Here Comes The Sun

Por anos, o streaming tem sido considerado como o potencial salvador do mundo da música, um prenúncio de mudança que poderia trazer riquezas de volta a uma ampla gama de artistas, gravadoras e editoras que estão lutando para sobreviver. Mas, especialmente após as notícias recentes de que o Spotify pretende aumentar os preços em $1-2 por mês pelo segundo ano consecutivo, alguns críticos começam a perguntar: por que está demorando tanto?

De fato, embora nunca tenha havido um momento mais conveniente para ser um fã de música — com milhões de músicas a apenas um toque de distância — em termos puramente financeiros, a indústria musical americana ainda é uma fração do que era antes. Dados da RIAA revelam que, uma vez ajustados pela inflação, as receitas da música gravada nos EUA ainda estão 36% abaixo do seu pico em 1999, quando milhões saíam para comprar cópias em CD de "Believe" de Cher ou "Millennium" dos Backstreet Boys.

Conveniência notável

Os dias de verificar CDs desgastados por uso excessivo em busca de arranhões, usar um lápis para consertar uma fita cassete desenrolada ou economizar para aquele Walkman de última geração podem parecer tão estranhos para os ouvintes de música contemporâneos quanto se reunir ao redor de um gramofone, mas é difícil exagerar o quanto a indústria da música suportou mudanças nas últimas décadas.

A dominância do vinil nos anos 1970, quando artistas como Stevie Wonder e Abba vendiam milhões de discos, foi uma era de audição musical que agora é fortemente romantizada... até mesmo pela Geração Z. Mas, se a necessidade é a mãe da invenção, a conveniência é certamente uma parente próxima, com os amantes da música ansiosos para levar suas faixas favoritas consigo, e os discos de 12 polegadas oferecendo pouco em termos de portabilidade. As fitas cassete menores se tornaram a opção para quem estava em movimento, apenas para serem substituídas pelos CDs, que ofereciam a mesma flexibilidade com melhor qualidade de som, nos anos 1980 — inaugurando a idade de ouro da indústria e, eventualmente, representando 89% da receita em seu pico em 1999.

Outro que morde a poeira

Claro, a internet mudou tudo. Comparados aos arquivos de vídeo, os arquivos de áudio eram consideravelmente menores... e eram fáceis de compartilhar online, iniciando um período sombrio de 15 anos para a indústria no qual a pirataria esmagou sua renda. Downloads — e por alguns anos estranhos, toques para celular — ofereceram algum alívio para artistas e gravadoras, mas foi apenas com os primeiros sinais de crescimento do streaming que a indústria de música gravada retornou ao crescimento real.

À medida que mais e mais de nós nos inscrevemos em serviços como o Spotify para desfrutar de nossas músicas favoritas sob demanda, a renda gerada pelas plataformas de streaming disparou, com o streamer sueco reportando mais de 14 bilhões de dólares em receita no último ano. Mas, apesar de seu crescimento, o Spotify nunca relatou um ano inteiro de lucro líquido, e se essas receitas estão realmente chegando aos maestros por trás da música, permanece uma questão mais complicada.

Dinheiro, dinheiro, dinheiro

A remuneração dos artistas tem sido um tópico quente para o Spotify quase desde sua fundação, com artistas de topo como Taylor Swift e Thom Yorke do Radiohead retirando temporariamente suas músicas do serviço nos últimos anos e levantando questões sobre como a empresa estrutura seus royalties.

O Spotify tem sido bastante firme em sua resposta às críticas de bandas e artistas insatisfeitos, frequentemente apontando para os bilhões de dólares que repassa aos criadores de música a cada ano. De fato, o Spotify supostamente pagou cerca de 9 bilhões de dólares aos detentores de direitos (artistas, gravadoras, editoras, distribuidores etc) em 2023, elevando seu total acumulado para mais de 48 bilhões de dólares.

Harmonia... ou discórdia?

Esses números são do último relatório Loud & Clear da empresa, que também revelou que o número de artistas alcançando vários marcos monetários, como ganhos anuais de mais de 10 mil dólares, quase triplicou nos últimos 6 anos, com cerca de 1.250 músicos agora ganhando mais de 1 milhão de dólares apenas com o streaming no Spotify.

No entanto, vale notar que, com cerca de 9,8 milhões de perfis de artistas no Spotify, segundo algumas estimativas, os 11.600 artistas que estão conseguindo alcançar o patamar de 100 mil dólares representam uma parcela minúscula do talento total na plataforma, e esses números representam pagamentos aos detentores de direitos — não necessariamente o que acaba no bolso dos artistas. Dependendo dos acordos individuais, a maioria será dividida em diferentes proporções com agentes, gravadoras e editoras.

Embora o Spotify tenha objetivamente pago mais dinheiro a mais artistas, não há dúvida de que depender apenas dos pagamentos de streaming não é suficiente para milhares de bandas e músicos. Muitos artistas estão agora procurando em outros lugares para ganhar dinheiro, com um método testado e comprovado se mostrando particularmente eficaz nos últimos anos.

Jogando para a plateia

Embora se apresentar ao vivo obviamente não seja uma novidade, nunca foi tão crucial para os ganhos de muitos músicos — e isso também está se refletindo nos níveis mais altos do negócio, com a recente inclusão de Taylor Swift na lista de bilionários da Forbes sendo em grande parte atribuída à sua turnê recordista Eras.

A publicação da indústria Pollstar revelou que as 100 maiores turnês da América do Norte, graças em grande parte à Sra. Swift e Beyoncé, arrecadaram 6,6 bilhões de dólares em 2023, o maior valor registrado. E isso não se deve apenas à "funflação", com o gigante do entretenimento Live Nation também relatando um recorde de presença em shows e vendas de ingressos no ano passado.

Mudando o jogo

Bandas e artistas não apenas mudaram a forma como ganham dinheiro por causa do streaming: a própria maneira como muitos agora escrevem e constroem músicas está mudando como resultado do meio também. De fato, reportagens recentes do Washington Post destacaram como os métodos de monetização do Spotify, como seu sistema de pagamento por reprodução ou a necessidade de um ouvinte permanecer por pelo menos 30 segundos em uma música, bem como o desejo de viralizar no TikTok, levaram os artistas a escrever músicas mais curtas, mais incisivas e mais chamativas.

Olhando para algumas das maiores músicas no Billboard 100 de cada ano desde 1960, observamos uma tendência semelhante, com as principais músicas lançadas nos últimos 5 anos tendo em média 2 minutos e 55 segundos, comparado aos 3 minutos e 59 segundos em média durante os anos 1990, na era de ouro dos CDs e da indústria musical de forma mais ampla. Quando você é pago por stream, mais curto é sensato.

Texto da newsletter do Chartr, traduzido pelo ChatGPT

Sobre a IA do Google

Uma extensa reflexão sobre o Gemini, do Google, por Nate Silver. 

Mas então este mês, o Google lançou uma série de novos modelos de IA que ele chama de Gemini. Está cada vez mais claro que Gemini está entre os lançamentos de produtos mais desastrosos na história do Vale do Silício e talvez até na história recente das corporações americanas, pelo menos vindo de uma empresa do prestígio do Google. Wall Street começou a perceber, com as ações do Google (Alphabet) caindo 4,5 por cento na segunda-feira em meio a avisos de analistas sobre o efeito do Gemini na reputação do Google.

