Marcelo L.

- Founder B2B;
- Construindo em silêncio, pensando em público.

[Marcelo L. @Marcelo_L3]

Seria bom nosso governo começar a levar isso a sério.

[Polymarket @Polymarket]

JUST IN: Mark Zuckerberg warns a small group controlling superintelligence could dominate economics, science and politics — calls for “personal superintelligence” for everyone.

[Polymarket @Polymarket]

BREAKING: Anthropic reveals Claude Mythos discovered post-quantum cryptographic weaknesses that had evaded years of human expert review.

[Marcelo L. @Marcelo_L3]

@brunofaggion Versão MC. Taleb 😂

[Marcelo L. @Marcelo_L3]

@richardrx Os caras são bons: conseguiram fazer lock-in de hardware.

Agora é esperar a reação da Samsung.

[Marcelo L. @Marcelo_L3]

@brunofaggion Puro Marketing de guerrilha kkk

Mas jaja satura e perde efeito

[Marcelo L. @Marcelo_L3]

@claramilinski O planejamento foi um sucesso 😂

[Marcelo L. @Marcelo_L3]

@meu1omilhao Recuar de qualquer decisão requer muito mais coragem do que seguir o 'fluxo'.

Segue meu like por respeito.

[SciTech Era @SciTechera]

AI is accelerating the transition from understanding biology to engineering it.

BIG BREAKTHROUGH:

"Researchers just used AlphaFold3 AI to redesign CRISPR proteins, making gene editing dramatically more precise by reducing harmful off-target DNA edits."

"The team developed an AI-guided framework called ContactSeek, which identified the exact amino acids in Cas9 responsible for binding mismatched DNA sequences."

"By engineering just 23 targeted amino acid substitutions across 10 key positions, they created a redesigned Cas9 variant that reduced off-target editing from 28% to 5% while maintaining strong on-target activity."

"The approach also successfully generalized to Cas12a-based cytosine base editors, suggesting it could become a universal strategy for designing safer genome-editing systems."

AI is now helping scientists engineer safer molecular machines, bringing us closer to precise gene therapies for inherited diseases, cancer, and many other genetic disorders.

we're entering the era where AI doesn't just analyze biology... it helps redesign it.

[Marcelo L. @Marcelo_L3]

@ancapepe Sim.

E o ser humano é carbono glorificado reclamando de multiplicação matricial glorificada 😂

[Marcelo L. @Marcelo_L3]

@samsantosb Nunca usei tb, mas estou vendo mt propaganda. Lado ruim é q ele treina com seus dados sim ou sim (mudou isso?).

[Marcelo L. @Marcelo_L3]

@claramilinski Caí junto. Nunca gostei de futebol mesmo kkkk 😑

[Marcelo L. @Marcelo_L3]

@claramilinski Mas admito que o modelo de Estado digital deles já me fez considerar morar lá.

[Marcelo L. @Marcelo_L3]

@claramilinski Pelo número de bandeiras, achei que a Estônia tinha virado o selo ISO 9001 da consciência política 😂

[Marcelo L. @Marcelo_L3]

Chatbots aprenderam com a internet.

Robôs não têm uma internet de movimentos.

A Encord está gravando pessoas jogando Jenga, conectando cabos e até medindo suas ondas cerebrais para treinar máquinas.

A ideia é registrar não apenas o movimento, mas também momentos de esforço, erro e surpresa.

Talvez o próximo gargalo da IA não seja o modelo.

Seja fabricar realidade suficiente para ensiná-lo.

Are brain waves the next unlock for physical AI? https://t.co/QYjuZdUChp via @techcrunch

[Marcelo L. @Marcelo_L3]

Richard Hamming percebeu um paradoxo no Bell Labs.

As pessoas que fechavam a porta do escritório produziam mais hoje e amanhã.

Tinham menos interrupções, protegiam o foco e avançavam mais rápido no trabalho que já estava diante delas.

Mas, dez anos depois, algo estranho acontecia.

Muitas já não sabiam quais problemas realmente valiam a pena resolver.

Enquanto isso, quem deixava a porta aberta pagava um preço diário.

Colegas entravam. Conversas começavam. Ideias interrompiam o plano da tarde.

