Saltar para o próximo rio

Em junho de 2023, deixei a SenseTime depois de trabalhar lá por quase dez anos.

Quando saí, não tinha um produto validado nem um plano de negócios completo. Eu sequer havia decidido exatamente o que faria.

Mas sabia que havia chegado novamente a hora de saltar para o próximo rio.

Não era a primeira vez que eu mudava de rio, mas era a primeira em que isso exigia deixar uma empresa.

Uma escolha que continuo fazendo

Saí de uma escola primária rural para estudar em uma escola na sede do condado. Depois fiz a graduação na Universidade de Nanquim e a pós-graduação na Universidade Tsinghua. Durante a pós, entrei na SenseTime quando ela ainda estava começando. Lá, primeiro fundei a equipe de detecção de vivacidade e, mais tarde, a de visão industrial.

Olhando para trás, mudanças assim parecem acontecer a cada poucos anos.

Elas não faziam parte de um plano de vida traçado de antemão, nem aconteciam porque o trabalho anterior tivesse perdido o sentido. Era apenas que, depois de anos de dedicação, tanto o campo quanto eu amadurecíamos. O trabalho não precisava estar concluído, mas já não me obrigava a ultrapassar meus próprios limites.

Para muitas pessoas, esse seria o estado ideal. Para mim, ele traz inquietação. Não gosto de uma vida cujo fim se consegue enxergar de onde se está. Por isso, de tempos em tempos, preciso me colocar dentro de um problema que não sei resolver — às vezes, um problema que nem sei por onde começar.

O “rio” aqui não é uma empresa. Mudar de rio também não significa necessariamente pedir demissão. É um campo que preciso reaprender, algo difícil que ainda não sei como realizar. Nos meus quase dez anos na SenseTime, saltei para dois rios diferentes.

Mas não sou alguém que busca mudança por si só. Há em mim outra força, quase oposta: o senso de responsabilidade.

Detesto abandonar algo pela metade. Quando decido fazer alguma coisa, quero fazê-la de verdade e fazê-la bem. Uma força me leva a procurar o próximo rio; a outra me mantém no rio anterior, tentando terminar o que comecei.

Minha saída neste ano foi o resultado de uma longa disputa entre essas duas forças.

Levar os algoritmos ao mundo real

Quando entrei na SenseTime, eu fazia parte do departamento de pesquisa, mas meu interesse sempre esteve nas aplicações. Eu queria saber não apenas se um algoritmo funcionava em dados experimentais, mas se ele poderia entrar no mundo real e resolver um problema concreto.

A detecção de vivacidade era uma parte central do primeiro grande projeto implantado pela SenseTime. Antes disso, já tínhamos algumas boas demonstrações de reconhecimento facial. Porém, ao encarar uma aplicação realmente em larga escala, descobrimos que muitos problemas de produção continuavam sem solução, especialmente os ataques ao sistema on-line.

O sistema recebia mais de um milhão de acessos por dia e, nos picos, chegava a enfrentar centenas de milhares de ataques em um único dia. A tecnologia precisava continuar avançando, enquanto o serviço já implantado tinha de permanecer funcionando. Muitas vezes, o trabalho era um combate corpo a corpo. Saíamos da empresa às três ou quatro da manhã e, às vezes, passávamos a noite inteira lá.

Era comum lutarmos por um dia e uma noite, resolvermos todos os ataques conhecidos e voltarmos para casa para dormir. Pouco depois de adormecer, o telefone tocava de novo: o sistema on-line havia sido rompido outra vez.

Foi nesse processo que ajudamos a impulsionar a arquitetura de modelos ponta a ponta da SenseTime para reconhecimento facial. Antes disso, muitos algoritmos de aprendizagem profunda ainda eram usados apenas em partes isoladas, e o sistema completo encadeava várias etapas. Mas, diante de ataques em constante mudança, métodos combinados manualmente não conseguiam iterar com rapidez suficiente. A única saída que víamos era permitir que um único modelo de aprendizagem profunda ponta a ponta aprendesse diretamente com os dados. Na época, nós o chamávamos de “modelo unificado”.

