Diego Furtado Silva.

Resumo em PortuguêsO projeto proposto no âmbito do Programa de Pesquisa em Políticas Públicas (PPPP FAPESP) visa melhorar a gestão pública da Procuradoria-Geral da Fazenda Nacional (PGFN) por meio de inteligência artificial (IA) em suas atividades jurídicas, em particular, com uso de grandes modelos de língua para análise de processos. A PGFN é responsável por representar a União em questões fiscais, realizar cobranças judiciais e administrativas de créditos tributários e fornecer assessoria ao Ministério da Fazenda. Uma das principais dificuldades atuais é a classificação manual das matérias presentes nas petições iniciais dos processos, um processo demorado e propenso a erros. Outro desafio é a medição do êxito dos processos em diferentes instâncias judiciais. Atualmente, os procuradores da PGFN enfrentam dificuldades em identificar de forma sistemática as chances de sucesso em cada etapa do processo, o que dificulta o planejamento estratégico e a alocação adequada de recursos. Além disso, o projeto busca criar um identificador automatizado de processos com matérias novas ainda não listadas. A PGFN enfrenta o desafio de acompanhar e reagir de forma ágil a estratégias coordenadas por grandes escritórios de advocacia, que testam novas teses tributárias em diferentes estados do Brasil. A detecção manual dessas teses é extremamente difícil devido ao volume de processos ingressantes. A criação de um identificador automatizado permitiria uma atuação proativa da PGFN, possibilitando a elaboração centralizada e urgente de modelos de contra-argumentos para combater eficazmente essas teses desde o seu surgimento, evitando perdas financeiras significativas para a União. Para alcançar esses objetivos, é realizada uma parceria com o Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP) em São Carlos. A ideia geral é avançar no desenvolvimento de grandes modelos de língua (LLM, do inglês Large Language Models), que sejam abertos e permissivos. A colaboração com a academia permite utilizar conhecimento técnico-científico para estender as LLMs abertas e personalizar os modelos conforme as necessidades da PGFN no cenário jurídico, impulsionando significativamente a eficácia e eficiência do sistema, além de possibilitar a colaboração contínua e o desenvolvimento de inovações no domínio jurídico. Os resultados esperados do projeto são divididos em curto, médio e longo prazo. A curto prazo, já se prevê uma avaliação comparativa dos grandes modelos de língua pré-treinados em relação à classificação de matérias tributárias, previsão do êxito de processos judiciais e desenvolvimento de um peticionador automatizado de contestações e recursos. Isso será viabilizado através do desenvolvimento de um módulo de engenharia de prompt, permitindo que os modelos pré-treinados sejam rapidamente condicionados para realizar tarefas específicas da PGFN com poucos exemplos rotulados. A médio prazo, será desenvolvido o ajuste de vocabulário de uma LLM usando córpus textuais históricos da PGFN, visando aumentar o desempenho de tarefas de classificação de processos e apoio à medição de êxito e identificação precoce de novas teses tributárias. A longo prazo, o projeto visa o desenvolvimento de uma LLM própria para PGFN, a partir de ajuste fino de uma LLM pré-treinada, tornando-a mais robusta para o domínio jurídico. Esta LLM será capaz de lidar com tarefas por meio de zero-shot prompt learning, que permitem seu uso em novas tarefas na ausência de dados de treinamento. Para realizar tal ajuste fino de uma LLM, está prevista a criação de uma base de dados treinamento com instruções de alta qualidade, com acompanhamento da área técnica da PGFN, sendo este também um resultado científico relevante, possibilitando a continuidade e a expansão das pesquisas na área jurídica e auxiliando a PGFN em suas atividades futuras.

Este projeto criará um ecossistema de inovação aberta baseado em inteligência artificial para cidades inteligentes capazes de resolver desafios sociais. O ecossistema também deve ser uma área para startups e PMEs desenvolverem e terem acesso a soluções de cidades inteligentes com base no mesmo código aberto e padrões abertos e estrutura de interoperabilidade recomendada pela UE e OASC, tornando-o atraente para empresas brasileiras e suecas, uma vez que o mercado é cidades no Brasil e na UE. A transparência e a interoperabilidade são fatores importantes tanto para os municípios quanto para os cidadãos, por isso dados e serviços são construídos sobre esse ecossistema aberto para uma cidade inteligente. Seguir a estrutura de interoperabilidade da UE garantirá a compatibilidade com o trabalho emergente sobre gêmeos digitais no Destination Earth.