Essas pessoas pareciam menos eficientes.

Mas, de vez em quando, uma interrupção trazia uma pista sobre o que estava acontecendo no mundo -- e sobre quais perguntas começavam a importar.

Hamming não fingia ter provado uma relação de causa e efeito.

Talvez a porta fechada fosse apenas o símbolo de uma mente fechada, dizia ele.

O que observava era uma correlação:

quem trabalhava de porta aberta sofria mais interrupções, mas frequentemente permanecia mais próximo dos problemas importantes.

Ele tinha passado tempo suficiente naquele ambiente para levar a observação a sério.

Hamming trabalhou durante trinta anos no Bell Labs, criou os códigos que ajudaram computadores a detectar e corrigir erros e recebeu o Prêmio Turing.

Ao longo da carreira, conviveu com algumas das mentes mais importantes da ciência e da computação do século XX.

Sua obsessão era entender por que algumas pessoas brilhantes produziam trabalhos extraordinários, enquanto outras, igualmente inteligentes e disciplinadas, acabavam esquecidas.

Mais tarde, transformou essas observações nas aulas reunidas em The Art of Doing Science and Engineering.

A história da porta aberta é uma das ideias mais citadas do livro.

Também é uma das mais fáceis de interpretar errado.

A conclusão não é que interrupções sejam boas.

Nem que o foco seja um erro.

A questão é que foco e exposição resolvem problemas diferentes.

O foco ajuda você a executar melhor aquilo que já escolheu.

A exposição ajuda a descobrir se escolheu a coisa certa.

Os cientistas de porta fechada otimizavam a produção.

Os de porta aberta mantinham uma superfície maior de contato com problemas, pessoas e informações que ainda não cabiam em uma agenda.

Uma conversa no corredor podia revelar que outra equipe havia encontrado um obstáculo.

Uma pergunta casual podia mostrar que uma tecnologia estava abrindo uma possibilidade nova.

Uma dificuldade trazida por alguém podia se transformar em um problema de pesquisa.

Isoladamente, cada interrupção parecia um custo.

Acumuladas durante anos, elas podiam alterar o tipo de pergunta que uma pessoa conseguia enxergar.

A mesma lógica aparece em outra história contada por Hamming.

No início de sua passagem pelo Bell Labs, ele percebeu que não receberia a grande equipe de programadores que desejava.

Naquela época, programar computadores exigia muito trabalho manual.

Ele poderia ter tratado a recusa apenas como falta de recursos.

Em vez disso, passou algum tempo pensando e formulou outra pergunta:

se as máquinas podem fazer tantas coisas, por que não poderiam ajudar a escrever os próprios programas?

A ausência da equipe não resolveu seu problema.

Mas o obrigou a redefini-lo.

O que parecia uma limitação operacional o empurrou em direção à programação automática.

Em vez de perguntar como conseguir mais pessoas para executar o método existente, ele começou a perguntar por que o método precisava depender de tantas pessoas.

Essa é uma das operações mentais recorrentes no livro:

não apenas tentar vencer o obstáculo, mas investigar se ele está apontando para uma pergunta melhor.

A parte mais desconfortável vem quando Hamming fala sobre problemas importantes.

Segundo ele, muitos pesquisadores passam quase toda a carreira trabalhando em questões que nem eles acreditam que produzirão algo relevante.

Não porque sejam incapazes.

Eles podem trabalhar muito, executar com competência e produzir resultados corretos.

O problema é a direção desse esforço.

Hamming resumiu a consequência de forma quase aritmética:

se você não trabalha em um problema importante, é improvável que faça um trabalho importante.

Mas ele acrescentava uma condição que costuma desaparecer quando a frase é repetida.

Um problema não se torna importante apenas porque sua solução teria consequências enormes.

Viagem no tempo, teletransporte e antigravidade seriam descobertas monumentais. Ainda assim, Hamming não os considerava problemas importantes para um pesquisador de sua época, porque não havia uma forma razoável de atacá-los.

Um problema importante precisa combinar relevância com possibilidade de avanço.

A pergunta não é apenas:

> Qual é o maior problema que consigo imaginar?

É também:

> Em qual problema relevante tenho alguma forma concreta de avançar?

