2
respostas

Decisão e repetição

Eu penso nisso na programação de um carro autonômo. Qual decisão tomar na hora de evitar um acidante, na hora de atravessar um semáfaro.
Eu já tive uma conversa sobre isso tentando explicar para um colega, talvez o que eu vou dizer não faça muito sentindo com a aula. mas vou deixar aqui para ter a opnião dos colegas e professores.

"Um carro autônomo chega em momento de decisão (fluxograma) e precisa tomar uma decisão em que este carro entra em uma rua bem apertada com uma velocidade relativamente alta, só que bem mais a frente o carro detecta duas pessoas atravessando a rua, após cálculos é inevitavél parar sem atingir uma das pessoas, uma senhora de 85 anos com uma bengala e um criança de 7 anos correndo atrás da bola, ambas vem de lados opostos. O carro precisa decidir se vai para a direita ou esquerda, só que, esta decisão acaba atigindo umas das pessoas ditada anteriomente, pois o carro não consegue parar a tempo e precisar se desviar de uma delas.
A pergunta é: O carro tem segundos para decidir se atropela a senhora que já viveu 85 anos e já viveu muitas coisas e talvez tenha mais anos pela frente, ou a criança que ainda tenha esses 85 anos pela frente e muito a explorar na vida?"

Deixo esta pergunta pois algoritmos não tem sentimentos, e a decisão tomada pode se repetir ou não.

2 respostas

Oi, Wanderson! Como vai?

Sua reflexão conecta bem decisão, fluxograma e repetição, já que um carro autônomo precisa analisar condições, seguir regras programadas e repetir esse processo muitas vezes durante o trajeto.

Dica: ao pensar nesse tipo de situação, tente separar o problema em etapas: quais dados o sistema recebe, quais condições ele avalia e qual ação deve tomar em cada cenário. Isso ajuda a entender como a lógica de programação organiza decisões complexas.

Alura Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!

Ótima análise, Wander! É um debate essencial para quem estuda tecnologia.

Na minha visão, um carro autônomo dificilmente avaliaria idade ou gênero em tempo real, pois isso esbarra diretamente em governança de IA. O grande risco, na verdade, seria a introdução de um viés algorítmico (mesmo que acidental) no Machine Learning, fazendo a máquina tomar decisões arbitrárias baseadas em dados enviesados.

Acredito que o foco do desenvolvimento atual está em evitar que o cenário chegue ao ponto do 'inevitável'. Como esses veículos possuem sensores de altíssima precisão, a instrução lógica padrão deveria ser a mitigação:

  1. Redução de riscos: Identificar anomalias precocemente para diminuir a velocidade.

  2. Salvaguardas: Utilizar mecanismos de 'freios e contrapesos' na programação para minimizar fatalidades em qualquer cenário.

  3. Percepção de ambiente: Se um semáforo falha, o sistema deve agir com base na leitura constante do entorno para evitar a colisão, e não apenas escolher um alvo.

A antecipação e a precisão constante dos cálculos são o que devem impedir que o carro precise 'escolher' entre vidas. Parabéns por trazer o tema!