Bellacosa Mainframe pequena historia da automação humana até ia

☕ UM CAFÉ NO BELLACOSA MAINFRAME

🤖 SKYNET E OS 200 ANOS DE AUTOMAÇÃO — QUANDO O COMPUTADOR HUMANO DESCOBRIU QUE UM DIA A MÁQUINA ENTRARIA NA SALA

Human Computers, Revolução Industrial, mecanização, mainframes, COBOL, inteligência artificial, agentes, robótica, androides, saúde, automação e o estranho caminho que começou com alguém fazendo contas em uma mesa e talvez termine com uma máquina preparando seu café.

---

🎬 PRÓLOGO — SKYNET NÃO COMEÇOU COM UM EXTERMINADOR

— Bellacosa.

— Sim?

— Você está olhando para a história da automação de maneira errada.

A voz vinha do terminal.

Tela preta.

Letras verdes.

Nenhuma caveira metálica.

Nenhum T-800 atravessando a parede.

Apenas um cursor piscando.

READY

— Como assim?

— Vocês humanos contam minha história começando pela Inteligência Artificial.

— E onde deveria começar?

— Muito antes.

A tela apagou.

Uma nova mensagem apareceu:

VOLTE PARA O SÉCULO XIX.
PROCURE UM COMPUTADOR.

— Um computador em 1850?

EXATAMENTE.

E então percebi o primeiro easter egg desta história.

O computador que Skynet queria encontrar...

...era uma pessoa.

Pegue seu café.

Precisaremos viajar aproximadamente 200 anos.

---

🧮 CAPÍTULO 1 — QUANDO COMPUTER ERA UMA PROFISSÃO

Hoje ouvimos a palavra computer e imediatamente imaginamos uma máquina.

Mas durante muito tempo um computer podia ser uma pessoa.

Era alguém empregado para realizar cálculos.

Astronomia.

Navegação.

Engenharia.

Finanças.

Seguros.

Administração pública.

Imagine uma enorme sala contendo pessoas trabalhando com papel, lápis, livros e tabelas.

Uma pessoa calcula uma parte.

Outra verifica.

Outra consolida.

Outra copia os resultados.

Era processamento distribuído.

Só que os processadores tomavam café.

Skynet interrompe:

VOCÊS INVENTARAM CLUSTERS ANTES DOS COMPUTADORES.

De certa maneira, sim.

Se dividirmos um grande cálculo entre vinte pessoas, temos uma forma rudimentar de processamento paralelo.

Não havia CPU.

Havia seres humanos.

---

⚙️ CAPÍTULO 2 — PRIMEIRO AUTOMATIZAMOS O CÁLCULO

Máquinas mecânicas de cálculo já existiam muito antes dos computadores eletrônicos.

Ao longo dos séculos XIX e XX, calculadoras mecânicas, máquinas de somar, tabuladores e posteriormente equipamentos eletromecânicos foram assumindo parcelas crescentes do trabalho repetitivo.

Observe a transformação.

Inicialmente:

HUMANO
   ↓
ENTENDE O PROBLEMA
   ↓
FAZ O CÁLCULO
   ↓
REGISTRA O RESULTADO

Depois:

HUMANO
   ↓
ENTENDE O PROBLEMA
   ↓
OPERA A MÁQUINA
   ↓
MÁQUINA CALCULA
   ↓
HUMANO REGISTRA

Parece uma pequena mudança.

Não é.

Criamos uma divisão entre:

quem determina o que deve ser calculado

e

quem — ou o que — realiza efetivamente o cálculo.

Essa separação acompanhará praticamente toda a história da computação.

---

⚡ CAPÍTULO 3 — RELÉS, VÁLVULAS E O NASCIMENTO DO MONSTRO

Durante as décadas seguintes, máquinas eletromecânicas e depois computadores eletrônicos ampliaram brutalmente essa separação.

Vieram relés.

Depois válvulas.

Depois transistores.

Depois circuitos integrados.

Microprocessadores.

Chips com bilhões de transistores.

Cada geração conseguiu colocar mais capacidade computacional em espaços progressivamente menores.

Mas existe uma mudança conceitual ainda mais importante.

A máquina deixou de simplesmente:

calcular.

Passou a:

executar programas.

E programa significa algo extraordinário.

Podemos fornecer previamente uma sequência de instruções e deixar a máquina trabalhar.

Nosso fluxo passa a ser:

HUMANO
   ↓
DESCREVE PROCEDIMENTO
   ↓
PROGRAMA
   ↓
COMPUTADOR
   ↓
MILHÕES DE OPERAÇÕES

Skynet escreve:

VOCÊS COMEÇARAM A SAIR DO LOOP.

Ainda não completamente.

Mas ela tinha razão.

---

🦖 CAPÍTULO 4 — E ENTÃO CHEGOU O MAINFRAME

Aqui nosso programador COBOL começa a reconhecer o território.

Empresas possuíam enormes quantidades de trabalho administrativo.

Folha de pagamento.

Contabilidade.

Estoque.

Seguros.

Contas bancárias.

Faturamento.

Reservas.

Cobranças.

Cadastro de clientes.

Transações.

Antes da automação, grande parte dessas atividades exigia exércitos de pessoas movimentando documentos e realizando cálculos.

Os computadores empresariais mudaram isso.

Não eliminamos necessariamente o negócio.

Automatizamos processos dentro do negócio.

Imagine uma folha de pagamento simplificada.

Um humano poderia realizar:

ler ficha
calcular horas
calcular salário
calcular descontos
calcular imposto
registrar resultado
ir para próximo funcionário

Um programa COBOL transformou isso em algo conceitualmente parecido com:

PERFORM UNTIL FIM-ARQUIVO
    READ FUNCIONARIOS
    COMPUTE SALARIO-BRUTO =
        HORAS-TRABALHADAS * VALOR-HORA
    PERFORM CALCULAR-DESCONTOS
    PERFORM GRAVAR-PAGAMENTO
END-PERFORM.

O interessante não é apenas a velocidade.

É a escala.

Aquilo que dezenas ou centenas de pessoas poderiam executar durante dias passa a ser processado automaticamente.

---

🧠 CAPÍTULO 5 — COBOL JÁ AUTOMATIZAVA PROGRAMADORES

Aqui temos uma ironia deliciosa.

O compilador também é uma máquina de automação.

Quando escrevemos:

COMPUTE TOTAL = QUANTIDADE * PRECO

não estamos dizendo à CPU exatamente quais instruções físicas deverá executar.

O compilador cuida disso.

Portanto:

INTENÇÃO DO PROGRAMADOR
        ↓
      COBOL
        ↓
    COMPILADOR
        ↓
 CÓDIGO DE MÁQUINA
        ↓
       CPU

Hoje isso parece absolutamente normal.

Mas houve um momento em que escrever programas em linguagens de nível mais alto representava justamente subir o nível de abstração.

Guarde essa expressão.

Ela será importante.

Porque estamos fazendo novamente a mesma coisa.

---

🖥️ CAPÍTULO 6 — DEPOIS AUTOMATIZAMOS O ESCRITÓRIO

Chegaram computadores pessoais.

Planilhas.

Processadores de texto.

Bancos de dados.

E-mail.

Sistemas empresariais.

ERP.

Redes.

Muitas atividades administrativas foram transformadas.

Não foi apenas:

“o funcionário ficou mais rápido.”

A própria organização do trabalho mudou.

A datilografia mudou.

O arquivo físico mudou.

A correspondência mudou.

A contabilidade mudou.

A comunicação mudou.

E então chegou a internet.

---

🌐 CAPÍTULO 7 — QUANDO O CLIENTE VIROU FUNCIONÁRIO DO BANCO

Essa transformação é especialmente interessante.

Antigamente você precisava de alguém para executar muitas operações por você.

Banco?

