Galáxia de Andrômeda atingirá seu ponto mais alto no céu esta noite

A inteligência artificial está penetrando cada vez mais profundamente nos sistemas ao nosso redor — desde laboratórios de pesquisa e universidades até segurança cibernética e a própria estrutura da internet. A web pode estar entrando em uma nova era saturada por IA. Um novo relatório sobre os últimos desenvolvimentos da Meta mostra como a ambição da empresa pode acelerar a criação de conteúdo de máquina em uma escala que muda nossa percepção e confiança nas informações online. Essa perspectiva levanta sérias questões sobre como a internet irá evoluir, já que o conteúdo gerado por IA está se tornando cada vez mais difícil de distinguir do humano.

Enquanto isso, a corrida em IA gera novos alvos para espionagem cibernética. Relata-se que hackers chineses se passaram por um ex-representante oficial dos EUA para atacar especialistas em IA com o objetivo de obter acesso a e-mails e outras informações. Esta campanha destaca que a própria especialização em IA se tornou um alvo valioso no contexto da competição entre países e organizações por superioridade tecnológica.

Paralelamente, a IBM aprofunda suas parcerias acadêmicas em IA na Índia, expandindo a colaboração com IIT Bombay e IISc. O trabalho abrange áreas como IA de agentes, IA em idiomas indianos e IA soberana, sistemas multimodais e infraestrutura de IA, aproximando assim a indústria e o meio acadêmico no processo de construção do potencial de pesquisa da Índia em IA.

Em outras notícias, a Seeds Fincap levantou mais de 100 bilhões de rúpias em uma rodada Série B, liderada pela Michael & Susan Dell Foundation. Esta empresa financeira não bancária (NBFC) planeja usar o capital arrecadado para expandir sua rede de agências, contratar equipes de campo e fortalecer as capacidades de monitoramento de riscos, visando atingir 1000 bilhões de rúpias em ativos sob gestão até março de 2027.

Além disso, o têxtil tradicional khadi está transcendendo sua imagem habitual. Uma nova geração de empreendedores está incorporando tecnologia, design moderno e métodos de produção sustentáveis a este tecido manual. Quatro marcas indianas estão encontrando novas maneiras de tornar o khadi relevante para os consumidores modernos, ao mesmo tempo em que apoiam artesãos e comunidades rurais.

A X Square Robot, sediada em Shenzhen, demonstrou a capacidade de um robô ágil executar um experimento químico padronizado completo, composto por 24 ações sequenciais, em uma única execução contínua. Este resultado foi alcançado usando uma política treinada exclusivamente com dados coletados sem a participação do próprio robô.

A demonstração baseia-se no sistema TwinDEX, apresentado pela empresa em setembro. Este sistema combina um exoesqueleto vestível para coleta de dados com uma garra robótica de alta precisão para execução de tarefas.

Durante o experimento, o robô realizou várias manipulações complexas: abriu um frasco de reagente, pegou pó com uma espátula fina, apertou uma pipeta com balão de borracha, movimentou líquidos e sólidos, e segurou uma vareta de vidro translúcida perto de um copo para direcionar o processo de despejo, mudando constantemente de ferramentas e coordenando o trabalho de ambos os braços.

A empresa afirma que essa política foi desenvolvida do zero com base em centenas de episódios coletados sem o robô, sem qualquer intervenção ou controle remoto do robô em nenhuma fase.

Desafios resolvidos pelas tecnologias

O recurso tecnológico chinês Leiphone chamou a atenção para as tarefas que não podem ser resolvidas apenas com visão: girar uma tampa requer movimento lateral dos dedos, e não rotação do pulso; apertar uma pipeta exige ajuste de força após o contato; e rastrear uma vareta transparente por câmeras representa uma dificuldade.

O conceito principal é eliminar a discrepância entre como os humanos coletam dados e como os robôs agem. Ambos os dispositivos TwinDEX possuem uma configuração semelhante de três dedos com nove graus de liberdade e sete juntas ativas, além de eixos de junta idênticos, proporções de elos, materiais de contato e sensores táteis localizados nos mesmos pontos, sendo externamente quase indistinguíveis.

Imagens de câmeras multivisão, posturas dos pulsos, estados dos dedos das juntas e sinais de toque das pontas dos dedos são sincronizados no tempo, permitindo correlacionar diretamente os estados dos dedos gravados com o robô sem necessidade de reconfiguração. O Leiphone relata que, para operar com dois braços, o modelo aprende a posição relativa dos braços, e não as coordenadas absolutas, garantindo a manutenção da coordenação independentemente de a mesa ou o operador mudarem.

