{"id":24862,"date":"2025-09-06T12:57:07","date_gmt":"2025-09-06T15:57:07","guid":{"rendered":"https:\/\/controversia.com.br\/?p=24862"},"modified":"2025-09-03T20:59:42","modified_gmt":"2025-09-03T23:59:42","slug":"big-techs-os-novos-senhores-da-guerra","status":"publish","type":"post","link":"https:\/\/controversia.com.br\/pt\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/","title":{"rendered":"Big Techs, os novos senhores da guerra"},"content":{"rendered":"

S\u00e9rgio Amadeu da Silveira <\/strong>– Novo livro desvela como tecnologia, nas m\u00e3os das corpora\u00e7\u00f5es, remodela conflitos contempor\u00e2neos. Uma megam\u00e1quina alienante, operada por big techs e Estados, domina agora boa parte da a\u00e7\u00e3o b\u00e9lica: da ciberseguran\u00e7a a t\u00e1ticas militares.<\/p>\n

Em 2015, um grupo de cientistas e pessoas influentes ligadas ao desenvolvimento tecnol\u00f3gico lan\u00e7ou um manifesto contra o uso da intelig\u00eancia artificial como recurso militar e dispositivo fundamental da guerra.[1]<\/em>\u00a0Entre as centenas de signat\u00e1rios estavam o f\u00edsico Stephen Hawking e o empres\u00e1rio Elon Musk. Este \u00faltimo parece ter mudado de opini\u00e3o ao se tornar adepto da pol\u00edtica do presidente norte-americano Donald Trump e membro ativo da extrema direita.\u00a0[2]<\/em>\u00a0A dura e inequ\u00edvoca realidade indica que a corrida pela aplica\u00e7\u00e3o da IA nos neg\u00f3cios da guerra avan\u00e7a com rapidez entre as principais For\u00e7as Armadas do planeta.\u00a0[3]<\/em>\u00a0A ideia de empregar a IA apenas em assuntos e temas pac\u00edficos aparenta ter sido completamente derrotada.<\/p>\n

Um relat\u00f3rio da RAND Corporation\u00a0[4]<\/em>\u00a0encomendado pela For\u00e7a A\u00e9rea dos Estados Unidos para analisar os limites da IA para aplica\u00e7\u00f5es de combate alertava que essa tecnologia \u00e9 \u201ctaticamente brilhante, mas estrategicamente ing\u00eanua\u201d. A IA \u00e9 r\u00e1pida para analisar os dados dos sensores e fontes de observa\u00e7\u00e3o e tomar decis\u00f5es baseadas em padr\u00f5es das a\u00e7\u00f5es do inimigo, mas n\u00e3o tem uma vis\u00e3o geopol\u00edtica mais ampla nem domina um contexto geral. Tem dificuldades na estrutura\u00e7\u00e3o das consequ\u00eancias de a\u00e7\u00f5es no longo prazo e, por isso, \u00e9 limitada para apresentar uma estrat\u00e9gia inteligente.<\/p>\n

Os pesquisadores da RAND Corporation n\u00e3o buscaram determinar os limites da IA em todos os sentidos, mas investigaram quatro aplica\u00e7\u00f5es espec\u00edficas de combate. Por isso, analisaram os usos potenciais do aprendizado de m\u00e1quina na seguran\u00e7a cibern\u00e9tica, na manuten\u00e7\u00e3o preditiva, nos jogos de guerra e no planejamento de miss\u00f5es. Essas aplica\u00e7\u00f5es militares foram escolhidas pelos investigadores para representar uma variedade de utiliza\u00e7\u00f5es poss\u00edveis e suas restri\u00e7\u00f5es.<\/p>\n

As conclus\u00f5es desse relat\u00f3rio, publicado em 2024, s\u00e3o reveladoras do que aqui \u00e9 denominado IA realmente existente. Entre elas est\u00e3o afirma\u00e7\u00f5es do tipo: \u201cOs dados de tempos de paz n\u00e3o podem ser substitu\u00eddos por dados de tempos de guerra. A IA n\u00e3o consegue compensar a escassez de dados apropriados\u201d. Outro resultado do relat\u00f3rio soa como um grave alerta: \u201cN\u00e3o se pode confiar nos algoritmos de classifica\u00e7\u00e3o de IA para aprender o que n\u00e3o lhes foi ensinado. A IA n\u00e3o previu nem reconheceu novos tipos de ataques cibern\u00e9ticos\u201d. Os termos \u201calgoritmos\u201d, \u201cdados\u201d, \u201cclassifica\u00e7\u00e3o\u201d e os verbos \u201caprender\u201d e \u201censinar\u201d s\u00e3o esclarecedores.<\/p>\n

O que \u00e9 a IA realmente existente? S\u00e3o sistemas automatizados que usam algoritmos estat\u00edsticos e probabil\u00edsticos para classificar e extrair padr\u00f5es de bases de dados gigantescas, empregando um elevado poder computacional. O objetivo \u00e9 criar modelos capazes de receber novos dados, que ser\u00e3o processados de acordo com as finalidades espec\u00edficas para as quais foram projetados. O processo de prepara\u00e7\u00e3o da IA realmente existente \u00e9 chamado de \u201ctreinamento\u201d, que pode ser supervisionado (com interven\u00e7\u00e3o humana), n\u00e3o supervisionado (sem interven\u00e7\u00e3o humana) ou por refor\u00e7o (baseado em recompensas e penalidades). Entre as diversas caracteriza\u00e7\u00f5es e abordagens da IA realmente existente, a hegem\u00f4nica \u00e9 a conexionista, que busca reproduzir o modo como o c\u00e9rebro humano e os neur\u00f4nios se conectam entre si. Isso \u00e9 feito por meio de algoritmos que \u201caprendem\u201d com os dados que recebem e criam modelos com finalidades espec\u00edficas.<\/p>\n

O aprendizado de m\u00e1quina supervisionado \u00e9 treinado com um conjunto de dados que j\u00e1 cont\u00e9m as respostas corretas para que o modelo extraia os padr\u00f5es corretos e precisos dos dados com base nos exemplos indicados. Em seguida, o modelo deve ser capaz de prever a resposta correta para novos dados. \u00c9 muito comum pessoas rotularem as imagens com tags que definem seu conte\u00fado. Por exemplo, milhares de imagens de p\u00e1ssaros s\u00e3o utilizadas para que o modelo detecte o padr\u00e3o das aves. No chamado treinamento, as imagens selecionadas s\u00e3o rotuladas para que o algoritmo aprendiz consiga captar o que caracteriza as imagens de p\u00e1ssaros.<\/p>\n

Um exemplo bem simples se refere \u00e0 identifica\u00e7\u00e3o do que \u00e9 e do que n\u00e3o \u00e9 spam. Para chegar a um sistema que identifica automaticamente o spam, realiza-se a extra\u00e7\u00e3o de padr\u00f5es do que \u00e9 e do que n\u00e3o \u00e9 spam para um usu\u00e1rio determinado, com base em sua caixa postal. O algoritmo vai buscar as mensagens que o usu\u00e1rio considerou n\u00e3o solicitadas, n\u00e3o interessantes e que foram descartadas. O algoritmo de aprendizado analisa as caracter\u00edsticas desses e-mails (como palavras-chave, remetente etc.) e \u201caprende\u201d a associar essas caracter\u00edsticas \u00e0s categorias corretas. Depois de treinado, o modelo pode analisar novos e-mails e prever se s\u00e3o spam ou n\u00e3o com base no que aprendeu, ou seja, conforme o padr\u00e3o que extraiu.<\/p>\n

