Instituto Pensar - Intelig√™ncia Artificial ¬Ė Usos nos sistemas produtivos e impactos sobre o mundo do trabalho

Intelig√™ncia Artificial ¬Ė Usos nos sistemas produtivos e impactos sobre o mundo do trabalho

Fernando Alcoforado*

Abstract- This essay aims to present the scientific and technological advances of artificial, their uses in productive systems and their impacts on the world of work.
Resumo- Este ensaio tem objetivo apresentar os avanços científicos e tecnológicos da inteligência artificial, os seus usos nos sistema produtivos e seus impactos sobre o mundo do trabalho.
Keywords- Artificial intelligence. Artificial intelligence and productive systems. Artificial intelligence and the world of work.
Palavras-chave- Inteligência artificial. Inteligência artificial e sistemas produtivos. Inteligência artificial e mundo do trabalho.

1. Introdução

H√° muitas defini√ß√Ķes de intelig√™ncia artificial, mas muitas delas est√£o fortemente com o conceito de criar programas de computador ou m√°quinas capazes de se de forma inteligente como os seres humanos. Intelig√™ncia artificial (AI) √© a capacidade de um computador digital ou um rob√ī controlado por computador para executar tarefas comumente associadas a seres inteligentes. O termo √© frequentemente aplicado ao projeto de desenvolvimento de sistemas dotados dos processos intelectuais caracter√≠sticos dos humanos, como a capacidade de raciocinar, descobrir o significado, generalizar ou aprender com a experi√™ncia passada.

O que √© Intelig√™ncia? Os psic√≥logos geralmente n√£o caracterizam a intelig√™ncia humana apenas por uma caracter√≠stica, mas pela combina√ß√£o de habilidades diversas. A pesquisa em AI concentrou-se principalmente nos seguintes componentes da intelig√™ncia: aprendizagemracioc√≠nioresolu√ß√£o de problemaspercep√ß√£o e uso da linguagemQuanto √† aprendizagem, existem v√°rias formas diferentes aplicadas √† intelig√™ncia artificial. O mais simples √© aprender por tentativa e erro. Por exemplo, um programa de computador simples para resolver problemas de jogo de xadrez. O programa pode armazenar as solu√ß√Ķes com a posi√ß√£o de uma das pe√ßas do xadrez, de modo que da pr√≥xima vez que o computador encontrar a mesma posi√ß√£o da mesma pe√ßa, ele lembraria as solu√ß√Ķes adotadas. Esta simples memoriza√ß√£o de itens e procedimentos individuais ¬Ė conhecida como "rote learning¬Ē ¬Ė √© relativamente f√°cil de executar em um computador. Mais desafiante √© o problema de executar o que se chama generaliza√ß√£o que est√° sendo enfrentado. A generaliza√ß√£o envolve a aplica√ß√£o da experi√™ncia passada a situa√ß√Ķes novas an√°logas.

Racioc√≠nio √© a capacidade de extrair infer√™ncias adequadas √† situa√ß√£o. As infer√™ncias s√£o classificadas como dedutivas ou indutivas. Um exemplo de infer√™ncia dedutiva √© o caso de acidentes anteriores que foram causados por falha em um componente de uma m√°quina do qual se deduz que o acidente foi causado pela falha deste componente. Na infer√™ncia dedutiva, a verdade das premissas garante a verdade da conclus√£o, enquanto que no caso indutivo a verdade da premissa presta apoio √† conclus√£o sem dar uma garantia absoluta. O racioc√≠nio indutivo √© comum na ci√™ncia, onde os dados s√£o coletados e os modelos tentativos s√£o desenvolvidos para descrever e prever o comportamento futuro at√© que o aparecimento de dados an√īmalos for√ße o modelo a ser revisado. O racioc√≠nio dedutivo √© comum em matem√°tica e l√≥gica, onde estruturas elaboradas de teoremas irrefut√°veis s√£o constru√≠das a partir de um pequeno conjunto de axiomas e regras b√°sicas.