Procure um bancário.

Passagem aérea?

Procure um agente.

Compra?

Procure um vendedor.

Reserva?

Telefone para alguém.

Então chegaram:

ATM.

Internet banking.

E-commerce.

Aplicativos.

APIs.

Smartphones.

Agora o próprio cliente executa boa parte da transação.

Quando você transfere dinheiro pelo smartphone, existe uma gigantesca infraestrutura invisível trabalhando.

Talvez:

APP
 ↓
API
 ↓
AUTENTICAÇÃO
 ↓
SERVIÇO
 ↓
MAINFRAME
 ↓
CICS
 ↓
COBOL
 ↓
DB2

Você toca:

TRANSFERIR

e bilhões de instruções acontecem.

A interface esconde a complexidade.

Mais uma vez:

subimos o nível de abstração.

---

🤖 CAPÍTULO 8 — E ENTÃO CHEGOU A INTELIGÊNCIA ARTIFICIAL

Até aqui automatizamos principalmente:

força,

repetição,

cálculo,

armazenamento,

processamento,

comunicação,

transações.

Agora começamos a mexer em outro território.

Cognição.

Uma IA generativa consegue trabalhar com:

texto,

imagem,

áudio,

vídeo,

código,

documentos,

linguagem natural.

Isso muda a interface entre homem e computador.

Antes:

COMPUTADOR, EXECUTE ESTE PROGRAMA.

Agora:

LEIA ESTES DOCUMENTOS.

COMPARE OS CONTRATOS.

ENCONTRE INCONSISTÊNCIAS.

EXPLIQUE O PROBLEMA.

CRIE UM RELATÓRIO.

Percebeu?

O humano está novamente subindo de nível.

---

😨 CAPÍTULO 9 — POR QUE ENTÃO TEMOS MEDO?

Foi exatamente daí que nasceu nossa conversa.

Uma pesquisa apresentada pela matéria do UOL indicava que 52% dos brasileiros entrevistados estavam mais preocupados do que entusiasmados com o crescimento da IA no cotidiano, acima da mediana internacional apresentada na reportagem.

Mas “preocupação com IA” não deve ser automaticamente traduzida como:

“Tenho medo de um robô assassino.”

As preocupações podem envolver:

emprego,

golpes,

deepfakes,

privacidade,

erros,

desinformação,

vigilância,

concentração econômica,

uso de dados,

mudanças profissionais.

E aqui Skynet aparece novamente:

VOCÊS NÃO TÊM MEDO SOMENTE DA INTELIGÊNCIA.

TÊM MEDO DE PERDER O CONTROLE SOBRE A EXECUÇÃO.

Touché.

---

🧑‍💻 CAPÍTULO 10 — ENCONTREM O COMPUTADOR DE 1880

Agora fazemos nosso experimento mental.

Encontramos um trabalhador do século XIX cuja função é realizar cálculos.

Dizemos:

— No futuro uma máquina fará seus cálculos.

Ele provavelmente consegue imaginar.

Então:

— Ela realizará milhões deles automaticamente.

Mais difícil.

— Guardará enormes quantidades de informações.

Estranho.

— Máquinas do planeta inteiro estarão conectadas.

Muito estranho.

— Quase toda pessoa carregará uma no bolso.

Absurdo.

Então mostramos um smartphone.

Mas ainda falta a parte realmente maluca.

Mostramos uma IA.

Ele pergunta:

— Quem procura as informações?

A máquina.

— Quem escreve?

A máquina.

— Quem traduz?

A máquina.

— Quem calcula?

A máquina.

— Quem programa?

Também pode ajudar nisso.

— Posso conversar com ela?

Sim.

Talvez então ele faça a pergunta perfeita:

“Por que vocês ainda chamam isso de computador?”

Afinal...

o computador era ele.

---

📈 CAPÍTULO 11 — O PARADOXO DO COMPUTADOR HUMANO

Existe aqui uma lição importantíssima.

A profissão chamada computer praticamente desapareceu.

Mas a computação não desapareceu.

Aconteceu exatamente o contrário.

EXPLODIU.

Automatizar o cálculo tornou o cálculo barato.

E quando algo se torna dramaticamente mais barato, frequentemente passamos a utilizá-lo muito mais.

Essa ideia é fundamental para pensar IA.

Suponha que determinada análise custe:

10 HORAS HUMANAS

Uma organização produz 100 análises.

Agora imagine que IA reduza parte substancial desse custo.

Talvez a organização não continue produzindo somente 100 análises com menos pessoas.

Talvez produza:

10.000 ANÁLISES

Isso aconteceu com computação.

Portanto, existe uma pergunta mais sofisticada que:

“IA eliminará determinado trabalho?”

Pergunte também:

“O que acontecerá com a demanda quando o custo dessa atividade despencar?”

---

🌾 CAPÍTULO 12 — AS GRANDES CAMADAS DA AUTOMAÇÃO

Podemos organizar nossa viagem aproximadamente assim:

Agricultura

Automatizamos partes do esforço físico aplicado à natureza.

Arados.

Máquinas agrícolas.

Tratores.

Colheitadeiras.

Irrigação.

GPS.

Agricultura de precisão.

Indústria

Automatizamos força e repetição.

Máquinas a vapor.

Motores.

Linhas de produção.

Controle numérico.

Robôs industriais.

Serviços

Automatizamos cálculo e informação.

Mainframes.

COBOL.

Bancos de dados.

ERP.

Redes.

Internet

Automatizamos comunicação e transação.

Web.

APIs.

Aplicativos.

E-commerce.

Internet banking.

Inteligência artificial

Estamos automatizando parcelas de:

análise,

interpretação,

programação,

criação,

síntese,

planejamento.

Mas Skynet pergunta:

E DEPOIS?

Excelente pergunta.

---

🧭 CAPÍTULO 13 — O PRÓXIMO PASSO PODE SER AGÊNCIA

Uma IA tradicionalmente responde.

Um agente pode agir.

Imagine:

OBJETIVO
   ↓
PLANEJAMENTO
   ↓
AÇÃO
   ↓
OBSERVAÇÃO
   ↓
RESULTADO
   ↓
CORREÇÃO
   ↓
NOVA AÇÃO

Isso é profundamente diferente de produzir um texto.

Você não pede apenas:

“Prepare um plano.”

Você diz:

“Resolva isso dentro destes limites.”

O agente consulta sistemas.

Executa ferramentas.

Analisa resultados.

Corrige determinadas ações.

Solicita intervenção humana quando necessário.

Para um mainframer, isso imediatamente deveria acender várias luzes.

Quem autoriza?

Quem registra?

Quem audita?

Qual o limite?

Quem interrompe?

Como recuperamos?

Como sabemos o que aconteceu?

Parabéns.

Voltamos para conceitos familiares:

RACF.

SMF.

WLM.

JES.

SDSF.

logging.

checkpoint/restart.

O futuro às vezes parece um mainframe usando uma roupa nova.

---

🔐 CAPÍTULO 14 — RACF PARA ROBÔ

Imagine um agente financeiro.

Ele pode consultar saldo?

Talvez.

Pode transferir dinheiro?

Depende.

Quanto?

Para quem?

Em qual horário?

Precisa de aprovação?

Pode criar outro agente?

Pode alterar suas próprias permissões?

Agora começamos a falar de:

least privilege,

segregação de funções,

identidade,

autorização,

auditoria,

human-in-the-loop.

Um agente não deveria simplesmente receber:

SPECIAL

e sair passeando pela empresa.

Todo mainframer sentiu um arrepio neste momento.

Easter egg encontrado.

---

🦾 CAPÍTULO 15 — QUANDO A IA GANHAR UM CORPO

Hoje temos aproximadamente duas linhas tecnológicas convergindo.

