A Spotify ampliou o uso de desenvolvimento assistido por IA e mais que dobrou as mudanças mensais mescladas, de cerca de 8.100 para 17.000 ano a ano em agosto. Com o aumento do volume de alterações nos sistemas de produção, a empresa ajustou controles de qualidade e confiabilidade para lidar com a nova escala.
A companhia opera quase 3.000 serviços de produção para 777 milhões de usuários ativos mensais e relata desafios em processamento de conteúdo, automação de frota e capacidade de computação. Entre as respostas estão melhorias em monitoramento e testes, salvaguardas de rollout e capacidade de rollback, além da adoção do Honk, um agente de codificação em background que executa o Claude via Agent SDK em pods no Kubernetes.
Pesquisadores apresentaram na conferência KDD o estudo “GEO: Generative Engine Optimization”, voltado a melhorar a visibilidade de conteúdos nas respostas de mecanismos generativos. Nos testes descritos, intervenções específicas aumentaram a presença em até 40%, variando conforme o tema pesquisado.
O movimento é comparado ao SEO, mas com uma diferença: ao perguntar a uma inteligência artificial, muitas vezes o usuário recebe uma resposta pronta em vez de uma lista de opções. O texto destaca ainda como a construção de um “rastro público” — entrevistas, artigos, participações e fontes — pode influenciar o que sistemas como os buscadores associados ao ChatGPT encontram e citam, exigindo que assessorias e relações públicas considerem como esses dados são lidos e organizados.
A Starlink já permite que celulares se conectem diretamente aos satélites por meio da tecnologia Direct to Cell, sem a antena usada no serviço residencial. A proposta evoluiu de mensagens de texto para acesso a dados e chamadas via aplicativos, com operação feita em parceria com operadoras de telefonia que disponibilizam parte das frequências.
No Brasil, Vivo e Starlink participam de um ambiente experimental autorizado pela Anatel, com permissão válida até abril de 2029, mas ainda sem oferta comercial ampla. Enquanto isso, a SpaceX recebeu autorização da FCC para implantar até 15 mil satélites de nova geração, com novas frequências para ampliar cobertura e capacidade, inclusive em ambientes internos, aproximando a tecnologia de serviços móveis mais avançados.
Menus gerados por inteligência artificial têm chegado a restaurantes com ilustrações que parecem “perfeitas demais”, simétricas e suavizadas, levando clientes a desconfiar mesmo sem conseguir explicar o motivo. O problema aparece tanto em imagens claramente falsas quanto em versões tão comuns que só ficam estranhas quando observadas com mais atenção.
Especialistas apontam que modelos como LLMs e difusão aprendem padrões de conjuntos de dados voltados à “agradabilidade”, o que pode levar à homogeneização e ao “shave off the edges” (apagamento de arestas). A discussão também envolve efeitos como o “uncanny valley” em imagens de comida e o risco de convergência quando sistemas passam a reaproveitar saídas geradas por IA no próprio treinamento.
Diffusion language models estão ganhando espaço como alternativa aos LLMs autoregressivos para gerar texto. O texto descreve como modelos de difusão para dados discretos funcionam ao invés de prever tokens um a um, refinando uma sequência por etapas a partir de um “chute” inicial.
O guia apresenta os blocos de construção de modelos open-source, começando por masking diffusion e avançando para técnicas como iterative refinement, post-training e geração de tamanho variável. A proposta é mostrar como a ideia central de denoising, comum em difusão para imagens, pode ser adaptada para linguagem com processos forward e reverse, onde o “ruído” é definido via mascaramento de tokens.
Pesquisas recentes em modelos de difusão contínua para linguagem reacenderam o interesse na abordagem, após alguns anos de pouca atividade. Métodos de difusão totalmente discretos haviam se tornado dominantes, mas a tendência parece começar a mudar com novos trabalhos e atualizações do tema.
O texto relembra a evolução do campo: tentativas discretas surgiram em 2021, enquanto abordagens contínuas apareceram em 2022 com propostas como Diffusion-LM, que usa embeddings contínuos para viabilizar a corrupção com ruído gaussiano. Depois de 2023, a difusão contínua teria “desaparecido” em favor da discreta, e a retomada atual é atribuída a mudanças no foco do desempenho e nas expectativas sobre escalabilidade.
Modelos grandes de IA já conseguem gerar milhões de designs de materiais em minutos, mas a adoção prática ainda é limitada pela baixa estabilidade química das opções criadas. Pesquisadores do MIT desenvolveram o CrysVCD, um framework que aplica regras de química sobre elétrons e valência antes da etapa mais cara de geração, para que cada design já comece “válido” para a estrutura atômica.
Em um artigo na Nature Computational Science, a equipe relata que o CrysVCD elevou a taxa de materiais estáveis em quase 70% das gerações computacionais e ajudou a produzir candidatos com propriedades direcionadas, como alta condutividade térmica e constante dielétrica elevada. O método combina um modelo de linguagem com modelos de difusão e busca reduzir o custo de validação, que normalmente domina o tempo e os recursos do processo de descoberta.