No treinamento n\u00e3o supervisionado, o modelo recebe um conjunto de dados sem nenhuma informa\u00e7\u00e3o sobre as respostas corretas. O objetivo \u00e9 que o algoritmo descubra correla\u00e7\u00f5es, padr\u00f5es, estruturas ou agrupamentos nos dados sem orienta\u00e7\u00e3o pr\u00e9via. Um exemplo s\u00e3o as informa\u00e7\u00f5es sobre clientes de uma loja, como idade, localiza\u00e7\u00e3o e frequ\u00eancia de compras. O modelo n\u00e3o sabe o que essas informa\u00e7\u00f5es significam, mas pode agrupar os clientes com base em correla\u00e7\u00f5es e similaridades existentes. Por exemplo, o algoritmo pode at\u00e9 descobrir coisas inusitadas, como relacionar adultos jovens que compram fraldas e tamb\u00e9m compram cerveja na mesma ida ao supermercado. Enfim, a finalidade do algoritmo \u00e9 extrair correla\u00e7\u00f5es que dificilmente uma pessoa conseguiria realizar observando uma massa de dados \u2014 e que s\u00e3o muito \u00fateis para formular estrat\u00e9gias de marketing direcionadas.<\/p>\n

J\u00e1 no treinamento por refor\u00e7o, o modelo aprende por tentativa e erro, recebendo feedback, que pode ser entendido como recompensas ou penalidades sobre suas a\u00e7\u00f5es. O objetivo \u00e9 que o algoritmo maximize as recompensas ao longo do tempo, ajustando seu comportamento com base no feedback recebido. As recompensas s\u00e3o, na pr\u00e1tica, valores num\u00e9ricos atribu\u00eddos a determinadas a\u00e7\u00f5es, que indicam qu\u00e3o ben\u00e9ficas ou prejudiciais foram essas a\u00e7\u00f5es para alcan\u00e7ar o objetivo definido. O exemplo de um modelo algor\u00edtmico para jogar xadrez \u00e9 frequentemente adotado para ilustrar o treinamento por refor\u00e7o. O modelo come\u00e7a sem conhecer as regras ou estrat\u00e9gias do jogo. A cada movimento que faz, ele recebe uma recompensa (por exemplo, pontos por capturar uma pe\u00e7a do advers\u00e1rio) ou uma penalidade (por exemplo, a subtra\u00e7\u00e3o de muitos pontos ao perder a rainha). Com o tempo, o modelo aprende quais movimentos geram recompensas maiores e ajusta sua estrat\u00e9gia para maximizar as chances de vit\u00f3ria.<\/p>\n

Quando um modelo de aprendizado de m\u00e1quina tem muitas camadas, \u00e9 denominado aprendizado profundo ou deep learning. Esses modelos geralmente adotam uma t\u00e9cnica chamada de redes neurais artificiais, que s\u00e3o estruturas inspiradas no funcionamento do c\u00e9rebro humano, mas implementadas de forma matem\u00e1tica e computacional. Os Modelos de Linguagem de Grande Escala (Large Language Models, llms) e a IA Generativa s\u00e3o exemplos de sistemas que empregam arranjos complexos de redes neurais artificiais. Al\u00e9m disso, modelos utilizados em aplica\u00e7\u00f5es como biometria facial e t\u00e9cnicas de vis\u00e3o computacional tamb\u00e9m se baseiam nessa abordagem de aprendizado profundo, que frequentemente emprega varia\u00e7\u00f5es das redes neurais artificiais, como redes convolucionais (cnns), para o processamento de imagens.<\/p>\n

S\u00e3o dados, sistemas algor\u00edtmicos e modelos que comp\u00f5em a IA realmente existente. Nesses primeiros 25 anos do s\u00e9culo XXI, os algoritmos estat\u00edsticos e probabil\u00edsticos foram adequados ao tratamento de bases de dados gigantescas com o objetivo de modelar sistemas automatizados. Um modelo, na pr\u00e1tica, \u00e9 um programa que roda em um ou mais hardwares, recebendo novos dados a fim de realizar tarefas, responder a perguntas e efetuar as solicita\u00e7\u00f5es sobre aquilo para o qual foi criado. Assim, a IA depende de dados, que s\u00e3o seu insumo fundamental. Nesse sentido, o fil\u00f3sofo Matteo Pasquinelli e o acad\u00eamico Vladan Joler escreveram que \u201c\u00e9 mais razo\u00e1vel considerar o aprendizado de m\u00e1quina como um instrumento de amplia\u00e7\u00e3o do conhecimento que ajuda a perceber caracter\u00edsticas, padr\u00f5es e correla\u00e7\u00f5es atrav\u00e9s de vastos espa\u00e7os de dados que est\u00e3o al\u00e9m do alcance humano\u201d.[5]<\/em><\/p>\n

No mesmo texto, Pasquinelli e Joler afirmam que a IA \u00e9 a continuidade do projeto moderno de mecanizar a raz\u00e3o humana, que se converteu em \u201cum regime corporativo extrativista do conhecimento e um colonialismo epist\u00eamico\u201d.\u00a0[6]<\/em>\u00a0Apesar de todos os exageros e promessas m\u00edsticas sobre a intelig\u00eancia maqu\u00ednica, os dois pesquisadores indicaram uma perspectiva para a an\u00e1lise cr\u00edtica do cen\u00e1rio que estamos vivendo. Desde o Iluminismo, h\u00e1 uma tend\u00eancia tecnocient\u00edfica de tentar formalizar e automatizar o pensamento humano. A IA \u00e9 uma tentativa de reduzi-lo ou express\u00e1-lo em processos mec\u00e2nicos e algor\u00edtmicos. Suas vantagens econ\u00f4micas e seu \u00edmpeto produtivista s\u00e3o contundentes. No mundo industrial, a grande ind\u00fastria apostou na mecaniza\u00e7\u00e3o e a dominou. No contexto informacional, as grandes corpora\u00e7\u00f5es digitais apostam na expans\u00e3o das novas tecnologias de automatiza\u00e7\u00e3o.<\/p>\n

A IA realmente existente carrega a perspectiva de simular e replicar a cogni\u00e7\u00e3o humana pelas m\u00e1quinas. Na realidade, o hardware continua sendo hardware, em geral um conglomerado de metais e outros s\u00f3lidos. O software continua sendo um conjunto de instru\u00e7\u00f5es, um arranjo de algoritmos. N\u00e3o existe uma IA sem hardware, e muito menos sem software. A intelig\u00eancia est\u00e1 nos algoritmos e n\u00e3o nos peda\u00e7os de sil\u00edcio. As abordagens hegem\u00f4nicas dessa IA se concentram no aprendizado de m\u00e1quina profundo. Nela, um modelo de IA generativa inexiste sem que tenha sido preparado e treinado a partir dos dados. N\u00e3o \u00e9 por outro motivo que a China definiu pragmaticamente os dados como fatores de produ\u00e7\u00e3o.<\/p>\n

Por mais que a DeepSeek, empresa chinesa de IA, tenha abalado o mundo com sua capacidade de lan\u00e7ar um grande modelo de linguagem com menos de 20% do poder computacional utilizado no treinamento da OpenAI, Meta e Alphabet, nada indica que a cria\u00e7\u00e3o, a coleta e o armazenamento de dados ir\u00e3o arrefecer nos pr\u00f3ximos anos. Isso porque os dados se converteram em capital.\u00a0[7]<\/em>\u00a0Integram o ciclo de reprodu\u00e7\u00e3o ampliada do capital digital. Por isso, vivemos uma intensa fase de datafica\u00e7\u00e3o que se confunde com o pr\u00f3prio processo de capitaliza\u00e7\u00e3o.<\/p>\n

Megam\u00e1quina e os processos alienantes<\/strong><\/p>\n

O aprendizado de m\u00e1quina, em especial o aprendizado profundo, tem avan\u00e7ado rapidamente por muitos segmentos da economia e est\u00e1 sendo cada vez mais empregado pelos Estados. A abordagem conexionista ou a IA baseada em dados beneficia a concentra\u00e7\u00e3o do seu desenvolvimento em grandes empresas devido aos recursos que consome e \u00e0 necessidade de muitos dados e de grande poder computacional, seja para o treinamento de modelos, seja para sua execu\u00e7\u00e3o ou infer\u00eancia. Consolida-se como uma megam\u00e1quina, alienante, distante de quem a utiliza e at\u00e9 de quem tem forma\u00e7\u00e3o em ci\u00eancias computacionais.<\/p>\n