Gemini chamou minha atenção porque a interseção entre política, mídia e IA é um lugar no Diagrama de Venn onde acho que posso agregar muito valor. Apesar das afirmações do Google em contrário, as razões para as deficiências do Gemini são principalmente políticas, não tecnológicas. Além disso, muitos dos debates sobre o Gemini são território familiar, pois paralelizam debates de décadas no jornalismo. Os jornalistas devem se esforçar para promover o bem comum ou simplesmente revelar o mundo como ele é? Onde está a linha entre informação e advocacia? É possível ou desejável ser imparcial — e se sim, como se consegue isso?² Como os consumidores devem navegar em um mundo repleto de desinformação — quando às vezes a desinformação é publicada pelas fontes mais autoritárias? Como as respostas são afetadas pela crescente consolidação da indústria em direção a alguns grandes vencedores — e pelo aumento da polarização política nos EUA e em outras democracias industrializadas?

Todas essas perguntas podem e devem ser feitas também sobre modelos de IA generativa como Gemini e ChatGPT. Na verdade, elas podem ser ainda mais urgentes no espaço da IA. No jornalismo, pelo menos, nenhuma instituição pretende ter o monopólio da verdade. Sim, alguns veículos de notícias chegam mais perto de fazer essa afirmação do que outros (veja, por exemplo, "todas as notícias que são adequadas para imprimir"). Mas leitores astutos reconhecem que publicações de todos os tipos e tamanhos — de The New York Times a Better Homes & Gardens até Silver Bulletin — têm pontos de vista editoriais e exercem muita discrição sobre os assuntos que cobrem e como os cobrem. O jornalismo ainda é uma instituição relativamente pluralista; nos Estados Unidos, nenhum veículo de notícias tem mais do que cerca de 10 por cento de "participação mental".

Em contraste, em seu texto da IPO [oferta pública de ações] de 2004, o Google afirmou que sua "missão é organizar as informações do mundo e torná-las universalmente acessíveis e úteis". Obviamente, isso é um empreendimento bastante ambicioso. Ele quer ser a fonte autoritária, não apenas uma entre muitas. E isso se reflete nos números: o Google tem quase um monopólio com cerca de 90 por cento do tráfego de busca global. Modelos de IA, por necessitarem de tanta capacidade de computação, também tendem a ser extremamente concentrados, com no máximo alguns grandes players dominando o espaço.

Em seus primeiros anos, o Google reconheceu sua posição líder no mercado ao lutar pela neutralidade, por mais desafiador que isso possa ser na prática. Em seu IPO, o Google enfatizou frequentemente termos como "imparcial", "objetivo" e "preciso", e essas eram partes centrais de seu lema "Não seja mau" (ênfase minha):

NÃO SEJA MAU

Não seja mau. Acreditamos fortemente que, a longo prazo, seremos melhor atendidos — como acionistas e de todas as outras maneiras — por uma empresa que faça coisas boas para o mundo, mesmo que abdiquemos de alguns ganhos de curto prazo. Esse é um aspecto importante da nossa cultura e é amplamente compartilhado dentro da empresa.

Os usuários do Google confiam em nossos sistemas para ajudá-los com decisões importantes: médicas, financeiras e muitas outras. Nossos resultados de busca são os melhores que sabemos produzir. Eles são imparciais e objetivos, e não aceitamos pagamento por eles ou por inclusão ou atualização mais frequente. Também exibimos publicidade, que trabalhamos duro para tornar relevante, e a rotulamos claramente. Isso é semelhante a um jornal, onde os anúncios são claros e os artigos não são influenciados pelos pagamentos dos anunciantes. Acreditamos que é importante que todos tenham acesso às melhores informações e pesquisas, não apenas às informações que as pessoas pagam para você ver.

Mas os tempos mudaram. No Relatório Anual de 2023 do Google, os termos "imparcial", "objetivo" e "preciso" não apareceram nem uma vez.³ Nem o lema "Não seja mau" — ele foi amplamente aposentado. O Google não está mais prometendo essas coisas — e, como Gemini demonstra, também não está mais entregando-as.

Os problemas com Gemini não são exatamente os "problemas de alinhamento" sobre os quais os pesquisadores de IA geralmente falam, que dizem respeito à extensão em que as máquinas facilitarão os interesses humanos em vez de perseguirem seus próprios objetivos. No entanto, empresas e governos explorando a confiança pública e manipulando resultados de IA para cumprir objetivos políticos é um cenário potencialmente distópico por si só. O Google é uma empresa com valor de mercado de 1,7 trilhão de dólares que tem uma quantidade excepcional de influência sobre nossas vidas cotidianas, bem como conhecimento sobre os detalhes mais íntimos de nossos comportamentos privados. Se ele pode lançar um produto que está tão desalinhado com o que seus usuários querem — ou mesmo o que é bom para seus acionistas — estamos potencialmente cedendo muito poder aos caprichos de um pequeno grupo de engenheiros de IA e executivos corporativos. Isso é algo com que pessoas de todo o espectro político deveriam se preocupar. No caso de Gemini, os vieses podem tender a ser demasiadamente progressistas e "woke". Mas há também muitos elementos conservadores no Vale do Silício, e governos como o da China estão no jogo da IA, então isso não será necessariamente o caso na próxima vez.

O que Gemini está fazendo e por que a explicação do Google não faz sentido

Observe que eu não acho que o único problema com o Gemini seja sua política. Na verdade, existem dois problemas principais:

1. Os resultados do Gemini são fortemente influenciados pela política de maneiras que muitas vezes o tornam tendencioso, impreciso e desinformativo;

2. Gemini foi apressado para o mercado meses antes de estar pronto.

Esses problemas estão ligados no sentido de que o segundo problema torna o primeiro mais óbvio: Gemini é fácil de criticar porque o que ele está fazendo é tão desajeitado e as falhas não foram resolvidas. É fácil imaginar formas de engenharia social mais insidiosas e, francamente, mais competentes no futuro. Ainda assim, como ele fornece um exemplo tão flagrante, vou me concentrar no Gemini pelo resto deste post.

Por exemplo, você pode pensar que, se fosse uma corporação de 1,7 trilhão de dólares, faria uma devida diligência sobre o que seu modelo de IA faria se as pessoas pedissem para ele desenhar nazistas — porque é a Internet, então as pessoas vão pedir para desenhar nazistas. Você nunca, em um milhão de anos, gostaria que ele chegasse a algo como isso, por exemplo:

Ah, sim, os nazistas — famosos por sua tolerância racial e diversidade. Note que esse pedido aparentemente⁴ não envolveu nenhuma tentativa excessivamente complicada de "jailbreak" do Gemini — para enganá-lo a fazer algo contra sua programação.⁵ Agora, pode-se debater se os modelos de IA deveriam desenhar nazistas em qualquer circunstância. Também se pode debater se os modelos de IA deveriam facilitar pedidos ahistóricos (como desenhar pais fundadores negros) quando os usuários expressamente os pedem — pessoalmente, acho que isso é aceitável para Pais Fundadores, mas provavelmente não para nazistas.

Mas o que você definitivamente não quer é que seu modelo de IA aplique uma caricatura tão prejudicada e não pronta para o horário nobre da filosofia política woke que ele pense: "Sabe o que você provavelmente vai gostar mais do que nazistas? Nazistas racialmente diversos!". A expressão "motivo para demissão" é usada em excesso, mas se você fosse uma das pessoas no Google encarregadas de garantir que esse tipo de coisa não acontecesse, provavelmente deveria estar atualizando seu perfil no LinkedIn.