Essa distinção separa ambição de grandiosidade vazia.

E explica por que a porta aberta importava.

Para trabalhar em questões relevantes, não basta pensar com profundidade.

Também é preciso atualizar continuamente o próprio mapa do que está acontecendo.

Hamming dizia que conhecimento e produtividade funcionam como juros compostos.

Uma pequena diferença, aplicada de forma inteligente durante muitos anos, não produz apenas uma vantagem proporcional.

A pergunta certa leva a uma leitura melhor.

A leitura melhora as perguntas seguintes.

Problemas mais relevantes aproximam você de pessoas e oportunidades diferentes.

No começo, quase não há distância visível.

Décadas depois, a diferença parece talento, sorte ou genialidade.

Por isso Hamming tratava a ideia de que "a sorte favorece a mente preparada" como uma instrução, não como uma frase motivacional.

Você não controla quando uma oportunidade importante aparecerá.

Mas pode aumentar a probabilidade de reconhecê-la.

Pode pensar antecipadamente sobre os problemas relevantes de sua área.

Pode permanecer em contato com pessoas capazes de mostrar o que você ainda não percebeu.

Pode transformar restrições em perguntas.

E pode acumular conhecimento durante tempo suficiente para que pequenas vantagens comecem a se multiplicar.

The Art of Doing Science and Engineering não é um manifesto contra o foco.

É um alerta contra a otimização local.

Fechar a porta pode ser a melhor maneira de terminar o trabalho de hoje.

Mas mantê-la sempre fechada pode impedir que você descubra qual trabalho deveria ocupar os próximos dez anos.

Talvez a melhor estratégia seja aprender a operar nos dois modos:

porta fechada para executar; porta aberta para escolher a direção.

Muita gente aprende a proteger o próprio tempo.

Pouca gente protege o contato com as perguntas capazes de fazer esse tempo valer a pena.

[Marcelo L. @Marcelo_L3]

@richardrx Acho que isso é o que mais gera estigma com IA: o famoso AI Slop.

Qualquer coisa que parece feita sem esforço e sem técnica, só mirando o dinheiro fácil é mal visto.

[Marcelo L. @Marcelo_L3]

Hoje é o aniversário da morte de Robespierre, resolvi investigar e trazer insights sobre liderança usando os fundamentos da teoria dos jogos.

> Há 232 anos, em 27 de julho de 1794, Robespierre foi derrubado e preso.

> No dia seguinte, morreu na guilhotina -- o instrumento usado pelo próprio governo revolucionário contra tantos condenados.

A ironia é conhecida.

> Por que aliados e rivais de facções diferentes decidiram se unir para eliminá-lo?

> Cinco anos antes, a Revolução Francesa havia começado combatendo os privilégios da monarquia e da aristocracia.

> Durante o Terror, porém, a suspeita se tornou uma ferramenta de governo.

--> Robespierre tornou-se uma das figuras mais poderosas do período e uma das mais associadas à repressão dos chamados "inimigos da Revolução".

Na véspera de sua prisão, denunciou uma nova conspiração dentro do governo.

> Mas não deixou claro quem eram todos os traidores.

Cada deputado precisou considerar a mesma possibilidade:

- "Ele está falando de mim?"

Ao deixar a ameaça sem nomes, Robespierre mudou o cálculo de todos naquela sala.

> Facções que desconfiavam umas das outras passaram a compartilhar o mesmo incentivo: agir antes que fossem as próximas.

--> Em teoria dos jogos, cooperação não exige necessariamente confiança.

--> Às vezes, basta que esperar sozinho pareça mais perigoso do que agir em conjunto.

O mesmo cálculo aparece nas empresas.

> Quando discordar se torna perigoso, as pessoas param de corrigir o líder e começam a se coordenar longe dele.

> O líder interpreta isso como deslealdade, sem perceber quanto daquele comportamento foi produzido pelos incentivos que criou.

Robespierre denunciou uma conspiração.

> Seu discurso não criou sozinho a coalizão que o derrubou.

Mas ajudou a tornar racional que ela se formasse.

[Marcelo L. @Marcelo_L3]

@joaoli13 @elzobrito @OpenAI O motivo é simples: eles não precisam. O ecossistema deles faz lock-in forte por default.