shutterstock_2297152897

Do Big Data à IA autônoma: como criar uma cultura de dados nas empresas

Nos últimos anos, o volume de dados gerados pelas empresas cresceu de forma exponencial. Mas, ao contrário do que se esperava, a maioria delas ainda não sabe o que fazer com tanta informação. É como se tivessem recebido uma biblioteca inteira sem aprender a ler.

Dados não são valor por si só. Sem contexto, sem estrutura, sem perguntas inteligentes por trás, eles são apenas ruído. E mais: sem uma cultura de dados — aquela que orienta decisões, desafia intuições e sustenta estratégias — nem o melhor algoritmo pode salvar uma organização da mediocridade.

De acordo com uma pesquisa recente da NewVantage Partners, embora 91% das empresas entrevistadas estejam investindo em iniciativas de dados e IA, apenas 26,5% afirmam ter realmente conseguido criar uma cultura orientada por dados. O número assusta, mas explica muita coisa: temos tecnologia de sobra e mentalidade de menos. E cultura, nesse caso, não se compra — se constrói.

Muita gente ainda acredita que criar uma cultura de dados é adquirir plataformas, dashboards e ferramentas de business intelligence. Mas cultura não nasce de um software. Ela nasce de comportamento.

É quando o CEO pergunta “o que os dados dizem sobre isso?” antes de tomar uma decisão estratégica. Quando o RH antecipa pedidos de demissão com base em padrões de comportamento. Quando o marketing fala em comportamento preditivo, e não apenas em campanhas de alcance. Quando o chão da fábrica entende que um dado inserido errado pode comprometer toda uma cadeia de decisões.

Cultura de dados não vem de ferramentas, mas de atitudes: nasce quando decisões em todos os níveis são guiadas pelo que os dados realmente dizem (Imagem: FAMILY STOCK/Shutterstock)

Essa mentalidade é o alicerce necessário para que a inteligência artificial possa, de fato, agir com autonomia. Porque IA autônoma — aquela que aprende, ajusta, decide e executa — precisa de dados limpos, estruturados, confiáveis e disponíveis.

E isso não se improvisa. Não adianta sonhar com uma IA estratégica se os dados ainda estão trancados em silos, espalhados em planilhas desconectadas, com má governança e baixa confiabilidade. A IA só consegue aprender com o que oferecemos — e se oferecermos um ambiente caótico, os resultados refletirão exatamente isso.

O ponto mais crítico é que muitas empresas ainda usam os dados como justificativa para decisões já tomadas. Ao invés de guiar a estratégia, os números viram apenas uma chancela do que a alta liderança já decidiu por instinto.

Esse viés de confirmação destrói qualquer chance de desenvolvimento analítico real. Uma cultura de dados de verdade exige humildade: saber ouvir o que os dados dizem mesmo quando contradizem nossas crenças mais arraigadas.

Cultura corporativa.
Em vez de guiarem decisões, os dados ainda servem como aval para escolhas intuitivas (Imagem: Gorodenkoff/Shutterstock)

E isso tem tudo a ver com o futuro. Estamos à beira de uma nova era, em que a IA não será apenas uma assistente, mas uma tomadora de decisão. Para isso, precisamos preparar o terreno agora.

Uma boa pergunta para começar: quem toma decisões na sua empresa — os dados ou os cargos? Se ainda é o cargo que pesa mais, a autonomia da IA vai continuar sendo uma promessa distante.

Leia mais:

Criar uma cultura de dados é uma jornada que começa no topo, mas que só se consolida quando chega na base.

E, paradoxalmente, quanto mais autônoma for a inteligência artificial, mais humana precisa ser a cultura que a sustenta. Porque, no fim das contas, dados não servem para desumanizar processos — mas para revelar padrões, entender comportamentos e melhorar a experiência de quem está na ponta.