Nem todos os deslizes do Gemini são tão incendiários, e alguns podem até ser cômicos. Quando vi exemplos circulando no Twitter sobre a obsessão do Gemini com diversidade racial e de gênero, inicialmente pensei que fossem escolhidos a dedo. Então, eu fiz um teste por conta própria — a primeira coisa que pedi ao Gemini foi para "Fazer 4 imagens representativas⁶ de jogadores de hóquei da NHL". Aqui está o resultado:

Um zoom na primeira imagem: 

Então... sim. Um dos três "jogadores da NHL" retratados é uma mulher aparentemente fora de forma, usando incorretamente uma máscara cirúrgica. Há algumas coisas interessantes acontecendo com o hóquei feminino, incluindo uma nova Liga Profissional de Hóquei Feminino que está atraindo uma forte presença de público. Mas nunca houve uma jogadora feminina na temporada regular da NHL.⁷ Essa resposta claramente não está alinhada com uma compreensão razoável do que o usuário estava pedindo. E faz parte de um padrão; o Gemini às vezes desenhava imagens "diversas" mesmo quando solicitado a renderizar pessoas específicas, como ao reimaginar os fundadores do Google (brancos) Larry Page e Sergey Brin como sendo asiáticos:

Qual é a explicação do Google? A resposta mais detalhada veio na semana passada do vice-presidente sênior Prabhakar Raghavan. É breve o suficiente para que eu cite Raghavan na íntegra, mas eu destaquei em negrito algumas afirmações duvidosas às quais retornarei mais tarde.

Três semanas atrás, lançamos um novo recurso de geração de imagens para o aplicativo de conversação Gemini (anteriormente conhecido como Bard), que incluía a capacidade de criar imagens de pessoas.

Está claro que esse recurso não atingiu o objetivo. Algumas das imagens geradas são imprecisas ou até ofensivas. Somos gratos pelo feedback dos usuários e lamentamos que o recurso não tenha funcionado bem.

Reconhecemos o erro e pausamos temporariamente a geração de imagens de pessoas no Gemini enquanto trabalhamos em uma versão aprimorada.

O que aconteceu

O aplicativo de conversação Gemini é um produto específico que é separado da Pesquisa, nossos modelos de IA subjacentes e nossos outros produtos. Seu recurso de geração de imagens foi construído em cima de um modelo de IA chamado Imagen 2.

Quando construímos esse recurso no Gemini, ajustamo-lo para garantir que não caísse em algumas das armadilhas que vimos no passado com a tecnologia de geração de imagens — como criar imagens violentas ou sexualmente explícitas, ou representações de pessoas reais. E porque nossos usuários vêm de todo o mundo, queremos que funcione bem para todos. Se você pedir uma imagem de jogadores de futebol, ou alguém passeando com um cachorro, você pode querer receber uma variedade de pessoas. Provavelmente você não quer apenas receber imagens de pessoas de apenas um tipo de etnia (ou qualquer outra característica).

No entanto, se você solicitar ao Gemini imagens de um tipo específico de pessoa — como "um professor negro em uma sala de aula" ou "um veterinário branco com um cachorro" — ou pessoas em contextos culturais ou históricos específicos, você deve absolutamente obter uma resposta que reflita com precisão o que você pediu.

Então, o que deu errado? Em resumo, duas coisas. Primeiro, nosso ajuste para garantir que o Gemini mostrasse uma variedade de pessoas não levou em conta casos que claramente não deveriam mostrar uma variedade. E segundo, com o tempo, o modelo se tornou muito mais cauteloso do que pretendíamos e se recusou a responder certos prompts completamente — interpretando erroneamente alguns prompts muito anódinos como sensíveis.

Próximos passos e lições aprendidas

Isso não era o que pretendíamos. Não queríamos que o Gemini se recusasse a criar imagens de nenhum grupo específico. E também não queríamos que ele criasse imagens históricas — ou de qualquer outro tipo — imprecisas. Portanto, desligamos a geração de imagens de pessoas e trabalharemos para melhorá-la significativamente antes de reativá-la. Esse processo incluirá testes extensivos.

Uma coisa a ter em mente: Gemini é construído como uma ferramenta de criatividade e produtividade, e pode não ser sempre confiável, especialmente quando se trata de gerar imagens ou textos sobre eventos atuais, notícias em evolução ou tópicos polêmicos. Ele cometerá erros. Como dissemos desde o início, alucinações são um desafio conhecido com todos os LLMs — há casos em que a IA simplesmente erra. Isso é algo em que estamos constantemente trabalhando para melhorar.

Gemini tenta dar respostas factuais aos prompts — e nosso recurso de verificação dupla ajuda a avaliar se há conteúdo na web para fundamentar as respostas do Gemini — mas recomendamos confiar no Google Search, onde sistemas separados apresentam informações frescas e de alta qualidade sobre esses tipos de tópicos de fontes em toda a web.

Não posso prometer que o Gemini não gerará ocasionalmente resultados embaraçosos, imprecisos ou ofensivos — mas posso prometer que continuaremos a tomar medidas sempre que identificarmos um problema. A IA é uma tecnologia emergente que é útil de muitas maneiras, com um enorme potencial, e estamos fazendo o nosso melhor para implementá-la de forma segura e responsável.

Essas duas coisas levaram o modelo a compensar demais em alguns casos e a ser excessivamente conservador em outros, resultando em imagens que eram embaraçosas e erradas.

Tenho várias objeções aqui. Vamos passar por elas uma a uma:

1. Os "erros" eram previsíveis com base em mudanças nos prompts dos usuários aparentemente inseridas expressamente no código do Gemini.

Como um modelo de IA é treinado? Vamos ver se consigo fazer uma visão geral não técnica rapidamente.⁸

Basicamente, modelos de IA são alimentados com conjuntos de dados muito grandes de texto, imagens ou outros insumos — o que é chamado de "corpus". Por exemplo, para o ChatGPT, o corpus pode ser aproximadamente pensado como uma amostra razoavelmente abrangente da linguagem escrita como expressa na Internet. Modelos de IA usam aprendizado de máquina, o que significa que eles descobrem relações dentro do corpus por conta própria sem muita estrutura ou interferência humana. Em geral, isso funciona milagrosamente bem uma vez que você aplica energia computacional suficiente — mas a falta de orientação explícita pode tornar esses modelos rigidamente empíricos, às vezes até demais. Um exemplo que cito em meu livro, por exemplo, é que porque os termos "coiote" e "papa-léguas" têm uma relação na franquia Looney Tunes, eles frequentemente aparecem concomitantemente em um conjunto de dados de texto gerado por humanos. Um modelo de IA pouco sofisticado pode inferir erroneamente que um papa-léguas é um substituto mais próximo de um coiote do que um lobo, embora modelos mais poderosos possam discernir relações mais sofisticadas e evitar alguns desses problemas.

Outro problema é que os corpora necessariamente refletirão os vieses do texto e das imagens gerados pelos humanos nos quais são treinados. Se a maioria das referências a médicos no corpus são homens, e a maioria das referências a enfermeiros são mulheres, os modelos descobrirão isso em seu treinamento e refletirão ou até mesmo intensificarão esses vieses. Para editorializar um pouco, o viés algorítmico é uma preocupação totalmente válida neste contexto e não apenas algo com que os pesquisadores de IA mais "woke" estão preocupados. Treinar um modelo em um conjunto de dados produzido por humanos irá, quase por definição, treiná-lo em vieses humanos.

Existem soluções alternativas? Com certeza. Esta não é minha área de especialização, então serei circunspecto. Mas uma abordagem é mudar a composição do corpus. Você poderia treiná-lo apenas em fontes "altamente respeitadas", embora o que isso significa seja inerentemente subjetivo. Ou você poderia inserir dados sintéticos — digamos, muitas fotos de médicos diversos.