Esse projeto me fez entender pela primeira vez que um algoritmo funcionar em uma demonstração não significa que a tecnologia já esteja estabelecida. Ela só se torna realmente utilizável depois de resistir a acessos em larga escala, ataques contínuos e todo tipo de situação inesperada.

Mais tarde, entramos nos smartphones. Antes de cada lançamento, os fabricantes organizavam testes com centenas de pessoas, enquanto outras empresas e usuários continuavam descobrindo novos problemas. Isso nos obrigou a montar uma das maiores equipes de teste que, até onde sabíamos, existiam em uma empresa de algoritmos de IA naquela época, tentando esgotar todas as possibilidades.

Um problema de contraluz só podia ser reproduzido em um banheiro masculino específico de um dos escritórios da SenseTime. Outro, que chamávamos de “rosto de duas luzes”, só aparecia em um determinado ângulo sob certa árvore. Para que um produto funcionasse de forma confiável no cotidiano de centenas de milhões de pessoas, fizemos uma enorme quantidade de trabalhos assim.

No fim, levamos a autenticação de identidade em smartphones à liderança do mercado.

Esse foi o primeiro rio em que entrei na SenseTime. A detecção de vivacidade começou como uma demonstração de pesquisa, passou por várias rodadas de aplicações em larga escala e acabou se tornando um campo bastante maduro. Em 2019, muitos problemas que antes exigiam exploração arriscada já podiam ser resolvidos com a experiência acumulada. Eu não havia terminado tudo, mas sabia que tinha entrado novamente em uma zona de conforto.

Então comecei outra vez a ficar inquieto.

Ficar na SenseTime e mudar de rio

Em 2019, não deixei a SenseTime. Escolhi passar, dentro da mesma empresa, da autenticação de identidade para a visão industrial.

Depois de muita pesquisa e de várias conversas com a liderança da empresa e a equipe comercial, escolhemos como primeiro projeto de visão industrial a inspeção inteligente do sistema de catenária C4 dos trens de alta velocidade.

Eu e a equipe de pré-vendas visitamos muitos centros de inspeção e órgãos ferroviários. O que mais me marcou foi o centro de Xuzhou. Tinha acabado de chover quando chegamos. O centro ficava em um lugar relativamente remoto, e avançamos por uma estrada de lama, afundando a cada passo.

Lá dentro havia fileiras e fileiras de computadores. Os inspetores passavam boa parte do dia olhando imagens em busca de possíveis falhas na catenária ferroviária. Quase todos tinham olheiras. Depois de encontrar uma falha, ainda precisavam percorrer milhares de quilômetros de ferrovia para tratar cada problema. Às vezes, era apenas um parafuso ou uma porca soltos, mas mesmo assim tinham de ir ao local. Fizesse frio intenso ou calor extremo, o reparo não podia esperar.

A necessidade me pareceu dolorosamente clara. No mínimo, deveríamos ajudá-los na tarefa que mais consumia tempo: olhar imagens.

Só depois de começar descobrimos que o problema era muito mais difícil do que imaginávamos. Uma catenária contém mais de cem tipos de componentes e mais de mil tipos de defeitos. Até esses números só surgiram depois de repetidas contagens e organização junto aos colegas da linha de frente. Grande parte das inspeções dependia da experiência, e documentos e dados históricos estavam espalhados por vários lugares. Tivemos de reunir o material do zero, trabalhar ao lado de quem estava no campo e entender cada item de falha, um por um. O processo levou quase dois anos.

O desafio maior era a escassez de amostras. Falhas em linhas de alta velocidade são, por natureza, muito raras. Algumas podem não aparecer nem uma vez por ano, mas, quando ocorrem, as consequências podem ser graves. Não podíamos esperar até reunir amostras suficientes. Precisávamos redesenhar os métodos a partir das condições reais.

Por fim, o projeto deu certo e foi implantado em larga escala.