O professor de ci\u00eancia pol\u00edtica Langdon Winner, em\u00a0Autonomous Technology<\/em>\u00a0[Tecnologia aut\u00f4noma],\u00a0[8]<\/em>\u00a0apontou que a especializa\u00e7\u00e3o e a complexidade crescentes dos sistemas tecnol\u00f3gicos tornavam imposs\u00edvel que qualquer indiv\u00edduo os compreendesse ou controlasse por completo. N\u00e3o \u00e9 exagerado afirmar que a IA realmente existente amplificou essa problem\u00e1tica captada por Winner. Mais do que isso, o processo de desenvolvimento do aprendizado de m\u00e1quina,\u00a0[9]<\/em>\u00a0especificamente dos grandes modelos, envolve um sistema complexo, caro e composto de centenas de m\u00e1quinas. Isso torna o processo mais distante e implica o desconhecimento e a perda da autonomia das pessoas que a utilizam.<\/p>\n

Lewis Mumford, historiador e fil\u00f3sofo da tecnologia, publicou\u00a0The Myth of the Machine<\/em>\u00a0[O mito da m\u00e1quina], em dois volumes.\u00a0[10]<\/em>\u00a0O primeiro,\u00a0Technics and Human Development\u00a0<\/em>[T\u00e9cnica e desenvolvimento humano], foi publicado em 1967, e o segundo, intitulado\u00a0The Pentagon of Power\u00a0<\/em>[O pent\u00e1gono do poder], foi lan\u00e7ado em 1970. Neste \u00faltimo, Mumford afirmou que uma megam\u00e1quina n\u00e3o \u00e9 apenas um conjunto de dispositivos tecnol\u00f3gicos, mas uma estrutura de poder baseada na submiss\u00e3o de indiv\u00edduos a um sistema t\u00e9cnico e burocr\u00e1tico. Para demonstrar a validade dessa no\u00e7\u00e3o, Mumford trabalhou o exemplo das pir\u00e2mides. Desse modo, megam\u00e1quina pode ser definida como um sistema sociot\u00e9cnico altamente organizado, em que a tecnologia e institui\u00e7\u00f5es altamente hierarquizadas, como as big techs, convergem para formar uma estrutura de controle e domina\u00e7\u00e3o.<\/p>\n

A IA realmente existente vista como megam\u00e1quina \u00e9 integrada de computadores, servidores, roteadores, switches, firewalls, balanceadores de carga para gerenciar o tr\u00e1fego de dados, discos r\u00edgidos (hdds), unidades de estado s\u00f3lido (ssds) e sistemas de armazenamento em rede (nas\/san), geradores, fontes de alimenta\u00e7\u00e3o ininterrupta (ups), unidades de distribui\u00e7\u00e3o de energia (pdus), ar-condicionado de precis\u00e3o, sistemas de resfriamento com \u00e1gua, cabeamento estruturado, fibras \u00f3pticas etc. A IA realmente existente \u00e9 treinada na nuvem, em geral em grandes provedores de nuvem que t\u00eam infraestruturas de hiperescala.<\/p>\n

O GPT-3 , da OpenAI, foi treinado com aproximadamente 175 bilh\u00f5es de par\u00e2metros. Utilizou placas GPU da Nvidia v100 e a100 especiais para o aprendizado profundo. \u00c9 prov\u00e1vel que seu treinamento tenha levado 34 dias ou cerca de 816 horas, usando milhares de GPUs em paralelo. Os par\u00e2metros s\u00e3o como a \u201cmem\u00f3ria\u201d de um modelo de linguagem, ou melhor, s\u00e3o como \u201canota\u00e7\u00f5es\u201d que o modelo faz para lembrar como palavras, frases e ideias se conectam. Na realidade, s\u00e3o n\u00fameros que o modelo usa para decidir como interpretar uma palavra ou frase com base no contexto. Quanto mais par\u00e2metros, mais o modelo conseguiu aprender os padr\u00f5es mais complexos e sutis da linguagem. Entretanto, isso implica maior custo de energia, tempo e recursos de treinamento. O grau de complexidade e a grande estrutura maqu\u00ednica empregada na constru\u00e7\u00e3o dessas abordagens hegem\u00f4nicas da IA podem ser compreendidos como uma megam\u00e1quina. Se chamamos isso de intelig\u00eancia, ela est\u00e1 muito mais distante do cidad\u00e3o comum e cada vez mais dependente de corpora\u00e7\u00f5es.<\/p>\n

Para aprofundarmos a compreens\u00e3o dos recursos do treinamento de um grande modelo de linguagem, vamos observar mais um pouco a import\u00e2ncia dos par\u00e2metros adotados pelo modelo. S\u00e3o n\u00fameros que o modelo usa para decis\u00f5es sobre uma palavra em um contexto. Ao encontrar a palavra \u201cbanco\u201d, o modelo emprega seus par\u00e2metros para decidir se o significado \u00e9 \u201cbanco de sentar\u201d ou \u201cbanco financeiro\u201d, dependendo das outras palavras ao redor. Durante o chamado treinamento, o modelo vai ajustando os par\u00e2metros milh\u00f5es ou bilh\u00f5es de vezes at\u00e9 ficar com um grau de refinamento para melhorar a previs\u00e3o do que vem a seguir em um texto. Assim como as sociedades t\u00eam regras n\u00e3o escritas que guiam o comportamento das pessoas, os par\u00e2metros s\u00e3o similares a regras internas que guiam o comportamento do modelo ao gerar texto. Quanto mais par\u00e2metros o modelo conhece, mais pode se adaptar a diferentes contextos e situa\u00e7\u00f5es.<\/p>\n

Na corrida pela lideran\u00e7a da IA realmente existente, o desafio real, ou seja, o controle da megam\u00e1quina, \u00e9 tamb\u00e9m uma disputa pela efici\u00eancia. Isso implica tentar utilizar um n\u00famero menor de par\u00e2metros, mas de forma mais inteligente, para alcan\u00e7ar resultados semelhantes. Embora o n\u00famero de par\u00e2metros seja importante, a efici\u00eancia de um modelo tamb\u00e9m depende da sua arquitetura (como os par\u00e2metros s\u00e3o organizados e empregados, sendo a arquitetura\u00a0transformer<\/em>\u00a0altamente eficiente), do seu treinamento (a qualidade e a diversidade dos dados usados no treinamento) e de sua otimiza\u00e7\u00e3o (t\u00e9cnicas que podem reduzir o custo computacional sem comprometer o desempenho).<\/p>\n

Um dos principais recursos do Estado norte-americano para manter a lideran\u00e7a e o controle do desenvolvimento da megam\u00e1quina da IA \u00e9 o chip. Isso porque o aprendizado profundo ou\u00a0deep learning\u00a0<\/em>envolve o treinamento de redes neurais com milh\u00f5es ou at\u00e9 bilh\u00f5es de par\u00e2metros, o que requer grande quantidade de c\u00e1lculos matem\u00e1ticos, como multiplica\u00e7\u00f5es de matrizes, que precisam ser executados em paralelo. Chips especializados, como Unidades de Processamento Gr\u00e1fico (Graphics Processing Units, gpus) e Unidades de Processamento Tensor (Tensor Processing Units, tpus), s\u00e3o projetados para lidar com opera\u00e7\u00f5es paralelas de forma eficiente, acelerando de maneira significativa o processo de treinamento.<\/p>\n

O tempo necess\u00e1rio para treinar modelos de\u00a0deep learning<\/em>\u00a0pode ser extremamente longo, sobretudo com grandes conjuntos de dados. Chips como gpus e tpus podem reduzir drasticamente o tempo de treinamento. No caso da infer\u00eancia, ou seja, a aplica\u00e7\u00e3o de modelos treinados a novos dados, tamb\u00e9m \u00e9 fundamental um processamento r\u00e1pido, especialmente em aplica\u00e7\u00f5es em tempo real, como reconhecimento de fala, vis\u00e3o computacional e ve\u00edculos aut\u00f4nomos. Chips especializados podem realizar infer\u00eancias com baixa lat\u00eancia, tornando poss\u00edvel a implementa\u00e7\u00e3o de\u00a0deep learning<\/em>\u00a0em aplica\u00e7\u00f5es cr\u00edticas em tempo real.<\/p>\n

