Ebook Curso - INTELIGÊNCIA ARTIFICIAL NA SEGURANÇA PÚBLICA - NOÇÕES INTRODUTÓRIAS

POLÍCIA CIVIL DE MINAS GERAIS
ACADEMIA DE POLÍCIA CIVIL DE MINAS GERAIS
CURSO DE EXTENSÃO NA MODALIDADE DE EDUCAÇÃO A

DISTÂNCIA (EaD)
INTELIGÊNCIA ARTIFICIAL NA SEGURANÇA

PÚBLICA: NOÇÕES INTRODUTÓRIAS
BELO HORIZONTE – 2024

INTELIGÊNCIA ARTIFICIAL NA SEGURANÇA PÚBLICA:
NOÇÕES INTRODUTÓRIAS
Coordenação Geral
Yukari Miyata
Subcoordenação Geral
Marcelo Carvalho Ferreira
Coordenação Didático-Pedagógica
Flávia Portes Teixeira
Coordenação de Recrutamento e Seleção

Robson Silva de Aguiar
Conteudista
Emmanuelle Pereira Brandt de Azeredo
Revisão e Edição
Equipe multidisciplinar da Acadepol / MG
EDUCAÇÃO A DISTÂNCIA
ACADEMIA DE POLÍCIA CIVIL
DE MINAS GERAIS
SUMÁRIO
1 INTRODUÇÃO ......................................................................................................... 3
2 OS FUNDAMENTOS DA INTELIGÊNCIA ARTIFICIAL .......................................... 5
2.1 O QUE É A INTELIGÊNCIA ARTIFICIAL ........................................................... 5
2.2 O APRENDIZADO DE MÁQUINA OU MACHINE LEARNING, SUA
EVOLUÇÃO E APLICAÇÕES ................................................................................... 7
2.3 REDES NEURAIS............................................................................................... 9
2.4 PROCESSAMENTO DE LINGUAGEM NATURAL ........................................... 12
2.5 INTELIGÊNCIA GENERATIVA ......................................................................... 13
3 TOMADAS DE DECISÕES BASEADAS EM ANÁLISE DE DADOS .................... 16
4 CONHECENDO ALGUMAS FERRAMENTAS DE IA ........................................... 17
4.1 O QUE É UMA FERRAMENTA DE IA E OS PRINCIPAIS TIPOS?.................. 18
4.2 EXEMPLOS DE FERRAMENTAS DE IA .......................................................... 19
5 APLICABILIDADE DA INTELIGÊNCIA ARTIFICIAL ............................................ 28
5.1 APOIO EM INVESTIGAÇÃO ......................................................................... 28
5.2 O SEGREDO DOS PROMPTS ......................................................................... 29
6 IMPLICAÇÕES ÉTICAS E LEGAIS DA UTILIZAÇÃO DE IA NAS POLÍCIAS ..... 31
6.1 OS DESAFIOS ÉTICOS RELACIONADOS À APLICAÇÃO DE INTELIGÊNCIA
ARTIFICIAL NA SEGURANÇA PÚBLICA............................................................... 31
6.2 PRIVACIDADE E PROTEÇÃO DE DADOS ..................................................... 33
6.3 VIÉS E DISCRIMINAÇÃO NO USO DA IA .................................................... 36
7 ADAPTAÇÃO CONTÍNUA ÀS MUDANÇAS TECNOLÓGICAS ........................... 37
8 CONCLUSÃO ........................................................................................................ 40
REFERÊNCIAS......................................................................................................... 41
DE MINAS GERAIS
1 INTRODUÇÃO
Os impactos da Inteligência Artificial (IA) na vida das pessoas são profundos e

abrangentes, moldando nossa sociedade, economia e estilo de vida de maneiras
notáveis. Por um lado, a IA tem trazido avanços significativos em áreas como saúde,
transporte, educação e entretenimento, melhorando a qualidade de vida e
proporcionando soluções inovadoras para problemas complexos. No entanto,
também surgem desafios, como preocupações sobre a privacidade dos dados, o
deslocamento de empregos tradicionais e a ética no uso de algoritmos de IA.
À medida que a IA continua a evoluir, as pessoas estão diante de uma
revolução tecnológica que exige um equilíbrio delicado entre aproveitar os benefícios
dessa tecnologia e abordar suas implicações, a fim de garantir um futuro em que a
IA seja usada de maneira responsável e benéfica para a humanidade.
Essa crescente evolução tecnológica tem impactado profundamente o campo
das organizações e, em especial, o da Segurança Pública, e entender como a IA
pode ser integrada de maneira eficaz é essencial para o aprimoramento das ações
policiais no século XXI (Cotta, 2022).
A IA vem transformando a forma como são enfrentados os desafios da
Segurança Pública (Amaral et al., 2023). Desde a análise preditiva até a resposta
rápida a emergências, a IA oferece ferramentas que podem aprimorar a eficácia das
atividades policiais (Junior; Dos Santos, 2022). Dessa forma, a aplicação da IA na
Segurança Pública não é mais uma mera especulação futurista, mas uma realidade
presente que molda a maneira como os profissionais da Segurança operam, sendo
fundamental compreender essas tecnologias e usá-las de maneira responsável e
eficiente.
O curso "Inteligência Artificial na Segurança Pública: Noções Introdutórias" foi
desenvolvido para fornecer uma compreensão introdutória dos conceitos
fundamentais da IA, algumas ferramentas e aplicações práticas, trazendo à tona a
reflexão sobre as implicações éticas e legais do uso da IA na rotina do trabalho
policial.
3
DE MINAS GERAIS
Destinado a servidores vinculados à Polícia Civil de Minas Gerais (PCMG) e