Apoio a Projetos de Pesquisa - Chamada CNPq/MCTI/FNDCT N 22/2024 - Programa Conhecimento Brasil - Apoio a Projetos em Rede com Pesquisadores Brasileiros no Exterior

As séries temporais tornaram-se um tipo de dado fundamental em muitas aplicações, dada a crescente ubiquidade de dispositivos capazes de coletar e armazenar dados temporais. Os avanços mais notáveis em aprendizado de máquina para séries temporais estão na proposta de arquiteturas de aprendizado profundo. No entanto, essas redes neurais geralmente dependem de um enorme número de parâmetros, o que as torna computacionalmente dispendiosas. Por outro lado, muitas aplicações práticas dependem de modelos de baixo custo devido a limitações de hardware. Nesse cenário, este projeto de pesquisa propõe investigar diferentes técnicas para construir modelos neurais com restrições de recursos para classificação e regressão extrínseca de séries temporais. Em particular, a saúde é o principal domínio de aplicação de interesse nesta pesquisa.

O monitoramento de sinais fisiológicos, sinais vitais e outros parâmetros que podem ser coletados ao longo do tempo são essenciais em diversas tarefas da área da Saúde, como a estimação de frequência cardíaca e a identificação de batimentos cardíacos anômalos. Essas séries temporais, no entanto, são obtidas por equipamentos muito custos e usualmente não portáteis. Por outro lado, com a melhoria e miniaturização de sensores capazes de transmitir vários tipos de dados, dispositivos móveis e vestíveis têm se mostrado cada vez mais como opções para dar suporte a decisões médicas. \textit{Smartphones} e \textit{smartwatches} possuem sensores cada vez mais precisos e diversos, fazendo com que a Organização Mundial da Saúde considere que a chamada \textit{mobile health} (mHealth) pode representar uma revolução no modo como populações interagem com sistemas públicos de saúde. No entanto, há diversos desafios científicos e tecnológicos que precisam ser superados para que aplicações de mHealth sejam viáveis, na prática. Dentre esses desafios, encontram-se a necessidade de métodos de baixo custo, a heterogeneidade e multimodalidade dos dados, além da dificuldade de se obter dados anotados. Nesse cenário, este projeto propõem a investigação do uso de Aprendizado de Máquina para séries temporais em aplicações de mHealth. Ao final desta pesquisa, pretendemos configurar um novo estado-da-arte para essas aplicações e ainda disponibilizar os modelos gerados para isso, junto a todos os outros recursos que possam ser necessários para o avanço da pesquisa na mesma linha de concentração.

Fluxos contínuos de dados (FCDs) são sequências de dados de tamanho ilimitado, geradas de forma contínua, não-estacionária, e em muitos casos, em alta velocidade. Por esse fluxo ser potencialmente infinito, os dados não podem ser armazenados em memória, obrigando um exemplo a ser processado uma única vez e descartado. Várias aplicações do mundo real geram grandes quantidades de dados em um fluxo contínuo, e a tendência é que com a evolução da Tecnologia da Informação, mais dados sejam gerados e coletados constantemente. Exemplos dessas aplicações são coleta de dados a partir de sensores, geração de medições durante monitoramentos de redes e análise de postagens em redes sociais. Isso evidencia a relevância e a necessidade do desenvolvimento de algoritmos capazes de extrair conhecimento relevante desses dados. Dentre as tarefas envolvendo FCDs, a classificação é uma das mais importantes, objetivando rotular exemplos ainda não vistos, e que chegam constantemente junto ao fluxo. Dentro desse cenário, um grande desafio é a detecção de novidade, representada por mudanças de conceito e evoluções de conceito. Na mudança de conceito, a distribuição que gera os dados muda ao longo do tempo, o que significa que as distribuições que representam as classes mudam. Na evolução de conceito, novas distribuições surgem ao longo do tempo, o que significa o surgimento de novas classes no fluxo de dados. Apesar de existirem diversos métodos para a classificação de FCDs, a maioria deles não considera o fato dos exemplos do fluxo poderem ser rotulados em mais de uma classe simultaneamente, e também consideram que as classes dos exemplos são sempre disponibilizadas junto com os exemplos no fluxo, um cenário muitas vezes irreal. Dessa forma, a investigação de métodos de classificação que sejam capazes de lidar com tais cenários multirrótulo desafiadores é essencial. Nesse contexto, este projeto de pesquisa tem como objetivo principal propor novas estratégias de classificação multirrótulo em FCD. Além da detecção de evoluções de conceito e mudanças de conceito, há outras restrições e características que devem ser consideradas para o desenvolvimento de novas estratégias, e que tornam a tarefa difícil e desafiadora. Entre elas estão a necessidade de se considerar respostas em tempo real, memória limitada, passagem única pelos dados, detecção de conceitos recorrentes, detecção de ruídos e outliers, latência infinita de rótulos, e detecção de várias mudanças e evoluções de conceito simultâneas. Os métodos propostos serão executados em conjuntos de dados sintéticos e reais, e comparados com outros métodos da literatura. Os resultados serão divulgados em periódicos e eventos, e os códigos e dados gerados disponibilizados publicamente. Espera-se que os resultados da pesquisa tragam impactos e avanços significantes para as áreas de classificação de fluxos contínuo de dados e aprendizado multirrótulo.