Um chip \u00e9 um circuito integrado composto de componentes eletr\u00f4nicos miniaturizados, como transistores, que processam e armazenam informa\u00e7\u00f5es. Ele \u00e9 a unidade fundamental de processamento em dispositivos eletr\u00f4nicos. \u00c9 constru\u00eddo a partir de materiais semicondutores, como sil\u00edcio, que permitem controlar o fluxo de el\u00e9trons para processar informa\u00e7\u00f5es. O semicondutor \u00e9 a base f\u00edsica, enquanto o chip \u00e9 o componente funcional que utiliza suas propriedades para operar. Quanto menor o tamanho do chip, mais avan\u00e7ado e eficiente tende a ser.<\/p>\n

A OpenAI utilizou no treinamento de seu modelo gpt-4 uma s\u00e9rie de gpus da Nvidia, sobretudo a h100 (Hopper) e, possivelmente, algumas a100 (Ampere). Tais gpus foram fabricadas pela Taiwan Semiconductor Manufacturing Company, usando um processo de quatro nan\u00f4metros (n4) no caso da h100 e sete nan\u00f4metros (n7) no caso da a100. Em breve, ser\u00e3o comercializados chips de tr\u00eas nan\u00f4metros. \u00c9 importante real\u00e7ar que um nan\u00f4metro (nm) \u00e9 uma unidade de comprimento que equivale a um bilion\u00e9simo de metro \u2014 o que significa dividir um metro por 1 bilh\u00e3o.<\/p>\n

Construir coisas nessa escala exige dom\u00ednio de processos tecnocient\u00edficos e operacionais que poucas empresas t\u00eam. Os Estados Unidos, em 2022, aprovaram a Lei dos Chips, que, entre outras medidas, destinou 52,7 bilh\u00f5es de d\u00f3lares para subsidiar a fabrica\u00e7\u00e3o e a pesquisa de semicondutores no pa\u00eds, concedeu um cr\u00e9dito fiscal de 25% para investimentos em f\u00e1bricas de semicondutores e equipamentos avan\u00e7ados em seu territ\u00f3rio e criou o National Semiconductor Technology Center. A lei imp\u00f5e restri\u00e7\u00f5es aos benefici\u00e1rios de financiamento, proibindo-os de expandir a fabrica\u00e7\u00e3o de semicondutores avan\u00e7ados na China e em outros pa\u00edses considerados de risco para a seguran\u00e7a nacional dos Estados Unidos. A finalidade \u00e9 impedir a transfer\u00eancia de tecnologia avan\u00e7ada para a China. Al\u00e9m disso, a Lei dos Chips define medidas para controlar e restringir a exporta\u00e7\u00e3o de semicondutores e equipamentos relacionados para aquele pa\u00eds, visando impedir que a pot\u00eancia rival obtenha tecnologia de ponta que possa ser usada em aplica\u00e7\u00f5es militares ou de intelig\u00eancia artificial.<\/p>\n

O Estado norte-americano se preparou para controle em escala planet\u00e1ria da cadeia do chip, que \u00e9 indispens\u00e1vel para a opera\u00e7\u00e3o da megam\u00e1quina da IA realmente existente. Nessa jornada, atua no plano macroinstitucional com leis e press\u00f5es econ\u00f4micas e no plano nanotecnol\u00f3gico com a tentativa de reduzir ainda mais a dimens\u00e3o dos circuitos para o processamento mais eficiente. A IA realmente existente n\u00e3o \u00e9 uma tecnologia democr\u00e1tica. Para isso, precisaria colocar sob o dom\u00ednio do conjunto das na\u00e7\u00f5es os seus componentes fundamentais, f\u00edsicos e l\u00f3gicos.<\/p>\n

Representa\u00e7\u00e3o, compress\u00e3o e vetorializa\u00e7\u00e3o da realidade<\/strong><\/p>\n

No \u201cManifesto Noosc\u00f3pio\u201d, Pasquinelli e Joler escreveram que o projeto de \u201cmecanizar a raz\u00e3o humana\u201d havia se convertido no s\u00e9culo XXI em \u201cum regime corporativo extrativista do conhecimento e um colonialismo epist\u00eamico\u201d. Em seguida, afirmaram: \u201cIsso n\u00e3o \u00e9 surpreendente, uma vez que os algoritmos de aprendizado de m\u00e1quina s\u00e3o os mais poderosos para a compress\u00e3o de informa\u00e7\u00f5es\u201d.\u00a0[11]<\/em>\u00a0O que isso pode nos dizer?<\/p>\n

Em primeiro lugar, que estamos vivendo a primazia de um conhecimento que se baseia em dados. Conhecer a realidade passaria por convert\u00ea-la em dados e aplicar sobre eles a an\u00e1lise estat\u00edstica e as t\u00e9cnicas da probabilidade. Tudo precisa ser quantificado. Todo quantificado pode ser tratado por algoritmos. E aparentemente qualquer pessoa poderia transformar a vida em um fluxo de dados. Mas isso \u00e9 enganoso. Dados precisam ser armazenados, e o processo de cria\u00e7\u00e3o e extra\u00e7\u00e3o requer hardware e processamento intensivo. A datafica\u00e7\u00e3o concentrou o seu armazenamento em oligop\u00f3lios digitais capazes de construir infraestruturas \u00e1geis, seguras e gigantescas.<\/p>\n

Em segundo lugar, que o aprendizado de m\u00e1quina introduz uma nova forma de racionalidade, em que a causalidade tradicional \u00e9 substitu\u00edda por correla\u00e7\u00f5es automatizadas, muitas vezes resultando em \u201calucina\u00e7\u00f5es estat\u00edsticas\u201d. Padr\u00f5es irreais emergem de associa\u00e7\u00f5es probabil\u00edsticas. Como nos mostraram Pasquinelli e Joler, os algoritmos de aprendizado detectam padr\u00f5es estat\u00edsticos, mas n\u00e3o necessariamente entendem rela\u00e7\u00f5es causais. Essa nova racionalidade substitui explica\u00e7\u00f5es tradicionais por previs\u00f5es baseadas em associa\u00e7\u00f5es massivas de dados.<\/p>\n

Mas tais procedimentos n\u00e3o ampliam a realidade, s\u00e3o seus redutores e seus int\u00e9rpretes. Quanto mais dependemos desse modo epist\u00eamico, mais transferimos nossa intelig\u00eancia n\u00e3o para as m\u00e1quinas, mas para as corpora\u00e7\u00f5es que controlam os dados de treinamento, as infraestruturas de armazenamento e processamento dos modelos de ia. Apesar da apar\u00eancia de autonomia maqu\u00ednica, a IA depende de uma for\u00e7a de trabalho humana significativa, muitas vezes invis\u00edvel e desvalorizada, respons\u00e1vel por tarefas como rotulagem de dados, supervis\u00e3o de algoritmos, ajustes de par\u00e2metros, entre outras a\u00e7\u00f5es.<\/p>\n

Os modelos de linguagem grandes e bem-sucedidos, como GPT, Gemini e Claude, entre outros, nos permitem compreender esse atual colonialismo epist\u00eamico. Diferentemente de um arquivo de computador que armazena um livro ou um artigo na \u00edntegra, esses modelos n\u00e3o copiam nem guardam textos como uma mem\u00f3ria exata. Eles s\u00e3o treinados em vastos conjuntos de textos que s\u00e3o tokenizados. Portanto, o que eles aprendem n\u00e3o \u00e9 o texto em si, e sim padr\u00f5es estat\u00edsticos da linguagem, transformando o texto em representa\u00e7\u00f5es matem\u00e1ticas, especificamente em vetores. A tokeniza\u00e7\u00e3o \u00e9 o processo de transformar palavras em unidades menores chamadas tokens, que s\u00e3o a express\u00e3o de um conte\u00fado em unidades menores (que podem ser palavras, partes de palavras ou at\u00e9 caracteres individuais). Vetorializa\u00e7\u00e3o \u00e9 a transforma\u00e7\u00e3o de tokens em vetores num\u00e9ricos que repre- sentam sua rela\u00e7\u00e3o com outros termos.<\/p>\n