resolu√ß√£o de problemas, particularmente na intelig√™ncia artificial, pode ser caracterizada como uma busca sistem√°tica atrav√©s de uma s√©rie de poss√≠veis a√ß√Ķes para alcan√ßar algum objetivo ou solu√ß√£o predefinida. Os m√©todos de resolu√ß√£o de problemas dividem-se em fins especiais e de prop√≥sito geral. Um m√©todo de prop√≥sito especial √© feito sob medida para um problema espec√≠fico e, muitas vezes, explora caracter√≠sticas muito espec√≠ficas da situa√ß√£o em que o problema est√° embutido. Em contrapartida, um m√©todo de prop√≥sito geral √© aplic√°vel a uma grande variedade de problemas. Uma t√©cnica de uso geral usada em AI √© an√°lise passo-a-passo ou incremental da diferen√ßa entre o estado atual e o objetivo final. O programa seleciona a√ß√Ķes de uma lista de meios ¬Ė no caso de um rob√ī simples at√© atingir o objetivo.

Na percep√ß√£o, o ambiente √© escaneado por meio de v√°rios √≥rg√£os sensoriais, reais ou artificiais, e a cena √© decomposta em objetos separados em v√°rias rela√ß√Ķes espaciais. A percep√ß√£o √© complicada porque o objeto pode parecer diferente dependendo do √Ęngulo a partir do qual √© visto, da dire√ß√£o e da intensidade da ilumina√ß√£o na cena e o objeto contrasta com o campo circundante. Atualmente, a percep√ß√£o artificial √© suficientemente avan√ßada para permitir que sensores √≥pticos identifiquem indiv√≠duos, ve√≠culos aut√īnomos, isto √©, sem motorista, dirijam a velocidades moderadas na estrada aberta e rob√īs percorram edif√≠cios coletando latas de refrigerante vazias. Um dos primeiros sistemas para integrar a percep√ß√£o e a a√ß√£o foi o FREDDY, um rob√ī estacion√°rio com um olho de televis√£o em movimento e uma m√£o de pin√ßa, constru√≠da na Universidade de Edimburgo, na Esc√≥cia, durante o per√≠odo 1966-73. FREDDY foi capaz de reconhecer uma variedade de objetos e poderia ser instru√≠do a montar artefatos simples, como um carro de brinquedo, de uma pilha aleat√≥ria de componentes.

Com rela√ß√£o ao uso da linguagem, √© importante observar que uma linguagem √© um sistema de sinais com significado por conven√ß√£o. Nesse sentido, o idioma n√£o precisa ser confinado √† palavra falada. Os sinais de tr√Ęnsito, por exemplo, formam uma minil√≠ngua, sendo uma quest√£o de conven√ß√£o que s√≠mbolo de perigo significa "perigo √† frente¬Ē em alguns pa√≠ses. Uma caracter√≠stica importante das linguagens humanas com a percep√ß√£o dos sinais de tr√Ęnsito √© complicada pelo fato de que um objeto pode parecer diferente dependendo do √Ęngulo. Uma linguagem produtiva pode formular uma variedade ilimitada de frases. √Č relativamente f√°cil escrever programas de computador que parecem capazes, em contextos severamente restritos, responder com flu√™ncia em linguagem humana a perguntas e declara√ß√Ķes. Embora nenhum desses programas realmente entenda a linguagem, eles podem, em princ√≠pio, chegar ao ponto em que seu dom√≠nio de uma linguagem √© indistingu√≠vel daquele de um ser humano normal.