de outros estados, interessados em compreender como a IA pode ser aplicada no
âmbito da Segurança Pública, este curso fornecerá os fundamentos necessários
para explorar as potenciais aplicações dessa tecnologia na vida profissional e
pessoal, independentemente do seu nível de conhecimento prévio em IA.
Ao término deste curso, os participantes estarão aptos a compreender os
conceitos básicos e fundamentais da IA e suas categorias, explorando ferramentas
específicas, como o ChatGPT e o ChatPDF, dentre outras, e a entender como
aplicá-las na rotina do trabalho policial. Ademais, será possível ainda ao servidor
que este reconheça aplicações práticas da IA a partir da análise de dados e seja
capaz de lidar com questões éticas e legais relacionadas à utilização de IA em seu
trabalho, preparando-se para liderar a implementação e a adaptação contínua de
tecnologias de IA em suas ações cotidianas.
A aplicabilidade do presente curso não se limita apenas ao enriquecimento
do conhecimento, mas também à transformação da forma como se encara a
segurança pública em um mundo cada vez mais tecnológico, materializando uma
excelente oportunidade de aprimoramento pessoal e profissional.
Confira o vídeo de apresentação do curso, clicando na ilustração abaixo:
Fonte: elaborado pela conteudista com ferramenta de IA (2023)
4
DE MINAS GERAIS
2 OS FUNDAMENTOS DA INTELIGÊNCIA ARTIFICIAL
2.1 O QUE É A INTELIGÊNCIA ARTIFICIAL
No mundo contemporâneo, a IA desempenha um papel cada vez mais central

na vida cotidiana das pessoas e em diversas áreas, moldando a maneira como se
vive, o trabalho e o modo de se relacionar com a tecnologia. A IA é onipresente,
materializada em assistentes virtuais, mecanismos de busca, recomendações de
conteúdo, diagnósticos médicos, veículos autônomos e muito mais (Lee; Qiufan,
2022).
Sua capacidade de aprender com dados e automatizar tarefas complexas
revolucionou a eficiência e a inovação em campos tão diversos como saúde,
educação, comércio, ciência e segurança. A IA, com seu potencial transformador,
está inegavelmente enraizada na sociedade atual, o que exige uma compreensão
mais profunda e uma abordagem responsável para se navegar pelas oportunidades
e desafios que ela apresenta (Tegmark, 2020).
O conceito fundamental da IA refere-se à capacidade de sistemas e
algoritmos computacionais aprenderem a partir de dados e tomar decisões
autônomas, contando com a capacidade de analisar grandes volumes de
informações de maneira ágil, identificar padrões e fornecer insights valiosos para a
tomada de decisões baseadas em dados (ou informadas) (Taulli, 2020).
A IA desempenha um papel significativo e transformador nas organizações
públicas, proporcionando eficiência e inovação em diversos setores, inclusive
quando se pensa nas instituições de Segurança Pública. Ela permite uma
abordagem mais eficiente e eficaz na prevenção e combate ao crime (Cotta, 2022).
Além disso, a IA possibilita uma melhoria considerável na prestação de
serviços públicos. Por meio de chatbots e assistentes virtuais, as organizações
públicas podem fornecer atendimento ao cidadão de forma mais eficaz, disponível
24 horas por dia. Isso não apenas otimiza os recursos, mas também oferece aos
cidadãos uma experiência de atendimento mais conveniente e personalizada. A
5
DE MINAS GERAIS
automação de tarefas repetitivas e de baixo valor também libera os funcionários

públicos para se concentrarem em atividades mais estratégicas e criativas
Além disso, a IA pode ser uma ferramenta valiosa na detecção e prevenção
de fraudes e no aprimoramento da segurança cibernética nas organizações públicas.
A capacidade de monitorar e analisar constantemente as atividades em busca de
atividades suspeitas é vital, especialmente considerando a crescente ameaça de
crimes cibernéticos. Contar com os recursos e interfaces de IA pode ajudar a
identificar possíveis vulnerabilidades e reagir proativamente, protegendo dados
sensíveis e a integridade das operações governamentais. Portanto, a IA é um
componente essencial para modernizar as organizações de Segurança Pública
(Junior; Dos Santos, 2022; Freire, Furlan, 2018; Hamada; Moreira, 2017).
Na próxima unidade, são explorados os conceitos essenciais que sustentam a
utilização de IA, incluindo o aprendizado de máquina, redes neurais e
processamento de linguagem natural. Compreender esses pilares é fundamental
para implementar com sucesso a IA no contexto das forças policiais.
Que tal acessar este conteúdo

em formato de vídeo
produzido com IA??
Clique na imagem
ao lado e confira!!
Fonte: elaborado pela conteudista com ferramenta de IA (2023).
6
DE MINAS GERAIS
2.2 O APRENDIZADO DE MÁQUINA OU MACHINE LEARNING, SUA EVOLUÇÃO

E APLICAÇÕES
O aprendizado de máquina (Machine Learning) é um subcampo da IA que se

concentra no desenvolvimento de algoritmos e modelos capazes de aprender a
partir de dados, identificar padrões, fazer previsões e tomar decisões sem serem
explicitamente programados. A importância do Machine Learning reside na
capacidade de automatizar tarefas complexas e melhorar a tomada de decisões em
uma ampla gama de domínios, desde diagnósticos médicos e análise financeira até
reconhecimento de voz e visão computacional.
A evolução do Machine Learning ao longo do tempo é marcada por três fases

principais (Taulli, 2020):
1. Primeira fase (1950-1980): nesse período inicial, o foco estava na criação
de regras e algoritmos específicos para resolver problemas. Um exemplo notável foi
o "Eliza,", um programa de processamento de linguagem natural que simulava uma
7
DE MINAS GERAIS
conversa entre um paciente e seu psicólogo. Embora fosse um programa limitado,

abriu caminho para futuras pesquisas.
2. Segunda fase (1980-2010): nesta fase, houve um aumento significativo na
disponibilidade de dados e poder computacional. Algoritmos mais sofisticados, como
redes neurais artificiais e algoritmos de aprendizado estatístico, começaram a ser
desenvolvidos e aplicados em áreas como visão computacional e reconhecimento
de padrões.
3. Terceira fase (2010-presente): a atual era de Machine Learning é
caracterizada por avanços impressionantes em deep learning (aprendizado
profundo), que se baseia em redes neurais profundas para tarefas como
reconhecimento de imagem, tradução de idiomas, processamento de linguagem
natural e muito mais. Grandes volumes de dados, conhecidos como big data,
tornaram-se facilmente acessíveis, impulsionando o desenvolvimento de modelos
cada vez mais complexos e precisos. Paralelamente, técnicas de aprendizado de
reforço também avançaram, levando ao desenvolvimento de servidores de IA
capazes de jogar jogos complexos e resolver problemas do mundo real.
A evolução do Machine Learning foi impulsionada por avanços tecnológicos,