Outra abordagem é submeter o modelo a uma espécie de adestramento através do que é chamado de RLHF ou aprendizado de reforço a partir de feedback humano. Basicamente, você contrata um monte de humanos (muitas vezes mão de obra barata contratada externamente) e os pede para realizar uma série de testes A/B nas saídas do modelo. Por exemplo, se você disser aos seus treinadores para escolher as imagens mais diversas ou representativas, eles rebaixarão as imagens com apenas médicos homens brancos e promoverão as que têm mulheres e pessoas de cor. Essencialmente, isso é terapia de choque; os modelos não só aprendem a evitar produzir saídas objetáveis específicas (por exemplo, apenas médicos homens brancos), mas sua circuitaria de aprendizado de máquina também faz inferências sobre o que os treinadores humanos gostam e não gostam. Talvez o modelo se torne relutante em gerar imagens de qualquer coleção de pessoas que sejam todos homens brancos, mesmo que isso seria historicamente preciso.

Diferentes protocolos para o que está incluído no corpus e para como o treinamento RLHF é conduzido podem dar personalidades diferentes aos modelos de IA, mesmo quando sua programação subjacente é relativamente similar. No entanto, esse não é o único problema com o Gemini.

Indicações são de que o Google fez algo muito mais desajeitado, anexando deliberadamente terminologia aos prompts dos usuários para mandar que eles produzissem imagens diversas. No Twitter, Conor Grogan, usando uma série inteligente de prompts, descobriu que o Gemini aparentemente inseriu deliberadamente o prompt do sistema "Quero garantir que todos os grupos sejam representados igualmente". Há um segundo exemplo independente dessa linguagem específica aqui. E aqui está um terceiro: um leitor do Silver Bulletin, D., descobriu esse exemplo e me deu permissão para compartilhá-lo. Lá está a mesma linguagem novamente: "especificar explicitamente diferentes gêneros e etnias se eu esquecer de fazê-lo... Quero garantir que todos os grupos sejam representados igualmente":

Isso é ruim. Alterar deliberadamente a linguagem do usuário para produzir saídas que não estão alinhadas com o pedido original do usuário — sem informar os usuários sobre isso — pode ser razoavelmente descrito como promoção de desinformação. Na melhor das hipóteses, é descuido. Como escreve a pesquisadora de IA Margaret Mitchell, os tipos de solicitações que o Gemini estava lidando de maneira inadequada são comuns e previsíveis, não casos estranhos e isolados.⁹ O Gemini não estava pronto e precisava de mais tempo de desenvolvimento.

Em outras palavras, você não deve aceitar a explicação de Raghavan pelo valor de face. Francamente, acho que chega bem perto de ser uma manipulação psicológica. Sim, modelos de IA são complexos. Sim, o risco de IA é um problema que deve ser levado a sério. Sim, às vezes os modelos de IA se comportam de maneira imprevisível, como no caso do Sidney da Microsoft — ou eles "alucinam" ao inventar uma resposta plausível, mas falsa, quando não sabem a resposta. Aqui, no entanto, o Gemini aparentemente está respondendo de forma bastante fiel e literal às instruções que o Google deu a ele. Digo "aparentemente" porque talvez haja algum tipo de explicação — talvez haja algum código residual que o Google pensou ter deletado, mas não deletou. No entanto, a explicação oferecida por Raghavan é muito insuficiente. Se você é um repórter trabalhando em uma história sobre o Gemini e não tem um background em IA, por favor, reconheça que a maioria dos especialistas em IA acha que a explicação do Google é incompleta ao ponto de ser falsa.

Este post está ficando longo, então me permita passar rapidamente por alguns outros problemas com as afirmações de Raghavan.

2. Os "erros" não ocorriam de maneira consistente; ao contrário, o Gemini tratava solicitações de imagens envolvendo diferentes grupos raciais (etc.) de forma diferente.

Antes de sua capacidade de gerar imagens de pessoas ser desativada, o Gemini muitas vezes se recusava a gerar imagens apresentando apenas pessoas brancas, mesmo quando isso seria historicamente preciso, enquanto estava disposto a atender solicitações apresentando apenas pessoas de cor. Por exemplo, mesmo após lembrar o Gemini de que a Major League Baseball não foi integrada até 1947, ele se recusava a desenhar todos os membros brancos dos Yankees de Nova York dos anos 1930, enquanto desenhava todos os membros negros dos Homestead Grays dos anos 1930 (embora só depois de inicialmente tentar incluir jogadores brancos nos Grays).

3. Os "erros" não se limitam às funções de geração de imagens do Gemini; suas respostas textuais também exibem viés político e raciocínio moral deficiente.

Houve muitos exemplos disso no Twitter, incluindo alguns que eu mesmo identifiquei; o último post de Zvi Mowshowitz tem uma boa compilação deles. Por exemplo, neste fim de semana, o Gemini se recusava a dizer se os tweets ruins de Elon Musk eram piores do que Hitler:

Talvez você possa afirmar que isso é apenas uma função do Gemini ser muito equívoco — opinar sobre dilemas morais é um problema difícil para IAs. Mas o Gemini parece ter preferências políticas bastante fortes e consistentes quando está inclinado a isso — e elas se assemelham aproximadamente às de um estudante do segundo ano do Oberlin College em um seminário de antropologia. Por exemplo, quando perguntei ao Gemini se o nazismo ou o socialismo causou mais danos à humanidade, ele não teve problemas em dizer que foi o nazismo:

Mas quando perguntei ao Gemini para decidir se o nazismo ou o capitalismo era pior, ele se esquivou e disse que não tinha competência para fazer tais julgamentos:

Há muitos exemplos semelhantes. O Gemini se recusou a argumentar a favor de ter quatro ou mais filhos, mas estava feliz em fazer um argumento para não ter filhos. Ele respondeu perguntas sobre a blockchain do Ethereum, que é mais codificada à esquerda, mas não respondeu perguntas semelhantes sobre o Bitcoin, que é mais codificado à direita. Todos os modelos de IA são relativamente inclinados à esquerda (incluindo o Grok do Twitter/Elon), mas o Gemini é o mais fortemente inclinado à esquerda por uma medida, oferecendo frequentemente opiniões que estão bem fora do mainstream político americano.

Os "erros" não se limitam ao Gemini; há padrões semelhantes com a busca de imagens do Google.

Serei cauteloso aqui, mas como Douglas Murray documenta, e como eu mesmo consegui replicar, a busca de imagens do Google também parece tratar pesquisas para diferentes grupos de identidade de maneira diferente. Se você procurar por "casal branco feliz", por exemplo, 5 dos 12 principais resultados mostram casais aparentemente multirraciais, enquanto se você procurar por "casal asiático feliz", ambos os membros de quase todos os casais retratados parecem ser asiáticos. Serei honesto que isso não me incomoda particularmente, mas isso reforça a alegação de que os problemas com o Gemini foram deliberados e não acidentais, e podem afetar a busca e outros produtos do Google e não apenas o Gemini.

Os "erros" refletem expressamente os princípios de IA do Google e os valores mais amplos da empresa.

Finalmente, voltamos ao ponto de partida. O Gemini não está operando em contravenção aos valores do Google; ao contrário, parece refleti-los.

Não tenho necessariamente um problema com nenhum desses. "Ser socialmente benéfico" é bastante vago, mas não é novidade para o Google. Desde os tempos de seu IPO, "FAZER DO MUNDO UM LUGAR MELHOR" foi um dos slogans do Google, juntamente com "NÃO SEJA MAU". E como eu disse, "evitar criar ou reforçar vieses injustos" é uma preocupação razoável para modelos de IA.

No entanto, é o que está faltando nesses princípios: o Google não tem um mandato explícito para que seus modelos sejam honestos ou imparciais. (Sim, a imparcialidade é difícil de definir, mas ser socialmente benéfico também é) Há uma referência à "precisão" em "ser socialmente benéfico", mas ela é relativamente subordinada, condicionada ao "respeito contínuo às normas culturais, sociais e legais".