Quando um modelo \u00e9 treinado, ele converte palavras, frases e ideias em n\u00fameros organizados para identificar rela\u00e7\u00f5es sem\u00e2nticas. Isso significa que palavras parecidas como \u201carma\u201d e \u201cguerra\u201d ter\u00e3o representa\u00e7\u00f5es vetoriais pr\u00f3ximas em um espa\u00e7o matem\u00e1tico. Essas representa\u00e7\u00f5es permitem que o modelo preveja qual palavra vem a seguir em uma frase, sem precisar recuperar um texto exato do treinamento. Quando lemos a frase \u201cMeu est\u00f4mago estava doendo de fome\u201d, associamos o significado a experi\u00eancias pessoais, aos sentidos, sabemos o que \u00e9 sentir dor, j\u00e1 tivemos a sensa\u00e7\u00e3o de fome depois de muito tempo sem comer. O aprendizado de m\u00e1quina n\u00e3o sente nem considera nada disso. O modelo aprendeu que a palavra \u201cest\u00f4mago\u201d tem uma rela\u00e7\u00e3o estat\u00edstica com a palavra \u201cfome\u201d. Os algoritmos n\u00e3o entendem a fome, a dor ou quaisquer sensa\u00e7\u00f5es, eles s\u00f3 repetem padr\u00f5es observados no treinamento.<\/p>\n

Modelos de linguagem como o Generative Pre-trained Transformer (gpt) e o Bidirectional Encoder Representations from Transformers (Bert) processam grandes quantidades de dados textuais e aprendem distribui\u00e7\u00f5es estat\u00edsticas subjacentes ao idioma. Durante o treinamento, esses modelos s\u00e3o colocados em contato com bilh\u00f5es de palavras (tokenizadas) para extrair as regularidades estat\u00edsticas do idioma, reduzindo a redund\u00e2ncia da informa\u00e7\u00e3o original. Essa compress\u00e3o ocorre no espa\u00e7o latente, onde palavras, frases e at\u00e9 conceitos s\u00e3o mapeados para vetores de dimens\u00e3o reduzida.<\/p>\n

Nessa t\u00e9cnica, n\u00e3o s\u00e3o armazenados diretamente os textos originais, mas um conjunto de representa\u00e7\u00f5es vetoriais que permitem reconstruir e prever conte\u00fados lingu\u00edsticos. N\u00e3o \u00e9 pouco importante observar a diferen\u00e7a entre esse processo e outras t\u00e9cnicas computacionais de compress\u00e3o de informa\u00e7\u00f5es. Diferentemente de m\u00e9todos cl\u00e1ssicos para comprimir arquivos, como o zip, que comprimem dados de maneira expl\u00edcita por padr\u00f5es repetitivos, os modelos de aprendizado de m\u00e1quina v\u00e3o al\u00e9m da compress\u00e3o superficial e realizam uma abstra\u00e7\u00e3o sem\u00e2ntica profunda.<\/p>\n

O algoritmo de compacta\u00e7\u00e3o tradicional substitui uma frase e suas palavras frequentes por c\u00f3digos menores e um modelo de aprendizado\u00a0transformer\u00a0<\/em>extrai o significado estat\u00edstico da frase, permitindo gerar novas senten\u00e7as equivalentes sem armazenar os dados originais. Quando um usu\u00e1rio insere uma pergunta, o modelo n\u00e3o busca diretamente um trecho espec\u00edfico do treinamento, mas reconstr\u00f3i uma resposta baseada nas regularidades estat\u00edsticas aprendidas, demonstrando que o conhecimento foi comprimido e representado de forma latente.<\/p>\n

Na primeira d\u00e9cada do s\u00e9culo XXI, um soci\u00f3logo que pretendesse citar um trecho de\u00a0A \u00e9tica protestante e o esp\u00edrito do capitalismo<\/em>, de Max Weber, buscaria o livro em sua estante ou em um arquivo digital. Ele poderia acessar o livro, encontrar a p\u00e1gina e copiar a cita\u00e7\u00e3o exata. Qual \u00e9 a diferen\u00e7a entre esse procedimento e a a\u00e7\u00e3o realizada pela IA realmente existente quinze anos depois? O modelo de IA vai buscar a teoria weberiana, n\u00e3o vai recuperar diretamente o trecho do livro, mas ser\u00e1 capaz de gerar uma resposta nova baseada nos padr\u00f5es extra\u00eddos de textos sobre Weber que estavam nos dados de treinamento.<\/p>\n

Isso significa que a IA realmente existente n\u00e3o funciona como uma mem\u00f3ria exata, mas como um sistema de generaliza\u00e7\u00e3o probabil\u00edstica, criando enunciados novos que seguem as tend\u00eancias estat\u00edsticas do que foi aprendido. Em vez de armazenar informa\u00e7\u00f5es palavra por palavra, os modelos de aprendizado de m\u00e1quina criam mapas matem\u00e1ticos que representam rela\u00e7\u00f5es sem\u00e2nticas entre conceitos. O conceito de representa\u00e7\u00e3o latente permite aprofundar nossa compreens\u00e3o.<\/p>\n

\u00c9 um conceito que tem ra\u00edzes na estat\u00edstica cl\u00e1ssica, mas foi desenvolvido sobretudo pelo cientista da computa\u00e7\u00e3o Geoffrey Hinton e outros pesquisadores em redes neurais e aprendizado profundo. No texto \u201cLearning Distributed Representations of Concepts\u201d [Aprendizado de representa\u00e7\u00f5es distribu\u00eddas de conceitos], de 1986,12 Hinton prop\u00f4s n\u00e3o usar representa\u00e7\u00f5es locais (em que cada conceito tem um \u00fanico n\u00f3). Afirmou que os modelos de aprendizado deveriam capturar padr\u00f5es em um espa\u00e7o vetorial cont\u00ednuo, permitindo a extra\u00e7\u00e3o de rela\u00e7\u00f5es impl\u00edcitas. Em 2024, ele recebeu o Pr\u00eamio Nobel de F\u00edsica, junto com John Hopfield, por \u201cdescobertas fundamentais e inven\u00e7\u00f5es que permitem aprendizagem autom\u00e1tica com redes neuronais artificiais\u201d.\u00a0[13]<\/em><\/p>\n

Em 2006, Hinton, em parceria com o cientista da computa\u00e7\u00e3o Ruslan Salakhutdinov, escreveu \u201cReducing the Dimensionality of Data with Neural Networks\u201d [Reduzindo a dimensionalidade de dados com redes neurais], publicado na revista Science.\u00a0[14]<\/em>\u00a0O trabalho introduziu o conceito de Autoencoders Profundos (Deep Autoencoders), que aprendem representa\u00e7\u00f5es latentes compactas de dados de alta dimens\u00e3o. O artigo mostrava como as redes neurais profundas poderiam ser treinadas para representar dados em espa\u00e7os de dimens\u00f5es menores, uma ideia que influenciou diversos modelos e at\u00e9 os que usam a arquitetura\u00a0transformer<\/em>.<\/p>\n

Em 2017, foi publicado o paper \u201cAttention Is All You Need\u201d, escrito por uma equipe de engenheiros do Google Research.\u00a0[15]<\/em>\u00a0O texto trouxe a arquitetura\u00a0transformer<\/em>\u00a0e prop\u00f4s uma mudan\u00e7a fundamental na \u00e1rea do processamento de linguagem natural. Antes dele, os textos eram processados de forma sequencial, o que criava limita\u00e7\u00f5es, como dificuldade em lidar com sequ\u00eancias muito longas e tempos de treinamento elevados. O\u00a0transformer<\/em>\u00a0substituiu essas abordagens por um mecanismo de aten\u00e7\u00e3o chamado \u201cSelf-Attention\u201d, permitindo que o modelo analisasse todas as palavras de uma senten\u00e7a ao mesmo tempo, em vez de process\u00e1-las uma por uma. Isso aumentou a efici\u00eancia computacional e a capacidade de capturar rela\u00e7\u00f5es complexas entre palavras, mesmo em textos longos.<\/p>\n