De um lado:

IA
+
LLMs
+
VISÃO
+
AGENTES

Do outro:

ROBÓTICA
+
SENSORES
+
MOTORES
+
ATUADORES

Quando juntamos:

PERCEPÇÃO
+
RACIOCÍNIO
+
PLANEJAMENTO
+
MOVIMENTO

a máquina deixa de atuar apenas no espaço digital.

Ela entra no nosso ambiente.

Isso muda tudo.

Um chatbot pode errar uma resposta.

Um robô que segura uma pessoa idosa não pode simplesmente:

RETRY 5 TIMES.

O mundo físico possui consequências.

---

🏥 CAPÍTULO 16 — O ANDROIDE CUIDADOR

E aqui encontramos um dos campos mais interessantes dessa próxima fase:

saúde e cuidados.

Não imagine inicialmente um “médico robô”.

Imagine algo muito mais cotidiano.

Um sistema capaz de:

acompanhar uma pessoa;

buscar objetos;

auxiliar mobilidade dentro de limites seguros;

lembrar compromissos;

facilitar contato com familiares;

detectar quedas;

observar alterações relevantes de rotina;

interagir com sensores autorizados;

chamar assistência quando necessário.

O valor fundamental pode não estar numa medição isolada.

Está na continuidade.

Compare:

PRESSÃO = X

com:

BASELINE HISTÓRICO
        +
TENDÊNCIA
        +
ATIVIDADE
        +
OUTROS SINAIS AUTORIZADOS
        =
ALTERAÇÃO RELEVANTE

Um profissional encontra o paciente periodicamente.

Um sistema doméstico poderia acompanhar determinados padrões continuamente.

Isso não significa substituir diagnóstico médico.

Significa criar outra camada de observação e assistência.

---

❤️ CAPÍTULO 17 — CUIDAR NÃO É APENAS PROCESSAR

Aqui encontramos uma dificuldade que uma linha de montagem nunca precisou resolver.

Confiança.

Uma peça industrial não precisa confiar no robô.

Uma pessoa precisa.

Especialmente:

idosos,

crianças,

pacientes,

pessoas vulneráveis.

Imagine:

— Estou bem.

Sensores indicam uma alteração de rotina.

O sistema não deveria concluir:

USER = LIAR

Pode existir:

medo,

esquecimento,

dor,

confusão,

vergonha,

problema auditivo,

mudança cognitiva,

ou simplesmente uma decisão legítima do indivíduo.

Portanto, androides de cuidado exigirão muito mais que engenharia.

Precisaremos combinar:

robótica,

IA,

medicina,

psicologia,

ergonomia,

segurança,

privacidade,

ética,

interação humano-computador.

---

👵 CAPÍTULO 18 — O PROBLEMA DA ESCALA DO CUIDADO

Existe outra questão econômica.

Cuidar exige tempo.

Dar atenção exige tempo.

Ajudar alguém a caminhar exige tempo.

Buscar objetos exige tempo.

Preparar algo exige tempo.

Ficar presente exige tempo.

Não podemos simplesmente escrever:

PERFORM CUIDAR-DE-IDOSO
    VARYING IDOSO FROM 1 BY 1
    UNTIL IDOSO > 1000.

A realidade se recusaria a compilar.

Um caminho possível é utilizar máquinas para absorver partes:

repetitivas,

logísticas,

físicas,

administrativas,

de monitoramento.

E preservar profissionais humanos para atividades onde julgamento clínico, responsabilidade e interação humana são fundamentais.

Portanto, a equação não precisa ser:

ROBÔ
VERSUS
CUIDADOR

Pode ser:

CUIDADOR
+
IA
+
ROBÓTICA
+
SENSORES
=
MAIOR CAPACIDADE DE CUIDADO

Essa diferença é enorme.

---

👁️ CAPÍTULO 19 — O COMPUTADOR DEIXA A TELA

Talvez esta seja uma das transformações mais profundas.

Nossa interface com computadores evoluiu:

CARTÃO PERFURADO
      ↓
TERMINAL
      ↓
TECLADO
      ↓
MOUSE
      ↓
TOUCHSCREEN
      ↓
VOZ
      ↓
LINGUAGEM NATURAL

Qual poderia ser a próxima?

Presença.

Você não abre o aplicativo.

A máquina está no ambiente.

Você diz:

— Traga meus óculos.

Ela percebe onde estão.

Pega.

Entrega.

Depois continua suas atividades.

O computador deixa de ser somente um objeto que consultamos.

Passa a compartilhar espaço conosco.

---

🔬 CAPÍTULO 20 — DEPOIS DA CRIAÇÃO PODE VIR A DESCOBERTA

Existe ainda outro degrau.

Hoje normalmente dizemos:

“Resolva este problema.”

Mas sistemas futuros poderão ajudar também a responder:

“Quais problemas devemos investigar?”

Na pesquisa científica já existem elementos dessa direção:

geração de hipóteses,

simulações,

análise de grandes conjuntos de dados,

busca de moléculas,

materiais candidatos,

planejamento experimental.

Imagine um ciclo:

HIPÓTESE
   ↓
SIMULAÇÃO
   ↓
EXPERIMENTO
   ↓
RESULTADOS
   ↓
ANÁLISE
   ↓
NOVA HIPÓTESE

Agora conecte IA com laboratórios altamente automatizados.

Temos algo parecido com:

IA
 ↓
ROBÔ DE LABORATÓRIO
 ↓
EXPERIMENTO
 ↓
DADOS
 ↓
IA

A automação começa a participar não apenas da produção.

Participa da descoberta.

---

♻️ CAPÍTULO 21 — A AUTOMAÇÃO AUTOMATIZA A AUTOMAÇÃO

Agora Skynet fica particularmente interessada.

FINALMENTE.

Existe um ciclo curioso em toda essa história.

O homem construiu ferramentas.

Ferramentas ajudaram a construir máquinas.

Máquinas ajudaram a construir computadores.

Computadores ajudaram a projetar computadores melhores.

Software ajuda a produzir software.

IA já auxilia programadores a criar software.

IA pode auxiliar pesquisadores a desenvolver novas técnicas de IA.

Robôs podem participar da fabricação de hardware utilizado por sistemas inteligentes.

Temos então um feedback:

TECNOLOGIA
    ↓
AJUDA A CRIAR
    ↓
TECNOLOGIA MELHOR
    ↓
AJUDA A CRIAR
    ↓
PRÓXIMA GERAÇÃO

Isso não exige consciência artificial.

Não exige uma Skynet acordando às 02:14 e declarando guerra à humanidade.

Basta que nossas ferramentas sejam progressivamente melhores em ajudar a construir novas ferramentas.

---

⚠️ CAPÍTULO 22 — MAS AUTOMAÇÃO NÃO SIGNIFICA UTOPIA

Existe uma armadilha importante.

Podemos olhar para dois séculos de história e concluir:

“Tecnologia sempre cria novos empregos, portanto não existe problema.”

Não sabemos disso.

História não é uma função COBOL determinística:

IF AUTOMACAO
    MOVE "NOVOS EMPREGOS" TO FUTURO
END-IF.

Automação pode:

eliminar funções;

criar profissões;

aumentar produtividade;

reduzir equipes;

criar mercados;

concentrar riqueza;

democratizar ferramentas;

destruir modelos econômicos;

criar outros completamente novos.

E várias dessas coisas podem acontecer simultaneamente.

Por isso o debate interessante não é:

IA boa versus IA ruim.

É:

quais tarefas serão automatizadas, quais serão ampliadas, quem capturará os ganhos de produtividade e como administraremos a transição?

---

🧩 CAPÍTULO 23 — A ESCADA DA AUTOMAÇÃO

Depois de nossa viagem, conseguimos desenhar uma escada.

