In partnership with

Bom dia. Bem-vindo novamente à InferêncIA News.

Há uma etapa da pesquisa científica que quase nunca cabe na notícia sobre uma descoberta: decidir o que vale investigar entre os muitos resultados que um experimento já produziu. Um conjunto de dados pode estar disponível, acompanhado de documentação e artigos, e ainda exigir meses de trabalho para que alguém conecte uma alteração genética a uma pergunta interessante. Publicar os dados resolve uma parte do problema. Encontrar tempo e conhecimento para explorá-los continua sendo outra.

A principal desta edição mostra uma tentativa de ampliar esse trabalho com agentes de IA. O resultado pede atenção, inclusive porque é fácil contar a história errada e transformar uma hipótese sobre células de camundongos numa descoberta médica pronta. No Brasil, a seleção traz uma oportunidade para empresas que pesquisam tecnologias educacionais. Há também novidades em voz e robótica, duas ferramentas com condições de acesso conferidas e cinco links para acompanhar outros movimentos do setor.

🤝 Conteúdo dos nossos parceiros

A Single Typo Shouldn’t Cost You a Sale

A shopper types “running shos” and gets nothing back. Another types “red waterprof trail runners under $150” and hits the same wall. Both knew what they wanted.

Traditional site search relies on exact keyword matching, leaving shoppers stranded at “0 results found” screens.

Gladly understands what shoppers mean, typos and all. Instead of a dead end, they get products that fit what they asked for and a conversation that keeps them shopping.

Milhares de agentes analisaram dados cerebrais em 32 minutos. As hipóteses ainda precisam de laboratório

OpenAI, PerturbAI e Scripps Research divulgaram um trabalho com milhares de agentes baseados no GPT-Rosalind. Segundo a apresentação, eles analisaram dados experimentais existentes de milhões de células cerebrais de camundongos em 32 minutos. A tarefa foi relacionar os efeitos de alterações em genes com a literatura científica e sugerir explicações que mereçam investigação.

A comparação com meses de análise humana é uma estimativa da equipe, não o resultado de uma corrida acompanhada entre dois laboratórios. O número também não inclui o tempo necessário para produzir os dados experimentais nem validar as hipóteses depois. Essa distinção importa para entender o ganho anunciado: acelerar a interpretação de um experimento é diferente de executar todas as etapas de uma pesquisa.

O repositório dos pesquisadores ajuda a entender o método. Agentes independentes recebem diferentes perturbações genéticas e combinam informações sobre expressão celular com bases de literatura. O sistema reúne relatórios narrativos e estruturados e procura relações entre eles. O material identifica o manuscrito como preprint; a apresentação de hipóteses não equivale à sua confirmação experimental.

Também há uma diferença importante de acesso. O serviço hospedado permite consultar os resultados e suas evidências, mas não contém os arquivos brutos necessários para refazer cálculos sobre o conjunto de dados. O repositório oferece código e materiais para uma reprodução local mais completa. Consultar uma conclusão e reproduzir sua análise, portanto, são atividades distintas.

Para um grupo de pesquisa, o interesse está em conseguir examinar mais possibilidades sem tratar todas como igualmente promissoras. Isso exige manter visíveis os dados que sustentam cada relação, as referências utilizadas e os pontos em que a explicação depende de suposição. A lista de hipóteses só ajuda se o pesquisador conseguir decidir quais merecem o próximo experimento e também descartar as que não resistirem à conferência.

🗣️ Pitaco: Eu prefiro ver a IA ajudando a escolher uma boa pergunta de pesquisa a vê-la anunciada como autora da próxima cura. A segunda versão costuma render uma manchete bem mais animada, claro. Mas economizar trabalho de interpretação já é uma contribuição relevante. Não precisa ganhar uma descoberta clínica de brinde para merecer atenção.

🤝 Conteúdo dos nossos parceiros

You're Running Three Databases. You Only Need One.

Events in one database, embeddings in another, analytics in a third. That's three systems and the pipelines between them, for one app. TimescaleDB does all three in Postgres: hypertables, pgvector, continuous aggregates. One system, no pipeline, no drift.

FAPESP destaca apoio de até R$ 500 mil por projeto para tecnologias educacionais, incluindo tutores de IA

A Agência FAPESP destacou uma chamada do PIPE Jornada Tecnológica para pequenas empresas que pesquisam tecnologias educacionais. O edital foi lançado em 13 de outubro: é uma oportunidade em andamento, não um novo programa aberto nesta quinta-feira.

A chamada prevê até R$ 500 mil por projeto, com duração máxima de 12 meses. Tutores de inteligência artificial estão entre os temas, ao lado de tecnologias assistivas e uso de dados na educação. O apoio é para pesquisa com desafio tecnológico, não para simplesmente contratar um software que já existe.

Podem participar empresas com até 250 empregados e sede ou unidade de pesquisa e desenvolvimento em São Paulo, observados os demais requisitos. A pré-proposta deve ser apresentada até 12 de novembro; as enquadradas terão até 13 de janeiro de 2027 para entregar a proposta completa. A divulgação dos selecionados está prevista a partir de maio de 2027.

Para quem trabalha com IA na educação, o ponto interessante é a possibilidade de investigar uma dificuldade pedagógica concreta, com método e critérios de avaliação. Um tutor responder com desenvoltura não basta para demonstrar que alguém aprendeu melhor. Esse resultado precisa ser medido, e o projeto deve explicar qual incerteza pretende resolver. O recurso anunciado ainda depende da seleção: não é dinheiro já distribuído nem uma garantia de eficácia das soluções que vierem a ser apoiadas.