Desde o desenvolvimento do computador digital na d√©cada de 1940, foi demonstrado que os computadores podem ser programados para realizar tarefas muito complexas ¬Ė como, por exemplo, descobrir provas para teoremas matem√°ticos ou jogar xadrez ¬Ė com grande profici√™ncia. Ainda assim, apesar dos progressos cont√≠nuos na velocidade e na capacidade de mem√≥ria do processamento de computadores, ainda n√£o existem programas que possam combinar a flexibilidade humana em dom√≠nios mais amplos ou em tarefas que exigem muito conhecimento di√°rio. Por outro lado, alguns programas alcan√ßaram os n√≠veis de desempenho de especialistas e profissionais humanos na realiza√ß√£o de certas tarefas espec√≠ficas, de modo que a intelig√™ncia artificial neste sentido limitado √© encontrada em aplica√ß√Ķes t√£o diversas como, por exemplo, diagn√≥stico m√©dico e reconhecimento de voz.

O aprendizado de m√°quina (machine learning) √© um campo de ci√™ncia da computa√ß√£o que d√° aos computadores a capacidade de aprender sem serem explicitamente programados. Arthur Samuel, um pioneiro norte-americano no campo de jogos de computador e intelig√™ncia artificial, cunhou o termo "aprendizado de m√°quinas¬Ē em 1959, quando trabalhava na IBM. Evolu√≠do a partir do estudo do reconhecimento de padr√Ķes e da teoria da aprendizagem computacional na intelig√™ncia artificial, o aprendizado de m√°quina explora o estudo e a constru√ß√£o de algoritmos que podem aprender e fazer previs√Ķes sobre os dados. Esses algoritmos seguem instru√ß√Ķes estritamente est√°ticas do programa fazendo previs√Ķes ou decis√Ķes baseadas em dados, atrav√©s da constru√ß√£o de um modelo a partir de entradas de amostra.

O aprendizado de m√°quina √© empregado em uma variedade de tarefas de computa√ß√£o como a filtragem de e-mail, detec√ß√£o de intrusos de rede ou iniciantes mal-intencionados que trabalham para uma viola√ß√£o de dados, reconhecimento √≥ptico de caracteres aprendendo a classifica√ß√£o e vis√£o por computador. O aprendizado de m√°quina est√° intimamente relacionado com as estat√≠sticas computacionais (e muitas vezes se sobrep√Ķem), que tamb√©m se concentra na cria√ß√£o de previs√£o atrav√©s do uso de computadores. Tem fortes la√ßos com a otimiza√ß√£o matem√°tica, que fornece m√©todos, teoria e dom√≠nios de aplica√ß√£o ao campo. Na an√°lise de dados, o aprendizado de m√°quina √© um m√©todo usado para conceber modelos e algoritmos complexos que se prestam √† predi√ß√£o. Em uso comercial, isso √© conhecido como an√°lise preditiva. Esses modelos anal√≠ticos permitem que pesquisadores, cientistas de dados, engenheiros e analistas "produzam decis√Ķes e resultados confi√°veis e repet√≠veis¬Ē e descobrem "insights ocultos¬Ē atrav√©s da aprendizagem de relacionamentos hist√≥ricos e tend√™ncias nos dados.

Em 1950, o cientista da computa√ß√£o brit√Ęnico Alan Turing j√° especulava sobre o surgimento de m√°quinas pensantes (thinking machines) em sua obra "Computing Machinery and Intelligence¬Ē, e o termo "intelig√™ncia artificial¬Ē foi cunhado, em 1956, pelo cientista John McCarthy. Ap√≥s alguns avan√ßos significativos nos anos 1950 e 1960, quando foram criados laborat√≥rios de intelig√™ncia artificial em Stanford e no Instituto de Tecnologia de Massachussets (MIT, na sigla em ingl√™s), ficou claro que a tarefa de criar uma m√°quina assim seria mais dif√≠cil do que se pensava. Veio ent√£o o chamado "inverno da intelig√™ncia artificial¬Ē, um per√≠odo sem grandes descobertas nesta √°rea e com uma forte redu√ß√£o no financiamento de suas pesquisas.

