelo como além. Obviamente há preocupações sobre a abordagem da plataforma chinesa, principalmente que a licença do modelo não explica como ele foi produzido, o que reforça a necessidade de transparência. Dito isso, a disrupção mencionada reforça a visão da Red Hat sobre o porvir da IA: um futuro aberto, focado em modelos menores, otimizados e abertos, que podem ser customizados para casos de uso de dados empresariais específicos em todo e qualquer local da nuvem híbrida. 

Expandindo modelos de IA para além do open source

O trabalho da Red Hat no espaço da IA open source vai muito além do InstructLab e da família de modelos Granite, indo até as ferramentas e plataformas necessárias para de fato consumir e produtivamente usar IA. A empresa se tornou muito ativa no fomento de projetos e comunidades de tecnologia, como por exemplo (mas não apenas):

●      RamaLama, um projeto open source que visa facilitar o gerenciamento e a disponibilização locais de modelos de IA;

●      TrustyAI, um toolkit open source para a construção de fluxos de trabalho de IA mais responsáveis;

●      Climatik, um projeto centrado em ajudar a tornar a IA mais sustentável quando se trata de consumo de energia;

●      Podman AI Lab, um toolkit de desenvolvedores focado em facilitar a experimentação com LLMs open source;

O recente anúncio sobre a Neural Magic amplia a visão corporativa sobre IA, fazendo com que seja possível para que organizações alinhem modelos de IA menores e otimizados, incluindo sistema open source licenciados, com seus dados, onde quer que vivam na nuvem híbrida. As organizações de TI podem, então, utilizar o servidor de inferência vLLM para impulsionar as decisões e a produção destes modelos, ajudando a construir uma pilha de IA baseada em tecnologias transparentes e com suporte.

Para a corporação, a IA open source AI vive e respira na nuvem híbrida. A nuvem híbrida fornece a flexibilidade necessária para escolher o melhor ambiente para cada carga de trabalho de IA, otimizando a performance, custo, escala e requerimentos de segurança. As plataformas, metas e organização da Red Hat apoiam estes esforços, juntamente com parceiros do setor, clientes e a comunidade open source, à medida que o código aberto na inteligência artificial seja impulsionado.

Há um imenso potencial para ampliar essa colaboração aberta no espaço da IA. A Red Hat enxerga um futuro que abrange trabalho transparente em modelos, assim como seu treinamento. Seja na próxima semana ou no próximo mês (ou até antes, dada a rapidez da evolução da IA), a empresa e comunidade aberta, como um todo, continuarão a poiar e adotar os esforços para democratizar e abrir o mundo da IA.