Resultados da busca

A Internet das Coisas Médicas (IoMT - Internet of Medical Things) é a coleção de dispositivos e aplicações médicas que se conectam aos sistemas de TI de saúde através de redes de computadores online. Os dispositivos médicos equipados com Wi-Fi permitem a comunicação máquina-a-máquina, que é a base do IoMT. A IoMT também é conhecida como IoT da saúde. Alguns exemplos de IoMT incluem monitoramento remoto de pacientes com condições crônicas ou de longo prazo, rastreamento de pedidos de medicação de pacientes, monitoramento da localização de pacientes internados em hospitais, dentre outros. Até mesmo bombas de infusão que se conectam a painéis de análise e leitos hospitalares equipados com sensores que medem os sinais vitais dos pacientes são dispositivos médicos que podem ser convertidos ou implantados com a tecnologia IoMT. Quer saber mais sobre IoMT e suas aplicações? Acesse já o nosso site! https://www.engenhariahibrida.com.br/ Fonte: https://www.techtarget.com/

O setor de saúde representa um dos setores que mais crescem no mercado de IoT (Internet das Coisas). De fato, o valor deste setor - que também é chamado de Internet of Medical Things (IoMT) - está previsto para atingir o patamar de $176 bilhões até 2026. Para entender o que a IoMT significa para a IoT como um todo, e como os dispositivos IoT de saúde precisam ser monitorados e gerenciados, você deve entender as múltiplas maneiras pelas quais os dispositivos IoT podem ser usados na área de saúde. Embora o exemplo mais popular de IoT na área da saúde seja o monitoramento remoto de pacientes - ou seja, dispositivos IoT que coletam dados de pacientes como frequência cardíaca e temperatura corporal - há muitos outros exemplos de IoT na área de saúde. Conheça 10 exemplos de como a Internet das Coisas está mudando o setor da saúde: 1. Monitoramento remoto de pacientes O monitoramento remoto de pacientes é a aplicação mais comum dos dispositivos IoT para a saúde. Os dispositivos IoT podem coletar automaticamente métricas de saúde como frequência cardíaca, pressão arterial, temperatura e muito mais, de pacientes que não estão presentes fisicamente em uma instalação de saúde. Quando um dispositivo IoT coleta dados de pacientes, ele encaminha os dados para um software onde os profissionais de saúde e/ou pacientes podem visualizá-los. Algoritmos podem ser usados para analisar os dados a fim de recomendar tratamentos ou gerar alertas. Por exemplo, um sensor IoT que detecta a frequência cardíaca anormalmente baixa de um paciente, pode gerar um alerta para que os profissionais de saúde possam intervir. 2. Monitoramento da glicose Para os mais de 537 milhões de adultos diabéticos (com idade entre 20 e 79 anos) no mundo, o monitoramento da glicose tem sido tradicionalmente difícil. Não só é inconveniente ter que verificar os níveis de glicose e registrar manualmente os resultados, mas como também só é possível relatar os níveis de glicose de um paciente apenas no momento exato em que o teste é fornecido. Se os níveis flutuarem muito, testes periódicos podem não ser suficientes para detectar um problema. Os dispositivos IoT podem ajudar a enfrentar esses desafios, fornecendo monitoramento contínuo e automático dos níveis de glicose dos pacientes. Os dispositivos de monitoramento da glicose eliminam a necessidade de manter registros manualmente, e podem alertar os pacientes quando os níveis de glicose são problemáticos. 3. Monitoramento do ritmo cardíaco Assim como a glicose, monitorar as frequências cardíacas pode ser um desafio, mesmo para os pacientes que estão presentes nas instalações de saúde. As verificações periódicas da frequência cardíaca não protegem contra flutuações rápidas na frequência cardíaca, e os dispositivos convencionais de monitoramento cardíaco contínuo usados em hospitais exigem que os pacientes estejam constantemente presos a máquinas com fio, prejudicando sua mobilidade. Hoje, uma variedade de pequenos dispositivos IoT está disponível para monitoramento da frequência cardíaca, liberando os pacientes para se movimentarem como quiserem, garantindo que seus corações sejam monitorados continuamente. Garantir resultados precisos continua sendo um desafio, mas a maioria dos dispositivos modernos pode oferecer taxas de precisão de cerca de 90% ou mais. 4. Monitoramento da higiene das mãos Tradicionalmente, não há uma boa maneira de garantir que os provedores e pacientes dentro de uma instalação de saúde lavem suas mãos adequadamente a fim de minimizar o risco de propagação de contágio. Hoje, muitos hospitais e outras operações de saúde usam dispositivos IoT para lembrar as pessoas de higienizar suas mãos quando entram nos quartos dos hospitais. Os dispositivos podem até mesmo dar instruções sobre a melhor forma de higienizar as mãos para mitigar o risco para um determinado paciente. 5. Depressão e monitoramento do humor As informações sobre os sintomas da depressão e o humor geral dos pacientes são outro tipo de dados que tradicionalmente tem sido difícil de coletar continuamente. Os prestadores de serviços de saúde podem perguntar periodicamente aos pacientes como eles estão se sentindo, mas são incapazes de antecipar mudanças repentinas de humor. E, muitas vezes, os pacientes não relatam seus sentimentos com exatidão. Os dispositivos IoT "Mood-aware" (alerta de humor), podem enfrentar estes desafios. Ao coletar e analisar dados como frequência cardíaca e pressão arterial, os dispositivos podem inferir informações sobre o estado mental de um paciente. Dispositivos IoT avançados para monitoramento do humor podem até mesmo rastrear dados como o movimento dos olhos de um paciente. 