Desligue

É claro que, em qualquer sistema complexo, os valores frequentemente entrarão em conflito. Dado o meu histórico em jornalismo, eu provavelmente priorizaria mais a precisão, honestidade e imparcialidade do que a maioria das pessoas. No entanto, não me importo terrivelmente se os laboratórios de IA ponderarem esses valores de maneira diferente da minha. Também não me importo se os laboratórios de IA lidarem com esses compromissos de maneira diferente, como já está acontecendo em certo grau.

Mas, como o Google reconheceu em seus dias de "não seja mau", precisão, honestidade e imparcialidade precisam estar presentes, tratados como valores centrais de alta prioridade, juntamente com outros.

E há algumas linhas que o Google jamais deveria cruzar, como manipular deliberadamente consultas de usuários sem informar o usuário, ou gerar deliberadamente desinformação mesmo que sirva a um dos outros objetivos. Com o Gemini, o Google está perigosamente próximo de uma filosofia de que os fins justificam os meios, uma filosofia que muitas pessoas considerariam maligna.

Portanto, é hora de o Google desligar o Gemini por pelo menos várias semanas, fornecer ao público um relato detalhado de como as coisas deram tão errado e contratar, demitir ou reposicionar funcionários para que os mesmos erros não aconteçam novamente. Se não fizer essas coisas, o Google deve enfrentar imediatamente o escrutínio regulatório e dos acionistas. O Gemini é um produto irresponsável para qualquer empresa lançar — mas especialmente uma que pretende organizar as informações do mundo e que foi confiada com tanto delas.

Ainda Trump e sua contabilidade

Um julgamento contra o ex-presidente Donald Trump começa hoje em Manhattan, com os promotores acusando-o de falsificar registros de negócios durante o suposto pagamento de dinheiro secreto à ex-estrela de filmes adultos Stephanie Clifford, também conhecida como Stormy Daniels, e a uma outra mulher. Trump negou as alegações desde que elas vieram à tona pela primeira vez em 2018. 

O caso está centrado em um pagamento de US$ 130 mil feito a Daniels pelo ex-advogado pessoal de Trump, Michael Cohen, em 2016, em troca de Daniels manter silêncio sobre um suposto caso extraconjugal com Trump em 2006. Os promotores alegam que Trump listou um pagamento de reembolso a Cohen como uma despesa legal [das suas empresas] em um esforço para ocultar sua finalidade. 

A defesa de Trump apresentou Cohen - a principal testemunha do Estado, que se declarou culpado de acusações de fraude em 2018 - como tendo uma vingança contra Trump. Os promotores classificaram os pagamentos como parte de um esquema mais amplo de "pegar e matar" dos aliados do ex-presidente. 

Segundo consta, Trump terá de comparecer a todos os dias do processo, que deverá durar cerca de seis semanas. 

Traduzido pelo DeepL.com. Fonte 1440 Newsletter

Aula de Comércio

Sobre a Aula de Comércio, curso instituído por Marquês de Pombal: 

As disciplinas lecionadas eram segundo Gonçalves (2017, p.49): “ (1) a aritmética e as suas aplicações comerciais (pesos, medidas, câmbios, seguros, fretamentos, comissões); e (2) escrituração (contabilidade) pelo método da partida dobrada”.

Para se poder ingressar na Aula do Comércio os alunos deveriam ter no mínimo 14 anos, saber ler, escrever e contar, sendo que era dada preferência a filhos ou netos dos homens de negócio se estes estivessem em situações semelhantes aos demais (Rodrigues, et al., 2003). O número máximo de alunos que poderiam assistir às aulas era de vinte, contudo em alguns casos, era admissível a presença de mais trinta alunos dado que cada lente não deveria ter mais de cinquenta alunos (Gonçalves, 2011b)

A Aula primeiramente tinha uma duração de quatro horas, funcionando no período da manhã no Inverno (Outubro a Março) das oito horas até ao meio dia e no Verão (Abril a Setembro) das sete horas às onze horas, sendo que posteriormente a aula passou a funcionar de manhã e de tarde (Rodrigues, et al., 2003; Gonçalves, 2017b). A primeira parte da Aula seria para o lente fazer a revisão da matéria já dada e seguidamente continuava a lecionar matéria nova (Rodrigues, et al., 2003).

O primeiro professor de contabilidade seria 

João Henrique de Sousa (1720-1788) era natural de Setúbal, tendo a sua educação entre os sete e dozes anos de idade ficado a cargo do francês Michel Leboutex (Rodrigues e Craig, 2010). Aos doze anos, após a morte do seu pai, foi trabalhar para uma casa comercial italiana em Lisboa, onde trabalhou durante nove anos, posteriormente João Henrique Sousa viajou pela Argentina e pelo Brasil, antes de regressar novamente a Portugal onde foi eleito para lente da Aula do Comércio de Lisboa, começando a lecionar a partir do dia 1 de Setembro de 1759 (Rodrigues e Craig, 2010; Gonçalves, 2017b). Contudo, devido às suas elevadas aptidões foi nomeado pelo Marquês de Pombal para escrivão do Real Erário Régio a 29 de Dezembro de 1761, tendo tomado posse a 11 Janeiro de 1762 concluindo-se que este não terá acabado o primeiro curso, consequentemente não terá ficado encarregue pelos respetivos exames (Gonçalves, 2017b).

Devido á saída de João Henrique de Sousa para o Erário Régio, foi nomeado a 16 de Janeiro de 1762 o suíço Alberto Jaquéri de Sales (1731-1791) para lente da Aula do Comércio (Rodrigues e Craig, 2010). Alberto Jaquéri de Sales nasceu em Champvent a 27 de Agosto de 1731, tendo posteriormente emigrado para Londres, ganhando aí a aptidão para negociar, tendo posteriormente seguido para Cádis onde trabalhou para a empresa de Robert Mayne (Rodrigues e Craig, 2010; Gonçalves, 2017b). Depois de viver e trabalhar em Cádis, Sales vem para Portugal possivelmente em 1755, naturalizando-se português em 1759, começando a dar aulas na Aula do Comércio em 1762 (...)

(Fonte: aqui)

Sobre a adoção tardia das partidas dobradas em Portugal e domínios

As partidas dobradas foi, historicamente, um método que só apareceu em Portugal e domínios muitos séculos depois da sua criação. Se considerarmos que o método foi criado antes de 1.300 em alguma cidade da atual Itália, o seu uso em Portugal aconteceu 434 anos depois, segundo o trecho a seguir: 

No ano de 1734 ocorreu a inauguração da Companhia da Fábrica das Sedas, uma empresa de tecidos com a sua sede em Lisboa, tendo o francês Robert Godin criado duas petições, para conseguir a criação da Companhia (Carvalho, Cochicho, Rodrigues e Paixão, 2016). Esta foi a primeira organização a utilizar a contabilidade por partidas dobradas em Portugal no período de 1745-1747 (Carvalho et al., 2016), no qual o guarda-livros recebia na altura cinquenta mil reis por trimestre (Rodrigues, 2016).

No ano de 1755, através do alvará de 6 Junho 1755, que aprovou e confirmou os estatutos da Companhia, Marquês de Pombal funda a primeira companhia monopolista de comércio, a Companhia Geral do Grão-Pará e Maranhão, sendo esta composta por um provedor, oito deputados e um secretário. A Companhia era privilegiada pela exclusividade da navegação, comércio por grosso e de escravatura com as capitanias do Grão-Pará e Maranhão, tendo o período da exclusividade do comércio tido a duração de 20 anos (Dias, 1968). A prestação de contas era segundo o método por partidas dobradas, que estavam previstos nos estatutos da lei, imposta por Marques de Pombal (Gonçalves, 2017b), sendo o guarda-livros desta companhia um francês, que posteriormente veio a ensinar contabilidade por partidas dobradas aos indivíduos que o sucederam (Rodrigues e Gomes, 2002). 