disponibilidade de dados, algoritmos mais eficazes e investimentos crescentes em
pesquisa e desenvolvimento. A IA, com foco em Machine Learning, está moldando o
8
DE MINAS GERAIS
presente e o futuro, desempenhando um papel vital em várias indústrias e campos,

desde medicina até transporte e entretenimento. A capacidade de aprender com
dados e automatizar tarefas está revolucionando a maneira como se abordam
problemas e oportunidades no mundo cada vez mais orientado por dados (Taulli,
2020).
2.3 REDES NEURAIS
As redes neurais são modelos de aprendizado de máquina e de IA que se

inspiram na estrutura e no funcionamento do cérebro humano. Elas consistem em
camadas de neurônios artificiais (também chamados de unidades ou perceptrons)
que processam informações e aprendem a identificar padrões complexos a partir de
dados. As redes neurais são uma parte fundamental do campo do deep learning
(aprendizado profundo) e abrangem uma ampla gama de aplicações em tarefas de
reconhecimento de padrões, classificação e previsão (Gabriel, 2022; Taulli, 2020).
Em linhas gerais, as redes neurais funcionam como descrito a seguir (Taulli,

2020):
9
DE MINAS GERAIS
1. Entrada (Input):
Redes neurais de entrada, ou camada de entrada, são a parte inicial de uma
rede neural. Elas recebem os dados brutos ou informações de entrada do mundo
exterior, como imagens, textos ou números. A função dessa camada é preparar e
processar esses dados para que a rede neural possa entendê-los melhor e fazer
previsões ou análises. Pense na camada de entrada como a porta de entrada para a
rede neural. Ela recebe todos os dados e os organiza em um formato que a rede
neural possa entender. Por exemplo, se estiver trabalhando com imagens, a camada
de entrada pode redimensionar as imagens para um tamanho específico. Isso facilita
o processamento para as camadas seguintes da rede neural.
Basicamente, a camada de entrada é responsável por garantir que os dados
de entrada estejam prontos e formatados corretamente para que a rede neural
possa iniciar o processo de aprendizado e análise.
2. Camadas Ocultas (Hidden Layers): as informações são passadas por

uma ou mais camadas intermediárias de unidades, chamadas de camadas ocultas.
Cada unidade na camada oculta está conectada a todas as unidades da camada
anterior e posterior por meio de conexões ponderadas;
3. Pesos e Ativações: cada conexão entre as unidades é associada a um

peso, que determina a importância daquela conexão na decisão final da rede. As
unidades nas camadas ocultas aplicam uma função de ativação aos dados
ponderados que recebem e produzem uma saída. Isso permite que a rede capture
relações não lineares nos dados;
4. Camada de Saída (Output Layer): a camada de saída fornece as

previsões ou resultados da rede neural com base nas informações processadas nas
camadas ocultas. A estrutura da camada de saída varia dependendo do tipo de
problema que a rede está resolvendo, podendo ser uma única unidade para
problemas de regressão ou várias unidades para problemas de classificação;
10
DE MINAS GERAIS
5. Aprendizado e Treinamento: a rede neural é treinada por meio de um

processo iterativo. Durante o treinamento, os pesos das conexões são ajustados
com base em um algoritmo de otimização, geralmente usando um conjunto de dados
de treinamento com exemplos rotulados. O objetivo é minimizar a diferença entre as
previsões da rede e os rótulos reais do conjunto de treinamento.
Quanto aos tipos de redes neurais, existem várias arquiteturas, cada uma
projetada para resolver tipos específicos de problemas. Alguns exemplos incluem:
1. Redes Neurais Feedforward (FNN): são as mais simples e consistem em

uma sequência linear em que cada camada se conecta à próxima.
2. Redes Neurais Convolucionais (CNN): são usadas para processar dados

com estrutura espacial, como imagens, e são eficazes em tarefas de visão
computacional.
3. Redes Neurais Recorrentes (RNN): são projetadas para lidar com

sequências de dados, como texto ou séries temporais, em que a ordem dos dados é
importante.
4. Redes Neurais Generativas (GAN): são usadas para gerar novos dados,
como imagens realistas ou texto.
5. Redes Neurais de Memória de Longo Prazo (LSTM) e Redes Neurais

de Memória de Curto Prazo (GRU): são variações das RNN que lidam melhor com
problemas de dependência a longo prazo em sequências.
Esses são apenas alguns exemplos, e o campo das redes neurais está em
constante evolução, com arquiteturas adaptadas para atender a uma ampla
variedade de aplicações e desafios.
11
DE MINAS GERAIS
2.4 PROCESSAMENTO DE LINGUAGEM NATURAL
O Processamento de Linguagem Natural (PLN) é uma área da IA que se

concentra na interação entre computadores e a linguagem humana. Seu objetivo é
permitir que os sistemas de computador compreendam, interpretem e gerem texto
ou fala de maneira semelhante a como os humanos o fazem. Isso acarreta
implicações profundas em várias aplicações, tornando o PLN um campo de estudo
de grande importância (Taulli, 2020).
Uma das aplicações mais notáveis do PLN é a tradução automática de
idiomas, como o Google Tradutor, que permite a tradução instantânea de texto entre
várias línguas. Além disso, o PLN desempenha um papel vital em assistentes de
voz, como a Siri da Apple e a Alexa da Amazon, que respondem a comandos de voz
e executam tarefas como pesquisa na web, agendamento de compromissos e
controle de dispositivos inteligentes. Além disso, o PLN é essencial em análise de
sentimentos, que ajuda as empresas a entender as opiniões dos clientes em relação
a produtos e serviços com base em avaliações e comentários online. Essas
aplicações exemplificam como o PLN é uma ferramenta poderosa e versátil que
facilita a interação entre máquinas e humanos, transformando a maneira como nos
comunicamos com a tecnologia (Taulli, 2020).
12
DE MINAS GERAIS
Na Segurança Pública, o PLN é fundamental para analisar e interpretar

grandes volumes de texto e áudio, em atividades como (Hamada; Moreira, 2017):
- Análise de relatórios e outros documentos policiais: o PLN ajuda a
extrair informações úteis de documentos escritos, permitindo que os servidores
localizem informações relevantes de maneira mais eficiente;
- Monitoramento de redes sociais: as ferramentas de PLN podem rastrear
redes sociais para identificar ameaças e atividades suspeitas;
- Tradução de idiomas em tempo real: o PLN é usado para facilitar a
comunicação em diferentes idiomas durante investigações internacionais.
2.5 INTELIGÊNCIA GENERATIVA
"Inteligência Generativa" refere-se a sistemas e modelos de IA que têm a