6. Monitoramento da doença de Parkinson A fim de tratar os pacientes de Parkinson da maneira mais eficaz, os prestadores de serviços de saúde devem ser capazes de avaliar como a gravidade de seus sintomas flutua ao longo do dia. Os sensores IoT prometem tornar esta tarefa muito mais fácil, coletando continuamente dados sobre os sintomas de Parkinson. Ao mesmo tempo, os dispositivos dão aos pacientes a liberdade de viver em suas próprias casas, ao invés de ter que passar longos períodos em um hospital para observação. Outros exemplos de IoT/IoMT Embora os dispositivos como os descritos acima continuem sendo o tipo mais comumente usado na área de saúde, existem dispositivos que vão além do monitoramento para realmente fornecer tratamento, ou mesmo "viver" dentro ou sobre o paciente. Os exemplos incluem o seguinte: 7. Inaladores conectados Condições como asma ou DPOC (Doença Pulmonar Obstrutiva Crônica) muitas vezes envolvem ataques que surgem de repente, com pouca advertência. Os inaladores conectados a IoT podem ajudar os pacientes monitorando a frequência dos ataques, bem como coletando dados do ambiente para ajudar os prestadores de serviços de saúde a entender o que desencadeou um ataque. Além disso, os inaladores conectados podem alertar os pacientes quando eles deixam os inaladores em casa, colocando-os em risco de sofrer um ataque sem o inalador presente, ou quando eles usam o inalador de forma inadequada. 8. Sensores ingeríveis A coleta de dados de dentro do corpo humano é tipicamente um caso confuso e altamente perturbador. Ninguém gosta de ter uma câmera ou sonda presa em seu trato digestivo, por exemplo. Com sensores ingeríveis, é possível coletar informações do sistema digestivo e de outros sistemas de uma forma muito menos invasiva. Eles fornecem informações sobre os níveis de PH no estômago, por exemplo, ou ajudam a identificar a fonte de sangramento interno. Estes dispositivos devem ser suficientemente pequenos para serem facilmente engolidos. Eles também devem ser capazes de dissolver ou passar pelo corpo humano de forma limpa por si mesmos. Várias empresas estão atualmente trabalhando em sensores ingeríveis que atendam a estes critérios. 9. Lentes de contato conectadas As lentes de contato inteligentes oferecem outra oportunidade para coletar dados de saúde de forma passiva e não intrusiva. Poderiam também, a propósito, incluir microcâmeras que permitem aos usuários efetivamente tirar fotos com os olhos, e é provavelmente por isso que empresas como o Google patentearam as lentes de contato conectadas. Quer sejam usadas para melhorar os resultados de saúde ou para outros fins, as lentes inteligentes prometem transformar os olhos humanos em uma ferramenta poderosa para interações digitais. 10. Cirurgia robótica Ao implantar pequenos robôs conectados à Internet dentro do corpo humano, os cirurgiões podem realizar procedimentos complexos que seriam difíceis de administrar usando mãos humanas. Ao mesmo tempo, as cirurgias robóticas realizadas por pequenos dispositivos IoT podem reduzir o tamanho das incisões necessárias para realizar a cirurgia, levando a um processo menos invasivo, e a uma cura mais rápida para os pacientes. Estes dispositivos devem ser suficientemente pequenos e confiáveis para realizar cirurgias minimamente invasivas. Eles também devem ser capazes de interpretar condições complexas dentro do corpo, a fim de tomar decisões corretas sobre como proceder durante uma cirurgia. Quer saber mais sobre IoT e suas aplicações? Acesse já o nosso site! https://www.engenhariahibrida.com.br/ Fonte: https://ordr.net/article/iot-healthcare-examples/ https://www1.folha.uol.com.br/equilibrioesaude/2022/04/brasil-chega-a-9-da-populacao-adulta-vivendo-com-diabetes.shtml

A IA generativa é um tipo de tecnologia de inteligência artificial que pode produzir vários tipos de conteúdo, incluindo texto, imagens, áudio e dados sintéticos. A IA generativa tem sido amplamente impulsionada pela simplicidade das interfaces que utiliza para criar texto, gráficos e vídeos de alta qualidade numa questão de segundos. Essa tecnologia, porém, não é nova. A IA generativa foi introduzida na década de 1960 a partir dos chatbots. Mas foi só em 2014, com a introdução das redes adversárias generativas, ou GAN, um tipo de algoritmo de aprendizagem automática, que a IA generativa conseguiu criar imagens, vídeos e áudio de pessoas reais de forma convincente e autêntica. Por um lado, esta nova capacidade abriu oportunidades que incluem um melhor alcance de filmes e conteúdos educativos ricos. Por outro lado, também suscitou preocupações sobre deepfakes - imagens ou vídeos forjados digitalmente - e ataques prejudiciais à cibersegurança nas empresas, incluindo pedidos nefastos que imitam realisticamente o chefe de um funcionário, por exemplo. Dois avanços recentes, que serão discutidos mais a fundo ao longo desse post, desempenharam um papel fundamental no desenvolvimento da IA generativa: os transformadores e os modelos de linguagem. Os transformadores são um tipo de aprendizagem automática que permitiu aos investigadores treinar modelos cada vez maiores sem terem de rotular previamente todos os dados. Assim, foi possível treinar novos modelos em milhares de milhões de páginas de texto, o que resultou em respostas com maior profundidade. Além disso, os transformadores desbloquearam uma nova noção chamada 'atenção', que permitiu aos modelos seguir as ligações entre palavras em páginas, capítulos e livros, em vez de apenas em frases individuais. E não apenas palavras: Os transformadores também podem utilizar a sua capacidade de seguir ligações para analisar códigos, proteínas, químicos e DNA. Os rápidos avanços nos chamados modelos de linguagem de grande dimensão (LLMs) - ou seja, modelos com milhares ou mesmo milhares de milhões de parâmetros - abriram uma nova era em que os modelos de IA generativa podem escrever textos cativantes, pintar