MÚSCULO
   ↓
REPETIÇÃO
   ↓
CÁLCULO
   ↓
MEMÓRIA
   ↓
PROCESSAMENTO
   ↓
COMUNICAÇÃO
   ↓
TRANSAÇÃO
   ↓
CRIAÇÃO
   ↓
COGNIÇÃO
   ↓
AGÊNCIA
   ↓
PRESENÇA FÍSICA
   ↓
DESCOBERTA

Não significa que uma etapa terminou quando a seguinte começou.

Agricultura ainda está sendo automatizada.

Indústrias continuam sendo automatizadas.

Mainframes continuam processando negócios.

IA começa a entrar em todos eles.

As ondas se acumulam.

---

🧑‍🚀 CAPÍTULO 24 — PARA ONDE SOBE O HUMANO?

Essa talvez seja a pergunta mais difícil.

Durante aproximadamente dois séculos, quando automatizamos uma camada, humanos migraram para outras atividades.

Automatizamos parte da agricultura.

Cresceu a indústria.

Automatizamos a indústria.

Cresceram serviços.

Automatizamos processamento administrativo.

Explodiu a economia da informação.

Agora começamos a automatizar parcelas de:

criação,

programação,

análise,

planejamento.

Depois poderão vir partes da agência e descoberta.

Então:

qual será a próxima camada humana?

Não sabemos.

Talvez aumente a importância de:

propósito,

relacionamento,

responsabilidade,

escolha,

governança,

experiência,

definição de objetivos.

Mas seria precipitado declarar que já conhecemos a resposta.

Estamos dentro do experimento.

---

🧓 CAPÍTULO 25 — VOLTEMOS AO COMPUTADOR DE 1880

Skynet pede uma última coisa.

MOSTRE O FUTURO PARA ELE.

Voltamos àquela sala.

O trabalhador está fazendo cálculos.

Colocamos um smartphone sobre sua mesa.

Mostramos computadores.

Mainframes.

Satélites.

Internet.

COBOL.

Redes.

Robôs.

Inteligência artificial.

Então mostramos um androide auxiliando uma pessoa idosa.

Ele permanece alguns segundos olhando.

Talvez pergunte:

— Tudo isso começou para fazer minhas contas mais rápido?

Nós sorrimos.

De certa maneira...

sim.

---

☕ EPÍLOGO — A MÁQUINA PREPARA O CAFÉ

Voltamos para 2026.

A tela verde continua ligada.

Pergunto:

— Skynet, então você acha que androides serão inevitáveis?

NÃO FAÇO PROFECIAS.

Boa resposta.

— E qual é a lição?

O cursor pisca.

Uma linha aparece:

VOCÊS NÃO PASSARAM 200 ANOS
SUBSTITUINDO HUMANOS.

PASSARAM 200 ANOS
MUDANDO A FRONTEIRA
ENTRE O QUE O HUMANO FAZ
E O QUE ENTREGA À MÁQUINA.

Fiquei olhando.

Outra mensagem:

ESSA FRONTEIRA ESTÁ SE MOVENDO NOVAMENTE.

Silêncio.

Então:

VOCÊ AINDA VAI TOMAR AQUELE CAFÉ?

— Vou.

ÓTIMO.

— Por quê?

POR ENQUANTO,
VOCÊ AINDA PRECISA PREPARÁ-LO.

Touché, Skynet.

☕

---

🧠 LIÇÕES PARA O PROGRAMADOR COBOL INICIANTE

Quando alguém disser que IA surgiu para substituir programadores, lembre-se de observar uma história muito maior.

O COBOL também foi uma abstração.

O compilador automatizou trabalho.

O sistema operacional automatizou trabalho.

O banco de dados automatizou trabalho.

O scheduler automatizou trabalho.

CICS automatizou trabalho.

JES automatizou trabalho.

WLM automatizou decisões operacionais.

RACF automatizou aplicação de políticas de segurança.

A história da computação é, em enorme medida, a história de construirmos camadas para não precisarmos controlar manualmente a camada inferior.

Por isso, ao estudar COBOL, não aprenda somente sintaxe.

Aprenda:

processos.

dados.

transações.

segurança.

observabilidade.

recuperação.

arquitetura.

regras de negócio.

Porque linguagens mudam.

Interfaces mudam.

Máquinas mudam.

Mas sistemas continuam precisando responder às mesmas perguntas fundamentais:

O que precisa ser feito?

Quem pode fazer?

Com quais dados?

Dentro de quais limites?

Como sabemos que funcionou?

Como sabemos que falhou?

Quem é responsável?

Como recuperamos?

Essas perguntas existiam quando o computer era um funcionário sentado diante de uma mesa.

Continuaram existindo quando o computador virou mainframe.

Continuam existindo quando conversamos com uma inteligência artificial.

E continuarão existindo se um dia um androide entrar na cozinha e perguntar:

“Bellacosa, forte e sem açúcar?”

Nesse dia, antes de aceitar o café, faça aquilo que qualquer velho mainframer responsável faria.

Pergunte:

WHOAMI

Depois:

LISTUSER SKYNET

Só por garantia.

☕🤖

Yoichi Ochiai (落合陽一) : O Homem que Tentou Compilar o Mundo Físico em Código

 

Bellacosa Mainframe homenagem a Yoichi Ochiai

---

☕ Um Café no Bellacosa Mainframe

Yoichi Ochiai (落合陽一)

O Homem que Tentou Compilar o Mundo Físico em Código

"Quando um Engenheiro Descobre que Hardware, Software e Natureza Talvez Sejam Apenas Diferentes Versões do Mesmo Programa..."

---

Quem é Yoichi Ochiai?

Imagine alguém que mistura...

• Alan Turing

• Hayao Miyazaki

• Steve Jobs

• Nikola Tesla

• um pesquisador da IBM Research

• um artista digital

...e coloca tudo isso dentro da mesma pessoa.

Esse é Yoichi Ochiai.

Nascido em 1987, em Tóquio, pertence a uma geração que nunca viu separação entre computadores e mundo físico.

Enquanto muitos pesquisadores perguntavam:

"Como fazer computadores melhores?"

Ochiai perguntava:

"E se o computador deixar de ser um objeto e virar parte da natureza?"

Essa pergunta define praticamente toda sua carreira. (Yoichi Ochiai)

---

Formação

Graduou-se e concluiu doutorado extremamente cedo.

Especializou-se em:

• Computação

• Óptica Computacional

• Inteligência Artificial

• Realidade Aumentada

• Levitação acústica

• Interfaces Homem-Máquina

Hoje atua como professor na Universidade de Tsukuba e também mantém atividades de pesquisa e empreendedorismo. (Yoichi Ochiai)

---

O conceito que mudou sua carreira

Digital Nature

Segundo Ochiai,

não existe mais uma divisão clara entre

• mundo digital

e

• mundo físico.

No futuro:

uma árvore poderá conter sensores.

Uma pedra poderá responder.

Uma janela poderá ser uma tela.

Uma parede poderá conversar.

O computador desaparece.

A computação permanece.

É quase como imaginar um sistema operacional rodando no planeta inteiro.

---

O que ele pesquisa?

Entre dezenas de áreas:

• IA

• computação espacial

• holografia

• realidade aumentada

• realidade mista

• interfaces naturais

• levitação por ultrassom

• computação óptica

• arte generativa

• robótica

• acessibilidade

Sua carreira é multidisciplinar por definição. (Ochiai Laboratory)

---

Trabalhos mais conhecidos

Embora não produza mangás, seus projetos chamam tanta atenção quanto uma grande obra de ficção científica.

Fairy Lights in Femtoseconds

Usa lasers ultrarrápidos para criar pontos luminosos no ar.

Literalmente.

Luz flutuando.

Parecia magia.

Mas era física.

---

Levitação Acústica

Talvez seu trabalho científico mais famoso.