capacidade de gerar conteúdo novo e original, ao invés de apenas classificar ou
responder com base em dados preexistentes. Estes sistemas são treinados de
forma a produzir saídas que não foram explicitamente programadas, permitindo-lhes
criar, por exemplo, textos, imagens, música, e outros tipos de conteúdo de maneira
autônoma (Taulli, 2020).
13
DE MINAS GERAIS
Em temos gerais, são características da Inteligência Generativa:
1. Autonomia: ao invés de apenas responder com base em um conjunto fixo de

respostas, sistemas generativos têm a capacidade de criar respostas ou
conteúdos únicos;
2. Diversidade: dada a mesma entrada (ou prompt), um sistema generativo

pode produzir diferentes saídas em diferentes momentos, dependendo de sua
arquitetura e dos parâmetros definidos;
3. Adaptabilidade: eles podem ajustar e refinar suas saídas com base em

feedback ou novos dados.
Abaixo são descritos alguns exemplos de aplicações da Inteligência

Generativa:
Textos: modelos de linguagem, como o GPT da OpenAI, podem gerar textos

coerentes e relevantes em diversos temas, imitando estilos de escrita ou
completando histórias;
Imagens: há modelos, como o DALL·E da OpenAI, que podem gerar imagens
a partir de descrições textuais;
Música: existem sistemas generativos que podem compor peças musicais
originais, emulando estilos específicos ou seguindo certas diretrizes.;
Design: em alguns campos do design, sistemas generativos são usados para
criar variações de produtos, logotipos ou outros elementos visuais.
Muitos sistemas generativos funcionam utilizando redes neurais,

particularmente uma variante chamada "Redes Neurais Generativas Adversariais"
(GAN, na sigla em inglês). As GAN consistem em duas redes neurais, uma chamada
"geradora" e outra "discriminadora", que são treinadas juntas. A rede geradora tenta
14
DE MINAS GERAIS
criar conteúdo, enquanto a discriminadora tenta distinguir entre conteúdo real e

conteúdo gerado. Com o tempo, a geradora melhora suas capacidades, visando
"enganar" a discriminadora com produções cada vez mais realistas.
Em resumo, a inteligência generativa refere-se à capacidade de sistemas de
IA de criar conteúdo novo e original. Esta área tem tido avanços significativos nos
últimos anos, possibilitando aplicações em diversos campos, desde a arte até a
pesquisa científica.
Neste capítulo, foram explorados alguns conceitos básicos sobre a IA e
algumas das principais aplicações. No próximo capítulo, serão examinados os
processos de decisão baseados em IA.
Fique de olho e saiba mais sobre...
1 - Deep Learning Explicado

Neste vídeo!
2 - A Revolução Digital e Inteligência Artificial, por Luís Roberto Barroso

Clicando aqui!
15
DE MINAS GERAIS
3 TOMADAS DE DECISÕES BASEADAS EM ANÁLISE DE DADOS
Em sua essência, a análise de dados refere-se ao processo de examinar,

limpar e transformar conjuntos de dados com o objetivo de descobrir informações
úteis, formular conclusões e apoiar a tomada de decisões.
Em um mundo cada vez mais digitalizado, a quantidade de dados disponíveis
para análise tem crescido exponencialmente, tornando as ferramentas de
processamento e análise, como a IA, fundamentais (Tegmark, 2020).
Como vimos, a IA é um campo da Ciência da Computação que se concentra
na criação de sistemas capazes de realizar tarefas que normalmente exigiriam
inteligência humana. Isso pode incluir, mas não está limitado a reconhecimento de
padrões, aprendizado e tomada de decisões.
Imagine ter milhares de documentos (como relatórios, registros) e evidências
para analisar. Seria uma tarefa hercúlea para seres humanos analisarem
manualmente. Aqui entra a IA, que pode processar e analisar grandes volumes de
dados em questão de minutos, destacando padrões, tendências e conexões que
podem não ser imediatamente óbvias para os servidores de Segurança Pública.
A capacidade de tomar decisões embasadas é crucial em qualquer campo,
mas particularmente na Segurança Pública, em que as decisões podem ter
implicações significativas. A IA fornece aos profissionais da Segurança Pública
insights baseados em dados, permitindo que tomem decisões respaldadas, seja na
alocação de recursos, estratégias de patrulha ou investigações (Hamada; Moreira,
2018).
Para que a IA seja uma ferramenta eficaz na aplicação no trabalho policial, é
essencial que os profissionais sejam devidamente capacitados. Isso não significa
tornar-se um especialista em tecnologia, mas ter uma compreensão básica de como
as ferramentas funcionam e como interpretar as análises fornecidas (Freire; Furlan,
2018).
Como vimos, enquanto a IA oferece muitos benefícios, também apresenta
desafios. Questões de privacidade e ética são preocupações legítimas. Assim como
16
DE MINAS GERAIS
um servidor deve usar suas ferramentas de forma ética, o mesmo se aplica ao uso
da IA, o que será discutido neste curso mais à frente.
Embora a IA possa fornecer análises e insights, a interpretação humana
permanece insubstituível. A IA pode indicar uma tendência ou padrão, mas cabe ao
profissional humano interpretar o contexto e as nuances, garantindo que as decisões
sejam justas e equilibradas.
Notadamente, a IA não deve ser vista como uma substituição, mas como uma
ferramenta complementar. A colaboração entre profissionais treinados e sistemas de
IA pode resultar em uma abordagem mais holística e eficaz para o trabalho policial
(Cotta, 2022).
A integração da IA na análise de dados policiais é uma evolução natural na
era da informação. Ao capacitar profissionais com as ferramentas e treinamento
adequados, podemos esperar uma tomada de decisão mais firme, eficiente e eficaz
no campo da Segurança Pública.
Dicas de conteúdos imperdíveis!
Os vídeos, disponíveis na plataforma Youtube, trazem diferentes

perspectivas sobre IA. Clique nos links abaixo e não deixe de
conferir:
• Ted Talks “Os trabalhos que vamos perder para as máquinas