A compress\u00e3o, a tokeniza\u00e7\u00e3o e a vetorializa\u00e7\u00e3o consolidam um modo de ver a realidade. A estat\u00edstica e a probabilidade foram fundamentais para que governos passassem a administrar popula\u00e7\u00f5es por meio de regularidades e previs\u00f5es num\u00e9ricas, transformando a pol\u00edtica em uma ci\u00eancia de controle.\u00a0[16]<\/em>\u00a0A estat\u00edstica permitiu trazer objetividade para a defini\u00e7\u00e3o de comportamentos normais e desviantes, com implica\u00e7\u00f5es sociais profundas. Al\u00e9m disso, como nos relatou Ian Hacking,\u00a0[17]<\/em>\u00a0a expans\u00e3o da probabilidade reorganizou o modo de produ\u00e7\u00e3o do conhecimento, incorporou a incerteza e a forma de lidar com ela e trouxe o risco para o n\u00facleo principal das ci\u00eancias, da medicina \u00e0 economia. O aprendizado profundo est\u00e1 sendo incorporado em todos os campos cient\u00edficos e parece ser a segunda onda que consolida o imp\u00e9rio da estat\u00edstica e da probabilidade.<\/p>\n

Sem d\u00favida, existem outras abordagens poss\u00edveis para a IA que aqui \u00e9 definida como sistemas automatizados relativamente aut\u00f4nomos. Nestes primeiros 25 anos do s\u00e9culo XXI, a transfer\u00eancia de in\u00fameras atividades cognitivas para esses sistemas automatizados aumentou a produtividade do sistema e permitiu extrair padr\u00f5es de vastas bases de dados, muito al\u00e9m do que o olhar humano poderia realizar. \u201cNas economias avan\u00e7adas, cerca de 60% dos empregos est\u00e3o expostos \u00e0 IA, devido \u00e0 preval\u00eancia de empregos orientados para tarefas cognitivas.\u201d\u00a0[18]<\/em>\u00a0Escrit\u00f3rios de advocacia, empresas de comunica\u00e7\u00e3o, log\u00edstica, consultorias e medicina, entre outras, est\u00e3o utilizando intensamente a IA para acelerar tarefas cognitivas de baixa e m\u00e9dia complexidade. Resumos, tradu\u00e7\u00f5es, textos padronizados, varredura de determinados textos em busca de respostas a quest\u00f5es espec\u00edficas, tudo isso que exigia muito trabalho est\u00e1 sendo agora feito em segundos.<\/p>\n

A IA baseada em dados, o aprendizado de m\u00e1quina e o aprendizado profundo, aqui nomeados de IA realmente existente, constru\u00edram modelos extremamente \u00fateis a uma vis\u00e3o de mundo na qual os principais valores e a\u00e7\u00f5es est\u00e3o orientados pela efici\u00eancia e pela produtividade.<\/p>\n

O cen\u00e1rio atual \u00e9 complexo e essas tecnologias probabil\u00edsticas ajudam a deslocar parte do poder dos Estados para corpora\u00e7\u00f5es gigantescas que adotam esquemas de extra\u00e7\u00e3o massiva de dados e estruturas de alto processamento. Na sociedade, muitas das a\u00e7\u00f5es e atividades passar\u00e3o a ser mediadas pelas intelig\u00eancias artificiais de propriedade das big techs. Isso acelera ainda mais a extra\u00e7\u00e3o cont\u00ednua de dados das popula\u00e7\u00f5es. O deslocamento de atividades estatais para empresas privadas adquire novo impulso com a IA realmente existente. E as big techs t\u00eam \u00e0 sua frente uma nova \u00e1rea de expans\u00e3o: os neg\u00f3cios da guerra.<\/p>\n

\n

Notas:<\/strong><\/p>\n

1. Samuel Gibbs, \u201cMusk, Wozniak and Hawking Urge Ban on Warfare ai and Autonomous Weapons\u201d. The Guardian, 27 jul. 2015. Dispon\u00edvel em: hedra.com.br\/r\/uos.<\/p>\n

2. David Ingram e Bruna Horvath, \u201cHow Elon Musk Is Boosting Far-Right Politics across the Globe\u201d. nbc News, 16 fev. 2025. Dispon\u00edvel em: hedra.com.br\/r\/DyA.<\/p>\n

3. PwC Strategy&, \u201cThe Global ai Race and Defense\u2019s New Frontier: Driving Artificial Intelligence in Defense\u201d. Strategy&, 2025. Dispon\u00edvel em: hedra.com.br\/r\/SOA.<\/p>\n

4. Lance Menthe et al., \u201cUnderstanding the Limits of Artificial Intelligence for Warfighters\u201d. V. 1, Summary (Research Report), p. 18. rand Corporation, 3 jan. 2024. Dispon\u00edvel em: hedra.com.br\/r\/D6I.<\/p>\n

5. Matteo Pasquinelli e Vladan Joler, \u201cO Manifesto Noosc\u00f3pio: Intelig\u00eancia artificial como instrumento de extrativismo do conhecimento\u201d. Trad. de Leandro M\u00f3dolo e Thais Pimentel. Lavits, 30 jul. 2020. Dispon\u00edvel em: hedra.com.br\/r\/T8P<\/p>\n

6. Ibid<\/p>\n

7. Marcos Dantas et al., O valor da informa\u00e7\u00e3o, op. cit.; Jathen Sadowski, Too Smart, op. cit.<\/p>\n

8. Langdon Winner, Autonomous Technology: Technics-out-of-control as a Theme in Political Thought. Cambridge, ma:mit Press, 1978.<\/p>\n

9. Matteo Pasquinelli e Vladan Joler, \u201cO Manifesto Noosc\u00f3pio\u201d, op. cit.<\/p>\n

10. Lewis Mumford, The Myth of the Machine. Nova York: Harcourt, Brace Jovanovich, 1967, 1970. v. 1: Technics and Human Development, v. 2: The Pentagon of Power.<\/p>\n

11. Matteo Pasquinelli e Vladan Joler, \u201cO Manifesto Noosc\u00f3pio\u201d, op. cit.<\/p>\n

12. Geoffrey E. Hinton, \u201cLearning Distributed Representations of Concepts\u201d. Proceedings of the Eighth Annual Conference of the Cognitive Science Society, pp. 1\u201312, 1986. Dispon\u00edvel em: hedra.com.br\/r\/Ogn.<\/p>\n

13. The Nobel Prize, \u201cThey Trained Artificial Neural Networks Using Physics\u201d. Press release, 8 out. 2024. Dispon\u00edvel em: hedra.com.br\/r\/sNf.<\/p>\n

14. Geoffrey E. Hinton e Ruslan R. Salakhutdinov, \u201cReducing the Dimensionality of Data with Neural Networks\u201d. Science, v. 313, n. 5786, pp. 504\u2013507, 2006. Dispon\u00edvel em: hedra.com.br\/r\/98O.<\/p>\n

15. Ashish Vaswani et al., \u201cAttention Is All You Need\u201d. Advances in Neural Information Processing Systems, v. 30, 2017. Dispon\u00edvel em: hedra.com.br\/r\/aYz.<\/p>\n

16. Michel Foucault, Seguran\u00e7a, territ\u00f3rio, popula\u00e7\u00e3o. S\u00e3o Paulo: Martins Fontes, 2008; Ian Hacking, \u201cBiopower and the Avalanche of Printed Numbers\u201d. Humanities in Society, v. 5, n. 3\/4, pp. 279\u2013295, 1982.<\/p>\n

17. Ian Hacking, The Taming of Chance, op. cit.<\/p>\n

18. Mauro Cazzaniga et al., Gen-ai: Artificial Intelligence and the Future of Work. Washington, dc: International Monetary Fund, 2024<\/p>\n