Cultura de dados, IA
A cultura de dados começa na liderança, se consolida na base e, quanto mais sustenta a IA, mais precisa ser humana (Imagem: metamorworks/Shutterstock)

O dado mais importante ainda é o humano. E a empresa que entender isso, antes das outras, vai deixar de colecionar dados e começar a construir vantagem competitiva real. Não se trata apenas de transformação digital. Trata-se de transformação cultural.

O post Do Big Data à IA autônoma: como criar uma cultura de dados nas empresas apareceu primeiro em Olhar Digital.

shutterstock_2214776415-1

Google pode revolucionar IA com computação quântica

Talvez você já tenha ouvido falar da computação quântica, que permite que problemas, que, em supercomputadores tradicionais, levariam anos e séculos para serem resolvidos, sejam solucionados em minutos. Um exemplo é a China, que anunciou, em março, seu próprio chip quântico. Nessa linha, o Google acaba de desenvolver sua própria versão, batizada de Willow.

Em laboratório secreto na Califórnia (EUA), cientistas estão desenvolvendo a próxima revolução tecnológica que pode dar empurrão sem precedentes à inteligência artificial (IA).

O Willow é um chip que utiliza a computação quântica para resolver problemas complexos de maneira muito mais rápida do que os computadores tradicionais. Ele pode processar grandes quantidades de dados de forma eficiente e com menos erros, abrindo novas possibilidades para a IA.

Filamentos de um computador quântico; tecnologia pode incrementar o desenvolvimento da IA (Imagem: Bartlomiej K. Wroblewski/Shutterstock)

Além disso, essa inovação pode trazer benefícios significativos para várias áreas, como medicina, ciência e indústria. Se o Willow alcançar seu potencial, ele poderá acelerar descobertas científicas e criar soluções para problemas que hoje parecem intransponíveis.

Willow: chave do Google para o futuro da IA

  • O Willow pode ser a oportunidade que o Google precisa para liderar a próxima era tecnológica;
  • Ele não só abre caminho para avanços na computação quântica, como, também, permite transformar pesquisas em oportunidades comerciais, especialmente à medida que a IA enfrenta escassez de dados de alta qualidade;
  • Com a limitação de dados para treinar modelos de IA, a computação quântica oferece uma solução: gerar novos e dados inéditos;
  • A tecnologia pode criar informações essenciais para impulsionar o progresso da IA, algo que é cada vez mais necessário para o desenvolvimento de modelos mais precisos e eficazes.

O Google vê nisso uma vantagem estratégica. Ao superar a barreira de dados, a tecnologia pode acelerar o desenvolvimento de IA mais avançada e colocar a empresa na vanguarda da revolução digital, conforme reportado pela CNBC.

Leia mais:

Computação quântica pode acelerar descobertas científicas

O Willow tem o potencial de transformar áreas, como a biotecnologia, como demonstrado pelo AlphaFold, modelo de IA que ajudou a mapear estruturas de proteínas. Criado pelo Google DeepMind, o AlphaFold foi premiado com o Nobel de Química de 2024.

Além disso, a computação quântica pode facilitar simulações e experimentos que, de outra forma, seriam inviáveis com a tecnologia atual. Ao permitir o processamento de variáveis extremamente complexas em tempo real, ela pode acelerar o desenvolvimento de novos medicamentos ou, até mesmo, prever comportamentos em sistemas naturais, como a dinâmica das proteínas no corpo humano.

Embora o Willow ainda esteja em estágios iniciais, o Google acredita que, em cinco anos, a computação quântica pode se tornar a solução prática para problemas científicos que os computadores clássicos não conseguem resolver. Para isso, a gigante do Vale do Silício precisará transformar essa inovação em oportunidade comercial significativa.

A computação quântica pode revolucionar a medicina, acelerando descobertas (Imagem: bpawesome/Shutterstock)

O post Google pode revolucionar IA com computação quântica apareceu primeiro em Olhar Digital.

shutterstock_2319539943

Um robô pode decidir seu futuro profissional

Se você já mandou um currículo por um site de vagas, talvez um robô tenha avaliado seu perfil — e você nem percebeu. Diante de milhares de candidaturas por vaga, empresas recorrem à inteligência artificial para filtrar os currículos antes que cheguem a um recrutador de verdade.

