Return to Video

Transformando-nos em uma sociedade de produtores de alimentos | Dr. Chandra Krintz | TEDxFargo

  • 0:23 - 0:26
    A tecnologia, hoje,
    está infiltrada em nossas vidas.
  • 0:26 - 0:29
    Ela nos dá acesso a informações
    instantaneamente,
  • 0:29 - 0:33
    nos provê com recomendações
    muito personalizadas
  • 0:33 - 0:36
    sobre o que comprar,
    a quais filmes assistir
  • 0:36 - 0:37
    e, para o bem ou para o mal,
  • 0:37 - 0:40
    nos conecta com pessoas de todo o planeta.
  • 0:40 - 0:43
    Pessoas que, de outra forma,
    nunca conheceríamos.
  • 0:43 - 0:45
    As empresas por trás dessas tecnologias
  • 0:45 - 0:49
    as fazem superfáceis
    de serem usadas, acessíveis a todos,
  • 0:49 - 0:51
    de tal forma que todos possam participar
  • 0:51 - 0:56
    e fazer parte desses avanços tecnológicos.
  • 0:56 - 1:00
    Elas também as fazem acessíveis
    de qualquer lugar: pelo seu celular,
  • 1:00 - 1:03
    pelo seu laptop, sua máquina no trabalho.
  • 1:03 - 1:07
    E essas empresas as fazem de graça,
    para que todos as usem.
  • 1:07 - 1:09
    Fazem mesmo?
  • 1:09 - 1:14
    Acontece, na verdade, que estamos
    pagando às empresas por estes serviços;
  • 1:14 - 1:18
    os Facebooks, Amazons e Googles da vida.
  • 1:18 - 1:20
    Contudo, não estamos pagando em dólares;
  • 1:20 - 1:22
    estamos pagando com dados.
  • 1:22 - 1:27
    Toda vez que você usa seus aplicativos
    no seu celular, ou no computador,
  • 1:28 - 1:29
    toda vez que você acessa a Internet,
  • 1:29 - 1:33
    essas empresas estão coletando
    informações pessoais sobre você.
  • 1:33 - 1:35
    Você compra fraldas?
  • 1:35 - 1:36
    Elas sabem que você tem filhos.
  • 1:36 - 1:38
    Você procura por direções?
  • 1:38 - 1:41
    Elas não apenas sabem aonde você
    está indo, mas onde você esteve.
  • 1:42 - 1:47
    Essas empresas coletam informações
    como: onde você mora, onde você trabalha,
  • 1:47 - 1:49
    o que gosta e o que não gosta,
  • 1:49 - 1:51
    onde seus filhos estudam.
  • 1:51 - 1:53
    E elas não coletam poucos dados.
  • 1:53 - 1:57
    Elas coletam muitos e muitos dados.
  • 1:57 - 2:02
    É isso que você paga
    pelo frete grátis da Amazon.
  • 2:02 - 2:04
    Vocês sabem o que elas fazem com isso?
  • 2:04 - 2:07
    Elas pegam esses dados
    e colocam em vários computadores.
  • 2:07 - 2:11
    Elas utilizam matemática
    e estatística bem sofisticadas
  • 2:11 - 2:13
    e aplicam aos dados.
  • 2:13 - 2:16
    Elas não aplicam manualmente,
    elas dependem de computadores para tal,
  • 2:16 - 2:19
    então elas têm de transformar
    o mapa e as estatísticas em código.
  • 2:19 - 2:23
    Ouviram o presidente falar sobre códigos,
    e que todos deviam estar fazendo;
  • 2:23 - 2:25
    é sobre isto que ele estava falando.
  • 2:25 - 2:29
    Você aplica código aos dados
    e obtém percepções:
  • 2:30 - 2:31
    inferências sobre sua vida,
  • 2:31 - 2:33
    sobre o que você gosta ou não,
  • 2:33 - 2:36
    e, melhor ainda, o que você
    pretende comprar
  • 2:36 - 2:38