– e os que não vamos”.
• Ted Talks “Como a IA pode compor uma trilha sonora

personalizada para sua vida”.
• Ted Talks “O que é IA – e o que não é”
4 CONHECENDO ALGUMAS FERRAMENTAS DE IA
Como se demonstrou, a IA é uma ramificação da Ciência da Computação

dedicada a criar sistemas que podem realizar tarefas que, quando realizadas por
17
DE MINAS GERAIS
seres humanos, requerem inteligência. Essas tarefas incluem aprendizado,

raciocínio, percepção, processamento de linguagem natural, entre outras. Em um
ambiente policial, a IA tem o potencial de otimizar processos, auxiliar na tomada de
decisões e melhorar a eficiência em diversas atividades (Junior; Dos Santos, 2022).
4.1 O QUE É UMA FERRAMENTA DE IA E OS PRINCIPAIS TIPOS?
Uma ferramenta de IA é um sistema de software ou hardware projetado para

executar tarefas específicas que tradicionalmente requerem inteligência humana.
Essas tarefas podem incluir aprendizado, raciocínio, resolução de problemas,
percepção sensorial, linguagem natural e interação social. A IA é frequentemente
programada para analisar dados, identificar padrões, tomar decisões e até mesmo
aprender com experiências anteriores para melhorar seu desempenho (Taulli, 2020).
As ferramentas de IA têm se mostrado essenciais em diversas áreas,
incluindo a resolução de problemas e otimização de processos. Uma delas é o
Chatbot, que são programas de computador projetados para simular conversas com
seres humanos. Eles são amplamente utilizados em setores como atendimento ao
público, esclarecimento de dúvidas e assistência técnica, proporcionando respostas
rápidas e consistentes.
Outra ferramenta importante é o Motor de Busca com IA. Estes são
sistemas avançados de pesquisa que empregam a inteligência artificial para fornecer
resultados mais precisos e relevantes. Eles são particularmente úteis na pesquisa de
informações em extensas bases de dados e na identificação de tendências
emergentes.
O Reconhecimento de Imagem é uma tecnologia que identifica e classifica
elementos dentro de imagens. No contexto da Segurança Pública, pode ser utilizado
para identificação de suspeitos ou análise de cenas de crimes, fornecendo insights
valiosos para investigações.
A Robótica Autônoma refere-se a máquinas capazes de realizar tarefas em
ambientes não estruturados sem a necessidade de supervisão humana. Exemplos
18
DE MINAS GERAIS
incluem drones utilizados para vigilância ou robôs especializados no desarme de

bombas.
Por fim, os Sistemas de Recomendação utilizam algoritmos para sugerir
itens ou ações com base no comportamento anterior do usuário ou em situações
similares. No campo investigativo, por exemplo, podem sugerir métodos de
investigação com base em casos anteriores, otimizando o processo de tomada de
decisões.
4.2 EXEMPLOS DE FERRAMENTAS DE IA
Existem inúmeras ferramentas de IA já desenvolvidas e em utilização. A

seguir estão elencadas algumas das mais difundidas, sendo que as duas primeiras
(ChatGPT e Bard) estão definidas segundo a própria IA:
1. ChatGPT: “...posso esclarecer que sou uma inteligência artificial desenvolvida

pela OpenAI, chamada ChatGPT. Fui treinada em diversos textos e
informações, o que me permite responder a uma ampla variedade de
perguntas e auxiliar em diversas tarefas. Todavia, é importante destacar que
não tenho consciência, emoções ou intenções, e opero com base nos dados
com os quais fui treinada. Assim, meu principal objetivo é fornecer
informações claras, objetivas e baseadas nos conhecimentos que possuo até
a data de corte em 2022”.
19
DE MINAS GERAIS
2. Bard: “Eu sou Bard, um grande modelo de linguagem do Google AI. Sou
treinado em um enorme conjunto de dados de texto e código, e sou capaz de
gerar texto, traduzir idiomas, escrever diferentes tipos de conteúdo criativo e
responder às suas perguntas de forma informativa. Ainda estou em
desenvolvimento, mas aprendi a realizar muitos tipos de tarefas, incluindo:
Vou tentar o meu melhor para seguir suas instruções e concluir seus pedidos
de forma pensativa. Vou usar meu conhecimento para responder às suas
perguntas de forma abrangente e informativa, mesmo que sejam abertas,
desafiadoras ou estranhas. Vou gerar diferentes formatos de texto criativo de
texto, como poemas, código, scripts, peças musicais, e-mail, cartas, etc. Vou
tentar o meu melhor para cumprir todos os seus requisitos”.
Eu não sou uma pessoa, e não tenho minhas próprias opiniões ou crenças.
Sou uma ferramenta que pode ser usada para gerar texto, traduzir idiomas,
escrever diferentes tipos de conteúdo criativo e responder às suas perguntas
de forma informativa. Aqui estão alguns exemplos do que posso fazer: Posso
20
DE MINAS GERAIS
gerar diferentes formatos de texto criativo de texto, como poemas, código,

scripts, peças musicais, e-mail, cartas, etc. Vou tentar o meu melhor para
cumprir todos os seus requisitos.
Posso traduzir idiomas. Por exemplo, posso traduzir um texto do português

para o inglês. Posso responder às suas perguntas de forma abrangente e
informativa, mesmo que sejam abertas, desafiadoras ou estranhas. Por
exemplo, posso fornecer resumos de tópicos factuais ou criar histórias”.
3. Midjourney: trata-se de uma ferramenta de IA que pode criar imagens

impressionantes a partir de descrições de texto. Utilizando redes neurais
generativas, produz artefatos visuais realistas. As principais aplicações
incluem design gráfico, marketing e arte digital.
21
DE MINAS GERAIS
4. Google Assistente: este é um assistente virtual capaz de realizar tarefas

cotidianas, como ligar para pessoas, enviar mensagens, pesquisar no Google,
conversar com o usuário, agendar compromissos, reproduzir músicas e
controlar dispositivos domésticos inteligentes. Suas aplicações são voltadas
para assistência pessoal, produtividade e entretenimento.
5. Animaker Voice: trata-se de uma ferramenta de IA que converte texto em