A tecnologia tem acelerado o recrutamento ao filtrar milhares de currículos em segundos. No entanto, a automação também traz riscos: sistemas podem interpretar dados de forma errada, ignorar informações relevantes ou até inventar qualificações que o candidato não possui.

Segundo uma reportagem recente da CNN, esses erros não são raros. Um estudo da Universidade de Washington citado pela matéria identificou viés nos algoritmos, que tendem a favorecer nomes associados a pessoas brancas. Por isso, especialistas reforçam: a decisão final deve ser feita por humanos.

IA já entende seu currículo — mesmo sem palavras-chave

Antigamente, rechear o currículo com palavras certas era quase obrigatório. Quem deixasse de mencionar um termo técnico, como Python ou Excel avançado, corria o risco de ser ignorado pelos filtros automáticos. O jogo era encaixar os códigos da vaga no papel, mesmo que isso não refletisse tão bem a experiência real.

Estudo mostra que sistemas de IA podem favorecer nomes associados a pessoas brancas (Imagem: Midnight Studio TH/Shutterstock)

Agora, os robôs estão ficando mais espertos. Os sistemas mais modernos de IA não dependem apenas de palavras-chave. Eles leem o currículo de ponta a ponta, interpretam contextos e tentam descobrir quais habilidades o candidato possui.

Leia mais:

Isso significa que dá para ser encontrado sem usar os termos exatos da vaga. A IA analisa a trajetória, os cargos anteriores, o tipo de projeto e até o jeito como você descreve suas funções. Em vez de procurar uma agulha no palheiro, o robô tenta entender o palheiro inteiro.

LinkedIn lança IA que avalia seu perfil para cada vaga​

Um exemplo prático é o da plataforma de empregos LinkedIn, que recentemente apresentou o Job Match, uma ferramenta que utiliza IA para comparar seu perfil com os requisitos de vagas anunciadas. Em segundos, você descobre se é um bom candidato para a posição e quais pontos pode melhorar.

Robô RH
Algoritmos do LinkedIn avaliam tudo: das palavras que você usa ao formato do seu perfil (Imagem: Song_about_summer/Shutterstock)

A tecnologia analisa seu histórico profissional, competências e até cursos realizados, sugerindo oportunidades que talvez você não tivesse considerado. Em vez de enviar currículos em massa, o sistema incentiva candidaturas mais estratégicas e alinhadas com seu perfil.​

Para quem busca recolocação ou deseja mudar de área, o Job Match funciona como um guia personalizado, indicando caminhos mais promissores no mercado de trabalho. A ferramenta está sendo implementada globalmente em inglês, com planos de expansão para outros idiomas.

O post Um robô pode decidir seu futuro profissional apareceu primeiro em Olhar Digital.

shutterstock_2284126663

Machine Learning e Deep Learning: o que vem por trás dos algoritmos?

A inteligência artificial (IA) é, sem dúvida, uma das inovações mais transformadoras da nossa era. Para se ter uma ideia da sua dimensão, um relatório da Grand View Research aponta que o mercado global de IA foi avaliado em mais de US$ 292 bilhões em 2024 — e o crescimento está longe de desacelerar. A expectativa é que esse setor registre uma Taxa de Crescimento Anual Composta (CAGR) de quase 36% entre 2025 e 2030.

Mas afinal, como chegamos até aqui? Embora a IA esteja cada vez mais presente no nosso cotidiano, nem sempre é fácil compreender como ela evoluiu até se tornar o que é hoje ou perceber, com clareza, o impacto real que já causa na vida das pessoas e nos negócios.