    e o que você vai querer no futuro.
  • 2:38 - 2:40
    Elas são preditivas.
  • 2:41 - 2:43
    Essas percepções permitem às empresas
  • 2:43 - 2:47
    nos dar aplicativos e websites
    que nós conhecemos e amamos,
  • 2:47 - 2:51
    mas também fornecem
    outros valores a essas empresas.
  • 2:51 - 2:53
    Como elas são preditivas,
  • 2:53 - 2:55
    elas podem dizer o que você comprará,
  • 2:55 - 2:59
    em quem você votará
    e para onde pretende viajar,
  • 2:59 - 3:01
    e isto, eles podem capitalizar.
  • 3:01 - 3:02
    E eles o fazem.
  • 3:04 - 3:05
    Você já se questionou
  • 3:05 - 3:08
    se poderíamos utilizar
    essa mesma tecnologia
  • 3:08 - 3:10
    para fazer algo pelo mundo?
  • 3:10 - 3:15
    Para resolver um problema grave
    como alimentar o planeta?
  • 3:15 - 3:18
    Há 7 bilhões de pessoas
    na Terra, atualmente,
  • 3:18 - 3:20
    e mal podemos alimentá-los.
  • 3:22 - 3:25
    Nossas terras aráveis
    e nossos recursos como a água
  • 3:25 - 3:27
    estão diminuindo, não aumentando.
  • 3:27 - 3:31
    E, em 2050, teremos 9 bilhões
    de pessoas no planeta.
  • 3:32 - 3:35
    Logo, o que precisamos fazer,
    o que precisamos perguntar é:
  • 3:35 - 3:37
    podemos usar essas tecnologias
  • 3:37 - 3:40
    para tornar os agricultores
    mais eficientes,
  • 3:40 - 3:43
    para lhes fornecer suporte à decisão?
  • 3:43 - 3:44
    Pensem nisso!
  • 3:44 - 3:47
    É como a Amazon para a agricultura,
    o Google para produtores.
  • 3:47 - 3:50
    Não sei o que vou fazer
    a respeito dos produtores de leite,
  • 3:50 - 3:53
    mas talvez possamos chamá-lo de "Loogle".
  • 3:53 - 3:54
    (Risos)
  • 3:54 - 3:56
    O problema é similar.
  • 3:56 - 3:59
    Você pega dados,
    agricultores possuem muitos,
  • 3:59 - 4:00
    registros históricos,
  • 4:00 - 4:03
    todos os implementos agrícolas hoje
    vêm instrumentados com sensores.
  • 4:03 - 4:06
    Mas você pode comprar sensores
    em dispositivos agora,
  • 4:06 - 4:11
    e coletar muitas e muitas informações
    sobre a propriedade, os processos,
  • 4:11 - 4:13
    o que os agricultores utilizam.
  • 4:13 - 4:17
    Você pode então aplicar
    um código igual ou bem similar
  • 4:17 - 4:19
    a esses dados e extrair percepções.
  • 4:19 - 4:23
    Só que essas percepções podem
    ser direcionadas aos problemas
  • 4:23 - 4:26
    dos agricultores, e há muitos.
  • 4:26 - 4:29
    Coisas como: quando,
    quanto e como irrigar,
  • 4:30 - 4:32
    Coisas como: "Como podemos
    otimizar os rendimentos
  • 4:32 - 4:36
    para tirar o máximo proveito
    do pouco de terra que temos?"
  • 4:37 - 4:41
    E assim como a Amazon sabe quais sapatos
    você irá comprar semana que vem,
  • 4:41 - 4:44
    podemos fazer previsões
    sobre doenças e pestes
  • 4:44 - 4:47
    antes de se tornarem um problema,
    para que possamos resolvê-los.
  • 4:50 - 4:53
    Ocorre que algumas
    dessas tecnologias já existem hoje.
  • 4:53 - 4:57
    Algumas empresas realmente inovadoras
    e pioneiras desenvolveram algumas delas,
  • 4:57 - 4:59