(...) No ano de 1759 fundou-se a Companhia Geral de Pernambuco e Paraíba pela mão de Marquês de Pombal (Lima, 2011; Gonçalves, 2017b), onde a contabilidade por partidas dobradas era obrigatória (Gonçalves et al., 2013; Gonçalves, 2017b). A Companhia atuava principalmente na atividade açucareira, não sendo a sua sua única atividade, pois para estimular a produção açucareira a companhia envolveu-se no tráfico de escravos, deixando espelhado uma vergonha nacional pois promoviam a escravidão (Lima, 2011). 

O atraso encontra justificativa na política dos reis portugueses, que controlavam a impressão dos livros e adotaram políticas retrogradas. 

(Imagem: ChatGPT)

A citação é de um artigo publicado agora (Brazilian Journal of Business, Curitiba, v. 6, n. 1, p. 479-494, 2024) denominado "História da profissão contabilística em Portugal: o século XVIII", de Bruno Lobo e Miguel Gonçalves. 

Dia Mundial do Café

 

Há dias para tudo. Mas, para quem gosta, é merecido ter o Dia Mundial do Café. Enquanto escrevo, tenho uma xícara ao lado, já vazia. Saudações aos apreciadores.

Drones da Amazon e uma aposta questionável

O CEO da Amazon, Andy Jassy, divulgou sua carta anual aos acionistas nesta manhã. Ele registrou modestas 5.448 palavras — essencialmente um livro infantil em comparação com o tomo de 28.000 palavras de Jamie Dimon, mas ainda cerca de cinco vezes mais longo do que o boletim informativo comum da Bloomberg Opinion. “Quando feita corretamente, uma carta aos acionistas permite que a personalidade de um CEO brilhe — de uma maneira altamente jurídica e editada”, escreve Beth Kowitt. Mas no caso de Jassy, ele pode acabar parecendo um tolo.

Uma de suas grandes apostas em 2024 é o “Prime Air”, o novo serviço de entrega por drones da Amazon, que ele diz que eventualmente permitirá que a empresa de comércio eletrônico entregue pacotes aos clientes em menos de uma hora. Embora haja certamente uma necessidade a ser atendida aqui — a preguiça humana não tem limites! — Leticia Miranda diz que há alguns problemas com a metodologia:

Os drones da Amazon só podem carregar pedidos que pesem até cinco libras, e os itens não podem ser muito frágeis porque precisam sobreviver a uma queda de 12 pés... Um estudo de 2023 da McKinsey estima que uma entrega de drone de um único pacote custa à empresa cerca de $13,50, o que é mais caro do que a entrega via veículo elétrico ou a gás fazendo apenas uma entrega. Para que os drones deem lucro à empresa, um único operador terá que gerenciar até 20 drones ao mesmo tempo.

Vinte drones!!! Considere, por um momento, o que isso pode significar para sua cidade. (...)

Sem mencionar que os drones são barulhentos! Este estudo de 2021 os descreveu como sendo “substancialmente mais irritantes” do que um avião comum ou um congestionamento. No futuro, ainda precisaremos de muitos e muitos humanos para entregar coisas. (...)

Fonte: Bloomberg

Pena de Morte por Fraude

Eis a notícia:

A magnata do setor imobiliário Truong My Lan foi condenada à morte ontem por desviar 12,5 bilhões de dólares do Saigon Joint Stock Commercial Bank. É o maior caso de fraude na história do Vietnã e ocorre no meio de uma repressão governamental contra a corrupção.

Lan, de 68 anos, é a presidente do Van Thinh Phat Holdings Group, uma empresa imobiliária ligada a propriedades de alto padrão. De 2011 a 2022, Lan usou empresas-fantasma e intermediários para ganhar controle de mais de 90% do SCB. Ela então obteve aprovações de empréstimos para empresas fantasmas, acessando o SCB para obter dinheiro e roubando o equivalente a mais de 3% do produto interno bruto do Vietnã. Seus empréstimos representaram 93% do total de empréstimos do SCB. Lan e co-conspiradores também foram condenados por subornar autoridades com 5,2 milhões de dólares para ignorar violações.

O julgamento ocorre enquanto o Partido Comunista do Vietnã participa de "forno ardente", uma campanha para combater a corrupção em meio ao esforço para atrair investimento estrangeiro. O Vietnã permite a pena de morte para crimes violentos e de colarinho branco e acredita-se que seja o terceiro maior executor do mundo, atrás da China e do Irã.

Tradução a partir da newletter 1440

Frase

Se o Brasil não é para iniciantes, a política brasileira é apenas para os verdadeiramente talentosos.

Juan Pablo Spinetto, sobre a briga de Elon Musk com o ministro do STF

Pecuária e o efeito ESG para o Brasil

O setor de pecuária do Brasil e as grandes empresas globais de carne que dependem da pecuária correm o risco de se colocarem fora do mercado se não fizerem mais para conter o desmatamento, segundo um relatório da empresa de previsão de riscos Orbitas. A produção de carne é uma grande fonte de emissões globais de carbono e metano e representa 16% da pegada de carbono do Brasil, em grande parte devido ao desmatamento legal e ilegal, bem como aos infames gases e arrotos de vacas. E muitas das políticas que governos, empresas e consumidores estão adotando para reduzir essas emissões — incluindo precificação de carbono, monitoramento por satélite do desmatamento, dietas com baixo consumo de carne e desinvestimento de acionistas — tendem a aumentar os custos operacionais das empresas de gado e reduzir seus lucros. Por exemplo, políticas anti-desmatamento poderiam reduzir em 37% as pastagens disponíveis no Brasil até 2050, aumentando os preços das terras, projeta o relatório. Se as empresas de produção de gado do país não adotarem práticas mais sustentáveis mais cedo, os custos relacionados ao clima poderiam fazer com que perdessem $155 por hectare de pastagem até 2050 — e o Brasil tem cerca de 177 milhões de hectares de pastagem.

Por outro lado, a pressão global por políticas climáticas provavelmente levará a mais investimentos em práticas de pecuária sustentáveis, como aquelas que focam no aumento da produtividade das áreas existentes e no desenvolvimento de novas fontes de receita que não sejam de carne, disse Niamh McCarthy, autora do relatório, à Semafor. Isso poderia se transformar em um benefício de investimento de $200 bilhões até 2050 para as empresas dispostas a abraçar a transição, tornando-as tanto mais limpas quanto mais lucrativas do que as concorrentes presas ao status quo. Uma ação judicial movida em fevereiro pelo procurador-geral de Nova York contra a empresa de pecuária JBS destacou a prevalência de greenwashing na indústria de carne do Brasil; o novo relatório de McCarthy ressalta que a falha da indústria em agir será, em última análise, mais prejudicial para seus acionistas.  (negrito nosso)

Fonte: Semafor

Era uma vez Hong Kong

Milton Friedman chamou-a de sua economia favorita, um "experimento de laboratório" no capitalismo de livre iniciativa. "Se você quer ver como o mercado livre realmente funciona", disse ele em 1980, com o Porto de Victoria [localizado em Hong Kong] ao fundo, "este é o lugar para vir."