imagens fotorrealistas e até criar séries de televisão em tempo real. Além disso, as inovações na IA multimodal permitem às equipes gerar conteúdos em vários tipos de meios, incluindo texto, gráficos e vídeo. A base de ferramentas Dall-E, por exemplo, cria automaticamente imagens a partir de uma descrição de texto ou gera legendas de texto a partir de imagens. Apesar destas descobertas, ainda estamos dando os primeiros passos na utilização da IA generativa para criar texto legível e gráficos estilizados fotorrealistas. As primeiras implementações tiveram problemas de precisão e parcialidade, bem como tendência para formular respostas estranhas. Ainda assim, o progresso realizado até então indica que as capacidades inerentes a este tipo de IA podem mudar fundamentalmente o mundo como o conhecemos. No futuro, esta tecnologia poderá ajudar a escrever código de computadores, conceber novos medicamentos, desenvolver produtos, redesenhar processos empresariais e transformar cadeias de abastecimento. Mas como funciona a IA generativa? A IA generativa começa com um 'pedido' que pode ter a forma de um texto, uma imagem, um vídeo, um desenho, notas musicais ou qualquer entrada que o sistema de IA possa processar. Vários algoritmos de IA devolvem então novos conteúdos em resposta ao pedido. O conteúdo pode incluir ensaios, soluções para problemas ou falsificações realistas criadas a partir de imagens ou áudio de uma pessoa. As primeiras versões da IA generativa exigiam a apresentação de dados através de uma API ou de um processo complicado. Os programadores tinham de se familiarizar com ferramentas especiais e escrever aplicações utilizando linguagens como o Python. Atualmente, os pioneiros da IA generativa estão desenvolvendo melhores experiências que permitem descrever um pedido em linguagem simples. Após uma resposta inicial, também pode-se personalizar os resultados com feedback sobre o estilo, o tom e outros elementos que pretende que o conteúdo gerado reflita. Os Modelos de IA generativa Os modelos de IA generativa combinam vários algoritmos de IA para representar e processar conteúdos. Por exemplo, para gerar texto, várias técnicas de processamento de linguagem natural transformam caracteres brutos (por exemplo, letras, pontuação e palavras) em frases, partes do discurso, entidades e ações, que são representadas como vetores utilizando várias técnicas de codificação. Do mesmo modo, as imagens são transformadas em vários elementos visuais, também expressos como vetores. Quando os programadores chegam a um acordo sobre uma forma de representar o mundo, aplicam uma determinada rede neuronal para gerar novos conteúdos em resposta a uma consulta ou pedido. Técnicas como a GAN e os autoencoders variacionais (VAEs) - redes neuronais com um descodificador e um codificador - são adequadas para gerar rostos humanos realistas e dados sintéticos para treinamento de IA. Quais são os benefícios da IA generativa? A IA generativa pode ser aplicada extensivamente em muitas áreas da empresa. Pode facilitar a interpretação e a compreensão de conteúdos existentes e criar automaticamente novos conteúdos. Alguns dos principais benefícios da implementação da IA generativa incluem: Automatizar o processo manual de redação de conteúdos; Reduzir o esforço de resposta a mensagens de email; Melhorar a resposta a questões técnicas específicas; Criar representações realistas de pessoas; Resumir informações complexas numa narrativa coerente; Simplificar o processo de criação de conteúdos num determinado estilo; Dentre outros. Aplicações da IA generativa A IA generativa pode ser aplicada em vários casos, para gerar praticamente qualquer tipo de conteúdo. A tecnologia está se tornando mais acessível a usuários de todos os tipos graças a descobertas de ponta como o Chat GPT, por exemplo, que pode ser utilizado em uma série de aplicações diferentes. Alguns dos casos de utilização da IA generativa são os seguintes: Implementação de chatbots para atendimento ao cliente e suporte técnico; Implementação de deepfakes para imitar pessoas ou mesmo indivíduos específicos; Melhorar a qualidade de filmes e conteúdos educativos em diferentes línguas; Escrever respostas de correio eletrônico, perfis de encontros, currículos e trabalhos finais; Criar arte fotorrealista num determinado estilo; Melhorar vídeos de demonstração de produtos; Sugerir novos compostos de medicamentos para testar; Projetar produtos e edifícios físicos; Otimizar novos designs de chips; Escrever música num estilo ou tom específico; Dentre muitos outros! Aplicações da IA generativa nas Indústrias As novas tecnologias de IA generativa têm sido por vezes descritas como tecnologias de uso geral, semelhantes à energia a vapor, à eletricidade e à computação, porque podem transformar profundamente muitas indústrias. É essencial ter em conta que, tal como as anteriores tecnologias de uso geral, foram muitas vezes necessárias décadas para que as pessoas encontrassem a melhor forma de organizar os fluxos de trabalho para tirar melhor proveito da tecnologia. Confira alguns exemplos de IA generativa em diferentes setores: No setor financeiro, a IA pode analisar as transações financeiras de um indivíduo para criar melhores sistemas de deteção de fraudes; As empresas jurídicas podem utilizar a IA generativa para conceber e interpretar contratos, analisar provas e sugerir argumentos; Os fabricantes podem utilizar a IA generativa para combinar dados de câmaras, raios X e outras métricas para identificar peças defeituosas e as suas causas principais de forma mais precisa e econômica; As empresas cinematográficas e de publicidade podem utilizar a IA generativa para produzir conteúdos de forma mais econômica e traduzi-los para outras línguas; A indústria médica pode utilizar a IA generativa para identificar candidatos a medicamentos promissores de forma mais eficiente; As empresas de engenharia podem utilizar a IA generativa para conceber e adaptar protótipos mais rapidamente; As empresas de jogos podem utilizar a IA generativa para conceber conteúdos e melhorar a experiência dos jogos. Quer saber mais sobre Inovação e Tecnologia? Acesse já o nosso site! https://www.engenhariahibrida.com.br/ Fonte: https://www.techtarget.com/