    e o modelo que utilizam é este:
  • 5:00 - 5:07
    agricultores compram um produto, serviço
    ou implemento agricola de uma empresa
  • 5:07 - 5:10
    e, em troca, eles enviam os seus dados
  • 5:10 - 5:13
    através da Internet para uma empresa,
  • 5:13 - 5:15
    constantemente.
  • 5:15 - 5:19
    A empresa pega esses dados,
    aplica o código e produz as percepções.
  • 5:19 - 5:22
    Algumas ela compartilha
    com os agricultores, outras não,
  • 5:22 - 5:26
    tal como a Amazon, Google,
    e Facebook; tudo é capitalizável.
  • 5:26 - 5:28
    E elas podem lucrar muito com isso.
  • 5:30 - 5:33
    Mas se vamos pegar esse modelo
  • 5:33 - 5:35
    e usá-lo para solucionar
    um problema bem complicado
  • 5:35 - 5:37
    como alimentar o planeta,
  • 5:37 - 5:41
    o código, que é o mais valioso aqui,
  • 5:42 - 5:45
    não pode ser detido
    e controlado por poucos.
  • 5:45 - 5:48
    Precisamos tornar o código,
    a habilidade de extrair percepções
  • 5:48 - 5:51
    e fazer previsões precisas do futuro,
  • 5:51 - 5:53
    disponíveis para todos.
  • 5:54 - 5:58
    Como os serviços do Facebook e Amazon.com.
  • 5:59 - 6:01
    E é nisso que eu trabalho.
  • 6:01 - 6:05
    Eu trabalho no problema
    de tornar o código disponível a todos,
  • 6:06 - 6:09
    e de tornar possível executá-lo
    em qualquer lugar.
  • 6:10 - 6:12
    Porque alguns agricultores
    nem possuem Internet.
  • 6:12 - 6:16
    Logo, em vez de mover todos esses dados
    para uma empresa pela Internet,
  • 6:16 - 6:20
    que tal movermos o código,
    que é minúsculo, apenas uma vez,
  • 6:20 - 6:24
    para onde estão os dados,
    movê-lo para a fazenda?
  • 6:25 - 6:28
    Execute o código
    em um computador na fazenda,
  • 6:28 - 6:33
    e o agricultores podem extrair
    suas percepções,
  • 6:33 - 6:37
    lucrar com isso e se tornar
    mais produtivos por causa disso.
  • 6:38 - 6:43
    Eles podem até dar ou vender seus dados
    e suas percepções para a indústria.
  • 6:43 - 6:47
    As empresas podem continuar lucrando
    com suas próprias percepções
  • 6:47 - 6:50
    ou com as percepções que os agricultores
    extraíram com o código.
  • 6:50 - 6:54
    Elas poderão continuar lucrando
    com isso, só talvez um pouco menos.
  • 6:56 - 7:01
    O problema com esse modelo é que,
    primeiramente, o código é complexo.
  • 7:02 - 7:06
    Entretanto, é matemática e estatística
    que são bem compreendidas.
  • 7:06 - 7:10
    E a tecnologia tem um precedente
    de pegar coisas complexas
  • 7:10 - 7:12
    e disponibilizá-las em toda a parte.
  • 7:13 - 7:15
    Pensem na Internet.
  • 7:15 - 7:17
    A Internet já foi pensada
    como a ciência de foguetes.
  • 7:17 - 7:21
    Diversos pesquisadores se reuniram,
    desenvolveram-na e disponibilizaram-na;
  • 7:21 - 7:22
    todos tinham medo dela.
  • 7:22 - 7:25
    Poucas empresas puderam tirar
    vantagens dela e o fizeram.
  • 7:25 - 7:28
    E, hoje em dia, ela está em toda a parte.
  • 7:28 - 7:30
    E, para a maioria de nós, é grátis.
  • 7:30 - 7:33
    Nós tornamos a Internet acessível.