A visão industrial foi o segundo rio em que entrei na SenseTime. Não mudei de empresa, mas quase tudo o que eu conhecia mudou: os problemas, os dados, os clientes, os critérios de avaliação e a forma de trabalhar. Voltei a ser iniciante e, junto com a equipe, conseguimos realizar algo que antes não sabíamos fazer.

É por isso que digo que o rio não é a empresa. O que realmente me atrai não é sair de um lugar, mas entrar em um problema mais difícil.

O ano de 2022 em que não mudei de rio

Depois de abrir o capital, a SenseTime começou a enfrentar novas pressões financeiras e de recursos. Ao mesmo tempo, a onda anterior de visão computacional entrava gradualmente na maturidade, enquanto a seguinte ainda não havia aparecido com clareza. Muitas coisas eram limitadas pelos recursos, pelo mercado ou pelas fronteiras da tecnologia e já não podiam avançar tão depressa quanto antes.

Durante todo o ano de 2022, fiquei um pouco desanimado ou, em outras palavras, um tanto resignado. Passei a cumprir um horário normal de trabalho.

Não há nada errado nessa frase. Ter um expediente normal é a vida normal de muita gente. Mas eu sempre havia tratado meu trabalho como um empreendimento. Ao entrar de repente nesse estado, senti-me profundamente abatido.

Na aparência, aquela vida era muito mais confortável do que antes. Eu já não acordava todos os dias com um problema novo que precisava ser resolvido, nem passava tantas noites em claro por causa de uma falha on-line. Mas o que realmente me incomodava era justamente isso: eu começava a imaginar como seria minha vida alguns anos depois se nada mudasse.

Não fui embora imediatamente. O que me fez ficar foi a responsabilidade.

A inspeção ferroviária havia dado certo, mas não havíamos conseguido a inspeção de qualidade em fábricas de automóveis nem terminado o braço robótico industrial inteligente. Eu queria continuar trabalhando nessas coisas. Era difícil aceitar que eu tivesse fundado uma equipe e escolhido uma direção para então partir no momento mais difícil.

Uma força me dizia para procurar o próximo rio; a outra dizia que o trabalho diante de mim ainda não estava terminado.

Em 2022, a segunda era mais forte.

Eu vi o próximo rio

O ChatGPT apareceu no fim do ano passado. O GPT-4 chegou na primeira metade deste ano. O antigo equilíbrio se rompeu.

Na época, tive uma sensação muito forte: a visão computacional havia perdido a própria base.

O futuro não seria composto de modelos independentes para texto, imagem e voz. A visão computacional não desapareceria, mas se tornaria uma parte da maneira como modelos gerais compreendem o mundo. Antes, tratávamos a visão como um centro técnico completo; agora surgia uma era mais ampla de inteligência geral.

Não se tratava de mais uma atualização técnica dentro da visão computacional. A própria corrente principal do desenvolvimento tecnológico havia mudado.

Voltei a ver um rio cujas correntes eu ainda não conhecia.

No passado, eu podia mudar de rio sem sair da SenseTime. A passagem da autenticação de identidade para a visão industrial em 2019 foi uma escolha assim. Desta vez, porém, o próximo rio não estava no prolongamento do meu trabalho anterior. Eu queria entrar na inteligência geral e nas novas aplicações que ela criaria.

Meu cargo e minhas responsabilidades continuavam na visão industrial. Se ficasse, eu deveria me dedicar por inteiro a fazer bem esse trabalho. Não deveria carregar minhas responsabilidades atuais enquanto preparava, em paralelo, meu próximo destino.

Para realmente saltar para o próximo rio, eu precisava primeiro deixar minha antiga função.

Na primeira metade deste ano, ficou cada vez mais difícil permanecer parado. Eu não sabia quais produtos a nova tecnologia acabaria criando nem o que eu poderia fazer dentro dela. Mas sabia que, se esperasse até ter tudo claro, poderia perder os anos em que mais precisava começar a aprender.

As coisas realmente importantes raramente chegam a um momento em que se possa declarar que estão “totalmente concluídas”. Se responsabilidade significar esperar até que todos os problemas terminem, uma pessoa talvez nunca consiga fazer uma nova escolha.