Fonte da mat\u00e9ria: Big Techs, os novos senhores da guerra | Outras Palavras – https:\/\/outraspalavras.net\/tecnologiaemdisputa\/big-techs-novos-senhores-da-guerra\/<\/div>\n","protected":false},"excerpt":{"rendered":"

S\u00e9rgio Amadeu da Silveira – Novo livro desvela como tecnologia, nas m\u00e3os das corpora\u00e7\u00f5es, remodela conflitos contempor\u00e2neos. Uma megam\u00e1quina alienante, operada por big techs e Estados, domina agora boa parte da a\u00e7\u00e3o b\u00e9lica: da ciberseguran\u00e7a a t\u00e1ticas militares. Em 2015, um grupo de cientistas e pessoas influentes ligadas ao desenvolvimento tecnol\u00f3gico lan\u00e7ou um manifesto contra […]<\/p>\n","protected":false},"author":1,"featured_media":19244,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_feature_clip_id":0,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"jetpack_post_was_ever_published":false},"categories":[1],"tags":[36,68],"class_list":["post-24862","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-geografia","tag-imperialismo","tag-tecnologia"],"yoast_head":"\nBig Techs, os novos senhores da guerra - Controversia<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/controversia.com.br\/pt\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/\" \/>\n<meta property=\"og:locale\" content=\"pt_PT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Big Techs, os novos senhores da guerra - Controversia\" \/>\n<meta property=\"og:description\" content=\"S\u00e9rgio Amadeu da Silveira – Novo livro desvela como tecnologia, nas m\u00e3os das corpora\u00e7\u00f5es, remodela conflitos contempor\u00e2neos. Uma megam\u00e1quina alienante, operada por big techs e Estados, domina agora boa parte da a\u00e7\u00e3o b\u00e9lica: da ciberseguran\u00e7a a t\u00e1ticas militares. Em 2015, um grupo de cientistas e pessoas influentes ligadas ao desenvolvimento tecnol\u00f3gico lan\u00e7ou um manifesto contra […]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/controversia.com.br\/pt\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/\" \/>\n<meta property=\"og:site_name\" content=\"Controversia\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/Controversiascontemporaneas\/\" \/>\n<meta property=\"article:author\" content=\"https:\/\/www.facebook.com\/Controversiascontemporaneas\/\" \/>\n<meta property=\"article:published_time\" content=\"2025-09-06T15:57:07+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/i0.wp.com\/controversia.com.br\/wp-content\/uploads\/2023\/05\/big-techs-tecnologia-rede-social.jpg?fit=1200%2C800&ssl=1\" \/>\n\t<meta property=\"og:image:width\" content=\"1200\" \/>\n\t<meta property=\"og:image:height\" content=\"800\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Ricardo Alvarez\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@https:\/\/twitter.com\/contro_versia\" \/>\n<meta name=\"twitter:site\" content=\"@contro_versia\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Ricardo Alvarez\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo estimado de leitura\" \/>\n\t<meta name=\"twitter:data2\" content=\"29 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/controversia.com.br\\\/2025\\\/09\\\/06\\\/big-techs-os-novos-senhores-da-guerra\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/controversia.com.br\\\/2025\\\/09\\\/06\\\/big-techs-os-novos-senhores-da-guerra\\\/\"},\"author\":{\"name\":\"Ricardo Alvarez\",\"@id\":\"https:\\\/\\\/controversia.com.br\\\/#\\\/schema\\\/person\\\/890416adf48f0d52618900e97e15edf2\"},\"headline\":\"Big Techs, os novos senhores da guerra\",\"datePublished\":\"2025-09-06T15:57:07+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/controversia.com.br\\\/2025\\\/09\\\/06\\\/big-techs-os-novos-senhores-da-guerra\\\/\"},\"wordCount\":5681,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\\\/\\\/controversia.com.br\\\/#\\\/schema\\\/person\\\/890416adf48f0d52618900e97e15edf2\"},\"image\":{\"@id\":\"https:\\\/\\\/controversia.com.br\\\/2025\\\/09\\\/06\\\/big-techs-os-novos-senhores-da-guerra\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/controversia.com.br\\\/wp-content\\\/uploads\\\/2023\\\/05\\\/big-techs-tecnologia-rede-social.jpg?fit=1200%2C800&ssl=1\",\"keywords\":[\"Imperialismo\",\"Tecnologia\"],\"articleSection\":[\"Geografia\"],\"inLanguage\":\"pt-PT\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/controversia.com.br\\\/2025\\\/09\\\/06\\\/big-techs-os-novos-senhores-da-guerra\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/controversia.com.br\\\/2025\\\/09\\\/06\\\/big-techs-os-novos-senhores-da-guerra\\\/\",\"url\":\"https:\\\/\\\/controversia.com.br\\\/2025\\\/09\\\/06\\\/big-techs-os-novos-senhores-da-guerra\\\/\",\"name\":\"Big Techs, os novos senhores da guerra - Controversia\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/controversia.com.br\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/controversia.com.br\\\/2025\\\/09\\\/06\\\/big-techs-os-novos-senhores-da-guerra\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/controversia.com.br\\\/2025\\\/09\\\/06\\\/big-techs-os-novos-senhores-da-guerra\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/controversia.com.br\\\/wp-content\\\/uploads\\\/2023\\\/05\\\/big-techs-tecnologia-rede-social.jpg?fit=1200%2C800&ssl=1\",\"datePublished\":\"2025-09-06T15:57:07+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/controversia.com.br\\\/2025\\\/09\\\/06\\\/big-techs-os-novos-senhores-da-guerra\\\/#breadcrumb\"},\"inLanguage\":\"pt-PT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/controversia.com.br\\\/2025\\\/09\\\/06\\\/big-techs-os-novos-senhores-da-guerra\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-PT\",\"@id\":\"https:\\\/\\\/controversia.com.br\\\/2025\\\/09\\\/06\\\/big-techs-os-novos-senhores-da-guerra\\\/#primaryimage\",\"url\":\"https:\\\/\\\/i0.wp.com\\\/controversia.com.br\\\/wp-content\\\/uploads\\\/2023\\\/05\\\/big-techs-tecnologia-rede-social.jpg?fit=1200%2C800&ssl=1\",\"contentUrl\":\"https:\\\/\\\/i0.wp.com\\\/controversia.com.br\\\/wp-content\\\/uploads\\\/2023\\\/05\\\/big-techs-tecnologia-rede-social.jpg?fit=1200%2C800&ssl=1\",\"width\":1200,\"height\":800},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/controversia.com.br\\\/2025\\\/09\\\/06\\\/big-techs-os-novos-senhores-da-guerra\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"In\u00edcio\",\"item\":\"https:\\\/\\\/controversia.com.br\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Big Techs, os novos senhores da guerra\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/controversia.com.br\\\/#website\",\"url\":\"https:\\\/\\\/controversia.com.br\\\/\",\"name\":\"Controversia\",\"description\":\"Um site de leitura e debate\",\"publisher\":{\"@id\":\"https:\\\/\\\/controversia.com.br\\\/#\\\/schema\\\/person\\\/890416adf48f0d52618900e97e15edf2\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/controversia.com.br\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"pt-PT\"},{\"@type\":[\"Person\",\"Organization\"],\"@id\":\"https:\\\/\\\/controversia.com.br\\\/#\\\/schema\\\/person\\\/890416adf48f0d52618900e97e15edf2\",\"name\":\"Ricardo Alvarez\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-PT\",\"@id\":\"https:\\\/\\\/controversia.com.br\\\/wp-content\\\/uploads\\\/2020\\\/05\\\/Plano-de-Fundo-1015x1024.png\",\"url\":\"https:\\\/\\\/controversia.com.br\\\/wp-content\\\/uploads\\\/2020\\\/05\\\/Plano-de-Fundo-1015x1024.png\",\"contentUrl\":\"https:\\\/\\\/controversia.com.br\\\/wp-content\\\/uploads\\\/2020\\\/05\\\/Plano-de-Fundo-1015x1024.png\",\"width\":1015,\"height\":1024,\"caption\":\"Ricardo Alvarez\"},\"logo\":{\"@id\":\"https:\\\/\\\/controversia.com.br\\\/wp-content\\\/uploads\\\/2020\\\/05\\\/Plano-de-Fundo-1015x1024.png\"},\"description\":\"Professor, mestre em geografia urbana pela USP e criador do site Controv\u00e9rsia e escreve semanalmente.