  • 7:33 - 7:36
    Agora é hora de tornar
    esse tipo de código acessível.
  • 7:36 - 7:39
    É possível, e nós podemos fazer.
  • 7:39 - 7:44
    O segundo grande problema
    é que a indústria não fará isso por nós.
  • 7:45 - 7:48
    Qual empresa desenvolveria
    propriedade intelectual
  • 7:48 - 7:50
    e, em seguida, entregaria
    aos concorrentes?
  • 7:51 - 7:52
    Não muitas.
  • 7:53 - 7:56
    Logo, o segundo problema
    com que devemos lidar
  • 7:56 - 7:57
    é como faremos isso?
  • 7:57 - 8:00
    Como tornar esse código
    acessível para os agricultores,
  • 8:00 - 8:03
    para que todas as pessoas
    possam prosperar?
  • 8:04 - 8:07
    A tecnologia tem um precedente
    para isso também.
  • 8:07 - 8:10
    É chamado de "código aberto".
  • 8:11 - 8:15
    Diversos pesquisadores em tecnologia
    ou ciência da computação se reúnem,
  • 8:15 - 8:17
    constroem os blocos de construção,
  • 8:17 - 8:19
    e os dão de graça,
  • 8:19 - 8:22
    para que todos tenham acesso
    e todos possam usá-los.
  • 8:22 - 8:25
    Trabalham duro para fazê-los
    o mais fácil possível de usar.
  • 8:25 - 8:28
    E então, construímos uma comunidade;
  • 8:28 - 8:30
    uma comunidade de inovadores
    e desenvolvedores,
  • 8:30 - 8:35
    pesquisadores e estudantes;
    de todas as idades, de todas as formações
  • 8:35 - 8:38
    e, em nosso caso,
    agricultores e produtores.
  • 8:39 - 8:42
    E essa comunidade é o que cria a inovação
  • 8:42 - 8:46
    que realmente pode solucionar
    problemas difíceis,
  • 8:46 - 8:49
    que empresas individuais
    simplesmente não conseguiriam.
  • 8:49 - 8:52
    Elas participarão,
    mas não podem fazer sozinhas.
  • 8:52 - 8:54
    Nenhum de nós pode fazer sozinho.
  • 8:56 - 8:58
    Então eu os encorajo a pensar sobre isso,
  • 8:58 - 9:02
    e a se juntarem a nós para tornar
    as fazendas mais inteligentes.
  • 9:02 - 9:04
    Juntem-se à "fazenda inteligente"
  • 9:04 - 9:08
    porque apenas juntos seremos
    capazes de alimentar o planeta.
  • 9:08 - 9:09
    Obrigada pela atenção.
  • 9:09 - 9:11
    (Aplausos)
Title:
Transformando-nos em uma sociedade de produtores de alimentos | Dr. Chandra Krintz | TEDxFargo
Description:

A Dra. Chandra Krintz discute como podemos usar os avanços na tecnologia, que nos transformaram em uma sociedade de consumidores, para nos transformar em uma sociedade de produtores de alimentos. Em particular, ela sugere usar as mesmas técnicas que a Amazon, Google e Facebook usam para direcionar suas publicidades, marketing e vendas de produtos para nós, isto é, agregação de dados, análise e previsão, para tornar os agricultores e pecuaristas mais produtivos, a fim de alimentar o planeta à medida que nossa população cresce.

Esta palestra foi dada em um evento TEDx usando o formato de conferência TED, mas organizado de forma independente por uma comunidade local. Saiba mais em http://ted.com/tedx

more » « less
Video Language:
English
Team:
closed TED
Project:
TEDxTalks
Duration:
09:31

Portuguese, Brazilian subtitles

Revisions Compare revisions