Na d√©cada de 1990, a comunidade dedicada √† intelig√™ncia artificial deixou de lado uma abordagem baseada na l√≥gica, que envolvia criar regras para orientar um computador como agir, com a ado√ß√£o de uma abordagem estat√≠stica, usando bases de dados e pedindo para a m√°quina analis√°-los e resolver problemas por conta pr√≥pria. Especialistas acreditam que a intelig√™ncia das m√°quinas se equiparar√° √† de humanos at√© 2050, gra√ßas a uma nova era na sua capacidade de aprendizado. Computadores j√° est√£o come√ßando a assimilar informa√ß√Ķes a partir de dados coletados, da mesma forma que crian√ßas aprendem com o mundo ao seu redor. Isso significa que estamos criando m√°quinas que podem ensinar a si mesmas a participar de jogos de computador ¬Ė e ser muito boas neles ¬Ė e tamb√©m a se comunicar simulando a fala humana, como acontece com os smartphones e seus sistemas de assistentes virtuais.

2. O uso da inteligência artificial em sistemas produtivos

A intelig√™ncia artificial j√° est√° sendo bastante utilizada em sistemas produtivos. A Intelig√™ncia Artificial pode substituir o ser humano nas atividades de produ√ß√£o e, tamb√©m, pode aumentar ao m√°ximo a sua produtividade. Segundo dados expostos pela Accenture em uma de suas pesquisas, at√© 2035, a IA contribuir√° para um aumento de at√© 40% da produtividade do setor industrial, diminuindo custos e aumentando a produ√ß√£o de manufaturas ao redor do globo. O panorama atual dos sistemas de IA permite que eles entendam todo o processo produtivo e de neg√≥cios e identifiquem, de forma autom√°tica, quais s√£o os principais problemas que devem ser resolvidos. Uma rede neural de um sistema de IA √© capaz de analisar mais de um bilh√£o de dados em poucos segundos, sendo uma ferramenta incr√≠vel para apoiar um tomador de decis√Ķes dentro de uma empresa, garantindo, assim, a melhor op√ß√£o dentre as poss√≠veis. Como os dados coletados s√£o constantemente atualizados, os sistemas de IA sempre atualizam, tamb√©m, seus resultados, viabilizando que os gestores tenham acesso a informa√ß√Ķes recentes de varia√ß√Ķes ocorridas no mercado de atua√ß√£o da empresa. Entre os benef√≠cios da IA para os sistemas produtivos est√£o:

Confiabilidade das decis√Ķes: a automatiza√ß√£o e disponibilidade de dados permitem tomadas de decis√£o conscientes, com confian√ßa de que ser√£o as melhores alternativas sempre.

Insights: al√©m de buscar por informa√ß√Ķes em determinados momentos, analisar os dados apresentados pela IA tamb√©m pode gerar oportunidades de neg√≥cios que n√£o teriam sido visualizadas de outra forma.

Seguran√ßa: manter sistemas de IA dentro da empresa ajuda a evitar erros e vazamentos de dados por parte de colaboradores, uma vez que seu contato com as informa√ß√Ķes diminui consideravelmente e v√°rios processos passam a ser realizados pelo sistema.

S√£o v√°rios os exemplos de aplica√ß√£o de IA no setor empresarial com o objetivo de auxiliar e melhorar a produtividade. Veja alguns exemplos de como a Intelig√™ncia Artificial vem sendo utilizada:

Assistentes virtuais
Temos v√°rios exemplos de assistentes virtuais que se utilizam de tecnologias como reconhecimento de voz para captar e entender as demandas de seus usu√°rios e processar comandos. Mesmo que essa tecnologia ainda n√£o tenha garantido um lugar cativo dentro dos escrit√≥rios, j√° √© poss√≠vel utilizar as assistentes virtuais para diversas atividades, o que facilita a vida dos colaboradores e melhora a sua produtividade. Por exemplo, esses sistemas j√° s√£o capazes de marcar reuni√Ķes, administrar agendas, realizar pesquisas, dentre outras atividades, todas coordenadas por comandos de voz, facilitando a vida dos colaboradores de uma empresa. Os principais players do mercado atualmente s√£o a Amazon, com a sua solu√ß√£o Alexa, a Microsoft com a assistente Cortana, a Apple com a famosa Siri e o Google Assistente, da gigante das buscas.