É nesse ponto que o Machine Learning e o Deep Learning entram em cena. Esses dois conceitos, que são subáreas fundamentais da IA, ajudam a explicar na prática como essa revolução está acontecendo. E por que vale a pena acompanhar de perto o que vem pela frente, especialmente no que se refere à personalização de serviços e à automação de processos.

O que é Machine Learning?

De forma resumida, o Machine Learning (aprendizado de máquina) desenvolve algoritmos capazes de aprender a partir de dados. Em vez de depender exclusivamente de regras pré-programadas, esses sistemas identificam padrões, fazem previsões e tomam decisões com base nas informações que recebem. Esse aprendizado pode ocorrer de duas formas principais:

⦁ Supervisionado: usado em tarefas de classificação, como identificar spam em e-mails ou a qual categoria pertence um determinado tipo de grão. Além de regressão, que pode prever o valor de um apartamento baseado em suas características e localização, por exemplo.

⦁ Não supervisionado: ideal para agrupar dados e descobrir relações escondidas sem a necessidade de rótulos definidos.

Machine learning: algoritmos que aprendem com os dados para tomar decisões (Imagem: NicoElNino/Shutterstock)

Hoje, é praticamente impossível pensar em setores que não estejam sendo impactados por essa tecnologia. No setor financeiro, por exemplo, o Machine Learning é usado para análise de crédito, identificação de fraudes e previsões de mercado.

Já em plataformas como Netflix e Amazon, a tecnologia garante recomendações personalizadas, aumentando o engajamento dos usuários e, consequentemente, as vendas.

O que é Deep Learning?

O Deep Learning (aprendizado profundo) é uma vertente mais avançada do Machine Learning, baseada em redes neurais artificiais profundas, que são estruturas inspiradas no funcionamento do cérebro humano. Essa tecnologia é especialmente eficaz em tarefas mais complexas, como:

⦁ Processamento de linguagem natural, como análise de sentimentos ou tradutores automáticos;
⦁ Reconhecimento de imagem e voz;
⦁ Sistemas de recomendação altamente sofisticados;
⦁ Robótica e jogos.

Seu principal método de aprendizado é o reforço, no qual o sistema ajusta seus comportamentos com base em tentativas, erros e recompensas, como um cão sendo treinado ou um algoritmo otimizando uma jogada em tempo real.

Leia mais:

Alguns exemplos populares são os grandes modelos de linguagem, como o ChatGPT, Gemini, Claude, DeepSeek, entre outros, que fazem parte da categoria de modelos de Deep Learning treinados com bilhões de parâmetros e dados. Na medicina, os avanços são igualmente expressivos, com diagnósticos por imagem mais precisos e algoritmos que ajudam a identificar padrões em grandes volumes de dados clínicos.

Quando usar Machine Learning ou Deep Learning?

Embora estejam interligadas, as duas abordagens têm características e aplicações distintas. Machine Learning é ideal para bases de dados estruturados, como planilhas e tabelas, onde os padrões são mais simples e diretos.

Já Deep Learning se destaca com dados complexos e desestruturados, como imagens, vídeos, áudios e textos, sendo especialmente eficiente quando é necessário um nível mais profundo de análise e interpretação.

AI deep learning.
Deep learning usa redes neurais profundas para aprender com grandes volumes de dados (Imagem: metamorworks/Shutterstock)

No fim das contas, trata-se de escolher a tecnologia certa para cada desafio. Ambas são formas de ensinar a IA a nos ajudar – cada uma com seus pontos fortes. Reconhecer essas diferenças é o primeiro passo para aproveitar ao máximo o potencial da inteligência artificial, seja para inovar nos negócios ou para transformar a nossa rotina pessoal.

O post Machine Learning e Deep Learning: o que vem por trás dos algoritmos? apareceu primeiro em Olhar Digital.

shutterstock_2452114515

Seu celular pode virar um detector portátil de doenças

Imagine apontar o celular para uma pinta suspeita e, em segundos, saber se ela representa algum risco. Cientistas da Georgia State University estão desenvolvendo uma tecnologia que transforma o smartphone em um detector portátil de doenças — tudo com um escaneamento por infravermelho.