Este estudo tem como objetivo desenvolver técnicas de inteligência artificial para auxiliar na identificação egestão clínica dos casos de Covid longa. Trata-se de um estudo do tipo caso controle e seguirá o protocoloStrengthening the reporting of observational studies in epidemiology (STROBE). Os locais da pesquisa serão a SantaCasa de São Carlos e o Hospital Universitário da Universidade Federal de São Carlos. além do Serviço de VigilânciaEpidemiológica e do Departamento de Atenção Básica e Ambulatorial do município. No grupo caso será incluído pessoasque desenvolveram a Covid longa e o grupo controle será composto por pessoas com diagnóstico laboratorial de Covid-Página 4 / 819, mas que não desenvolveram a Covid longa, no período de janeiro de 2021 a 31 de dezembro de 2023. Os dados serãocoletados por meio de uma planilha construída no Excel com as variáveis de interesse, além do endereço e contato noServiço de Vigilância Epidemiológica do município. Posteriormente, serão analisados os prontuários de pessoas queforam internadas devido à Covid-19; seguida pela análise dos prontuários dos grupos, nos serviços da APS, com vistasa identificar as pessoas que tiveram Covid longa. Ainda, serão coletados dados sobre o tipo de assistência oferecidaao paciente. Inicialmente os dados serão descritos por meio da estatística descritiva, e; por meio do Aprendizado deMáquina (AM) será realizada uma avaliação abrangente de diversos algoritmos para a identificação de casos de Covidlonga nos diferentes grupos. Além disso, os algoritmos de AM serão aplicados para a predição de outras variáveis degestão clínica e de grupos com maior predisposição. Dentre os critérios de seleção, será considerada aexplicabilidade dos modelos gerados, dando-se preferência a algoritmos que sejam capazes de gerar modelos maisinterpretáveis, como as árvores de decisão. O projeto será submetido para a apreciação do Comitê de Ética emPesquisa.

Um holobionte é constituído por um hospedeiro e toda a sua comunidade ecológica de microorganismos associados. É uma unidade evolutiva e a seleção de holobiontes é uma importante força evolucionária. Uma característica que ainda é pouco abordada é o papel dos metabólitos secundários nas relações microorganismos-hospedeiro, bem como nas interações quimicamente mediadas entre holobiontes (o conjunto micróbio-hospedeiro) e o ambiente. Nesta proposta, pretendemos investigar: aspectos selecionados da química de esponjas marinhas holobiontes e como a química influencia no sucesso evolutivo de esponjas marinhas; como microorganismos participam na transferência química de presas para predadores no ambiente marinho; a química de grupos selecionados de invertebrados marinhos e de microorganismos associados a invertebrados e plantas, visando a obtenção de novas substâncias químicas bioativas; para explorar ainda mais a química e a biologia de "lead compounds" já obtidos, a fim de elaborar estruturas bioativas mais ativas e estruturalmente menos complexas, com o objetivo de explorar ainda mais a farmacologia desses compostos; investigar a biossíntese de dois grupos selecionados de metabólitos microbianos, a fim de revelar aglomerados de genes e enzimas envolvidas em etapas biossintéticas e prever modificações estruturais de bioengenharia para melhorar sua atividade biológica; Desenvolver uma abordagem inédita para a seleção automatizada de microorganismos. O objetivo final é responder a perguntas desafiadoras, a fim de avançar o conhecimento da adaptação holobiontes, e explorar produtos químicos úteis que influenciam a adaptação dos holobiontes e que resultam no sucesso dos holobiontes na Natureza.

