Smartcities são de fato inteligentes?

Texto by
Nicolau Ramalho
A Ilusão da Inteligência Urbana
Smartcities são de fato inteligentes? Já é comum cruzar caminho com o carro terceirizado da autarquia de trânsito - cheio de câmeras - identificando veículos estacionados em via pública multando veículos estacionados, mas com a tarifa do estacionamento atrasada.
Em alguns municípios, existem cinturões de rastreio de placas, ou seja, câmeras instaladas em pontos chave identificam fluxo de veículos de maneira individualizada com a mesma tecnologia de leitor de caracteres do veículo que circula emitindo multas de maneira automática. Há ainda a aplicação de identificação facial em algumas câmeras, com capacidade de criar listas de pessoas que precisam ser identificadas e caso aquela face passe na frente da câmera (em um ângulo correto, desde que a pessoa esteja sem máscara, boné e óculos escuros), ela pode ser identificada em tempo real.

O Problema da Tecnologia por Regras
Mas será que isso é inteligente? Estamos usando as melhores práticas para tornar nossas cidades de fato smartcities? Percebam que os exemplos citados até agora foram exemplos de tecnologia por regras, programadas pelo humano, de maneira muito específica para identificar algo factual. São tecnologias relativamente antigas de identificação de caracteres ou de algoritmos para identificar pontos singulares em uma face – que por sinal, este último gera uma pauta enorme de discussão sobre LGPD, individualidade e pessoalidade.
Para uma face de um criminoso ser identificada nas câmeras com a tecnologia de identificação facial, primeiro esse bandido obrigatoriamente é um criminoso contumaz, ou seja, ele já cometeu algum crime antes, foi de alguma forma condenado e teve sua identificação facial registrada na base de dados das forças policiais. Além disso, temos que contar com o acaso dessa pessoa ser filmada por uma câmera, na angulação e distância correta e que ela esteja sem algo na face que consiga impedir seu reconhecimento pelo algoritmo.
Limitações do Mundo Real
Lembrando que a pandemia ajudou a popularizar o uso de máscaras ainda que no pós-pandemia. Ou seja, hoje consideramos normal alguém andando na rua com máscara facial tampando boca e nariz. Isso adicionado de óculos escuro e boné, impedem o reconhecimento facial. Infelizmente são inúmeros os casos de criminosos que tiram proveito disso para praticar seus atos dificultando a sua identificação visual.
A mesma teoria se aplica na identificação de placas de veículos. Ou seja, a famosa muralha digital mapeando as placas de veículos que passam por alguns pontos estratégicos sob a ótica logística, acaba identificando somente os veículos que estão - assim como a face do criminoso – marcados para serem identificados. Ou seja, aqueles que foram roubados ou comprovadamente relacionados com algum ato criminoso e foram registrados na base de dados da polícia desta forma. Ora, entre o crime, a comunicação e seu registro ativo na base de dados como procurados, quanto tempo se passou? Provavelmente aquele veículo já está sendo desmanchado ou abandonado.
Reativo vs Proativo: A Visão Forense
Percebam que aqui criamos uma série de regras e procedimentos que com a ajuda de uma programação e processos complexos e detalhados em analíticos de vídeo, é possível identificar situações extremamente pontuais e raras de acontecer. Neste contexto, é correto dizer que a segurança pública está trabalhando de maneira reativa e não proativa.
Na grande maioria dos casos, esse tipo de tecnologia somente é útil para a análise forense, ou seja, depois que o crime foi realizado, todo esse rastreamento de faces ou placas veiculares é útil para se construir o processo investigativo e judiciário posterior ao fato. Ou seja, estamos construindo cidades inteligentes que conseguem olhar o passado de forma excepcional.