Previs√£o de demanda
A IA e o aprendizado de m√°quina permitem que suas solu√ß√Ķes prevejam demandas do mercado por meio de modelos matem√°ticos complexos, o que √© uma √≥tima maneira de estar um passo √† frente da concorr√™ncia. Uma vez que os sistemas de IA identificam uma oportunidade futura de neg√≥cios, eles podem repassar essa informa√ß√£o ao tomador de decis√£o, que decide qual atitude ir√° tomar diante da previs√£o.

Identificação de ameaças
A seguran√ßa da informa√ß√£o dentro de uma empresa √© fundamental para garantir a continuidade dos neg√≥cios e, consequentemente, a sua produtividade. A IA pode ser utilizada para realizar levantamentos constantes da infraestrutura da empresa e garantir a sua prote√ß√£o. Al√©m disso, solu√ß√Ķes de intelig√™ncia artificial podem realizar a manuten√ß√£o preventiva de diversos sistemas, evitando, assim, que eles fiquem desatualizados ou apresentem lentid√£o, o que pode acabar afetando os processos da empresa.

Verificar a satisfação de colaboradores
A alta rotatividade de funcion√°rios pode acabar se tornando um problema para a produtividade, pois se perde tempo com treinamentos, sendo que o colaborador perde o interesse ou busca outras oportunidades pouco tempo depois. Solu√ß√Ķes de IA podem acompanhar os colaboradores, analisando seus dados e identificando insatisfa√ß√Ķes, dessa forma, auxiliando o RH a tomar as medidas necess√°rias para manter o profissional satisfeito e produtivo.

O investimento em tecnologias que utilizem a IA para aumentar a produtividade empresarial tendem a aumentar gradativamente. As empresas poder√£o lan√ßar m√£o de diversas estrat√©gias para se manterem competitivas no mercado. Por√©m, √© preciso que desde j√° exista um investimento em transforma√ß√£o digital e processos cada vez mais enxutos para se aproveitar dessa evolu√ß√£o. Organiza√ß√Ķes que deixam de realizar essa adapta√ß√£o podem estar selando o seu destino ao fracasso, uma vez que n√£o poder√£o mais acompanhar o ritmo fren√©tico da evolu√ß√£o das tecnologias.

3. Os impactos da inteligência artificial sobre o mundo do trabalho

BRYNJOLFSSON e McAFEEE afirmam, no livro The Second Machine Age (A segunda era da m√°quina), que a combina√ß√£o do poder de computa√ß√£o maci√ßo com redes abrangentes, aprendizado de m√°quinas, mapeamento digital e a "Internet das coisas¬Ē est√£o produzindo uma revolu√ß√£o industrial completa, na mesma escala que as transforma√ß√Ķes causadas pela energia a vapor e a eletricidade. A consultoria Boston Consulting Group prev√™ que, em 2025, at√© um quarto dos empregos seja substitu√≠do por softwares ou rob√īs, enquanto que um estudo da Universidade de Oxford, no Reino Unido, aponta que 35% dos atuais empregos no pa√≠s correm o risco de serem automatizados nas pr√≥ximas duas d√©cadas (BRYNJOLFSSON e McAFEEE, 2016).

Martin Ford afirma que em nossa economia e sociedade, as m√°quinas est√£o gradualmente passando por uma transi√ß√£o fundamental: elas se desenvolvem al√©m do seu hist√≥rico papel como ferramenta e, em muitos casos, se tornando "trabalhadores aut√īnomos¬Ē (FORD, 2015). Se aceitarmos a ideia de que √© irrealista barrar a automa√ß√£o e que mais investimento em educa√ß√£o e treinamento seja improv√°vel de resolver o problema do desemprego, Ford considera que a solu√ß√£o mais eficaz consiste na ado√ß√£o de uma pol√≠tica de garantia de renda para os trabalhadores. Esta ideia n√£o √© nova. Friedrich August von Hayek, economista e fil√≥sofo austr√≠aco, posteriormente naturalizado brit√Ęnico, considerado um dos maiores representantes da Escola Austr√≠aca de pensamento econ√īmico, foi o proponente desta ideia quando publicou entre 1973 e 1979 sua obra Law, Legislation and Liberty (Routledge, 1988).