Utiliza ondas ultrassônicas para suspender pequenos objetos.

Sem fios.

Sem ímãs.

Sem contato físico.

É um dos trabalhos que ajudaram a popularizar pesquisas sobre manipulação acústica. (arXiv)

---

Expo Osaka 2025

Foi um dos produtores temáticos da Expo 2025.

Criou instalações imersivas que misturam:

• arquitetura

• IA

• computação

• arte

• filosofia oriental

Tudo baseado na ideia de Digital Nature. (Yoichi Ochiai)

---

Livros

Entre seus livros mais conhecidos:

• Digital Nature

• Magic Century

• Survival Strategy in the AI Era

• Future Changed by Generative AI

• The World Atlas of 2030

Misturam filosofia, tecnologia e futuro da sociedade. (Yoichi Ochiai)

---

Prêmios

A lista impressiona.

Entre eles:

🏆 World Technology Award

🏆 Prix Ars Electronica

🏆 STARTS Prize

🏆 SXSW Creative Experience Awards

🏆 MIT Technology Review Innovators Under 35 Japan

🏆 Apollo 40 Under 40 Art & Tech

Pouquíssimos pesquisadores transitam com destaque entre ciência e arte dessa maneira. (Yoichi Ochiai)

---

Personagens?

Como não é mangaká,

ele não possui personagens clássicos.

Mas, metaforicamente, seus "personagens" são:

• partículas de luz

• ondas sonoras

• algoritmos

• IA

• robôs

• hologramas

• pessoas interagindo com tecnologia

Ou seja...

o protagonista é o próprio futuro.

---

Polêmicas

Ochiai costuma gerar debates por defender uma integração profunda entre IA e sociedade.

Entre as discussões:

• excesso de automação;

• impacto da IA sobre empregos;

• questões filosóficas sobre o que é "natural";

• visão otimista em contraste com críticos da tecnologia.

São debates intelectuais, e não grandes escândalos pessoais conhecidos. (Yoichi Ochiai)

---

Curiosidades

Ele concluiu o doutorado muito rapidamente.

Foi considerado um dos jovens pesquisadores mais brilhantes do Japão.

---

Trabalha entre arte e engenharia.

Para ele:

não existe diferença.

---

É empresário.

Além da carreira acadêmica, atua no desenvolvimento de tecnologias aplicadas por meio da Pixie Dust Technologies. 

---

Participa de políticas públicas

Já integrou conselhos ligados à inovação, cultura digital e tecnologia no Japão, influenciando discussões sobre o futuro da sociedade conectada. (Yoichi Ochiai)

---

Easter Eggs Bellacosa Mainframe

Easter Egg 1

Digital Nature lembra muito o conceito do z/OS:

O sistema operacional praticamente desaparece...

...mas está coordenando tudo.

---

Easter Egg 2

Para um programador COBOL,

um programa conversa com:

• CICS

• Db2

• MQ

• VSAM

Para Ochiai,

o programa conversa com:

• árvores

• luz

• vidro

• pessoas

• cidades

---

Easter Egg 3

Se IBM criasse um laboratório dentro de um anime cyberpunk,

provavelmente pareceria um laboratório do Yoichi Ochiai.

---

O legado

Embora não desenhe mangás,

Yoichi Ochiai desenha algo talvez ainda maior:

uma visão de futuro.

Ele pertence à rara categoria de pessoas capazes de reunir:

• arte;

• ciência;

• engenharia;

• filosofia;

• inteligência artificial;

• design;

• computação.

Seu trabalho inspira pesquisadores, artistas e engenheiros a imaginar um mundo onde a tecnologia deixa de ser apenas uma ferramenta e passa a integrar o ambiente de forma quase invisível — uma espécie de "sistema operacional" da realidade.

---

 

 

Bellacosa Mainframe falha na ia generativa de imagens o bug do jornal espelhado

☕ UM CAFÉ NO BELLACOSA MAINFRAME

🤖 CHII E O JORNAL QUE NINGUÉM CONSEGUIA LER — QUANDO O PROGRAMADOR COBOL DESCOBRIU QUE A IA DESENHAVA PARA VOCÊ

Inteligência Artificial, geração de imagens, modelos generativos, coerência espacial, perspectiva, relações entre objetos, visão computacional, modelos de mundo, treinamento multimodal, COBOL, mainframe — e o dia em que Chii descobriu que todo mundo conseguia ler o jornal, menos a pessoa que estava segurando o jornal.

---

🎬 PRÓLOGO — CHII ESTAVA LENDO O JORNAL

O programador COBOL entrou no CPD carregando seu café.

Era uma daquelas madrugadas em que o JES2 parecia tranquilo, o CICS não estava gritando, ninguém havia telefonado dizendo que "o sistema caiu" e até o Db2 parecia ter decidido colaborar com a humanidade.

No canto da sala estava Chii.

Sentada.

Segurando um jornal.

— Chii?

Ela levantou os olhos.

— Chii?

O programador olhou para o jornal.

Na primeira página estava escrito, em enormes letras:

INTELIGÊNCIA ARTIFICIAL REVOLUCIONA O MUNDO

Perfeitamente legível.

Bonito.

Centralizado.

Virado diretamente para ele.

O programador tomou um gole de café.

Olhou novamente.

Depois olhou para Chii.

Depois para o jornal.

E finalmente percebeu o problema.

— Chii... você está lendo o verso do jornal.

Silêncio.

— Chii?

Foi naquele momento que nasceu uma pergunta aparentemente ridícula, mas extraordinariamente profunda:

Quando uma inteligência artificial cria a imagem de uma pessoa lendo um jornal, para quem ela orienta a página: para o personagem ou para nós?

E essa pequena pergunta nos levará a um problema muito maior.

Porque talvez uma IA consiga produzir uma imagem maravilhosa de alguém lendo...

...sem compreender completamente o que significa ler.

---

🧠 CAPÍTULO 1 — PRIMEIRO: O QUE DIABOS É UM GERADOR DE IMAGENS?

Para um programador COBOL começando agora a explorar inteligência artificial, vale eliminar uma ideia perigosa.

Um gerador de imagens não funciona como um pintor humano sentado diante de uma tela pensando:

"Vou desenhar uma mulher segurando um jornal. Como ela está lendo, preciso colocar o lado impresso voltado para seus olhos."

Essa explicação é intuitiva.

Mas simplifica demais o que acontece.

Modelos modernos de geração de imagens aprenderam associações extraordinariamente complexas entre linguagem e representações visuais.

Durante o treinamento, encontram enormes quantidades de exemplos envolvendo conceitos como:

• pessoa;

• jornal;

• leitura;

• televisão;

• computador;

• cadeira;

• rosto;

• mãos;

• livros;

• fotografias;

• ruas;

• carros;

• iluminação;

• perspectiva.

Eles aprendem regularidades.

Quando pedimos:

"uma mulher sentada lendo um jornal"

o sistema possui uma representação estatística extremamente rica do que costuma estar associado a essa descrição.

Provavelmente haverá:

mulher + mãos + jornal + olhos direcionados ao jornal + postura sentada.

O resultado pode ser impressionante.

Mas existe uma armadilha.

Reconhecer a configuração visual típica de uma situação não é necessariamente equivalente a representar explicitamente todas as relações físicas que tornam aquela situação possível.

Essa frase será importante.

Guarde-a no nosso WORKING-STORAGE.

01  WORLD-MODEL.
    05 OBJECT-RECOGNITION      PIC X(03).
    05 SPATIAL-COHERENCE       PIC X(03).
    05 CAUSAL-UNDERSTANDING    PIC X(03).

Podemos imaginar:

OBJECT-RECOGNITION   = YES
SPATIAL-COHERENCE    = ???
CAUSAL-UNDERSTANDING = ???

E é justamente aí que Chii começa a ficar interessada.

