ë fundamental que gestores públicos e privados priorizem investimentos em servidores profissionais de GPU com alto desempenho
Por Nicholas Guimarães, CEO da Fast AI
A adoção de inteligência artificial (IA) na segurança pública tem crescido de forma acelerada, ampliando a capacidade de identificar situações de risco e suspeitos. Nesse processo, destaca-se a importância de investir em infraestrutura robusta – especificamente, servidores profissionais de GPU (Graphics Processing Unit, ou Unidade de Processamento Gráfico) – para garantir resultados mais confiáveis e reduzir possíveis vieses. Quanto maior for a capacidade computacional, melhor será a precisão dos algoritmos e, portanto, menor o risco de erro.
Um exemplo emblemático desse cenário é a Tesla. Seu fundador, Elon Musk, percebeu que, para tornar a condução autônoma mais segura, não bastava desenvolver algoritmos sofisticados; era essencial integrar computadores cada vez mais potentes aos veículos. Essa necessidade de alto desempenho vai além do setor automotivo. Diversas indústrias entenderam que o verdadeiro diferencial está em investir em capacidade computacional na ponta – seja em carros, câmeras de vigilância ou qualquer dispositivo crítico para a segurança – permitindo o processamento de dados em tempo real com máxima eficiência.
Leia também: Investimentos em TI crescem 13,9% no Brasil em 2024, bem acima da média global
No entanto, com o objetivo de baratear o custo das soluções, o mercado tem testemunhado uma estratégia que utiliza algoritmos super otimizados para variáveis matemáticas de baixa precisão, como int8, que diminui a necessidade de processamento e gera uma dependência maior de análises posteriores e refinamentos manuais. No contexto da segurança pública, essa opção pode penalizar os agentes da lei, que terão de dedicar esforços adicionais para revisar relatórios de suspeitos ou eventos, aumentando a chance de erros e comprometendo a agilidade das operações.
Investir em servidores de GPU é fundamental por diversas razões. A escalabilidade e o alto desempenho desses sistemas permitem processar grandes volumes de dados de maneira paralela, acelerando o treinamento e a inferência dos modelos de IA. Além disso, com maior poder computacional, é possível executar algoritmos mais complexos e promover atualizações constantes nos modelos, mitigando vieses e distorções nos resultados. Por fim, ao garantir um processamento adequado, os sistemas atingem altos níveis de acurácia, minimizando falsos positivos e negativos em abordagens policiais.
A analogia com a Tesla se aplica perfeitamente aos órgãos de segurança: se o sistema não conta com um nível de processamento robusto, por mais sofisticados que sejam os algoritmos, eles podem atingir um grau de simplificação que prejudica a eficácia e sobrecarrega a análise manual.
Ao investir em infraestrutura de ponta, cria-se um ecossistema propício para treinar modelos com bases de dados maiores e mais variadas, assegurando maior qualidade na detecção de padrões e reduzindo o risco de enviesamento. Esse mesmo investimento viabiliza a execução de inferências em tempo real, permitindo decisões rápidas em operações críticas, como a identificação de suspeitos em áreas com grande circulação de pessoas, aprimoramento de sistemas de auditoria, facilitação na identificação de falhas e implementação de correções ou ajustes nos algoritmos.
Para que a IA atue de forma segura e eficaz, é indispensável adotar boas práticas. Estabelecer critérios rigorosos de precisão e considerar diferentes cenários de aplicação são essenciais para definir uma acurácia mínima aceitável. A transparência e a responsabilidade, por sua vez, exigem que tanto os órgãos de segurança quanto as empresas fornecedoras de IA esclareçam o funcionamento dos sistemas, os níveis de confiabilidade e os procedimentos para lidar com eventuais desvios.
Além disso, a natureza dinâmica das soluções de IA demanda atualizações constantes, garantindo a evolução contínua dos modelos conforme as necessidades diárias das forças de segurança. Por fim, a capacitação regular dos profissionais é crucial para alinhar a tecnologia às práticas de campo, reduzindo a dependência de otimizações arriscadas e promovendo uma atuação mais precisa.
A escalada do uso de IA na segurança pública é irreversível e, para que essa tecnologia se torne uma verdadeira aliada dos órgãos de proteção e das comunidades, é fundamental que gestores públicos e privados priorizem investimentos em servidores profissionais de GPU com alto desempenho. Assim como a Tesla investe em hardware de ponta para assegurar a segurança dos motoristas e passageiros, a robustez da infraestrutura computacional é um pilar indispensável para alcançar maior confiabilidade, reduzir vieses e evitar que o ônus dos ajustes recaia, em última instância, sobre os agentes da lei ou sobre pessoas inocentes.
Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!
Nicholas Guimarães é CEO da Fast AI, uma startup fundada em 2024 que desenvolve modelos de Inteligência Artificial com tecnologia 100% nacional, voltados para monitoramento, operação e segurança pública e de trânsito. Nicholas é especialista em Inteligência Artificial, com experiência em visão computacional e aprendizado profundo, ele lidera projetos inovadores nas áreas de monitoramento ambiental, automação industrial e segurança pública. Sua expertise inclui redes neurais convolucionais, Transformers e otimização de modelos para hardware embarcado. Com certificações do MIT, Stanford e Harvard, Nicholas transforma a IA em soluções de alto impacto.