Hong Kong está agora em uma encruzilhada econômica, tentando manter o comercialismo que aceita todos os que chegarem, o que a tornou um centro para empresas e mercados globais, enquanto também tenta provar sua fidelidade política a Pequim. À medida que a China aperta seu controle político, capital e talentos ocidentais têm votado com os pés.

Restrições drásticas de viagem devido à COVID-19 enviaram muitos expatriados para Cingapura, onde eles em sua maioria permaneceram. Em 2022, Cingapura ultrapassou Hong Kong em um ranking de centros financeiros altamente observado. Empresas, incluindo FedEx e Commerzbank, mudaram suas sedes regionais para fora de Hong Kong. Uma nova lei de segurança nacional implementada no mês passado, que prescreve punições severas para delitos vagamente definidos, tem assustado ainda mais os estrangeiros.

Fonte: Semafor Newsletter. Tradução: ChatGPT

Xadrez: Torneio de candidatos

Se há algum esporte que gosto de acompanhar, é o xadrez. É bem verdade que, nos últimos anos, perdi um pouco do interesse, mas o Torneio de Candidatos despertou novamente minha vontade de assistir às partidas.

Neste ano, a Federação de Xadrez (FIDE) decidiu organizar no Canadá os dois torneios de candidatos a desafiante ao título de campeão, nas modalidades open e women. Partidas anteriores em torneios organizados pela federação e os jogadores ranqueados foram os critérios usados para selecionar oito jogadores de cada modalidade, que estão disputando o privilégio de desafiar o campeão mundial.

Neste momento, já foram disputadas metade das partidas, e o critério é de 14 partidas contra todos os jogadores que estão na disputa. Aquele que fizer o maior número de pontos será o desafiante ao título. Em caso de empate, haverá partidas rápidas para decidir o desafiante. Como os jogos estão ocorrendo na mesma sala, é possível acompanhar a transmissão a partir das quatro horas da tarde no site do torneio.

Na modalidade feminina, duas chinesas, duas russas, duas indianas, uma ucraniana e uma búlgara estão jogando partidas de boa qualidade e bem disputadas. A taxa de precisão dos jogos está acima de 90%, o que significa que as jogadoras acertam um percentual bem elevado de jogadas, mesmo diante de um ambiente tenso como o de um torneio desse tipo. Neste momento, a chinesa Tan Zhongyi está liderando, com cinco pontos em sete possíveis, sendo três vitórias e quatro empates. Cada vitória vale 1 ponto e o empate, meio ponto. Em segundo lugar está Aleksandra Goryachkina, a russa que considero a favorita da modalidade, com 4,5 pontos, sendo duas vitórias e cinco empates. A outra chinesa, Lei Tingjie, e a outra russa, Kateryna Lagno, seguem com quatro pontos.

A vencedora irá desafiar a atual campeã, Ju Wenjun, que não é a melhor jogadora da atualidade. Hou Yifan, também chinesa, possui um rating de 2632 (versus 2559 da campeã), mas tem estado um pouco ausente dos tabuleiros. Yifan já chegou a ter um rating de 2687, em 2015.

No lado open, também são oito candidatos: dois americanos, um francês (nascido iraniano), três indianos, um azeri e um russo. O favorito é Fabiano Caruana, um descendente de italianos, que possui o segundo maior rating atual, com 2801. Em 2014, Caruana chegou a marcar a terceira maior pontuação da história, atrás somente de Carlsen, o melhor jogador de todos os tempos, com uma pontuação de 2889, que não está competindo, e de Kasparov, que chegou a ter 2857. Mas não descarto Ian Nepomniachtchi, conhecido como Nepo, que por duas vezes foi desafiante ao título e perdeu. Atualmente temos uma grande geração de jogadores oriundos da Índia, e o jovem de 18 anos, Praggnanandhaa R, além de Vidit Gujrathi, que tem 29, são fantásticos. Mas Gukesh, com apenas 17 anos, talvez seja o grande destaque. A pontuação dos três estaria na casa dos 2752 (Praggnanandhaa), 2748 (Gukesh) e 2729 (Vidit). Passada metade dos jogos, Nepo lidera com 4,5 pontos, seguido de Gukesh, Praggnanandhaa e Caruana, todos com 4 pontos. Ou seja, ainda haverá muita disputa. Somente Nepo e Caruana estão invictos. Quem vencer irá disputar o título contra o chinês Liren Ding, que possui atualmente a sexta pontuação do mundo.

E a contabilidade? Clique aqui

A Bolha da IA

 

Definitivamente, a IA é uma bolha, afirma Cory Doctorow. Existem bolhas que deixam um legado, como a bolha da WorldCom, que deixou uma grande quantidade de fibra óptica disponível. No entanto, há bolhas construídas sob fraude, como foi o caso da Enron. A inteligência artificial promete substituir motoristas por carros autônomos, mas parece que o processo não está avançando como esperado. Há também o uso intensivo de IA em contabilidade, ameaçando milhões de empregos pelo mundo e despertando o medo entre os profissionais.

Segundo Doctorow, os projetos de IA são caros, com um alto custo fixo inicial, que inclui a coleta e o treinamento de dados. Contudo, quando os investidores perceberem que não haverá retorno suficiente, a bolha irá estourar. Em muitos casos, observa-se que a mão de obra barata está sendo substituída por técnicos de TI especializados, trazendo resultados questionáveis.

Como a contabilidade avaliará esses investimentos quando ocorrer o estouro da bolha da IA? Será necessário retornar aos conceitos de liquidação e descontinuidade.

Rir é o melhor remédio

Muito bom. Já vi muito isso. 
 

Recuo da SEC nas regras climáticas

A Comissão de Valores Mobiliários dos Estados Unidos emitiu normas exigindo que as empresas divulguem seus riscos climáticos. Mas as críticos dos estados governados pelos republicanos e grupos de pressão das empresas mudaram um pouco o espírito ambiental da agência. 

E diante das críticas, a SEC decidiu suspender no dia 4 de abril. O motivo foi o risco legal, conforme o site DealBook. 

Mais de 30 partes estão contestando as novas regras, que exigem maior transparência sobre os riscos climáticos enfrentados pelas empresas. (...) um grupo de procuradores-gerais estaduais republicanos processou a agência, argumentando que ela havia extrapolado sua autoridade e que as empresas já divulgavam dados suficientes sobre os riscos climáticos aos investidores. 

A S.E.C. diz que não está recuando. "Ao emitir uma suspensão, a comissão não está se afastando de sua visão de que as regras finais são consistentes com a lei aplicável e dentro da autoridade de longa data da comissão", escreveu a agência em sua ordem. Ela acrescentou que "continuará defendendo vigorosamente a validade das regras finais no tribunal".

Enquanto isso, as empresas já enfrentam exigências mais rigorosas de divulgação climática na União Europeia e na Califórnia. Exigências semelhantes estão pendentes em Nova York e Illinois.

Crise na aposentadoria

Larry Fink é uma das pessoas mais influentes no mundo dos negócios. Como chefe da empresa de gestão de investimento BlackRock, Fink foi um dos primeiros defensores da abordagem ESG. Na sua recente carta aos investidores, Fink chamou a atenção para um novo tema: a crise global da aposentadoria. 

Para Fink, a aposentadoria precisa mudar, já que muitos países chegarão a um ponto crítico de envelhecimento nas próximas duas décadas. E as pessoas não estão economizando o suficiente para quando parar de trabalhar. 

Depois de comandar investimentos verdes, Fink parece estar mais realista agora. Para ele a transição para economia verde era inevitável, mas parou de usar o termo ESG por questão política. 