Aos poucos, percebi que responsabilidade não significa apenas ficar. Ficar também é uma escolha, e suas consequências também precisam ser assumidas. O senso de responsabilidade não pode se tornar uma razão para adiar indefinidamente uma decisão.

Por isso, em junho deste ano, deixei a SenseTime.

Por que saí sem uma resposta

Antes de partir, não preparei secretamente uma startup fora do trabalho, nem planejei levar para fora o negócio que a SenseTime desenvolvia para fundar minha própria empresa.

Se eu ainda trabalhasse em uma empresa, com a responsabilidade de entregar seu trabalho e usando os recursos que ela oferecia, enquanto por dentro pensava em como preparar meu próximo destino, sentiria que não estava sendo honesto com meu trabalho atual.

Isso significava que eu realmente não estava pronto quando pedi demissão.

Eu não estava despreparado porque não levasse o empreendedorismo a sério, mas porque, até o momento de sair, ainda levava meu trabalho anterior a sério.

Só podia sair primeiro e procurar a resposta depois.

Saber nadar não significa conhecer todos os rios. Também não é possível ficar na margem até compreender completamente a corrente antes de saltar. Há conhecimentos que só se obtêm dentro da água e direções que só aparecem depois que começamos a nos mover.

Desta vez, mudar de rio significou deixar meu emprego. Mas o que me moveu não foi o desejo de pedir demissão, e sim o surgimento do próximo rio.

Escolher o lado das aplicações

Depois que o ChatGPT apareceu, discuti uma questão com amigos: se a AGI chegar, a inteligência acabará concentrada nas mãos de poucas plataformas ou será compartilhada por mais pessoas?

Minha conclusão era que ela acabaria necessariamente se espalhando.

Não consigo provar isso de modo rigoroso. Minha intuição é apenas que o próprio universo não é um sistema centralizado. O mundo real é composto de inúmeras pessoas, dispositivos, ambientes e problemas locais. Se a inteligência quiser realmente entrar nesse mundo, também terá de existir em incontáveis formas diferentes. O treinamento dos modelos fundacionais pode se concentrar em poucas empresas, mas as aplicações da inteligência não pertencerão apenas a poucas plataformas.

Por isso, não quero criar modelos fundacionais. Prefiro criar aplicações que usem essa nova inteligência para responder, uma a uma, a necessidades concretas.

Essa escolha também vem da minha própria vida.

Cresci no campo. Do ensino primário ao secundário, passei muitas férias e horas livres ajudando no trabalho agrícola da família. Plantei, apliquei fertilizantes e pesticidas, dirigi tratores e criei animais. Durante as férias, eu me considerava um agricultor no sentido mais real.

Gostava da sensação de realização que esse trabalho trazia. Se a plantação crescia bem ou se os animais eram bem criados, o resultado era direto e visível. Se você fazia o trabalho um pouco melhor, a vida de uma família melhorava um pouco.

Na universidade, tive muitos empregos de meio período e organizei um curso de verão com alguns colegas. Nós mesmos recrutávamos os alunos, cobrávamos e dávamos as aulas. Naquele verão, todos os envolvidos ganharam o suficiente para pagar as despesas do ano seguinte.

Durante a pós-graduação, trabalhei como professor particular. Mais tarde, quando a SenseTime ainda estava começando e seu escritório continuava sendo um quarto do hotel Wenjin, perto do portão sul da Tsinghua, entrei como um dos primeiros funcionários fundadores.

À primeira vista, essas coisas têm pouco em comum. Mas me davam realização da mesma maneira: resolvendo um problema real e vendo algo mudar porque eu havia participado.

Por isso, quando surgiu a nova era da inteligência geral, voltei a me colocar instintivamente do lado das aplicações. Minha preocupação não é como provar que uma tecnologia é mais poderosa, mas o que ela poderá fazer, no fim, por uma pessoa concreta.

Depois de saltar

Entrar no próximo rio não significava que eu soubesse imediatamente para onde nadar.