Al√©m da necessidade de prover uma renda b√°sica l√≠quida para os trabalhadores desempregados, Ford (2015) afirma que h√° um poderoso argumento para a ado√ß√£o da pol√≠tica de garantia de renda porque o avan√ßo tecnol√≥gico, al√©m de promover o desemprego em massa e vertiginosa desigualdade social, amea√ßa o pr√≥prio capitalismo com a perspectiva de queda vertiginosa do consumo. Como o mercado de trabalho continua a erodir e os sal√°rios estagnam ou caem, o mecanismo que assegura o poder de compra dos consumidores come√ßa a quebrar e a demanda por produtos e servi√ßos diminui, em consequ√™ncia. Diante deste fato, a pol√≠tica de garantia de renda proporcionaria as condi√ß√Ķes para os trabalhadores desempregados consumirem. Competiria aos governos dos pa√≠ses do mundo cobrarem imposto das empresas de alta tecnologia para assegurarem a ado√ß√£o da pol√≠tica de garantia de renda √† popula√ß√£o desempregada. O Programa de Transfer√™ncia de Renda atrav√©s do qual o Estado proporcionaria renda √†s pessoas desempregadas seria complementada pela ado√ß√£o da Economia Criativa e da Economia Social e Solid√°ria como solu√ß√£o para combater o desemprego em massa resultante do avan√ßo tecnol√≥gico.

O termo "Economia Criativa¬Ē se refere a atividades com potencial socioecon√īmico que lidam com criatividade, conhecimento e informa√ß√£o e seriam menos afetadas pelo avan√ßo da intelig√™ncia artificial. Para entend√™-la, √© preciso ter em mente que empresas deste segmento combinam a cria√ß√£o, produ√ß√£o e a comercializa√ß√£o de bens criativos de natureza cultural e de inova√ß√£o como Moda, Arte, M√≠dia Digital, Publicidade, Jornalismo, Fotografia e Arquitetura. Em comum, empresas da √°rea dependem do talento e da criatividade para efetivamente existirem. Elas est√£o distribu√≠das em 13 diferentes √°reas: 1) arquitetura; 2) publicidade; 3) design; 4) artes e antiguidades; 5) artesanato; 6) moda; 7) cinema e v√≠deo; 8) televis√£o; 9) editora√ß√£o e publica√ß√Ķes; 10) artes c√™nicas; 11) r√°dio; 12) softwares de lazer; e, 13) m√ļsica. √Č importante dizer que, por focar em criatividade, imagina√ß√£o e inova√ß√£o como sua principal caracter√≠stica, a economia criativa n√£o se restringe apenas a produtos, servi√ßos ou tecnologias. Ela engloba tamb√©m processos, modelos de neg√≥cios, modelos de gest√£o, entre outros (DESCOLA, 2016).

A Economia Social e Solid√°ria √© um novo modelo de desenvolvimento econ√īmico, social, pol√≠tico e ambiental que tem uma forma diferente de gerar trabalho e renda, em diversos setores, seja nos bancos comunit√°rios, nas cooperativas de cr√©dito, nas cooperativas da agricultura familiar, na quest√£o do com√©rcio justo, nos clubes de troca, etc. A Economia Social e Solid√°ria constitui uma nova forma de organiza√ß√£o do trabalho e das atividades econ√īmicas em geral emergindo como uma importante alternativa para a inclus√£o de trabalhadores no mercado de trabalho, dando uma nova oportunidade aos mesmos, atrav√©s da autogest√£o. Com base na Economia Social e Solid√°ria, existe a possibilidade de recuperar empresas de massa falida, e dar continuidade √†s mesmas, com um novo modo de produ√ß√£o, em que a maximiza√ß√£o do lucro deixa de ser o principal objetivo, dando lugar √† maximiza√ß√£o da quantidade e da qualidade do trabalho (LACROIX e SLITINE, 2016).