As Jigas de Testes são utilizadas para realizar testes automatizados em placas eletrônicas (PCB) ao final do processo produtivo. Os testes são essenciais para garantir que as placas sejam entregues em seu pleno funcionamento, seguindo um rigoroso padrão de qualidade. A Inspeção Óptica é um tipo de teste automatizado que utiliza a chamada Visão Computacional para examinar cuidadosamente todos os componentes da placa, evitando assim, erros de produção e possíveis custos adicionais desnecessários. Nós da Engenharia Híbrida somos especialistas em Jigas de Testes e Testes Automatizados, acesse já o nosso site e confira os nossos serviços! https://www.engenhariahibrida.com.br/jiga-de-testes

A Inteligência Artificial (IA) tem se tornado cada vez mais presente em nossas vidas, desde assistentes virtuais em nossos smartphones até sistemas de recomendação personalizada em plataformas de streaming. Mas como tudo isso começou? Vamos embarcar em uma jornada fascinante pela história da IA e descobrir como esse campo revolucionário evoluiu ao longo dos anos! A Origem do Sonho Década de 1950: O Nascimento da IA Década de 1960: Lógica e Raciocínio Década de 1970 e 1980: Avanços e Desafios Década de 1990: O Renascimento Década de 2000: Aprendizado de Máquina e Big Data Década de 2010 e Além: IA em Todos os Lugares O Futuro da IA Conclusão A Origem do Sonho O conceito de IA remonta a séculos atrás, quando filósofos e escritores ainda sonhavam com máquinas com inteligência semelhante à humana. No entanto, foi no século XX que as bases da IA moderna começaram a ser propriamente estabelecidas. Década de 1950: O Nascimento da IA A década de 1950 é considerada o marco inicial da IA. Pesquisadores e cientistas, como Alan Turing, desenvolveram teorias e conceitos que pavimentaram o caminho para o desenvolvimento de máquinas inteligentes. Foi nessa época que o termo "Inteligência Artificial" foi cunhado por John McCarthy, cientista da computação. Década de 1960: Lógica e Raciocínio Durante os anos 60, a ênfase da IA estava na lógica simbólica e no raciocínio automatizado. O programa "Eliza", desenvolvido por Joseph Weizenbaum, simulava um terapeuta e demonstrava a capacidade de uma máquina em realizar uma conversa em linguagem natural. Década de 1970 e 1980: Avanços e Desafios Nessa época, a IA começou a se expandir em diferentes áreas. Algoritmos de busca foram desenvolvidos, permitindo que os computadores solucionassem problemas de maneira mais eficiente. No entanto, a falta de poder computacional e o surgimento de desafios teóricos levaram a um período de estagnação conhecido como "inverno da IA". Década de 1990: O Renascimento Nos anos 90, a IA experimentou um renascimento graças aos avanços no poder de processamento dos computadores e ao surgimento da internet. Surgiram sistemas especializados, como o Deep Blue da IBM, que derrotou o campeão mundial de xadrez, Garry Kasparov. Década de 2000: Aprendizado de Máquina e Big Data O início do século XXI trouxe um grande impulso para a IA. O aprendizado de máquina e a análise de grandes volumes de dados permitiram avanços significativos na área. Algoritmos de aprendizado de máquina, como as redes neurais, abriram portas para a criação de sistemas de reconhecimento de voz, visão computacional e tradução automatizada. Década de 2010 e Além: IA em Todos os Lugares Na última década, a IA se tornou ainda mais presente em nossas vidas cotidianas. Assistentes virtuais, como Siri, Alexa e Google Assistant, estão presentes em nossos smartphones e dispositivos domésticos. Carros autônomos estão se tornando uma realidade e a IA está sendo amplamente utilizada em áreas como medicina, finanças, marketing e várias outras. O Futuro da IA À medida que avançamos para o futuro, a IA promete revolucionar ainda mais a sociedade. Avanços na IA, ética e robótica estão moldando o caminho para uma maior integração entre humanos e máquinas. Questões sobre privacidade, responsabilidade e impacto social estão sendo discutidas e regulamentadas para garantir o uso seguro e benéfico da IA. Conclusão A história da Inteligência Artificial é uma jornada emocionante de sonhos, desafios e conquistas. O campo evoluiu consideravelmente desde sua concepção e está mudando a maneira como vivemos e interagimos com a tecnologia a cada dia. Com a contínua inovação e colaboração, a IA tem o potencial de transformar radicalmente nosso mundo, abrindo caminho para um futuro promissor. Estamos apenas descobrindo a superfície das possibilidades da IA, o futuro ainda reserva muitas descobertas emocionantes à medida que avançamos rumo a uma era verdadeiramente inteligente. Quer saber mais sobre Inteligência Artificial e suas aplicações? Acesse já o nosso site! https://www.engenhariahibrida.com.br/

De acordo com o novo artigo publicado na Revista Nature (Dynamic machine vision with retinomorphic photomemristor-reservoir computing), pesquisadores desenvolveram uma tecnologia revolucionária de visão neuromórfica, baseada nos neurônios da retina, que integra detecção, memória e processamento em um único componente, sendo capaz de detectar movimento e até mesmo prever trajetórias. Trata-se de sensores inteligentes compostos por uma matriz de fotomemoristores, que funcionam 'imitando' o comportamento do cérebro e as habilidades da retina, fornecendo resultados muito similares àqueles obtidos por meio da própria visão humana. Os sensores atuais são capazes de capturar um único momento em um quadro, mas com esses sensores 'retinomórficos' é possível ler informações sobre o passado e usá-las para prever o futuro. A visão mecânica dinâmica, utilizada por esses sensores, requer o reconhecimento do passado e a previsão da trajetória de um objeto em movimento com base na visão atual. Os sistemas atuais de visão mecânica conseguem isso processando vários quadros de imagem ou usando algoritmos complexos. Com essa nova tecnologia, o reconhecimento e a previsão de movimento em redes de fotomemoristores recorrentes podem ser efetivados por meio de uma matriz de fotomemoristores retinomórficos, que funcionam como reservatório de visão dinâmica, incorporando quadros de movimentos passados como estados ocultos no quadro atual por meio da memória dinâmica inerente. O quadro atual informativo facilita o reconhecimento preciso de movimentos passados e a previsão de movimentos futuros, por meio de complexos algoritmos de aprendizado de máquina. Esse recurso de processamento de movimento elimina fluxos de dados redundantes e promove a percepção em tempo real de objetos em movimento por meio da visão mecânica dinâmica . A tecnologia de visão mecânica dinâmica é uma tecnologia revolucionária, que tem várias aplicações importantes, desde análise de vídeo, visão robótica, tecnologia de direção autônoma a transporte inteligente, dentre outros. A capacidade de usar a visão atual para reconhecer movimentos passados e prever trajetórias futuras é o que torna possível executar essa tecnologia. Os sistemas de imagem atuais utilizam vários módulos, incluindo sensores, conversores de sinal, memória e processadores, para reconhecer e prever movimentos por meio da análise de uma série de sequências de imagens, quadro a quadro, e do uso de algoritmos complexos que geram um grande fluxos de dados, além de um alto consumo de energia, o que os tornam obsoletos. Por isso, pesquisadores nos últimos anos, vêm desenvolvendo esses sensores inteligentes, inspirados pelo sistema de visão humano, no qual a memória visual de curto prazo desempenha um papel fundamental, os sensores de imagem retinomórficos com capacidade de memória, como sensores fotovoltaicos comutáveis, fototransistores não voláteis, e memoristores, demonstraram uma capacidade de detecção adaptativa e completa, facilitando a computação no sensor, a geração de imagens autoadaptativas e a detecção de movimento, aproximando-se da eficiência e complexidade da visão humana. Os pesquisadores realizaram uma série de testes para provar a eficiência desses sensores, e comprovaram que ao adicionar um sistema de aprendizado de máquina à matriz de fotomemoristores, seu sistema integrado com processamento no próprio sensor, é uma plataforma promissora para tornar essa tecnologia aplicável e mais eficiente, desde o próprio processamento e do hardware necessário, até o consumo de energia. As aplicações e impacto dessa nova tecnologia são imensuráveis e prometem revolucionar diversas áreas, como por exemplo, detecção de visão dinâmica, inspeção automática em linhas de produção, controle de processos industriais, orientação robótica, tecnologia de direção autônoma para carros, dentre outros. Quer saber mais sobre Inovação e Tecnologia? Acesse já o nosso site! https://www.engenhariahibrida.com.br/ Fonte: https://www.nature.com/ https://www.inovacaotecnologica.com.br/

A Inteligência Artificial é um assunto que está em alta, sendo amplamente discutida em todos os setores, principalmente no que diz respeito às redes neurais e aos modelos de linguagem que respondem perguntas diretas e estão sendo muito utilizados atualmente, como o Chat GPT, por exemplo. Porém, o desempenho do software é limitado pelo hardware em que ele é executado. Os hardwares atuais não têm acompanhado o ritmo do desenvolvimento dos algoritmos de IA e a quantidade de dados que precisam ser processados, resultando em um gargalo que atrasa o progresso dos modelos e aplicações de Inteligência Artificial. Em um estudo recente, publicado na Revista Nature (Thousands of conductance levels in memristors integrated on CMOS; Vol.: 615, pages 823-829), Mingyi Rao e sua equipe de pesquisadores da Universidade do Sul da Califórnia, estão trabalhando para superar esses desafios. Neste artigo ele anunciam uma nova tecnologia de chip que promete ter a melhor memória de qualquer chip já produzido até hoje. Esse avanço permitirá que o processamento de dados seja mais rápido e eficiente, impulsionando assim, o progresso da inteligência artificial e de outras áreas relacionadas, derrubando uma série de barreiras e limitações ao longo do caminho. Essa tecnologia inovadora está relacionada aos memoristores, que são componentes fundamentais da computação neuromórfica, assim como os transistores são os componentes básicos da computação eletrônica convencional. A diferença entre os dois é que os memoristores têm a capacidade de armazenar memória, enquanto os transistores não possuem essa capacidade. Os memoristores são capazes de armazenar vários níveis de memória, o que supera as limitações da eletrônica digital atual e se aproxima mais da eletrônica analógica, que possui estados variáveis. Esse é um avanço significativo, que permitirá o desenvolvimento de tecnologias mais sofisticadas e eficientes para processamento de dados e inteligência artificial como um todo. O uso de dispositivos memoristores em redes neurais tem o potencial para melhorar a eficiência e o rendimento de aplicativos de aprendizado de máquina e inteligência artificial, especialmente no campo da computação. Os memoristores são programáveis e podem armazenar informações ajustando seus níveis de condutância com base nesses dados, o que os torna ideais para armazenar pesos sinápticos em redes neurais. No entanto, para que essa abordagem seja prática, os memoristores precisam ter uma capacidade de programação de alta precisão, garantindo assim um desempenho preciso e uniforme em um grande número de redes. De acordo com o artigo, esses chips totalmente integrados com 256 x 256 matrizes de memoristores foram desenvolvidos com 2.048 níveis de condutância, o que representa um aumento significativo em relação às limitações anteriores. Os pesquisadores identificaram a física propriamente, que limitava o número de níveis de condutância que poderiam ser alcançados, e com base nisso, desenvolveram protocolos de operação elétrica para superar essas limitações. De maneira mais simples, a diferença entre a memória dos chips tradicionais e dos novos chips de memória atômica está na estabilidade dos dados. Os elétrons dos chips tradicionais são instáveis, enquanto os átomos dos novos chips são estáveis, o que significa que a memória não é perdida quando a energia é desligada. Além disso, a computação nos novos chips pode ser feita no mesmo lugar em que os dados são armazenados, eliminando a necessidade de transferir dados de memória para um processador, o que torna os chips muito menores, sendo possível executar tarefas de IA em aparelhos portáteis em tempo real, sem a necessidade de muita energia. Esse avanço tecnológico irá mudar o futuro da inteligência artificial como um todo, tornando-a mais eficiente em termos de energia, econômica e praticamente. Ao programar os pesos sinápticos obtidos do treinamento em nuvem diretamente em memoristores com capacidade de programação de alta precisão, as redes neurais poderão operar em velocidades muito mais rápidas com menos consumo de energia, podendo ser implantadas em uma gama muito maior de aplicações. A capacidade de ajustar os níveis de condutância é essencial, pois pode tornar os dispositivos memoristores mais adaptáveis a diferentes situações específicas, melhorando seu desempenho geral. Um exemplo da aplicação dessa nova tecnologia é o próprio Chat GPT, como o próprio professor Joshua Yang, disse: "Para contextualizar, hoje o ChatGPT está sendo executado na nuvem. Esta inovação, seguida de algum desenvolvimento adicional, pode colocar o poder de uma mini versão do ChatGPT no dispositivo pessoal de todos. Isso poderia tornar essa tecnologia de alta potência mais acessível para todos os tipos de aplicações,". Quer saber mais sobre Inovação e Tecnologia? Acesse já o nosso site! https://www.engenhariahibrida.com.br/ia-inteligencia-artificial Fonte: https://www.inovacaotecnologica.com.br/ https://www.nature.com/

A Internet das Coisas (IoT) está mudando significativamente a maneira como vivemos e trabalhamos. Está atingindo todos os aspectos de nossas vidas e os transformando, para melhor! E essa tendência é muito evidente no setor da saúde. A tecnologia na área da saúde agora permite aos pacientes agendar suas consultas sem a necessidade de ligar para um consultório médico ou esperar por uma recepcionista, permite também que os médicos levem informações com eles para qualquer lugar, por meio de aplicativos em seus smartphones ou computadores. Esta conectividade é crescente e está acelerando cada vez mais. O que significa dados mais acessíveis e melhores cuidados para os pacientes. IoT - Internet das Coisas A Internet das Coisas permite que os serviços de saúde ampliem seu alcance fora do cenário clínico tradicional. Os sistemas de monitoramento domiciliar, por exemplo, permitem que pacientes e médicos acompanhem a saúde de um indivíduo à distância, evitando viagens desnecessárias para se consultar com um médico. A tecnologia de monitoramento remoto de pacientes (RPM)também tem sido muito utilizada nos sistemas de saúde e hospitais, trazendo melhores resultados e custos reduzidos. Esta tecnologia aproveita dispositivos conectados com sensores IoT para oferecer aos provedores um fluxo contínuo de dados em tempo real, tais como frequência cardíaca, pressão arterial e monitoramento de glicose. Jigas de Teste Os testes pré-clínicos e mecânicos dos dispositivos médicos são de suma importância e garantem maior segurança e confiança para os pacientes. E é aí que entram as Jigas de Teste, que podem fornecer soluções individuais e métodos de teste específicos, comprovando a segurança e eficiência dos dispositivos médicos no processo produtivo. As Jigas de Teste são essenciais para otimizar o processo de produção, garantindo o comprovando a segurança e eficiência dos dispositivos médicos dos dispositivos médicos e seu pleno funcionamento no tratamento dos pacientes. Conheça alguns exemplos de testes para dispositivos médicos: Integridade e deformação de materiais Estudos de morfologia da superfície e de aderência Microestrutura - relações de propriedade do produto Microscopia de Dispositivos Médicos Teste mecânico de materiais em dispositivos e embalagens Metalurgia, Corrosão, Resistência Química Dentre outros. Acesse já o nosso site e saiba mais sobre Jigas de Teste e Iot! https://www.engenhariahibrida.com.br/