\",\"sameAs\":[\"http:\\\/\\\/controversia.com.br\",\"https:\\\/\\\/www.facebook.com\\\/Controversiascontemporaneas\\\/\",\"https:\\\/\\\/www.linkedin.com\\\/in\\\/controversia\\\/\",\"https:\\\/\\\/x.com\\\/https:\\\/\\\/twitter.com\\\/contro_versia\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Big Techs, os novos senhores da guerra - Controversia","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/controversia.com.br\/pt\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/","og_locale":"pt_PT","og_type":"article","og_title":"Big Techs, os novos senhores da guerra - Controversia","og_description":"S\u00e9rgio Amadeu da Silveira – Novo livro desvela como tecnologia, nas m\u00e3os das corpora\u00e7\u00f5es, remodela conflitos contempor\u00e2neos. Uma megam\u00e1quina alienante, operada por big techs e Estados, domina agora boa parte da a\u00e7\u00e3o b\u00e9lica: da ciberseguran\u00e7a a t\u00e1ticas militares. Em 2015, um grupo de cientistas e pessoas influentes ligadas ao desenvolvimento tecnol\u00f3gico lan\u00e7ou um manifesto contra […]","og_url":"https:\/\/controversia.com.br\/pt\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/","og_site_name":"Controversia","article_publisher":"https:\/\/www.facebook.com\/Controversiascontemporaneas\/","article_author":"https:\/\/www.facebook.com\/Controversiascontemporaneas\/","article_published_time":"2025-09-06T15:57:07+00:00","og_image":[{"width":1200,"height":800,"url":"https:\/\/i0.wp.com\/controversia.com.br\/wp-content\/uploads\/2023\/05\/big-techs-tecnologia-rede-social.jpg?fit=1200%2C800&ssl=1","type":"image\/jpeg"}],"author":"Ricardo Alvarez","twitter_card":"summary_large_image","twitter_creator":"@https:\/\/twitter.com\/contro_versia","twitter_site":"@contro_versia","twitter_misc":{"Escrito por":"Ricardo Alvarez","Tempo estimado de leitura":"29 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/controversia.com.br\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/#article","isPartOf":{"@id":"https:\/\/controversia.com.br\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/"},"author":{"name":"Ricardo Alvarez","@id":"https:\/\/controversia.com.br\/#\/schema\/person\/890416adf48f0d52618900e97e15edf2"},"headline":"Big Techs, os novos senhores da guerra","datePublished":"2025-09-06T15:57:07+00:00","mainEntityOfPage":{"@id":"https:\/\/controversia.com.br\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/"},"wordCount":5681,"commentCount":0,"publisher":{"@id":"https:\/\/controversia.com.br\/#\/schema\/person\/890416adf48f0d52618900e97e15edf2"},"image":{"@id":"https:\/\/controversia.com.br\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/controversia.com.br\/wp-content\/uploads\/2023\/05\/big-techs-tecnologia-rede-social.jpg?fit=1200%2C800&ssl=1","keywords":["Imperialismo","Tecnologia"],"articleSection":["Geografia"],"inLanguage":"pt-PT","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/controversia.com.br\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/controversia.com.br\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/","url":"https:\/\/controversia.com.br\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/","name":"Big Techs, os novos senhores da guerra - Controversia","isPartOf":{"@id":"https:\/\/controversia.com.br\/#website"},"primaryImageOfPage":{"@id":"https:\/\/controversia.com.br\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/#primaryimage"},"image":{"@id":"https:\/\/controversia.com.br\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/controversia.com.br\/wp-content\/uploads\/2023\/05\/big-techs-tecnologia-rede-social.jpg?fit=1200%2C800&ssl=1","datePublished":"2025-09-06T15:57:07+00:00","breadcrumb":{"@id":"https:\/\/controversia.com.br\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/#breadcrumb"},"inLanguage":"pt-PT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/controversia.com.br\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/"]}]},{"@type":"ImageObject","inLanguage":"pt-PT","@id":"https:\/\/controversia.com.br\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/#primaryimage","url":"https:\/\/i0.wp.com\/controversia.com.br\/wp-content\/uploads\/2023\/05\/big-techs-tecnologia-rede-social.jpg?fit=1200%2C800&ssl=1","contentUrl":"https:\/\/i0.wp.com\/controversia.com.br\/wp-content\/uploads\/2023\/05\/big-techs-tecnologia-rede-social.jpg?fit=1200%2C800&ssl=1","width":1200,"height":800},{"@type":"BreadcrumbList","@id":"https:\/\/controversia.com.br\/2025\/09\/06\/big-techs-os-novos-senhores-da-guerra\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"In\u00edcio","item":"https:\/\/controversia.com.br\/"},{"@type":"ListItem","position":2,"name":"Big Techs, os novos senhores da guerra"}]},{"@type":"WebSite","@id":"https:\/\/controversia.com.br\/#website","url":"https:\/\/controversia.com.br\/","name":"Controversia","description":"Um site de leitura e debate","publisher":{"@id":"https:\/\/controversia.com.br\/#\/schema\/person\/890416adf48f0d52618900e97e15edf2"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/controversia.com.br\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"pt-PT"},{"@type":["Person","Organization"],"@id":"https:\/\/controversia.com.br\/#\/schema\/person\/890416adf48f0d52618900e97e15edf2","name":"Ricardo Alvarez","image":{"@type":"ImageObject","inLanguage":"pt-PT","@id":"https:\/\/controversia.com.br\/wp-content\/uploads\/2020\/05\/Plano-de-Fundo-1015x1024.png","url":"https:\/\/controversia.com.br\/wp-content\/uploads\/2020\/05\/Plano-de-Fundo-1015x1024.png","contentUrl":"https:\/\/controversia.com.br\/wp-content\/uploads\/2020\/05\/Plano-de-Fundo-1015x1024.png","width":1015,"height":1024,"caption":"Ricardo Alvarez"},"logo":{"@id":"https:\/\/controversia.com.br\/wp-content\/uploads\/2020\/05\/Plano-de-Fundo-1015x1024.png"},"description":"Professor, mestre em geografia urbana pela USP e criador do site Controv\u00e9rsia e escreve semanalmente.","sameAs":["http:\/\/controversia.com.br","https:\/\/www.facebook.com\/Controversiascontemporaneas\/","https:\/\/www.linkedin.com\/in\/controversia\/","https:\/\/x.com\/https:\/\/twitter.com\/contro_versia"]}]}},"jetpack_publicize_connections":[],"jetpack_featured_media_url":"https:\/\/i0.wp.com\/controversia.com.br\/wp-content\/uploads\/2023\/05\/big-techs-tecnologia-rede-social.jpg?fit=1200%2C800&ssl=1","jetpack_sharing_enabled":true,"jetpack_likes_enabled":true,"jetpack-related-posts":[],"_links":{"self":[{"href":"https:\/\/controversia.com.br\/pt\/wp-json\/wp\/v2\/posts\/24862","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/controversia.com.br\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/controversia.com.br\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/controversia.com.br\/pt\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/controversia.com.br\/pt\/wp-json\/wp\/v2\/comments?post=24862"}],"version-history":[{"count":1,"href":"https:\/\/controversia.com.br\/pt\/wp-json\/wp\/v2\/posts\/24862\/revisions"}],"predecessor-version":[{"id":24863,"href":"https:\/\/controversia.com.br\/pt\/wp-json\/wp\/v2\/posts\/24862\/revisions\/24863"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/controversia.com.br\/pt\/wp-json\/wp\/v2\/media\/19244"}],"wp:attachment":[{"href":"https:\/\/controversia.com.br\/pt\/wp-json\/wp\/v2\/media?parent=24862"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/controversia.com.br\/pt\/wp-json\/wp\/v2\/categories?post=24862"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/controversia.com.br\/pt\/wp-json\/wp\/v2\/tags?post=24862"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}