Ver o futuro é a parte fácil
Imagine que você pudesse gerar uma imagem fiel de qualquer lugar da Terra sob condições que ele nunca viveu de fato. Uma costa fustigada por uma tempestade que ainda não chegou. Uma rede elétrica sob uma onda de calor extrema que ainda não aconteceu. Uma floresta daqui a uma década em um futuro que ainda está sendo decidido. Isso, a grosso modo, é o que os dados sintéticos de observação da Terra poderiam tornar possível: dados detalhados, gerados sinteticamente, que se parecem e se comportam como imagens reais.
Em sua conversa de duas partes com Guy Clapperton no podcast The Near Futurist, nossa CEO Maya Pindeus descreve em detalhes como a Another Earth constrói exatamente esse tipo de dado de treinamento.
Por que construí-los do zero, se os satélites já vigiam o planeta 24 horas por dia? Porque vigiar não é o mesmo que ver com clareza. A imagem utilizável é fragmentada e irregular: a programação de satélites (tasking) de alta resolução, os dados de treinamento rotulados e os arquivos históricos há muito tempo se inclinam para o Hemisfério Norte, com o Sul sendo frequentemente sub-representado. As nuvens obstruem a visão, e a linha de base do que conta como um ano normal continua mudando, deixando pontos cegos exatamente nos lugares onde os riscos são mais altos. Os dados sintéticos preenchem essas lacunas e, como já vêm previamente rotulados, os modelos alcançam um desempenho confiável com uma fração das imagens reais que, de outra forma, seriam necessárias. Isso importa mais nas áreas sob pressão real, desde energia e infraestrutura até florestas e minas.
Mas, além de compartilhar percepções sobre nossa própria tecnologia, Maya também foca em uma pergunta muito importante: o que as pessoas fazem quando um modelo pode mostrar a elas o que pode estar por vir? Porque a parte difícil, ao que parece, não é apenas ver o futuro. É também decidir como viver com ele.
A armadilha da resposta única
Vamos começar com o perigo óbvio. Se você constrói algo que prevê riscos, como impedir que as pessoas tratem a previsão como a verdade absoluta? Previsões podem falhar, e uma previsão confiante que se mostre falsa pode causar mais danos do que nenhuma previsão.
A resposta de Maya é que você não deve confiar em uma única previsão, para começar. Em vez disso, o objetivo é criar e aprender com muitos cenários possíveis, cada um sendo uma versão diferente do que poderia acontecer. Ela enfatiza que precisamos nos afastar da busca por uma única imagem clara do futuro e passar a testar cenários de como as decisões que tomamos agora podem moldá-lo. Essa mudança é vital. Ela transforma uma previsão de uma resposta fixa em algo que as equipes podem testar, desafiar e planejar em torno.
E essa abordagem também molda a forma como os modelos são construídos. Não um único modelo global onisciente, mas “pequenos modelos que podem ser inseridos em fluxos de trabalho do mundo real”, como diz Maya, do tipo que você pode realmente questionar, cada um construído para um lugar e problema específicos. E quando um deles traz à tona algo que ninguém esperava, algo que vai contra o senso comum ou a resposta politicamente conveniente? Então, essa é uma evidência importante que vale a pena colocar na mesa.
Sintético não significa “inventado”
Maya também aborda uma perspectiva que encontra frequentemente ao apresentar o trabalho da Another Earth com dados sintéticos: a suspeita sobre dados criados artificialmente. Se os dados não são reais, por que alguém confiaria em uma decisão baseada neles?
É uma pergunta justa, e Maya dá uma resposta clara. A melhor técnica contra o erro é quase entediantemente simples, mas rigorosa: comparação, em cada etapa. Real contra sintético, repetidamente, à medida que os dados são gerados e os modelos são treinados. A honestidade é incorporada ao processo, não prometida ao final dele. Onde os dados reais terminam, os modelos já foram medidos em relação a tudo o que podemos observar e são então aplicados às condições que ainda não vimos.
Mas nisso reside outro ponto crucial que Maya também quer deixar claro. Os dados sintéticos da Another Earth não foram criados para substituir os dados do mundo real. Eles foram criados para complementá-los, para preencher as lacunas onde os dados do mundo real encontram seus limites, a fim de medir o mundo real em um nível de detalhe que não era possível antes. Eles não substituem a realidade. Eles preenchem as partes dela que nunca fomos capazes de ver.
A parte que ninguém pode automatizar
Vá mais fundo e as perguntas ficam mais pesadas. Um sistema com essa precisão poderia moldar quem consegue seguro, para onde o dinheiro flui e até onde as pessoas estão dispostas a viver. Pessoas já estão sendo deslocadas pelas mudanças climáticas. Coloque esse tipo de previsão nas mãos erradas e ela poderá causar danos reais.
Maya não finge o contrário. Qualquer ferramenta poderosa pode ser mal utilizada. É exatamente por isso que a linha que ela continua traçando é sobre quem detém a decisão. Esses sistemas oferecem uma visão mais nítida, uma perspectiva extra, uma leitura mais clara do que está por vir. Eles estão lá para apoiar um julgamento, nunca para tomá-lo. “A tomada de decisão deve caber a nós, seres humanos”, diz ela. A escolha, e a responsabilidade que a acompanha, permanece humana.
Da caridade ao investimento
Pergunte a Maya o que as pessoas mais erram sobre o risco ambiental, e ela aponta para um hábito mental. Por muito tempo, proteger a natureza esteve sob o título de caridade, algo bom de se fazer, uma causa para a qual doar. Esse enquadramento, ela acredita, está finalmente se quebrando.
Ela aponta para a COP30, a conferência climática da ONU realizada em Belém, Brasil, no final de 2025, e o esforço crescente para tratar a Amazônia não como um caso de caridade, mas como um investimento, com veículos de investimento reais como o Tropical Forests Forever Facility por trás disso. Proteger uma floresta não é ser generoso. É gerenciar riscos e comprar um futuro mais seguro. Uma vez que você vê dessa forma, é difícil deixar de ver.
Um mundo que para de reagir
Então, para onde isso nos leva? A resposta de Maya é direta. “Estamos vivendo em um mundo muito reativo no momento”, diz ela, “e estamos vendo como isso não está funcionando”. O estoque excessivo, a correria quando uma rede falha ou uma cadeia de suprimentos se rompe, o planejamento que raramente olha além do próximo ciclo curto.
A alternativa é simular as consequências de uma decisão antes de se comprometer com ela, e construir sistemas de energia, sistemas alimentares, cadeias de suprimentos e infraestrutura para daqui a quinze ou vinte anos, em vez de quinze ou vinte meses. Menos reação, mais preparação. O detalhe é que isso só funciona se estivermos dispostos a olhar agora para os desafios, e Maya é clara ao dizer que temos que estar. Como ela diz, “não queremos viver com muitos pontos cegos”.
Essa ideia é um ponto central que Maya enfatiza em ambos os episódios do podcast com Guy: a capacidade de ver mais longe está chegando. Se isso tornará o mundo mais estável depende de algo mais antigo e difícil: o que escolheremos fazer quando pudermos.
Ouça as duas partes
A conversa completa em duas partes está em The Near Futurist, com mais de nossa perspectiva sobre esses temas aqui no blog e no LinkedIn. Nossos agradecimentos a Guy Clapperton pela conversa.