A Internet das Coisas (IoT) está transformando a maneira como vivemos e trabalhamos. E se ela atingir seu potencial máximo, mudará fundamentalmente todos os aspectos de nossas vidas, para melhor! Essa tendência é muito evidente no setor da saúde, por exemplo, onde caneta e papel têm sido o principal meio de registro de informações dos pacientes por décadas. Mas agora, a tecnologia da saúde está mudando significativamente, simplificando os processos e tornando-os mais eficientes. O maior salto tecnológico das últimas décadas foi, sem dúvida, o desenvolvimento dos registros eletrônicos de saúde, ou EHRs (electronic health records). Antigamente, os hospitais tinham vários sistemas que lidavam com diferentes funções, mas hoje, os EHRs unificam todos eles em apenas um sistema. A tecnologia na área da saúde agora permite aos pacientes agendar suas consultas sem a necessidade de ligar para um consultório médico ou esperar por uma recepcionista, permite também que os médicos levem informações com eles para qualquer lugar, por meio de aplicativos em seus smartphones ou computadores. Esta conectividade é crescente e está acelerando cada vez mais. Espera-se que o mercado global da Internet das Coisas Médicas (IoMT) aumente para uma valorização de US$158 bilhões em 2022, acima dos US$41 bilhões vistos em 2017. O que significa dados mais acessíveis e melhores cuidados para os pacientes. Dispositivos Médicos IoT A Internet das Coisas permite que os prestadores de serviços de saúde ampliem seu alcance fora do cenário clínico tradicional. Os sistemas de monitoramento domiciliar permitem que pacientes e médicos acompanhem a saúde de um indivíduo quando não estão no consultório médico para evitar viagens desnecessárias e dispendiosas para se consultar com um médico. Outra ferramenta IoT que os sistemas de saúde e hospitais dos EUA estão utilizando para melhores resultados e custos reduzidos é a tecnologia de monitoramento remoto de pacientes (RPM). Este tipo de tratamento de pacientes aproveita dispositivos conectados com sensores IoT para oferecer aos provedores um fluxo contínuo de dados em tempo real, tais como frequência cardíaca, pressão arterial e monitoramento de glicose. Jigas de Teste na Área de Saúde Os testes pré-clínicos e mecânicos dos dispositivos médicos são de suma importância e garantem maior segurança e confiança para os pacientes. E é aí que entram as Jigas de Teste, que podem fornecer soluções individuais e métodos de teste específicos, comprovando a segurança e eficiência dos dispositivos médicos no processo produtivo. A análise de materiais de dispositivos médicos ajuda a entender como as matérias-primas influenciam as propriedades do produto, e proporciona uma compreensão detalhada da estrutura, propriedade e relações de processamento, prevendo quão satisfatório será o desempenho desses dispositivos na área de aplicação. As Jigas de Teste são essenciais para otimizar o processo de produção, garantindo o padrão e qualidade dos dispositivos médicos introduzidos no mercado e seu pleno funcionamento no tratamento dos pacientes. Alguns exemplos de testes de materiais de dispositivos médicos: ⦁ Integridade e deformação de materiais; ⦁ Estudos de morfologia da superfície e de aderência; ⦁ Microestrutura - relações de propriedade do produto; ⦁ Microscopia de Dispositivos Médicos; ⦁ Teste mecânico de materiais em dispositivos e embalagens; ⦁ Propriedades reológicas e desempenho; ⦁ Distribuição de fases e imagens químicas; ⦁ Investigação de fraturas e falhas de materiais; ⦁ Análise de contaminação e auditoria de controle; ⦁ Metalurgia, Corrosão, Resistência Química; ⦁ Testes ASTM e ISO para validação de matéria-prima. Quer saber mais sobre IoT e Jigas de Teste? Acesse já o nosso site: https://www.engenhariahibrida.com.br/ Ou entre em contato conosco, estamos à disposição para atendê-lo! (41) 3538-2225 | (41) 99923-6207 Fonte: https://www.insiderintelligence.com/ https://www.intertek.com/

A energia solar tem uma ampla gama de aplicações, além de ser uma fonte de energia limpa, eficiente e sustentável. Devido a importância da energia solar e seu impacto positivo nos diversos setores que atinge, é necessário garantir que o sistema e as aplicações de energia solar se mantenham ativos por mais tempo e em sua máxima eficiência, e para isso podemos utilizar as Jigas de Teste. Acesse já o nosso site e saiba mais sobre Jigas de Teste e suas aplicações! https://www.engenhariahibrida.com.br/jiga-de-testes

A Stability AI lançou um novo modelo de linguagem de código aberto, o StableLM, o mais novo concorrente do tão famoso ChatGPT. A versão alfa do modelo está disponível em 3 bilhões e 7 bilhões de parâmetros, com modelos de 15 bilhões a 65 bilhões de parâmetros para seguir. Os desenvolvedores podem inspecionar, usar e adaptar livremente os modelos básicos do StableLM para fins comerciais ou de pesquisa, sujeitos aos termos da licença CC BY-SA-4.0. Em 2022, a Stability AI impulsionou o lançamento público do Stable Diffusion, um modelo de imagem revolucionário que representa uma alternativa transparente, aberta e dimensionável à IA proprietária. Com o lançamento do conjunto de modelos StableLM, a Stability AI continua a tornar a tecnologia fundamental de IA acessível a todos. Os modelos StableLM podem gerar texto e código, alimentando uma série de aplicativos downstream. Eles demonstram como modelos pequenos e eficientes podem oferecer alto desempenho com treinamento adequado. O lançamento do StableLM se baseia na experiência em modelos de linguagem anteriores de código aberto, como a EleutherAI, um centro de pesquisa sem fins lucrativos. Esses modelos de linguagem incluem GPT-J, GPT-NeoX e o conjunto Pythia, que foram treinados no conjunto de dados de código aberto The Pile. Muitos modelos de linguagem de código aberto recentes continuam a se basear nesses esforços, incluindo o Cerebras-GPT e o Dolly-2. O StableLM é treinado em um novo conjunto de dados experimental baseado no The Pile, mas três vezes maior, com 1,5 trilhão de tokens de conteúdo. A riqueza desse conjunto de dados proporciona ao StableLM um desempenho surpreendentemente alto em tarefas de conversação e codificação, apesar de seu pequeno tamanho, de 3 a 7 bilhões de parâmetros (em comparação, o GPT-3 que tem 175 bilhões de parâmetros). A Stability AI irá lançar também um conjunto de modelos de pesquisa com ajuste de instruções. Inicialmente, esses modelos ajustados usarão uma combinação de cinco conjuntos de dados recentes de código aberto para agentes de conversação: Alpaca, GPT4All, Dolly, ShareGPT e HH. Esses modelos ajustados destinam-se apenas ao uso em pesquisa e são lançados sob uma licença não comercial CC BY-NC-SA 4.0, alinhado com a licença Alpaca de Stanford. Os modelos de linguagem formarão a espinha dorsal da economia digital dessa companhia, dando voz a todos por meio do design. Modelos como o StableLM demonstram compromisso com uma tecnologia de IA que seja transparente, acessível e solidária. Transparente: O código-fonte dos modelos é aberto, para promover a transparência e fomentar a confiança. Os pesquisadores podem inclusive, "dar uma olhada nos bastidores", para verificar o desempenho, trabalhar em técnicas de interpretabilidade, identificar possíveis riscos e ajudar a desenvolver proteções. As organizações dos setores público e privado podem adaptar esses modelos de código aberto para seus próprios aplicativos sem compartilhar seus dados confidenciais ou abrir mão do controle de seus recursos de IA. Acessível: O StableLM foi projetado de maneira que os usuários comuns possam executar os modelos em dispositivos locais. Usando esses modelos, os desenvolvedores podem criar aplicativos independentes compatíveis com hardware amplamente disponível, em vez de depender de serviços proprietários de outras empresas. Dessa forma, os benefícios econômicos da IA são compartilhados por uma ampla comunidade de usuários e desenvolvedores. O acesso aberto e detalhado aos modelos permite que a ampla comunidade acadêmica e de pesquisa desenvolva técnicas de interpretabilidade e segurança além do que é possível com modelos fechados. Suporte: Os modelos foram criados para dar suporte aos usuários, não para substituí-los. O foco é o desempenho eficiente, especializado e prático da IA, e não a busca por uma 'inteligência divina'. Essas ferramentas ajudam pessoas comuns e empresas a usar a IA para liberar a criatividade, aumentar a produtividade e criar novas oportunidades econômicas. Os modelos já estão disponíveis no repositório no GitHub, e a Stability IA promete lançar ainda mais modelos em breve, fomentando a democratização do acesso a tecnologia e a Inteligência Artificial de fácil acesso a todos. Quer saber mais sobre Inteligência Artificial e suas Aplicações? Acesse já o nosso site! https://www.engenhariahibrida.com.br/ Fonte: https://stability.ai/

A Inteligência Artificial (IA) trouxe mudanças revolucionárias no campo da eletrônica, especialmente na área de testes de placas eletrônicas. As Jigas de Teste, que são ferramentas essenciais para testar placas eletrônicas e outros componentes, foram muito beneficiadas pelo advento da IA, resultando em testes funcionais mais precisos e eficientes. As Jigas de Teste são usadas para verificar a funcionalidade das placas eletrônicas antes de serem implantadas em suas devidas aplicações. Este processo envolve uma série de testes para garantir que a placa eletrônica atenda às especificações e padrões de desempenho exigidos. O método manual de testar placas eletrônicas é demorado e propenso a erros, já os testes usando Jigas de Teste envolvem a execução de testes pré-programados e depois a análise dos resultados, sendo mais ágeis e assertivos. Mas tudo isso evolui com o avanço da IA, as Jigas de Testes se tornaram muito mais avançadas e inteligentes. Os algoritmos de IA automatizam o processo de teste, tornando-o mais rápido e preciso. As Jigas de Teste alimentadas por IA são capazes de detectar falhas e erros que podem passar despercebidos pelos operadores humanos. Isto não só melhora a precisão do processo de teste, mas também reduz o tempo e o custo associado, o processo torna-se menos propenso a erros e resulta em um produto final de qualidade elevada. Um dos principais benefícios do uso de IA nas Jigas de Teste é a capacidade de analisar grandes quantidades de dados de forma rápida e precisa. Os algoritmos de IA podem detectar padrões e anomalias nos dados, que podem então ser usados para identificar possíveis problemas com as placas eletrônicas. Isto facilita o diagnóstico e a correção de problemas pelos operadores, reduzindo o tempo e o custo associados aos testes e reparos, evitando assim o retrabalho. Outro benefício dos testes com IA é a capacidade de aprender com resultados de testes anteriores. Os algoritmos de IA podem analisar dados de testes anteriores para identificar padrões e tendências, que podem então ser usados para melhorar testes futuros. Isto significa que as Jigas de Teste alimentadas por IA podem se tornar mais inteligentes com o tempo, melhorando a precisão e a eficiência do processo de teste. Estas Jigas de Teste também oferecem maior flexibilidade no processo de teste, propriamente. As Jigas tradicionais são projetadas para executar testes específicos e são limitados em sua capacidade de adaptação a diferentes tipos de placas eletrônicas. Por outro lado, os equipamentos de teste alimentados por IA podem ser programados para executar uma grande variedade de testes, tornando-os mais adaptáveis a diferentes tipos de placas eletrônicas. Resumindo, o uso de IA em Jigas de Teste revolucionou o processo de testes funcionais das placas eletrônicas. Os algoritmos de IA tornaram as Jigas mais inteligentes, precisas e eficientes, resultando em testes mais rápidos e confiáveis. Com o desenvolvimento contínuo das tecnologias de IA, espera-se que as Jigas de Teste se tornem cada vez mais avançadas e capazes, melhorando ainda mais a qualidade e a confiabilidade do processo de teste das placas eletrônicas. Nós da Engenharia Híbrida somos especialistas em Jigas de Teste e Testes Funcionais e temos a solução ideal para o seu negócio! Entre em contato conosco e solicite já o seu orçamento: https://www.engenhariahibrida.com.br/jiga-de-testes (41) 3538-2225 | (41) 99923-6207