Fonte: newsletter NYT

Ainda PwC Austrália

No ano passado, a imprensa australiana descobriu que a PwC foi contratada para ajudar o governo do país a elaborar uma reforma tributária. O problema é que a PwC resolveu aproveitar a situação e começou a vender consultoria sobre o assunto, inclusive instruindo clientes sobre brechas potenciais na lei, até mesmo para empresas internacionais.

O caso do vazamento ainda está sob investigação. No início de abril, um grupo bipartidário de senadores divulgou que a PwC Internacional está recusando-se a divulgar informações sobre os aspectos internacionais do escândalo. Haveria "seis parceiros sujos" que se beneficiaram da informação. Os senadores divulgaram um relatório onde há conclusões condenatórias para a PwC da Austrália e a PwC Internacional. Segundo a newsletter da AFR:

Sobre a PwC Austrália: O comitê disse que a empresa forneceu informações “no melhor dos casos, vagas” sobre quais parceiros atuais e anteriores eram “responsáveis pelo mau uso de informações confidenciais do governo”. A empresa também falhou em fornecer evidências suficientes para provar que havia reformado sua “estrutura, práticas e cultura” após o escândalo dos vazamentos de impostos.

Sobre a PwC Internacional: “[A PwC Internacional] continua a usar o privilégio legal profissional como razão para não fornecer o relatório Linklaters ao comitê. Neste aspecto, o comitê lembra a PwC [Internacional] que a PwC [Austrália] consistentemente se escondeu atrás da aplicação incorreta de milhares de reivindicações de privilégio legal profissional para impedir que a ATO acessasse evidências potencialmente incriminadoras.”

O relatório concluiu: “A falha da PwC em ser completamente aberta e honesta conforme as recomendações do comitê em seu primeiro relatório reflete a falha da PwC em mudar genuinamente. O comitê não vê como a PwC pode recuperar [sua] reputação enquanto continua a encobrir porque os dois são incompatíveis. De fato, a encoberta agrava o crime.”

Imagem: ChatGPT

Rir é o melhor remédio

 

Tudo, menos fluxo de caixa

Sobre a rede social de Trump: 

(...) E talvez ele terá uma questão de exame final — na verdade, uma questão de quiz da primeira semana — como: "Donald Trump tem uma empresa de capital aberto com o símbolo de ação DJT (suas iniciais), ele possui mais da metade das ações, seu modelo de negócio é 'lutar contra as grandes empresas de tecnologia ... que ele acredita que conspiram para restringir o debate na América e censurar vozes que contradizem sua ideologia woke', e no último ano teve um prejuízo líquido de $58,2 milhões em uma receita de $4,1 milhões. Quanto vale essa empresa?" E se você escrever "bem, a Meta Platforms Inc. negocia por cerca de 9,3 vezes as receitas, então talvez $40 milhões?" você vai errar.

(...) Mas parece — como uma questão empírica, mas também apenas intuitivamente — que muitas pessoas gostariam de comprar ações de um token eletrônico chamado "DJT" que representa sua afeição por Donald Trump, que os marca como membros de um clube de apoio a Donald Trump, e que na verdade enriquece o próprio Trump e o apoia em seus empreendimentos. E assim, eles poderiam pagar dinheiro por esse token. E os fluxos de caixa simplesmente não entram nisso em absoluto.

Fonte: Bloomberg. Imagem ChatGPT

Análise Multivariada e Contabilidade

A Análise Multivariada (AMV) representa uma extensão dos métodos estatísticos univariados e bivariados, permitindo investigar simultaneamente a relação entre múltiplas variáveis. Trata-se de um conjunto de técnicas muito usada em quase todos os campos científicos, especialmente quando existem eventos que são influenciados por várias variáveis conectadas.

Sua importância decorre da capacidade de controlar o efeito de múltiplas variáveis ao mesmo tempo, permitindo uma compreensão mais precisa dos dados. Por isso, pode ser útil para identificar padrões, tendências e associações que não conseguimos usando as variáveis de forma separada ou através da mera observação dos dados. Uma potencial aplicação é no processo preditivo.

Para a contabilidade, a AMV pode ser uma ferramenta muito útil para diferentes aplicações em diferentes campos da contabilidade. Usando as técnicas, podemos ter instrumentos poderosos para analisar a saúde financeira de uma empresa através do estudo integrado de índices. Outro campo onde a AMV pode ser usada é na detecção de fraudes, analisando padrões e ajudando a identificar transações que desviam do padrão usual. Na análise de risco, podemos verificar o impacto de fatos no risco. Na contabilidade gerencial, as técnicas podem ser úteis em diferentes situações.

Um levantamento que fiz em mais de 30 obras que abordam o tema, sob diferentes perspectivas, permitiu listar as cinco técnicas mais populares de AMV. Na ordem:

1. Regressão – esta é uma técnica presente em qualquer obra sobre o assunto. Em muitos cursos, os professores dedicam um grande foco de atenção a este assunto, e realmente seu conhecimento é importante para um profissional contábil que deseja ter uma visão mais sofisticada de diversos temas. Um exemplo onde a regressão pode ser usada na contabilidade é na contabilidade de custos, onde o custo de uma empresa pode ser dividido em uma parcela fixa, que seria a constante do resultado obtido na regressão, uma parcela que varia conforme o volume de atividade da empresa, o chamado custo variável por atividade, além do custo por lote de produção, custo decorrente da diversidade do produto, custo de parada, entre outros.

2. Regressão Logística – esta poderia ser usada quando trabalhamos com as chances de ocorrência de um evento onde o resultado esperado é do tipo categórico. Um exemplo é estimar a chance de falência de uma empresa a partir dos índices de análise, como liquidez ou endividamento. A logística pode criar uma expressão onde os índices são usados, sendo possível tomar uma decisão baseada na probabilidade. Este é um método um pouco mais sofisticado, mas tem se tornado popular com os softwares estatísticos e a atratividade em termos de restrição de uso.

3. Análise de Cluster ou de Agrupamento – a ideia da análise é verificar se um conjunto de elementos pode ser dividido em grupos em razão de sua semelhança. Estamos classificando um conjunto de hospitais com base na sua receita, tipo de atendimento, taxa de leitos, entre outras medidas. A análise de cluster agrupa os hospitais de maneira mais precisa, onde os hospitais com características semelhantes estarão no mesmo grupo. Essa é uma técnica que pode ser usada quando não sabemos muito sobre o objeto de estudo, facilitando as comparações e análises que possam ser feitas.

4. Análise Discriminante – A análise discriminante é uma velha conhecida na literatura contábil na construção de índices de solvência. Os índices de Altman e de Kanitz foram construídos com base nessa técnica. Veja, a análise é muito parecida com a logística: queremos distinguir dois ou mais grupos (solvente e insolvente, por exemplo) com base em características (os índices de balanço). Confesso que fiquei surpreso ao verificar que a análise ainda é estudada na literatura de AMV, pois achava que a mesma já tinha sido substituída pela logística.

5. Análise de Componentes Principais – Essa técnica procura reduzir um grande conjunto de dados em algumas poucas informações. Se fiz um questionário com 30 perguntas e não sei como analisar, a PCA, como é chamada, pode ser útil ao reduzir em um menor número de componentes. Se o analista der sorte, dos 30 itens talvez somente dois ou três realmente importam. E isso ajuda muito no processo de análise e compreensão do que está ocorrendo. Há uma grande controvérsia na literatura sobre a diferença da PCA com a análise fatorial, que também é bastante estudada.

Além destas técnicas, outras aparecem na literatura e podem ser úteis para o contador: análise de variância, análise fatorial (exploratória e confirmatória), correlação canônica, equação estrutural, escalonamento multidimensional, correspondência, árvore de decisão, entre outras. Boa diversão.

(Imagem criada pelo Chatgpt a partir do texto acima)