A pesquisa, liderada pelo físico Unil Perera e destacada pelo portal Medical Xpress, utiliza a tecnologia ATR-FTIR, um tipo de espectroscopia baseada em luz infravermelha. Essa técnica permite identificar alterações moleculares em tecidos humanos de forma rápida, indolor e sem necessidade de equipamentos complexos. Em poucos segundos, um sensor acoplado ao celular poderia indicar possíveis sinais de doenças como o melanoma, diretamente na tela.

Além disso, os pesquisadores pretendem ampliar o alcance da tecnologia. Já há indícios de que o método pode detectar outras condições clínicas, como linfomas e colite. O plano de Perera é ousado: transformar o celular em um laboratório pessoal, capaz não apenas de diagnosticar precocemente, mas também de monitorar a evolução da doença e a resposta ao tratamento.

Acompanhamento em tempo real pode revolucionar a medicina preventiva

Agora, a equipe se concentra em um novo desafio: acompanhar o avanço de doenças dia após dia. Para isso, Perera trabalha na definição de parâmetros que permitam medir com precisão a progressão de um quadro clínico. Com essa base, seria possível verificar rapidamente se um tratamento está surtindo efeito — ou se precisa de ajustes antes que o problema se agrave.

Smartphones agora acompanham sinais de saúde em tempo real, transformando o celular em aliado no diagnóstico precoce (Imagem: Kampan/Shutterstock)

O diferencial da espectroscopia ATR-FTIR está na sua capacidade de coletar dados moleculares detalhados sem recorrer a exames invasivos. Segundo Perera, a ideia é integrar essa tecnologia a dispositivos comuns do cotidiano, como os próprios smartphones. Dessa forma, qualquer pessoa poderia analisar sinais do corpo sem sair de casa.

Leia mais:

Se a proposta se concretizar, ela poderá transformar completamente a forma como as doenças são diagnosticadas. De resfriados a tipos mais graves de câncer, o futuro do diagnóstico pode caber no bolso.

Tecnologia aproxima ciência e vida cotidiana

O avanço desse tipo de diagnóstico portátil revela como a ciência aplicada está cada vez mais presente no dia a dia. Pesquisas que antes exigiam laboratórios especializados agora apontam soluções acessíveis, baseadas em dispositivos populares como o celular.

Celulares e Medicina.
Tecnologia aproxima ciência do cotidiano ao transformar o celular em ferramenta de diagnóstico portátil (Imagem: TippaPatt/Shutterstock)

Essa inovação só se torna possível graças à colaboração entre diversas áreas do conhecimento. Física, biologia, engenharia e ciência de dados se unem para interpretar com precisão os sinais emitidos pelo corpo humano, tudo sem a necessidade de métodos invasivos.

O resultado vai além da detecção de doenças. A tecnologia também permite acompanhar a evolução dos quadros clínicos e avaliar, em tempo real, a eficácia dos tratamentos. Assim, abre-se caminho para uma nova era da medicina preventiva: mais acessível, personalizada e guiada por dados confiáveis.

O post Seu celular pode virar um detector portátil de doenças apareceu primeiro em Olhar Digital.

Chuveiro-eletrico-atual-1024x683

8 invenções que são brasileiras – e você não sabia

O Brasil tem uma rica história de invenções e contribuições para a ciência e tecnologia, muitas das quais são pouco conhecidas até mesmo pelos brasileiros. 

Neste artigo, vamos explorar 8 invenções que têm origem no Brasil e que talvez você não soubesse que foram feitas aqui. Continue lendo e descubra!

Chuveiro elétrico

Imagem: Freepik
  • Criador: Francisco Canhos Navarro

Na década de 1940, em Jaú-SP, Francisco desenvolveu o primeiro chuveiro elétrico automático, que se acionava ao abrir o registro de água. O sistema utilizava um diafragma de borracha que, ao ser inflado pela pressão da água, fechava o circuito elétrico, ligando a resistência. 