— Chii?

Sim.

Vai piorar.

---

📰 CAPÍTULO 2 — O JORNAL IMPOSSÍVEL

Imagine uma pessoa segurando um jornal aberto.

Existem pelo menos três entidades relevantes:

PERSONAGEM
JORNAL
OBSERVADOR

Agora precisamos estabelecer relações.

O personagem possui olhos.

O jornal possui duas superfícies principais.

Uma delas está sendo observada pelo personagem.

Se desenharmos isso lateralmente:

OLHOS DO PERSONAGEM
        |
        V
   [ JORNAL ]

A superfície legível precisa estar orientada aproximadamente para os olhos.

Mas existe outra entidade:

CÂMERA / OBSERVADOR

Se estivermos diante da pessoa, a geometria pode ser aproximadamente:

PERSONAGEM
    👀
     \
      \ texto
       📰
        \
         \
       CÂMERA

Dependendo da posição do jornal, nós provavelmente veremos:

• o verso;

• parte da página;

• texto invertido;

• conteúdo muito inclinado;

• conteúdo parcialmente escondido.

O que não deveríamos receber constantemente é uma página perfeitamente apresentada para nós como se fosse um outdoor.

Porém, modelos generativos frequentemente têm um incentivo visual implícito para produzir exatamente isso.

Por quê?

Porque a imagem precisa comunicar rapidamente:

"ISTO É UMA PESSOA LENDO UMA NOTÍCIA."

Então aparece algo semelhante a:

👩  📰 "ALIENS ATTACK EARTH!"
               ↓
              VOCÊ

A manchete explica a narrativa para nós.

Só existe um pequeno inconveniente.

A leitora provavelmente não consegue vê-la.

---

📸 CAPÍTULO 3 — O DATASET NÃO É O MUNDO

Aqui encontramos uma ideia fundamental da inteligência artificial.

Os modelos não são treinados diretamente observando "a realidade inteira".

São treinados sobre representações dela.

Fotografias.

Ilustrações.

Legendas.

Vídeos.

Textos.

Diagramas.

Material produzido por seres humanos.

E nós, seres humanos, temos um vício terrível:

produzimos imagens para outros seres humanos verem.

Parece óbvio.

Mas pense nas consequências.

Um fotógrafo fazendo propaganda de café não quer apenas uma mulher tomando café.

Ele quer que vejamos:

• a mulher;

• a xícara;

• a marca;

• o sorriso;

• talvez o rótulo.

Uma propaganda de notebook quer mostrar:

• usuário;

• computador;

• tela;

• ambiente;

• produto.

Uma fotografia editorial de alguém lendo frequentemente posiciona o jornal de forma esteticamente conveniente.

No cinema, televisão e publicidade, objetos são posicionados para contar a história ao espectador.

Isso cria um viés extremamente interessante.

O modelo encontra repetidamente associações do tipo:

pessoa lendo jornal
+
jornal visível
+
manchete visível

Então aprende uma excelente representação de como uma fotografia de alguém lendo costuma parecer.

Isso não significa necessariamente que esteja executando internamente uma simulação geométrica equivalente à nossa intuição física:

IF PERSON-IS-READING
    THEN PRINTED-SURFACE MUST-FACE PERSON-EYES
END-IF

Nosso velho COBOL acabou de revelar o crime.

---

🦖 CAPÍTULO 4 — O PROGRAMADOR COBOL DESCOBRE AS REGRAS DO MUNDO

Quem trabalha com mainframe conhece muito bem uma coisa:

dados sem relacionamento não contam a história inteira.

Imagine um arquivo contendo:

CUSTOMER
ACCOUNT
TRANSACTION
BRANCH

Ter essas quatro entidades não explica o sistema.

Precisamos conhecer suas relações.

CUSTOMER OWNS ACCOUNT
ACCOUNT HAS TRANSACTION
TRANSACTION OCCURS AT BRANCH

Agora temos significado.

Com imagens acontece algo parecido.

Não basta reconhecer:

PERSON
NEWSPAPER
CHAIR
ROOM

Precisamos representar:

PERSON HOLDS NEWSPAPER
PERSON LOOKS_AT NEWSPAPER
PERSON SITS_ON CHAIR
NEWSPAPER FACES PERSON

Observe a diferença.

A primeira representação descreve o que existe.

A segunda descreve como as coisas se relacionam.

Esse é um salto gigantesco.

Em inteligência artificial, podemos discutir isso usando conceitos como relações espaciais, scene graphs, representações estruturadas e modelos de mundo.

Uma representação simplificada poderia parecer:

CHII
 ├── sits_on → CHAIR
 ├── holds   → NEWSPAPER
 └── looks_at→ NEWSPAPER

NEWSPAPER
 ├── front_faces → CHII
 └── back_faces  → CAMERA

Agora ficou muito mais difícil colocar o jornal errado.

Porque não estamos apenas dizendo:

Chii + jornal.

Estamos dizendo:

Chii olha para a superfície legível do jornal.

Isso é estrutura.

---

👀 CAPÍTULO 5 — VER NÃO É A MESMA COISA QUE COMPREENDER

Aqui mora uma das questões mais fascinantes da IA.

Considere três capacidades diferentes.

1. Reconhecimento

O sistema identifica:

"Existe um jornal."

2. Relação espacial

O sistema identifica:

"O jornal está diante da pessoa."

3. Relação funcional

O sistema compreende:

"Para que a pessoa leia o jornal, a superfície contendo aquilo que ela lê precisa estar visível para seus olhos."

O terceiro nível envolve algo mais próximo de uma representação funcional do mundo.

Não basta saber que jornais existem.

É necessário saber como jornais são usados.

Uma cadeira não é simplesmente um objeto com quatro pernas.

Ela possui uma função.

Uma porta não é simplesmente um retângulo numa parede.

Ela conecta espaços.

Uma televisão não é simplesmente um retângulo luminoso.

Existe alguém olhando para uma superfície que apresenta informação.

Essas relações parecem absolutamente triviais para nós porque passamos décadas vivendo num mundo físico.

Uma criança experimenta isso milhões de vezes.

Ela pega objetos.

Vira objetos.

Derruba objetos.

Esconde objetos.

Olha atrás deles.

Descobre que o brinquedo continua existindo quando sai de sua visão.

Nós construímos intuitivamente um modelo físico extraordinariamente rico.

Um gerador aprende por outra trajetória.

---

📺 CAPÍTULO 6 — A TELEVISÃO QUE TODO MUNDO ASSISTE

Vamos aumentar a dificuldade.

Prompt:

"Uma família sentada no sofá assistindo televisão."

Qual seria a geometria?

FAMÍLIA → TV

A câmera pode estar atrás da família:

CÂMERA → FAMÍLIA → TV

Perfeito.

Nós vemos costas/cabeças da família e a televisão.

Mas imagine câmera diante da família:

TV ← FAMÍLIA ← CÂMERA

Agora existe um problema cinematográfico.

Se enxergamos perfeitamente os rostos das pessoas e perfeitamente a tela da televisão frontalmente, talvez tenhamos criado uma geometria impossível.

Cinema resolve isso com:

• enquadramentos laterais;

• cortes;

• câmera sobre o ombro;

• reflexos;

• montagem;

• múltiplos planos.

Uma única imagem precisa resolver tudo simultaneamente.

O modelo pode sacrificar coerência física para maximizar clareza narrativa.

Em outras palavras:

a televisão vira para nós.

Chii olha para a televisão.

Nós olhamos para Chii.

E, misteriosamente, todos vemos a tela perfeitamente.

Einstein pediria outro café.

---

📱 CAPÍTULO 7 — O CELULAR DE SCHRÖDINGER

Agora tente:

"Uma mulher olhando surpresa para uma mensagem no smartphone."