voz com variados idiomas, sotaques e emoções. Utilizando síntese de fala,
cria vozes naturais e expressivas, sendo amplamente usada em narração,
dublagem e podcasting.
22
DE MINAS GERAIS
6. Copy.ai: esta é uma ferramenta de IA que pode gerar textos criativos para
diferentes finalidades, como slogans, títulos e descrições de produtos. Ela
utiliza o modelo de linguagem ChatGPT-4 para produzir cópias originais e
atraentes, sendo aplicada em escrita criativa, copywriting e branding.
7. Uizard.io: esta ferramenta de IA tem a capacidade de transformar esboços

em protótipos funcionais para aplicativos móveis ou sites. Ela aplica
reconhecimento de imagem e design automatizado para criar interfaces de
usuário interativas. Suas principais aplicações são no desenvolvimento de
aplicativos, design de interface do usuário e prototipagem rápida.
8. AIVA: AIVA é uma ferramenta de IA que compõe músicas originais para

diversos gêneros, humores e emoções. Com o uso de redes neurais
profundas, ela cria melodias, harmonias e ritmos, sendo utilizada em
composição musical, produção musical e criação de trilhas sonoras.
9. Grammarly: esta ferramenta de IA é especializada em verificar e corrigir

erros gramaticais, ortográficos e de pontuação em textos em inglês. Além
disso, oferece sugestões para aprimorar o estilo, tom e clareza da escrita. É
amplamente usada para revisão de texto, escrita acadêmica e escrita
profissional.
23
DE MINAS GERAIS
10. Hotjar: esta ferramenta de IA analisa o comportamento dos usuários em sites

e aplicativos. Utiliza mapas de calor, gravações de sessão e pesquisas para
fornecer insights sobre a interação dos usuários com conteúdos digitais. As
aplicações são voltadas para análise da web, otimização da taxa de
conversão e pesquisa do usuário.
11. Git Mind: é uma nova geração de software gratuito e colaborativo de

mapeamento mental para levantamento e cocriação de ideias, estimulando o
fluxo de consciência e permitindo que os pensamentos surjam
organicamente.
12. ChatPdf: é uma ferramenta que permite a interação e manipulação de

documentos PDF através de uma interface de chat. Com ele, os usuários
podem realizar tarefas relacionadas a documentos PDF como resumos,
buscar, sínteses, etc.
24
DE MINAS GERAIS
13. AskYourPDF: é uma ferramenta online que permite aos usuários extrair
informações de documentos em formato PDF. Ele pode ser usado para
pesquisar palavras-chave, fazer perguntas sobre o conteúdo do documento e
obter um resumo dele.
25
DE MINAS GERAIS
A ferramenta é útil para acessar informações específicas em documentos

extensos ou para obter uma visão geral do conteúdo de um documento.
Confira abaixo os links dos sites em que você pode encontrar as ferramentas
apresentadas:
FERRAMENTA SITE
ChatGPT-4 https://openai.com/gpt-4
Bard https://bard.google.com/?hl=pt
Midjourney https://www.midjourney.com/
Google Assistente https://assistant.google.com/intl/pt_br/
Animaker Voice https://www.animaker.co/voice
Copy.ai https://www.copy.ai/
Uizard.io https://uizard.io/
AIVA https://www.aiva.ai/
Grammarly https://www.grammarly.com/
Drift https://www.drift.com/
Hotjar https://www.hotjar.com/
ChatPdf https://www.chatpdf.com/
Git Mind https://gitmind.com/pt/
AskYourPDF https://askyourpdf.com/
Fonte: elaborado pela conteudista (2023).
As ferramentas de IA têm aplicações variadas e podem ser altamente

eficazes na resolução de problemas e na otimização de processos em diversos
contextos, incluindo o da Segurança Pública. Elas oferecem métodos mais rápidos,
precisos e eficientes de realizar tarefas, desde o atendimento ao público até a
análise de dados para tomada de decisões estratégicas. É importante, no entanto,
considerar aspectos éticos e de segurança ao implementar essas tecnologias.
26
DE MINAS GERAIS
A PCMG já é pioneira na utilização de ferramentas de IA. O Projeto Frida é o

maior exemplo de uma ferramenta de IA que funciona por automação de respostas
pré-definidas.
Você já conhece a Frida, a atendente virtual da PCMG que orienta

vítimas de violência doméstica e familiar?!
Fonte: divulgação pela Polícia Civil de Minas Gerais (2023).
Conteúdos em LINKS IM-PER-DÍ-VEIS!!
Leandro Karnal desafia o ChatGPT
10 NOVAS Ferramentas de IA Que Vão EXPLODIR SUA MENTE

(IMPERDÍVEL!)
17 ferramentas de Inteligência Artificial que vão muito além do ChatGPT!
Ferramentas de IA Para Ser 10 Vezes Mais Produtivo (inteligência artificial)
27
DE MINAS GERAIS
5 APLICABILIDADE DA INTELIGÊNCIA ARTIFICIAL
5.1 APOIO EM INVESTIGAÇÃO
Ferramentas de IA podem rapidamente analisar grande volume de dados

como registros telefônicos, transações financeiras, etc., para identificar padrões ou
conexões que poderiam demorar muito mais se feitos manualmente.
Exemplos de aplicações no cotidiano das forças policiais (Hamada; Moreira,

2017):
• Simulação de Cenários: IA pode simular diferentes cenários de ação em

situações críticas, ajudando no planejamento e execução de operações;
• Otimização de Tarefas Rotineiras;
• Otimização de Atendimento: chatbots podem ser usados para responder
perguntas frequentes, liberando o pessoal para tarefas mais críticas;
• Melhoria de Fluxos de Atendimento: IA pode analisar fluxos de trabalho e
identificar gargalos ou ineficiências;
28
DE MINAS GERAIS
• Resposta de Ofícios e E-mails: utilização de processamento de linguagem

natural para redigir respostas a ofícios e e-mails de forma eficiente;
• Revisão de Textos: além da correção ortográfica, a IA pode sugerir melhorias
no tom e forma da escrita;
• Pesquisas: IA pode realizar pesquisa de dados em múltiplos bancos de dados
de forma muito mais rápida que um humano;
• Análise de Imagens;
• Criação de Imagens e Apresentações: ferramentas de IA podem auxiliar na
criação de material gráfico para apresentações, relatórios, etc.
5.2 O SEGREDO DOS PROMPTS
Prompts, em sua tradução literal, significa "estímulos" ou "sugestões". No