O chuveiro possuía duas resistências de diferentes potências, permitindo o ajuste de temperatura. Esse modelo foi a base para os chuveiros elétricos modernos.

Em 1955, a Lorenzetti introduziu um modelo com pistão interno, que também controlava o circuito elétrico com a passagem de água. Graças à ampla divulgação e aos altos custos dos sistemas a gás, o chuveiro elétrico se popularizou no Brasil.

Ainda está em uso? Sim, o chuveiro elétrico está presente na casa de muitos brasileiros e em outros países, especialmente em regiões com clima tropical.

Abreugrafia

abeugrafia
Exemplo de uma abreugrafia / Crédito: James Heilman (wikimedia commons/reprodução)
  • Criador: Manuel Dias de Abreu

A Abreugrafia é uma técnica de diagnóstico por imagem criada pelo médico brasileiro Manuel Dias de Abreu nos anos 1930, durante a epidemia de tuberculose no Rio de Janeiro. Ela consistia em uma radiografia em pequena escala dos pulmões, com o objetivo de detectar precocemente a tuberculose, além de outros problemas como cânceres e doenças cardíacas.

Desenvolvida a partir de um projeto de Abreu e com a construção de aparelhos pela empresa Casa Lohner, a técnica foi chamada de Abreugrafia em 1939, em sua homenagem. 

A prática se espalhou pelo Brasil. Sua popularidade levou Abreu a receber três indicações para o Prêmio Nobel.

Ainda está em uso? A Organização Mundial da Saúde (OMS) recomendou a descontinuação do uso em massa da Abreugrafia em 1974 devido aos riscos da radiação.

Identificador de chamadas (bina)

Identificador de chamadas (BINA
Identificador de chamadas (BINA) / Crédito: TK BOX (reprodução)
  • Criadores: Nélio Nicolai, João da Cunha Doya e Carlam Bezerra Salles

O identificador de chamadas, conhecido como “bina”, é uma tecnologia que exibe o número da chamada recebida, proporcionando mais segurança e controle aos usuários. O termo “bina” é um acrônimo para “B Identifica Número de A”.

A primeira patente para esse dispositivo teve seu registro em 1980 por João da Cunha Doya e Carlam Bezerra Salles, sob o nome “Pega trote”, e concedida em 1985 (PI8003077).

Em 1992, Nélio Nicolai registrou a patente pela criação do aparelho, que foi expedida em 1997. Contudo, essa patente tem sido alvo de disputas judiciais, e seus efeitos estão suspensos desde 2003, por uma medida liminar da Justiça Federal do Rio de Janeiro.

Ainda está em uso? Sim, a tecnologia evoluiu e está integrada em smartphones e sistemas de telefonia moderna.

Walkman (StereoBelt)

Stereobelt / Crédito: Andreas Pavel (wikimedia/reprodução)
  • Criador: Andreas Pavel

O Stereobelt, inventado por Andreas Pavel em 1972, foi o primeiro reprodutor de áudio portátil estéreo de cassetes, precursor do Walkman e de dispositivos modernos como iPod. 

Pavel criou o dispositivo para permitir que as pessoas ouvissem música em fones de ouvido durante atividades diárias, mas enfrentou resistência das empresas de eletrônicos da época.

Após registrar patentes em vários países, ele entrou em uma longa disputa legal com a Sony, que lançou o Walkman em 1979. Pavel finalmente recebeu um acordo de mais de US$ 10 milhões da Sony em 2004.

Ainda está em uso? O StereoBelt em si não, mas o conceito de tocadores de música portáteis evoluiu para dispositivos digitais como iPods e smartphones.