Nos primeiros meses depois de deixar a SenseTime, continuei procurando oportunidades, por instinto, no lugar que conhecia melhor. Com um amigo, tentei alguns produtos relacionados a imagens. Afinal, quase dez anos do meu trabalho tinham sido ligados à visão computacional. Começar dali parecia a escolha mais natural.

Mas, depois de algum tempo, senti cada vez mais que a direção não estava certa. O problema não estava necessariamente nos produtos, mas no fato de ainda partirmos do que sabíamos fazer, e não do que os usuários realmente precisavam.

Depois de carregar um martelo por dez anos, mesmo que se mude de sala, é fácil continuar vendo pregos em toda parte.

Percebi que entrar em um novo campo não é apenas mudar de lugar e continuar usando os métodos que deram certo no passado. Recomeçar de verdade significa deixar de lado, por algum tempo, as respostas que conhecemos melhor.

Então fiz uma pergunta a mim mesmo: se eu não levasse em conta a experiência técnica acumulada nos últimos dez anos, qual produto de IA eu mais gostaria de ter?

Minha resposta foi: notas.

O produto que eu mais queria

Desde o ensino secundário, sigo uma regra: “Não ler sem escrever e fazer anotações.” Para mim, notas nunca foram apenas um lugar onde guardar informações. São uma extensão da memória e uma parte do pensamento.

As pessoas costumam chamá-las de “segundo cérebro”, mas esse suposto segundo cérebro não é realmente inteligente.

Colocamos coisas nele, mas ainda precisamos organizá-las, encontrá-las, criar conexões e descobrir como recuperá-las por conta própria. Ele se parece mais com um disco rígido externo do que com outro cérebro.

Esta geração de grandes modelos me fez acreditar pela primeira vez que isso poderia mudar de forma fundamental. As notas do futuro talvez não apenas preservem o que uma pessoa escreveu. Poderão compreender esse conteúdo, encontrar relações entre as ideias, ajudar-nos a lembrar quando necessário e até participar do nosso pensamento.

Não quero criar um aplicativo de notas com alguns recursos de IA acrescentados, mas um segundo cérebro verdadeiramente inteligente.

A inteligência geral é o próximo rio em que saltei. As notas inteligentes são a primeira direção para a qual decidi nadar depois de entrar.

Ainda não cheguei à outra margem

Antes disso, eu havia feito muitas coisas com características de empreendedorismo. Organizar o curso de verão na universidade foi uma startup informal. Entrar na SenseTime quando ela estava começando foi participar de uma startup. Fundar, dentro da SenseTime, as equipes de detecção de vivacidade e visão industrial também se parecia muito com empreender dentro de uma empresa.

Mas desta vez foi diferente. Em junho deste ano, deixei uma empresa pela primeira vez, coloquei-me inteiramente no mercado e comecei a empreender em tempo integral no sentido verdadeiro.

Hoje é 31 de dezembro de 2023. Já se passou meio ano desde que deixei a SenseTime.

Ainda não encontrei as respostas para todas as perguntas nem cheguei a uma margem que possa ser chamada de sucesso. Estou aprendendo muitas coisas que antes não dominava: criar um produto, compreender um mercado e fazer com que os dois se encaixem.

Para muitas pessoas, esse estado pode ser doloroso. Para mim, ele traz uma familiaridade de que eu sentia falta, porque voltei a um lugar em que não sei as respostas.

Este é o primeiro texto do meu blog pessoal. Não o escrevo porque a jornada terminou, mas porque quero registrar, no momento em que ela realmente começa, por que parti. No futuro, continuarei escrevendo aqui sobre tecnologia, produtos e pessoas, além das coisas que estou criando.

Não sei para onde este rio acabará fluindo.

Mas, olhando para trás, várias mudanças importantes da minha vida começaram com a mesma escolha: depois de investir tempo suficiente e perceber que eu entrava aos poucos em uma zona de conforto, começava a procurar o próximo rio.

Em junho deste ano, fiz essa escolha outra vez.

Ainda estou na água.