contexto da tecnologia e, mais especificamente, da IA, um prompt refere-se a um
comando ou instrução dada a um sistema para desencadear uma resposta ou ação
específica (Taulli, 2020).
Para entender melhor, imagine que você esteja interagindo com um programa
de computador. Esse programa foi projetado para responder a determinados
comandos ou perguntas. Quando você fornece um desses comandos ou faz uma
pergunta, está, essencialmente, dando um prompt ao sistema. A resposta ou ação
do sistema é então baseada no prompt que você forneceu.
Vamos a alguns exemplos simples e práticos:
1. Assistentes Virtuais: quando você diz "Ok, Google" ou "Hey, Siri" para o
seu telefone, está usando um prompt para ativar o assistente virtual. A
frase é uma sugestão para o sistema começar a ouvir o que você vai dizer
em seguida.
2. Programas de Aprendizado: imagine um programa de aprendizado de
idiomas em que a tela exibe a frase "Como você diz 'obrigado' em
francês?". Essa frase é um prompt, e espera-se que o usuário responda:
merci.
29
DE MINAS GERAIS
3. Sistemas de Chat: em muitos sites, um chatbot pode iniciar uma

conversa com frases como "Como posso ajudar você hoje?". Essa é uma
forma de prompt, pois está sugerindo que o usuário forneça informações
sobre suas necessidades ou perguntas.
4. Programação: em ambientes de programação, às vezes, vemos uma
linha esperando por uma entrada, muitas vezes representada por um
cursor piscando. Esse é um prompt de comando, indicando que o sistema
está esperando que o usuário insira um comando.
5. Interação com IA de Texto: se você estivesse interagindo com um
modelo de linguagem como o GPT da OpenAI, poderia fornecer um
prompt como "Descreva a estrutura interna de uma célula". O modelo,
então, geraria uma resposta baseada nessa instrução.
A ideia central por trás de um prompt é que ele serve como uma sugestão ou
guia para o sistema, indicando o tipo de resposta ou ação esperada. Para aqueles
não familiarizados com tecnologia, pode-se pensar em prompts como perguntas em
um quiz ou sugestões em um jogo de adivinhação. É uma maneira de iniciar ou guiar
uma interação específica.
30
DE MINAS GERAIS
6 IMPLICAÇÕES ÉTICAS E LEGAIS DA UTILIZAÇÃO DE IA NAS POLÍCIAS
Nesta seção, são abordados os princípios éticos que devem ser considerados
ao utilizar IA, especialmente no âmbito da Segurança Pública. É fundamental
compreender os desafios éticos específicos relacionados à IA na aplicação da lei,
como a equidade, a transparência e a responsabilidade. Para garantir a ética na
utilização de IA na Segurança Pública, serão apresentadas estratégias e diretrizes
que podem ser adotadas, como a definição de critérios claros para a tomada de
decisões, a realização de auditorias regulares e a promoção da diversidade e
inclusão na equipe de desenvolvimento e implementação da IA (Lee; Qiufan, 2022).
6.1 Os desafios éticos relacionados à aplicação de Inteligência Artificial na

Segurança Pública
A aplicação da IA na Segurança Pública tem gerado um intenso debate sobre

questões éticas que envolvem o uso dessa tecnologia pelas forças policiais. Um dos
desafios éticos mais proeminentes está relacionado à privacidade e à vigilância em
massa. O uso de câmeras de reconhecimento facial e a coleta de dados em larga
escala levantam preocupações sobre a invasão de privacidade e o potencial de
31
DE MINAS GERAIS
vigilância indiscriminada da população. Há também o risco de viés racial e

discriminatório na identificação de suspeitos, o que pode agravar desigualdades já
existentes.
Além disso, a falta de transparência na tomada de decisões algorítmicas é
outra questão ética crucial. Os algoritmos usados na Segurança Pública muitas
vezes são "caixas pretas", tornando difícil entender como as decisões são tomadas.
Isso põe em xeque a responsabilidade e a prestação de contas das ações policiais
baseadas em IA. Sem transparência, é difícil responsabilizar as autoridades em caso
de erros ou abusos.
Para garantir a ética na utilização de IA na aplicação da lei, é fundamental
adotar estratégias sólidas. Em primeiro lugar, é necessário estabelecer
regulamentações rigorosas que garantam a transparência e a supervisão adequada
das tecnologias de IA utilizadas, incluindo aquelas no âmbito de atuação da
segurança pública. Isso inclui a divulgação dos algoritmos e dos dados utilizados,
bem como a realização de auditorias regulares para identificar e corrigir possíveis
vieses.
Além disso, a educação e a formação adequada dos profissionais da
Segurança Pública são fundamentais. Os servidores devem entender as limitações e
os riscos da IA, bem como a importância de respeitar os direitos civis e a privacidade
dos cidadãos. A implementação de comitês de ética independentes, compostos por
especialistas, também pode desempenhar um papel fundamental na avaliação e no
monitoramento das práticas policiais relacionadas à IA.
Em resumo, a aplicação de IA na Segurança Pública traz consigo desafios
éticos significativos, especialmente relacionados à privacidade e à falta de
transparência. No entanto, com regulamentações adequadas, treinamento ético e
supervisão transparente, é possível garantir que a tecnologia seja usada de maneira
ética e responsável, equilibrando a Segurança Pública com o respeito aos direitos
individuais e coletivos.
32
DE MINAS GERAIS
6.2 PRIVACIDADE E PROTEÇÃO DE DADOS
A importância da privacidade e proteção de dados na utilização de IA,