4. Referências

AGRAWAL, Ajay; GANS, Joshua e GOLDFARB, Avi. Prediction Machines. Boston: Business Review Press, 2018.

BRYNJOLFSSON, Erik e McAFEEE, Andrew. The second machine age. New York: paperback, 2016.

DESCOLA. A economia criativa no mundo moderno. Dispon√≠vel no website <https://descola.org/drops/a-economia-criativa-no-mundo-moderno/>, 2016.

DORMEHL, Luke. Thinking Machines. New York: Tarcher Perigee Book, 2017.

FORD, Martin Rise of the Robots. New York: Basic Books, 2016.

GANASCIA, Jean-Gabriel. Le mythe de la Singularit√©. Paris: √Čditions du Seuil, 2017.

VON HAYEK, Friedrich August. Law, Legislation and Liberty. Abingdon: Routledge, 1988.

KAPLAN, Jerry. Artificial Intelligence. New York: Oxford University Press, 2016.

LACROIX, G√©raldine e SLITINE, Romain. L ́√©conomie sociale et solidaire. Paris: Presses Universitaires de France, 2016.

* Fernando Alcoforado, 79, condecorado com a Medalha do M√©rito da Engenharia do Sistema CONFEA/CREA, membro da Academia Baiana de Educa√ß√£o, engenheiro e doutor em Planejamento Territorial e Desenvolvimento Regional pela Universidade de Barcelona, professor universit√°rio e consultor nas √°reas de planejamento estrat√©gico, planejamento empresarial, planejamento regional e planejamento de sistemas energ√©ticos, √© autor dos livros Globaliza√ß√£o (Editora Nobel, S√£o Paulo, 1997), De Collor a FHC- O Brasil e a Nova (Des)ordem Mundial (Editora Nobel, S√£o Paulo, 1998), Um Projeto para o Brasil (Editora Nobel, S√£o Paulo, 2000), Os condicionantes do desenvolvimento do Estado da Bahia (Tese de doutorado. Universidade de Barcelona,http://www.tesisenred.net/handle/10803/1944, 2003), Globaliza√ß√£o e Desenvolvimento (Editora Nobel, S√£o Paulo, 2006), Bahia- Desenvolvimento do S√©culo XVI ao S√©culo XX e Objetivos Estrat√©gicos na Era Contempor√Ęnea (EGBA, Salvador, 2008), The Necessary Conditions of the Economic and Social Development- The Case of the State of Bahia (VDM Verlag Dr. M√ľller Aktiengesellschaft & Co. KG, Saarbr√ľcken, Germany, 2010), Aquecimento Global e Cat√°strofe Planet√°ria (Viena- Editora e Gr√°fica, Santa Cruz do Rio Pardo, S√£o Paulo, 2010), Amaz√īnia Sustent√°vel- Para o progresso do Brasil e combate ao aquecimento global (Viena- Editora e Gr√°fica, Santa Cruz do Rio Pardo, S√£o Paulo, 2011), Os Fatores Condicionantes do Desenvolvimento Econ√īmico e Social (Editora CRV, Curitiba, 2012), Energia no Mundo e no Brasil- Energia e Mudan√ßa Clim√°tica Catastr√≥fica no S√©culo XXI (Editora CRV, Curitiba, 2015), As Grandes Revolu√ß√Ķes Cient√≠ficas, Econ√īmicas e Sociais que Mudaram o Mundo (Editora CRV, Curitiba, 2016), A Inven√ß√£o de um novo Brasil (Editora CRV, Curitiba, 2017), Esquerda x Direita e a sua converg√™ncia (Associa√ß√£o Baiana de Imprensa, Salvador, 2018, em co-autoria) e Como inventar o futuro para mudar o mundo (Editora CRV, Curitiba, 2019).



0 Coment√°rio:


Nome: Em:
Mensagem: