O que leva à inovação tecnológica?

No último artigo vimos como o avanço da capacidade computacional de uma sociedade não é o fator mais importante em relação ao desenvolvimento econômico em questão de eficiência de produção. Mas que na verdade, o avanço do conhecimento em n áreas, como a matemática, química, biologia molecular, física e etc, que permitem que os desenvolvimentos ocorram em setores que demandam inovações que permitam a criação de produtos e serviços muito superiores em eficiência e qualidade (como computadores, sistemas robóticos, uso de inteligência artificial em logística e etc).

Neste artigo, iremos mais além, com foco em buscar o que realmente origina avanços tecnológicos, especialmente na pesquisa acadêmica privada.

Algumas falácias facilmente destruídas

A primeira falácia é a de que o investimento público em pesquisa acadêmica que leva ao desenvolvimento tecnológico de um país. E com essa premissa, governantes e políticos podem dizer que precisam usar parte do imposto em níveis maiores para esses fins, porém, sabemos que o mesmo dissipa capital ao fazer isso, pois é um buraco sem fundo, onde o incentivo de retorno desse investimento não existe (afinal, a falha dos projetos em si não tira o inflow de capital de dinheiro público para esse fim).

Eu seria mentiroso se eu dissesse que não existe dinheiro público em diversos países (como a China e Coréia do Sul) que são alocadas em boas pesquisas. Eu mesmo já li diversos bons artigos de ciência da computação, inteligência artificial, neurociência e etc, que citei em livros, e que no final tinha uma parte dizendo que os autores tinham recebido um grant do governo para escrever o mesmo, um financiamento.

Mas mesmo isso sendo verdade, a pesquisa pública é demasiada inferior à privada. A Samsung investiu mais de $24 bilhões de dólares em pesquisa e desenvolvimento em 2024, a Apple no mesmo ano investiu mais de $37 bilhões, a Google investiu mais de $49 bilhões, a Microsoft mais de $29 bilhões, a NVIDIA mais de $8 bilhões, a Amazon mais de $88 bilhões, a TSMC (Taiwan Semiconductor Manufacturing Company) investiu cerca de $30 bilhões, a Meta mais de $40 bilhões e etc.

É claro que estamos falando das mais importantes empresas do mundo, mas o ponto é que em diversos setores (não só de tecnologia, mas o farmacêutico, industrial e etc), o R&D (Research and Development) é algo extremamente importante, e tem pesquisadores que são contratados para fazer essas novas descobertas que vão impactar o mercado positivamente. Mesmo pesquisadores no meio acadêmico de física, química, biológica e etc são impactados com computadores cada vez melhores para eles executarem algoritmos que cada vez mais tem impactado todas as áreas da ciência (biologia molecular que eu diga, em algoritmos para análise genômica).

A segunda falácia, é que alguns podem dizer que pesquisadores do setor privado tendem a focar em lucro, não em descobertas que realmente impactam a sociedade. Eles talvez pensem em algo voltado a ideias progressistas de inovação, mas muitas delas são buscas inúteis por uma falsa validação de conhecimento. É um fato que os avanços em Inteligência Artificial recente, por empresas como a Deep Mind e Open AI,avançaram no setor de pesquisa privada principalmente nas últimas duas décadas (embora eu reconheça que mesmo o Rosenblatt teve financiamento do governo no passado, mas os recentes foram por pesquisa privada).

A Open AI gastou cerca de $5 bilhões de dólares com R&D em 2024, como a Deep Mind faz parte da Alphabet (a Google) os gastos da empresa em si em parte foram alocados nessa subsidiária, um valor substancial (e eu ainda mantenho minha preferência pela Deep Mind, em parte por ser fanboy dela, e porque acho que eles escreveram artigos mais importantes que a Open AI ao longo da sua história, posso estar errado é claro, mas para mim popularidade não significa qualidade em todos os âmbitos de pesquisa).

A Meta também tem um portfólio de pesquisa acadêmica muito relevante em IA, existe mesmo um Archive de artigos no site deles no tema muito bem construído assim como o da Deep Mind e da Open AI. Como o paper “A Robustly Optimized BERT Pretraining Approach” do algoritmo chamado Roberta, que foi feito pela Meta e foi parte dos principais inicialmente em modelos de linguagem, tem um também muito interessante sobre Starcraft chamado “Adaptive High-Level Strategy Learning in StarCraft”, que gostei muito de ver uma empresa como a Meta publicar nesse tema (mas a Deepmind que fez mais avanços em IA nos games na minha opinião, com papers mesmo na nature nessa questão).

Avanços em áreas mais específicas

Especialmente a Tesla, está num ambiente mais específico de carros autônomos, o que demanda pesquisa e desenvolvimento em IA também, sendo que eles gastaram mais de $4 bilhões nisso em 2024. É um ponto importante ressaltar (como já fiz em outros artigos), que não necessariamente mais dinheiro investido significa mais resultados. Resultados são medidos por impacto que a pesquisa teve, e não vem essencial de H-Index de citações do artigo, mas sim do quanto n pesquisas da empresa alteraram o escopo de um tema, como a pesquisa em Modelos de Linguagem pela Deepmind, Meta, Open AI e outras empresas.

É um fato que agentes totalmente fora do meio empresarial no momento podem fazer grandes descobertas, Ian Goodfellow por exemplo, que inventou o GANS (Generative Adversarial Networks), que é um dos modelos de IA mais interessantes e inovadores em todas as suas variantes, literalmente escreveu o código do mesmo depois de uma conversa num bar com amigos da faculdade (pelo que me lembro da entrevista dele no tema no curso da DeepLearning.AI).

Devo citar que Einstein mesmo descobriu a relatividade depois dos avanços de Lorentz, Minkowski, Poincaré,Maxwell e muitos outros, enquanto trabalhava num escritório de patentes. Não houve investimento do governo de Zurich em Einstein até então, isso veio da sua própria iniciativa e curiosidade, em que ele teve uma ideia audaciosa, e publicou 5 papers no seu Annus Mirabilis (ano milagroso) no Annalen der Physik, que mudaram a história da física e do século 20, Oppenheimer mesmo demonstra o ímpeto do mesmo no seu paper “Oppenheimer on Einstein: Bulletin of the Atomic Scientists” (1979), a questão é que alguém eventualmente teria descoberto a relatividade, mas pela providência de Deus que a criou, deu a Einstein o favor da descoberta.

O Ponto Central

Descobertas podem vir de pessoas comuns (aparentemente), que tem ideias inovadoras e podem talvez até aplicar elas com muito menos capital (o que prova que ter dinheiro não significa que você terá mais resultados em R&D). É óbvio que num país, um ambiente de educação básica eficiente (não discutirei sobre isso aqui) e boas universidades disponíveis, é o melhor ambiente para a inovação, pois as pessoas (na massa) precisam de ensino e instrução para potencialmente alcançarem tudo que podem, sendo que todos em nós temos tal capacidade, indo para as áreas que mais gostamos.

A ideia de que a inovação vem através do Estado, é uma grande falácia, pelo contrário, é o mesmo que dissipa capital dando dinheiro para pesquisadores que nem se provaram ainda, para ganharem bolsas que nem sempre são por mérito real acadêmico, e que no fim são só uma forma de dar dinheiro de graça que dá retorno para a pessoa em si, mas cria um sistema onde poucos se beneficiam de tal graça.

O que pode criar um ambiente acadêmico onde pesquisadores recebem mais pelo seu trabalho, é a pesquisa privada. É claro que alguém que estuda sociologia (dependendo) pode ter menos demanda para trabalhar em pesquisa acadêmica numa empresa (talvez se buscar pesquisar em Social Network Analysis dá para fazer alguma coisa). Mas é necessário se provar nesse meio, é óbvio que é difícil, escrever é difícil, ter ideias novas é difícil, ir além dos seus predecessores é difícil.

Alguns tem a ideia vaga e nula de que simplesmente porque você completou um mestrado e doutorado, que você é um pesquisador(a), isso é certo, de fato é importante esse achievement, mas não para por aí, é literalmente o começo. Para alguém realmente ganhar com pesquisa acadêmica, tal pessoa tem que publicar com frequência e considerar isso um trabalho que precisa de resultados, e dependendo da área, óbvio que isso é complexo.

Mas escrever livros–texto melhores, livros expondo suas ideias de forma mais expansiva,reviews de estado da arte, opiniões e etc, tem várias formas de sempre estar publicando (depende da área, se a pessoa ir para uma área teórica é mais fácil, do que a experimental que demanda mais tempo obviamente). É a diferença (com todo o respeito) de um George R. R. Martin e um Stephen King, o primeiro é um autor incrível (principalmente pelo que fez no Elder Ring, na minha perspectiva), o outro também mas publica sem parar com qualidade, ambos incríveis autores.

Mas o escritor acadêmico tem que ser mais um Stephen King que um George R. R. Martin, pois ele precisa publicar mais, precisa ter ideias inovadoras, estar sempre escrevendo livros novos e mais instigantes, é realmente uma luta, um mercado altamente competitivo com uma baixa oferta de trabalho e profissionais altamente qualificados. Porém quem paga mais? Para mais gente? A pesquisa privada, só que ela recompensa por mérito real, não um fictício que o Estado tenta dar, o ponto mais relevante é que a pesquisa privada que dá mais resultados de longo prazo e cria um melhor ambiente de pesquisa acadêmica, é quando pesquisadores começaram a buscar serem independentes ou parte do R&D de empresas se possível, que veremos um ambiente que talvez uma inovação muito maior ocorra, talvez mais que em qualquer na história.