Antecipação com Deep Learning
Quando aplicamos tecnologias de Inteligência Artificial por Machine Learning, Redes Neurais e Deep Learning nas smartcities, conseguimos atuar na antecipação dos eventos. Esse tipo de tecnologia consegue mudar de uma atuação forense para uma atuação preditiva. Ou seja, no exemplo em questão, antes dessa quadrilha invadir a cidade e executar o crime sempre há a etapa de planejamento.
Alguém do bando teve que ficar há mais tempo que o normal na frente da agência bancária para mapear a rotina da agência. Em que dia seria mais eficiente realizar a operação, quem são os funcionários, qual a rotina dos vigilantes, qual o tipo e ações do sistema de alarme que serão ativados durante a operação. Esse comportamento de alguém parado, algumas vezes, sobre uma moto, há mais tempo que o normal, em um local incomum é o tipo de analise que somente a máquina seria capaz de reconhecer o padrão e indicar a ruptura do padrão naquela cena em especifico, dentre tantas outras.
Análise Comportamental na Muralha Digital
Certamente houve o fluxo rotineiro de veículos estranhos à rotina daquela cidade entrando e saindo pela muralha digital. Ou seja, um determinado veículo que nunca passou por aquela região, de repente começa a entrar e sair todos os dias, permanece parado também nas proximidades da agência bancária, ou das residências dos funcionários daquela agencia. Mais um comportamento incomum que por aprendizado de máquina e aprendizado profundo é possível de se identificar.
Outro exemplo em casos até mais sensíveis que este é a identificação de pessoas ao redor de escolas com comportamento fora do padrão. Se mapeamos por redes neurais qual o comportamento de pessoas ao redor daquela escola em específico, é possível aprender onde existe aglomeração, em qual horário, qual dia da semana... onde geralmente as pessoas costumam ficar paradas, por quanto tempo, em qual situação, etc... Dessa forma, se alguém começa a ficar do outro lado da rua estudando o comportamento da escola, seus funcionários, alunos, planejando uma forma de invadir a escola, ou se é um traficante que começou a ficar nas redondezas da escola, esse comportamento anômalo pode ser identificado pela máquina e indicar a priorização de uma abordagem preventiva ao batalhão de policiamento escolar, por exemplo.

Já vivenciei exemplos de casos em que a máquina conseguiu identificar espancamentos em via pública. Por visão computacional a máquina identifica que a aglomeração no meio da via, o tumulto com uma quantidade incomum de pessoas em um horário fora do padrão, a quantidade de pessoas e seu comportamento, para a máquina foi uma situação incomum e o alerta foi dado em tempo real para a empresa privada que realizava o monitoramento daquele bairro. Algo que seria impossível do operador visualizar em tempo real a olho nu considerando que ele tinha mais de mil câmeras naquela central de monitoramento.
E não estou falando de algo utópico ou inacessível. Esse tipo de tecnologia está embarcado hoje em dia por um custo muito baixo em inúmeros condomínios, por exemplo, e não tenho visto as contratações ou concessões públicas caminhando para a utilização deste nível de smartcities.
"Cada pessoa terá a sua rede neural"
Sam Altman, CEO da OpenAI, empresa que criou o ChatGPT, em uma entrevista afirmou que cada pessoa terá a sua rede neural, construída de forma única para atender as suas necessidades especificas. Acredito que em Smartcities a linha de raciocínio é a mesma. Cada Estado, capital, município, bairro, rua e quarteirão tem a sua particularidade e uma rede neural estruturada pode se moldar a essa necessidade específica. Ou seja, naquele quarteirão que temos uma escola, as necessidades de atenção pela máquina são distintas daquele outro quarteirão em que está a agência bancária.
Inovação e o Futuro Figital
Complexo e dinâmico, não é? Por isso entendo que a velocidade e estrutura necessárias para a inovação obrigatoriamente passam por uma cordenação Caórdica, como no livro de Dee Hock – Nascimento da era caórdica – e ainda misturado com o modo disruptivo da inovação. Com ambientes de testes controlados, construção de produtos mínimo viáveis, tração e escala. Acho que esse tema de inovação e sua aplicação merece um outro artigo.
Vejam que até o momento somente falei de visão computacional. Câmeras. Não estou ainda abordando a quantidade de sensores inteligentes que quanto aplicados em uma cidade de forma concatenada permitirão o próximo passo para o Figital (Phygital – interseção entre o mundo Físico e o Digital). Talvez também outro artigo sobre o tema!
Fato é que nas Cidades Inteligentes que estão em implementação, não estamos nem mesmo arranhando a superfície do que temos capacidade (acessível) de fazer. Estamos bem atrasados neste aspecto. Fica a provocação de que podemos muito mais!