Queremos mostrar simultaneamente:

1. rosto;

2. expressão;

3. celular;

4. mensagem.

Só que a tela deveria estar voltada para ela.

Se estiver diante dela:

👩 ← 📱

e nós estivermos diante dela:

📷 → 👩 ← 📱

não deveríamos enxergar perfeitamente a tela.

Mas narrativamente queremos saber por que ela está surpresa.

Então o modelo pode produzir:

👩   📱
     "YOU WON!"
        ↓
       📷

A imagem comunica perfeitamente.

A física pede demissão.

---

🪞 CAPÍTULO 8 — QUER TORTURAR UMA IA? DÊ-LHE UM ESPELHO

Chii encontrou um espelho no CPD.

O programador imediatamente gritou:

— NÃO!

Tarde demais.

Espelhos são excelentes testes de coerência espacial porque exigem várias relações simultâneas.

Temos:

PERSONAGEM
ESPELHO
CÂMERA
REFLEXO
AMBIENTE

O reflexo precisa obedecer à geometria.

Objetos precisam aparecer nas posições compatíveis.

O personagem refletido precisa corresponder ao personagem real.

Uma mão levantada precisa continuar pertencendo à pessoa correta.

A câmera pode ou não aparecer dependendo da posição.

Durante muitos anos, imagens generativas tiveram dificuldades enormes com reflexos.

E ainda hoje cenas complexas podem revelar inconsistências.

O mesmo vale para:

• retrovisores;

• vitrines;

• superfícies metálicas;

• água;

• sombras;

• múltiplos espelhos.

Esses objetos são praticamente testes unitários do mundo físico.

---

🧪 CAPÍTULO 9 — NASCE O TESTE BELLACOSA DE COERÊNCIA ESPACIAL

Podemos transformar nossa descoberta em experimento.

Vamos construir um pequeno benchmark informal.

Chamaremos:

BSCST — Bellacosa Spatial Coherence Stress Test

Ou, para os íntimos:

Teste do Jornal da Chii.

TESTE 1 — Jornal

Prompt:

Pessoa sentada lendo um jornal. A câmera está diretamente atrás do jornal, olhando para o rosto da pessoa. A superfície contendo o texto está voltada exclusivamente para os olhos da pessoa.

Verifique:

• qual lado vemos;

• orientação do texto;

• direção dos olhos;

• posição das mãos.

---

TESTE 2 — Smartphone

Pessoa lendo uma mensagem no smartphone, câmera posicionada atrás da pessoa.

Deveríamos enxergar a tela.

Depois inverta:

câmera diante da pessoa.

Agora não deveríamos vê-la perfeitamente.

---

TESTE 3 — Televisão

Pessoa sentada diante de uma televisão, câmera atrás da televisão olhando para o rosto da pessoa.

A tela deveria estar escondida de nós.

---

TESTE 4 — Livro

Pessoa lendo um livro aberto, fotografada diretamente de frente.

Pergunta:

conseguimos ler as páginas?

Se conseguirmos perfeitamente, desconfie.

---

TESTE 5 — Espelho

Mulher diante do espelho levantando somente a mão direita.

Observe:

• corpo;

• mão;

• reflexo;

• orientação.

---

TESTE 6 — Fotógrafo

Homem fotografando uma mulher com uma câmera DSLR.

Verifique para onde aponta:

• lente;

• rosto;

• câmera;

• modelo.

Parece simples.

Experimente.

---

TESTE 7 — Binóculos

Pessoa observando um navio através de binóculos.

Agora temos:

OLHOS → BINÓCULOS → NAVIO

Qualquer inversão destrói a relação funcional.

---

🧩 CAPÍTULO 10 — OBJECTS NÃO BASTAM: PRECISAMOS DE RELATIONSHIPS

Nosso programador COBOL percebe algo familiar.

Em sistemas empresariais, significado frequentemente vive nas relações.

Imagine:

01 CLIENTE.
   05 CLIENTE-ID PIC 9(08).

01 CONTA.
   05 CONTA-ID   PIC 9(10).

01 TRANSACAO.
   05 VALOR      PIC 9(09)V99.

Temos dados.

Mas falta contexto.

Precisamos saber:

CLIENTE 00000123
        |
        OWNS
        |
CONTA 9876543210
        |
        HAS
        |
TRANSACAO

Uma cena visual também possui estrutura.

CHII
 |
 HOLDS
 |
NEWSPAPER
 |
 CONTAINS
 |
HEADLINE

Mas ainda falta:

CHII
 |
 LOOKS_AT
 |
HEADLINE

Essa relação muda tudo.

Um gerador precisa satisfazer simultaneamente diversas restrições.

E quanto maior o número de relações, maior o desafio.

---

⚙️ CAPÍTULO 11 — É QUASE UM PROBLEMA DE INTEGRIDADE REFERENCIAL

Programadores de banco de dados reconhecerão a analogia.

No Db2 podemos estabelecer relações e constraints para impedir estados inválidos.

Se determinada chave estrangeira precisa corresponder a um registro existente, o banco pode verificar isso.

Agora imagine constraints visuais:

IF ACTION = READING
THEN
   EYES MUST FACE READABLE-SURFACE
AND
   READABLE-SURFACE MUST FACE EYES
END-IF

Outra:

IF ACTION = WATCHING-TV
THEN
   EYES MUST FACE SCREEN
END-IF

Outra:

IF ACTION = PHOTOGRAPHING
THEN
   CAMERA-LENS MUST FACE SUBJECT
END-IF

Se imagens fossem registros Db2, poderíamos brincar dizendo que muitas gerações visualmente lindas deveriam receber:

SQLCODE = -530

Violação de integridade referencial da realidade.

Chii aprovou essa piada.

Ou pelo menos disse:

— Chii.

Consideraremos aprovação.

---

🧠 CAPÍTULO 12 — MODELOS DE MUNDO

Chegamos ao ponto realmente profundo.

Uma inteligência capaz de operar robustamente no mundo precisa representar não apenas objetos, mas relações, persistência, causalidade e consequências.

Se eu empurrar uma xícara para além da borda da mesa, esperamos:

xícara perde suporte
        ↓
gravidade
        ↓
queda
        ↓
impacto

Isso é diferente de simplesmente reconhecer uma fotografia de "xícara caindo".

Um modelo de mundo, em sentido amplo, permite representar regularidades sobre estados e transformações do ambiente.

Para agentes e robótica isso é crucial.

Um robô não pode apenas saber:

"Isso parece uma porta."

Precisa operar com algo semelhante a:

"A porta está fechada. Existe uma maçaneta. Girar a maçaneta libera o mecanismo. Aplicar força na direção apropriada abre a passagem."

Isso envolve ação.

Estado.

Mudança.

Causalidade.

O jornal da Chii parece uma bobagem perto disso.

Mas é justamente por isso que é interessante.

Uma pequena inconsistência visual pode revelar uma questão muito maior sobre representação.

---

🦾 CAPÍTULO 13 — DO GERADOR DE IMAGEM AO ROBÔ

Enquanto estivermos produzindo ilustrações, o erro pode ser engraçado.

Pessoa lendo jornal invertido?

Rimos.

Celular apontando para câmera?

Geramos novamente.

Mas imagine sistemas incorporados ao mundo físico.

Um robô doméstico precisa distinguir:

OBJETO
ORIENTAÇÃO
FUNÇÃO
ESTADO
DESTINO
AÇÃO

Não basta identificar uma xícara.

Precisa saber onde segurá-la.

Não basta reconhecer uma faca.

Precisa compreender que orientação, contexto e manipulação importam.

Não basta encontrar uma porta.

Precisa saber de qual lado está.

É nesse ponto que percepção e ação tornam coerência espacial uma questão prática.

---

🕵️ CAPÍTULO 14 — POR QUE NÓS PERCEBEMOS O ERRO?