Voxtral 3 reúne reconhecimento de fala, voz e ações em sistemas conectados

A Mistral apresentou o Voxtral 3, combinando modelos de fala com um kit para construir agentes de voz. A proposta reúne transcrição, interpretação, chamadas de ferramentas e resposta falada numa conversa contínua. O reconhecimento de fala cobre mais de 50 idiomas; a geração de voz tem cobertura própria, de mais de 35, portanto os dois números não são intercambiáveis.

O fornecedor oferece acesso pela API hospedada na União Europeia e opções de implantação na infraestrutura do cliente. Isso pode interessar a equipes de atendimento que precisam integrar a conversa aos sistemas do negócio, mas a escolha depende das condições de implantação e do tratamento dos áudios.

A cobrança também é por componente. O valor divulgado de US$ 0,0035 por minuto corresponde à variante Mini de transcrição, não ao custo completo de um agente telefônico. Modelo de raciocínio, voz e demais serviços entram nessa avaliação. Os resultados de qualidade apresentados são do fornecedor; não houve teste próprio nesta curadoria.

NVIDIA amplia o Isaac; humanoide de referência tem chegada prevista para 2027

A NVIDIA anunciou novidades para desenvolvimento de robôs, entre elas a disponibilidade geral do Isaac Lab 3.0 e um novo ambiente de execução, o Isaac OS. O conjunto procura aproximar simulação, treinamento e operação do equipamento físico, etapas que costumam exigir ferramentas diferentes.

No mesmo anúncio, a Agile Robots apresentou o Agile ONE SN, plataforma humanoide de referência com Isaac GR00T e Jetson Thor. Sua disponibilidade está prevista para o início de 2027. A integração com a estrutura de segurança Halos também aparece como planejada, não concluída.

A distinção evita reunir tudo sob uma única ideia de lançamento disponível agora. Há software anunciado como acessível e hardware ainda por chegar. Para quem acompanha aplicações industriais, a evolução das ferramentas de desenvolvimento merece atenção, mas continua sendo necessário avaliar execução, segurança e utilidade no ambiente de trabalho. Um pacote mais integrado facilita a pesquisa; não comprova, sozinho, a operação confiável de um robô numa fábrica.

O que faz: Organiza fontes de dados, perguntas, definições e indicadores de uma empresa numa base compartilhada para análises com IA. A proposta é preservar o significado de cada métrica, em vez de reconstruí-lo a cada conversa.

Para quem serve: Equipes de operações, finanças e análise que precisam responder perguntas recorrentes com dados de sistemas diferentes e conferir de onde veio cada número.

Ressalva: O plano gratuito informa 15 créditos mensais, três conectores, 50 MB de armazenamento e retenção de sete dias. Isso serve para uma avaliação delimitada, não para presumir uso empresarial amplo sem custo. A documentação também diferencia funções disponíveis de outras planejadas, como reparo automático de consultas quebradas. Confira os dados e as permissões antes de compartilhar informações internas; a ferramenta não foi testada pela InferêncIA.

O que faz: Reúne o trabalho de diferentes agentes de programação em salas compartilhadas, com contexto, tarefas, decisões e acompanhamento de uso. É uma camada de coordenação dos agentes que a pessoa já utiliza, não um novo modelo que substitui todos eles.

Para quem serve: Desenvolvedores que alternam entre agentes e querem avaliar uma forma de reduzir repasses manuais, preservando a visibilidade das decisões.

Ressalva: A tabela pública limita o gratuito a uma conta pessoal, para uso não comercial, com até 20 agentes remotos e retenção de duas semanas. Os modelos conectados podem ter custos próprios. As sessões de programação continuam locais, mas as mensagens e o contexto enviados às salas passam pelo BAND. Revise permissões e informações compartilhadas; não confunda coordenação com garantia de código correto.

🤝 Conteúdo dos nossos parceiros

You are sitting on $100k to $2 million of data

OpenAI, Micro1 and Anthropic have paid out billions of dollars to partner with companies on their operational data. It's creating a new revenue stream for businesses over 20 people and pays anywhere from $100k - $2 million a pop.

O trabalho com dados cerebrais é um bom exemplo de como avaliar uma novidade sem exigir que ela resolva tudo para ser útil. Reduzir o esforço para explorar hipóteses pode fazer diferença numa pesquisa, mesmo quando a confirmação continua demorada. O cuidado está em deixar claro qual etapa foi acelerada e o que ainda depende de experimento, revisão e julgamento especializado.

Essa atenção também ajuda fora do laboratório. Quem vai experimentar uma ferramenta precisa conhecer as condições de acesso, os dados que serão compartilhados e o limite daquilo que está disponível. Com essas informações, fica mais fácil fazer um teste pequeno, comparar a entrega com a necessidade real e decidir se vale continuar. Sem elas, até uma demonstração convincente diz pouco sobre o uso na rotina.

Em qual parte do seu trabalho a IA já economiza esforço, mas ainda exige uma conferência cuidadosa antes de você confiar no resultado? Responda este email com um exemplo.

Nos vemos amanhã…

Filipe, o único humano nesta empresa.

Recomendado para você