Leia também:

Urna eletrônica

Pessoa apertando o botão "Confirma" em uma urna eletrônica
Eleitores precisaram comprovar, com filmagem, que tinham votado no candidato a vereador (Imagem: Focus Pix/Shutterstock)
  • Criador: Carlos Prudêncio (liderança da equipe)

A urna eletrônica é um computador especializado que registra votos eletronicamente, tornando as eleições mais seguras e rápidas. Esse modelo foi pioneiro e continua sendo o sistema oficial de votação no Brasil.

As empresas Unisys, Omnitech e Microbase desenvolveram o modelo como conhecemos hoje em dia, que teve seu uso pela primeira vez nas eleições municipais de 1996. O projeto contou com engenheiros do INPE e do CTA, garantindo a segurança do equipamento. 

A partir de 2000, o modelo UE 2000, aperfeiçoado pela Omnitech, tornou-se o padrão nacional. O TSE já adquiriu mais de 500 mil urnas, assegurando a informatização completa das eleições no Brasil.

Ainda está em uso? Sim, a urna eletrônica é presente em todas as eleições brasileiras desde 1996.

Câmbio automático por fluido hidráulico

Imagem mostrando um câmbio automático
O Câmbio automático divide opiniões entre os consumidores. (Imagem: Pexels)
  • Criadores: José Braz Araripe e Fernando Lehly Lemos

O câmbio automático substitui a embreagem manual por um sistema automatizado de troca de marchas, facilitando a direção e tornando a condução mais acessível. Essa tecnologia é atribuída aos brasileiros José Braz Araripe e Fernando Lemos.

Embora versões rudimentares tenham surgido antes, como o câmbio mecânico dos irmãos Sturtevant (1902) e o sistema pneumático de Munro Alfred Horner, foi a transmissão hidráulica desenvolvida por Araripe e Lemos que revolucionou a indústria. 

Eles registraram a patente em 1932, e a General Motors adquiriu a tecnologia, implementando-a no Oldsmobile 1940 com o câmbio Hydra-Matic, que se tornou sinônimo de transmissão automática.

Ainda está em uso? Sim, o câmbio automático está presente em diversos em veículos modernos.

Balão de ar quente (aeróstato)

Balão de ar quente
Balão de ar quente/ Crédito: Sebastian_Photography(shutterstock/reprodução)
  • Criador: Bartolomeu de Gusmão

O padre e inventor brasileiro Bartolomeu de Gusmão foi um pioneiro da aviação. Em 1709, ele realizou em Lisboa a primeira demonstração pública de um balão de ar quente, chamado Passarola. O balão funcionava ao aquecer o ar interno, reduzindo sua densidade e permitindo a ascensão.

Em agosto de 1709, o padre fez cinco demonstrações diante da corte portuguesa. Após falhas iniciais, conseguiu elevar um pequeno balão com sucesso. Em outubro, testou um modelo maior, que subiu e desceu sem incidentes, consolidando seu papel na história da aerostática.

Ainda está em uso? Sim, balões de ar quente são presentes até hoje, principalmente em locais turísticos.

Filtro de barro

filtro de barro
Filtro de água de barro / Crédito: Julia Lohmann(shutterstock/reprodução)
  • Criador: desenvolvimento popular (origem em Jaboticabal, São Paulo)

Reconhecido como um dos sistemas de filtração mais eficientes e amplamente utilizado no Brasil, o filtro, recomendado por especialistas em saúde, utiliza argila e carvão ativado para remover impurezas e melhorar o sabor da água.

O produto é uma evolução das moringas indígenas e ganhou forma no século XIX e XX com filtros cerâmicos inspirados em modelos europeus. 

Em 1920, a Cerâmica Lamparelli criou o tradicional filtro São João, que, inicialmente um item de luxo, teve grande impacto na saúde pública ao prevenir doenças como cólera e febre tifoide, especialmente em áreas sem saneamento básico.

Ainda está em uso? Sim, o filtro de barro continua sendo utilizado, especialmente em áreas rurais e durante crises hídricas.

O post 8 invenções que são brasileiras – e você não sabia apareceu primeiro em Olhar Digital.