A interpretação estratigráfica é uma atividade fundamental para subsidiar projetos exploratórios de óleo e gás. Esta etapa de trabalho é caracterizada por se utilizar de uma grande concentração de tarefas manuais, cuja qualidade é controlada pela acuidade visual e experiência do intérprete. Comumente, a execução das tarefas pode ser repetitiva, demorada e propensa a erros. A finalidade deste projeto de cooperação técnica é adaptar o algoritmo Dynamic Time Warping, proposto para cálculo de distância entre séries temporais, ao domínio dos estudos estratigráficos visando eliminar resultados inesperados tendo como a Inteligência Artificial. Para atingir os resultados desejados serão aplicadas técnicas de aprendizado de métrica e métodos de classificação e segmentação em séries temporais afim de utilizá-los com segurança nos mais diferentes contextos estratigráficos.

Com o aprimoramento e a miniaturização de sensores capazes de obter e transmitir diversos tipos de dados, a Internet das Coisas vem ganhando cada vez mais espaço na pesquisa científica e no mercado. Dentre uma infinidade de aplicações de tal tecnologia está a análise esportiva. Especificamente, sensores têm auxiliado a análise estatística do desempenho de atletas. Dispositivos desse tipo já são capazes de transmitir dados como velocidade, batimento cardíaco e posicionamento de jogadores em tempo real. Esses dados são cada vez mais utilizados por equipes de elite em variados esportes, como futebol, basquete e rugby. Apesar do grande e valioso volume de informações obtido, as ferramentas de software atuais para exame de dados são desenvolvidas para análise visual e individualizada. Em outras palavras, os dados obtidos são somente apresentados por meio ferramentas de visualização para a equipe técnica. Para se realizar a análise coletiva dos atletas, os dados são exibidos individualmente por jogador ou exibidos em uma projeção do campo ou quadra, sem considerar qualquer tipo de relação entre os atletas. Na prática, as possibilidades de análise acabam se limitando à observação de fatores físicos, o que pode ajudar a evitar lesões e realizar treinamentos físicos personalizados para cada jogador. Por outro lado, o apoio a decisões táticas e de desempenho coletivo das equipes é praticamente nulo. O objetivo deste projeto é pesquisar e desenvolver ferramentas que auxiliam na melhor compreensão da atuação dos atletas, levando em conta o comportamento coletivo da equipe. Para isso, serão utilizadas técnicas de mineração de dados para encontrar padrões frequentes e atípicos nos dados obtidos por sensores utilizados pelos atletas de esportes coletivos, facilitando a análise do posicionamento e da interação de jogadores durante jogos e treinos. Ainda, será possível apontar quais os aspectos mais semelhantes ou distintos entre tais padrões para análise exploratória e extrair indicadores táticos coletivos a partir deles. Com isso, será possível auxiliar equipes técnicas a melhorar o desempenho individual e coletivo de suas equipes e tomar decisões relativas à adoção ou descarte de determinadas estratégias e treinamentos específicos.

Resumo em Português	Indiscutivelmente, os insetos são importantes na agricultura, no meio ambiente e saúde pública. Muitas espécies são benéficas para o meio ambiente e para as pessoas. Por exemplo, insetos são responsáveis pela polinização de ao menos dois terços de todo o alimento consumido no mundo. Devido a esta importância para os seres humanos, o recente declínio nas populações de insetos polinizadores, principalmente as abelhas, é considerado um grave problema ambiental, frequentemente associado ao uso de pesticidas. Por outro lado, pragas agrícolas são responsáveis por destruir mais de 40 bilhões de dólares em alimentos por ano e determinadas espécies são vetores de doenças que matam mais de um milhão de pessoas anualmente, como a malária, dengue, febre chikungunya e zika vírus. Neste projeto de pesquisa, é proposta uma armadilha inteligente para a captura de espécies maléficas de insetos. A armadilha utiliza um sensor óptico que têm sido desenvolvido pela equipe deste projeto nos últimos anos, capaz de reconhecer automaticamente a espécie de insetos a partir de dados do batimento de asas dos insetos. O reconhecimento das espécies de insetos permitirá a criação de mapas de densidade em tempo real, que por sua vez podem ser utilizados para apoiar intervenções locais. Por exemplo, no caso de pragas agrícolas, estes mapas permitirão a aplicação inteligente e direcionada de inseticidas, reduzindo o impacto para o meio ambiente. No caso de insetos vetores de doenças, a armadilha poderá auxiliar na redução dos custos de intervenções sofisticadas e efetivas como a SIT (técnica do inseto estéril), mas que possuem um alto custo. Neste projeto, pretende-se expandir o estado-da-arte em Computação por meio desta aplicação real, especialmente nas áreas de Aprendizado de Máquina e Mineração de Fluxo de Dados. De modo a demonstrar os aspectos práticos desta proposta, as pesquisas serão concentradas na identificação de duas espécies: o psilídio asiático dos citros, vetor da doença de Greening, uma terrível doença que ataca árvores de citros e o Aedes aegypti, vetor da dengue, febre amarela e chikungya, e zika virus, recentemente associado a casos de microcefalia em recém-nascidos.

A popularização de plataformas web para publicação de conteúdo textual tem motivado o desenvolvimento de métodos para extração automática de conhecimento implícito nos textos. Em particular, uma nova gama de estudos e aplicações tem sido proposta para explorar a web como um grande e poderoso "sensor social", permitindo identificar e monitorar vários tipos de eventos a partir de textos publicados em portais de notícias e redes sociais, como detecção de epidemias, análise de sentimentos, e a extração de indicadores políticos e econômicos. Atualmente, a construção de um sensor da web (websensor) é uma tarefa complexa, pois depende de especialistas de domínio para definição dos parâmetros do sensor, isto é, expressões para busca, filtros e monitoramentos de conteúdo textual da web. A necessidade de especialistas de domínio geralmente limita as aplicações envolvendo websensors, uma vez que em muitos problemas não há compreensão clara dos fenômenos que se deseja monitorar. Em vista disso, neste projeto de pesquisa são investigados métodos de aprendizado de máquina para apoiar a construção automática de websensors. A ideia básica é utilizar uma amostra de documentos textuais do domínio do problema e, em conjunto com algoritmos de aprendizado de máquina semi/não supervisionados, extrair padrões dos textos e assim apoiar a construção de websensors. Dessa forma, espera-se reduzir a dependência de um especialista para definição dos parâmetros dos sensores. Cada websensor aprendido a partir dos textos representa um determinado fenômeno relacionado ao domínio do problema que, então, pode ser monitorado ao longo do tempo e utilizado para apoiar processos de tomada de decisão.

Applications such as intelligent sensors should be able to collect environment information and to make decisions based on input data. An example is an under-development low-cost sensor to detect and classify insects in their species using laser light and machine learning techniques. This sensor is an important step towards the development of intelligent traps able to attract and selectively capture insect species of interest such as disease vectors or agricultural pests, without affecting the beneficial species. The data gathered by the sensor constitutes a data stream with non-stationary characteristics, since the insects metabolism is influenced by environmental conditions such as temperature, humidity and atmospheric pressure. This research grant proposal has two main objectives: the first one is to develop new algorithms to classify in real- time signals from the sensor obtained from the data stream; the second one is to technologically develop the sensor in order to allow the developed machine learning techniques to be embedded in the sensor.

Há recentemente um crescente interesse no processamento de séries temporais devido a grande quantidade de domínios de aplicação que geram dados com essa característica. Esse interesse pode ser medido pela vasta quantidade de métodos recentemente propostos na literatura para tarefas como classificação, agrupamento, sumarização, detecção de anomalias e descoberta de motifs. Estudos recentes têm mostrado que para muitos problemas, os métodos baseados em similaridade apresentam uma eficácia difícil de ser superada, mesmo por métodos mais sofisticados. Isso se deve em grande parte pelo fato de que a comunidade tem estudado e proposto diversas invariâncias para medidas de distância entre séries temporais. As invariâncias fazem com que as medidas de distância ignorem determinadas características indesejadas dos dados. O exemplo mais conhecido é a invariância às diferenças locais na escala de tempo, obtida pela técnica de warping. Outras invariâncias incluem a invariância às diferenças de amplitude e offset, fase e oclusão. Recentemente foi demonstrado à comunidade científica que métodos de classificação de séries temporais por similaridade podem ser muito beneficiados por uma nova invariância: invariância à complexidade. O principal objetivo deste projeto de pesquisa é investigar novas medidas de distância invariantes à complexidade e avaliar o quanto essas medidas podem melhorar a eficácia, sobretudo de algoritmos de agrupamento e descoberta de motifs.