A X Square declara que, em um benchmark multitarefa, as políticas treinadas com dados sem robô melhoraram na mesma velocidade que aquelas treinadas com dados controlados remotamente, episódio por episódio. A empresa avalia a eficácia da coleta de dados TwinDEX como 5,3 vezes maior do que com controle remoto no robô, medido em cinco tarefas, incluindo torcer uma tampa e usar uma seringa. Como uma unidade de coleta de dados inclui um operador, uma mesa e um exoesqueleto, a coleta de dados pode ser realizada em paralelo em escritórios e cozinhas.

De acordo com o Leiphone, o pipeline de dados funciona usando o modelo aberto WALL-OSS da empresa e pode ser adaptado para outros modelos básicos, como o pi0.5. A empresa também lista limitações: as tarefas estão restritas a uma mesa com um conjunto limitado de objetos, a ergonomia de sessões longas no exoesqueleto ainda não foi investigada, e tarefas mais complexas podem exigir mais dedos ou juntas. Um artigo técnico está em preparação, e a X Square planeja expandir a coleta de dados para ambientes abertos e tarefas de cauda longa.

OpenJiuwen, uma plataforma de código aberto para agentes de IA desenvolvida em colaboração com os laboratórios Huawei 2012, Huawei Cloud e equipes de dispositivos e computação da empresa, bem como universidades e outros desenvolvedores, implementou no WorkSwarm — sua área de trabalho aberta para tarefas de escritório e codificação — a capacidade de interação multimodal com comunicação full-duplex.

A atualização, anunciada em 1º de outubro, permite que os usuários se comuniquem com o agente como em uma chamada telefônica normal, enquanto outro agente continua a executar tarefas mais longas em segundo plano.

Princípio de funcionamento da interação full-duplex

Comunicação full-duplex significa que o assistente pode ouvir e falar simultaneamente. Diferentemente dos assistentes de voz tradicionais que operam sob o princípio de rádio, onde o usuário é forçado a esperar pelo término da resposta da IA, agora o usuário pode interromper a resposta no meio, por exemplo, pedindo para ignorar o fundo e passar para as conclusões.

Quando o WorkSwarm detecta um novo comando de voz real, ele interrompe a resposta atual e processa a nova instrução; ao mesmo tempo, o texto gerado anteriormente é salvo no registro da tarefa. Para minimizar interrupções falsas causadas por ruídos de fundo, são usadas funções de detecção de atividade de voz e supressão de ruído.

Arquitetura de divisão de tarefas

A estrutura divide o trabalho em dois fluxos. O modelo em tempo real monitora o fluxo de vídeo, reage rapidamente e responde, enquanto o Agente Principal cuida da decomposição de tarefas, chamada de ferramentas e avanço do processo. O usuário pode apontar a câmera para um produto, perguntar sobre sua marca e, em seguida, pedir ao WorkSwarm para realizar uma pesquisa e redigir um documento. A pesquisa é executada em segundo plano enquanto a conversa continua, e a interface exibe o status da tarefa, os registros de chamada de ferramentas, os resultados obtidos e os arquivos criados.

Após a conclusão da tarefa em segundo plano, o WorkSwarm primeiro publica um resumo escrito e aguarda o término do diálogo oral atual antes de vocalizar apenas os pontos chave. Solicitações subsequentes são colocadas em fila, e os usuários podem alterar a ordem das tarefas, mover uma para o topo ou pausar tarefas pendentes ou em execução. Interromper a conversa não cancela as tarefas instrumentais, que devem ser interrompidas separadamente, e fechar a sessão de áudio e vídeo não interrompe o trabalho já delegado ao Agente Principal. Os resultados são retornados ao diálogo original.

Atualmente, o WorkSwarm suporta dois protocolos de modelos: Qwen Omni em tempo real via WebSocket, que pode usar um endpoint oficial ou implantação local, e JoyAI, que conecta modelos individuais de reconhecimento de fala, linguagem e síntese de fala através de APIs oficiais ou outras plataformas. Modelos multimodais com comunicação full-duplex também podem ser implantados em NPUs Ascend através da plataforma ModelArts da Huawei Cloud usando o framework de inferência vLLM-Omni. O WorkSwarm oferece instaladores para Windows, Mac e HarmonyOS, bem como pacotes pip, e seu repositório no GitHub é licenciado sob Apache-2.0. O último lançamento marcado do projeto, v0.2.7 de 30 de setembro, adicionou o Serviço de Contexto Proativo e sessões interagentes.