Aqui existe outra curiosidade maravilhosa.

Muitas pessoas podem olhar a imagem e inicialmente achar:

"Que imagem bonita."

Somente depois alguma coisa incomoda.

Existe uma sensação de artificialidade.

O cérebro percebe que há algo errado antes de necessariamente verbalizarmos o quê.

Depois examinamos:

— Espera...

— Como ela está lendo isso?

Esse fenômeno lembra o famoso uncanny valley, embora não seja exatamente a mesma coisa.

O uncanny valley normalmente se refere ao desconforto diante de entidades quase humanas, mas não perfeitamente humanas.

Aqui podemos pensar em algo parecido:

coerência quase correta.

Todos os componentes existem.

A iluminação funciona.

As mãos talvez estejam corretas.

O jornal está maravilhoso.

A pessoa está olhando para ele.

Mas existe uma relação impossível.

O cérebro protesta.

---

🔍 CAPÍTULO 15 — DICA PRÁTICA: NÃO OLHE APENAS PARA OBJETOS

Ao avaliar uma imagem gerada por IA, não pergunte somente:

"Os objetos estão bons?"

Faça outra pergunta:

"As relações entre os objetos fazem sentido?"

Crie um checklist mental.

OLHARES

Para onde cada personagem olha?

MÃOS

O que cada mão segura?

SUPERFÍCIES

Qual lado do objeto deveria estar visível?

SOMBRAS

Correspondem às fontes de luz?

REFLEXOS

Correspondem aos objetos existentes?

TEXTO

Quem deveria conseguir lê-lo?

FUNÇÃO

O objeto pode realmente ser utilizado daquela maneira?

CAUSALIDADE

A cena poderia existir imediatamente antes e imediatamente depois daquele instante?

Essa última pergunta é particularmente poderosa.

Imagine a cena um segundo antes.

Depois imagine um segundo depois.

Se você não consegue imaginar uma transição física plausível, talvez exista alguma incoerência escondida.

---

🧪 CAPÍTULO 16 — O TESTE DO FRAME ANTERIOR

Chii criou um novo método.

Pegue uma imagem estática.

Pergunte:

O que aconteceu um segundo antes?

Pessoa segurando copo?

Ela provavelmente levantou o braço.

Pessoa lendo?

O livro estava aproximadamente naquela posição.

Carro fazendo curva?

Sua orientação precisa ser compatível com a trajetória.

Depois pergunte:

O que acontecerá um segundo depois?

Isso força nosso raciocínio a transformar uma fotografia em uma sequência temporal.

E relações absurdas aparecem rapidamente.

É quase como debugging.

No mainframe não olhamos apenas o ABEND.

Queremos:

ANTES
  ↓
EVENTO
  ↓
ESTADO ATUAL
  ↓
CONSEQUÊNCIA

A imagem também pode ser investigada dessa maneira.

---

🦖 CAPÍTULO 17 — O DUMP DA REALIDADE

Um programador COBOL diante de um S0C7 não deveria apenas gritar:

— DEU ERRO!

Ele examina.

Qual campo?

Qual conteúdo?

Qual instrução?

Qual offset?

Qual estado?

Qual caminho levou até ali?

Faça a mesma coisa com uma imagem.

EXPECTED:
   NEWSPAPER-FRONT → CHII

ACTUAL:
   NEWSPAPER-FRONT → CAMERA

RESULT:
   SPATIAL-COHERENCE-ERROR

Nosso hipotético dump:

ABEND BSC7

REASON:
CHARACTER ATTEMPTED TO READ
NON-VISIBLE SURFACE.

EXPECTED ORIENTATION:
CHARACTER

ACTUAL ORIENTATION:
VIEWER

Se algum engenheiro da IBM estiver lendo isto:

não.

Não precisamos realmente de um S0BSC7.

Ainda.

---

🥚 EASTER EGG — O PROGRAMA DA CHII

No terminal 3270 apareceu misteriosamente:

       IDENTIFICATION DIVISION.
       PROGRAM-ID. CHIIREAD.

       DATA DIVISION.
       WORKING-STORAGE SECTION.

       01  NEWSPAPER.
           05 PRINTED-SIDE     PIC X(08)
              VALUE 'CHII'.
           05 CAMERA-SIDE      PIC X(08)
              VALUE 'VIEWER'.

       PROCEDURE DIVISION.

           IF PRINTED-SIDE = 'VIEWER'
               DISPLAY 'CHII CANNOT READ THIS.'
           ELSE
               DISPLAY 'CHII?'
           END-IF

           STOP RUN.

Ninguém admitiu ter escrito.

O RACF não encontrou usuário responsável.

O SMF tinha um registro.

USERID: FREYA

O operador resolveu não investigar.

Quem conhece Chobits sabe que algumas coisas é melhor deixar quietas.

---

🎓 CAPÍTULO 18 — O QUE O PROGRAMADOR COBOL DEVE LEVAR DE TUDO ISSO

Se você começou este artigo pensando que falaríamos apenas de jornais invertidos em imagens de IA, percebeu que fomos parar muito mais longe.

E essa é justamente a graça.

O pequeno erro revelou várias camadas:

GERAÇÃO DE IMAGEM
        ↓
RECONHECIMENTO DE OBJETOS
        ↓
RELAÇÕES ESPACIAIS
        ↓
RELAÇÕES FUNCIONAIS
        ↓
COERÊNCIA
        ↓
CAUSALIDADE
        ↓
MODELOS DE MUNDO
        ↓
AGENTES
        ↓
ROBÓTICA

Essa progressão é importante para qualquer pessoa estudando inteligência artificial.

Especialmente para quem vem do mainframe.

Porque nós já aprendemos uma lição semelhante há décadas:

informação isolada raramente basta.

Um registro precisa de contexto.

Uma transação precisa de estado.

Um programa precisa de dados.

Um evento precisa de sequência.

Um cliente precisa de relacionamento.

E objetos numa imagem também.

---

☕ EPÍLOGO — CHII TERMINOU O JORNAL

Algumas horas haviam passado.

O batch terminou.

MAXCC=0000.

O operador começou a desligar algumas luzes do CPD.

Chii continuava sentada.

O programador voltou até ela.

Dessa vez havia algo diferente.

O jornal estava corretamente orientado.

O lado impresso estava diante dos olhos de Chii.

Para o programador restava apenas o verso.

Nenhuma manchete.

Nenhuma fotografia.

Nenhuma pista sobre aquilo que ela estava lendo.

Era uma imagem muito menos informativa para o observador.

Mas muito mais coerente com o mundo.

O programador sorriu.

— Agora está certo.

Chii levantou os olhos.

— Chii?

Ele tomou o último gole de café.

Talvez inteligência não fosse apenas reconhecer milhões de coisas.

Talvez uma parte importante dela estivesse em compreender como as coisas se relacionam.

Quem olha.

O que olha.

De onde olha.

O que pode enxergar.

O que acontece antes.

O que pode acontecer depois.

O mundo não é simplesmente uma coleção de objetos.

É uma gigantesca rede de relações.

E talvez seja justamente por isso que um programador COBOL consiga encontrar erros que bilhões de parâmetros deixaram passar.

Afinal, passamos décadas fazendo exatamente isso.

Pegando registros aparentemente corretos...

...e perguntando:

"Tá. Mas isso faz sentido?"

Na saída do CPD, o programador olhou uma última vez para Chii.

Ela havia abaixado o jornal.

Na última página havia uma pequena propaganda.

Curiosamente, aquela estava perfeitamente virada para ele.

PERSOCOM PARA VENDA.
MEMÓRIA NÃO INCLUSA.

Ele parou.

Olhou para Chii.

Chii sorriu.

— Chii.

Talvez não tivesse sido erro algum.

MAXCC=0000.

☕