especialmente no âmbito da Segurança Pública, é fundamental para assegurar que
os direitos individuais e a confiança da população sejam preservados. A coleta
massiva de dados para alimentar algoritmos de IA, como reconhecimento facial e
análise de padrões criminais, pode representar uma ameaça à privacidade das
pessoas. Garantir a proteção dos dados é crucial para evitar o abuso de informações
pessoais, especialmente quando se lida com informações sensíveis sobre cidadãos.
No contexto da IA na aplicação da lei, regulamentações e leis específicas se
fazem necessárias para proteger a privacidade e os dados dos indivíduos, de modo
a estabelecer diretrizes claras para a coleta, o armazenamento e o uso de dados
pessoais, além de fornecer uma estrutura legal para controlar as práticas
relacionadas à IA.
A IA é recente, mas avança de maneira veloz. Dessa forma, ter uma
legislação que assegure o direito das pessoas e que, ao mesmo tempo, permita a
evolução tecnológica é fundamental para o Brasil, para além da Lei Geral de
Proteção de Dados - LGPD (Brasil, 2018). Importante mencionar o Projeto de Lei nº
2.338 de 2023 (Brasil, 2023), em tramitação no Senado Federal, que dispõe sobre o
uso da IA em nosso país.
Outra reflexão crucial diz respeito às conhecidas BIG TECHs. Estas são
empresas de tecnologia de grande porte que possuem uma influência significativa
no setor de tecnologia e na economia global e conhecidas por sua escala, alcance
global e domínio em várias áreas da tecnologia, como software, hardware, serviços
online e eletrônicos de consumo. As BIG TECHs são geralmente empresas
multinacionais com valor de mercado extremamente alto e uma base de usuários ou
clientes muito grandes. Algumas das BIG TECHs mais conhecidas incluem
empresas como Amazon, Apple, Google, Facebook e Microsoft.
Essas empresas têm uma presença dominante em seus respectivos setores e
muitas vezes são líderes em inovação tecnológica. Elas oferecem uma ampla gama
de produtos e serviços, desde dispositivos eletrônicos, como smartphones e
33
DE MINAS GERAIS
computadores, até serviços online, como mecanismos de busca, redes sociais,

armazenamento em nuvem e muito mais. Além disso, as BIG TECHs também estão
envolvidas em áreas como inteligência artificial, aprendizado de máquina, realidade
virtual, automação e outras tecnologias emergentes. Elas têm uma influência
significativa na economia global, empregando milhares de pessoas e impactando
vários setores da indústria.
Quando são inseridos dados em uma empresa de tecnologia de grande porte,
como uma BIG TECH, é importante entender como essas informações são tratadas
e o que acontece com elas. Embora cada empresa possa ter suas próprias políticas
de privacidade e segurança, existem algumas considerações gerais sobre dados
sigilosos e o uso de Inteligência Artificial (IA) que são abordadas a seguir.
Em primeiro lugar, é fundamental reconhecer que as BIG TECHs coletam
uma quantidade significativa de dados dos usuários. Isso inclui informações
pessoais, como nome, endereço, número de telefone, histórico de compras,
preferências de pesquisa, localização e muito mais. Esses dados são coletados para
diversos fins, como melhorar os serviços, personalizar a experiência do usuário,
direcionar anúncios e desenvolver novos produtos.
No entanto, a coleta de dados também levanta preocupações sobre a
privacidade e a segurança dessas informações. As BIG TECHs geralmente têm
medidas de segurança robustas para proteger os dados dos usuários contra acesso
não autorizado, como criptografia e firewalls. Além disso, elas costumam ter políticas
de privacidade que descrevem como os dados são usados e compartilhados.
Quanto à utilização de IA, as BIG TECHs podem empregar algoritmos
avançados para analisar e extrair insights dos dados coletados. A IA pode ser usada
para melhorar a precisão dos resultados de pesquisa, recomendar produtos
relevantes, personalizar conteúdo e muito mais. No entanto, é importante ressaltar
que a IA depende de dados para funcionar adequadamente. Quanto mais dados são
fornecidos, mais precisa e eficiente a IA pode se tornar.
É válido mencionar que as BIG TECHs geralmente usam dados de forma
agregada e anonimizada para treinar seus modelos de IA. Isso significa que os
dados são agrupados e desidentificados, removendo informações pessoais
34
DE MINAS GERAIS
específicas que possam identificar um indivíduo. Dessa forma, a privacidade dos

usuários é preservada na medida do possível. No entanto, é importante estar ciente
de que, apesar das medidas de segurança e anonimização, sempre existe um risco
potencial de violação de dados. As BIG TECHs podem ser alvo de ataques
cibernéticos ou podem haver falhas de segurança que comprometam a proteção dos
dados dos usuários. Portanto, é essencial que as empresas adotem medidas de
segurança adequadas e os usuários estejam cientes dos riscos envolvidos ao
compartilhar suas informações.
O tamanho e o poder dessas empresas também levantam preocupações
sobre questões como privacidade de dados, concorrência justa, regulação
governamental e impacto social. As BIG TECHs estão sujeitas a um escrutínio cada
vez maior em relação a essas questões e estão sendo objeto de debates e
regulamentações em todo o mundo.
Em resumo, ao inserir dados em uma BIG TECH, é provável que essas
informações sejam usadas para melhorar os serviços e aprimorar a experiência do
usuário. As empresas geralmente têm medidas de segurança e políticas de
privacidade para proteger os dados dos usuários. No entanto, é importante estar
ciente dos riscos potenciais e tomar precauções ao compartilhar informações
pessoais.
Em suma, para garantir a privacidade e a proteção de dados ao utilizar IA, é
fundamental a implementação de medidas rigorosas, o que inclui a adoção de
práticas de anonimização eficazes, minimizando a coleta de dados pessoais e
garantindo que a finalidade da coleta esteja de acordo com a legislação. Auditorias
regulares e avaliações de impacto na privacidade também são estratégias para
garantir a conformidade com as leis de proteção de dados.
Além disso, a transparência no uso da IA e o consentimento informado dos
cidadãos são elementos-chave para garantir a privacidade. É crucial que as pessoas
saibam como seus dados estão sendo usados e tenham a capacidade de consentir
ou recusar o compartilhamento de informações pessoais. Essas medidas são
essenciais para equilibrar o uso benéfico da IA na aplicação da lei com a proteção
35
DE MINAS GERAIS
dos direitos individuais, construindo uma base sólida para uma sociedade segura e
justa.
Regulamentação da IA exige foco
na centralidade humana, aponta debate.
Fonte: Agência Senado
6.3 VIÉS E DISCRIMINAÇÃO NO USO DA IA
A questão do viés e discriminação na utilização de IA na Segurança Pública é

uma preocupação crítica que merece atenção especial, pois carrega consigo o risco
de perpetuar ou até mesmo amplificar preconceitos existentes em sistemas de
justiça criminal. Isso pode ocorrer quando os algoritmos são treinados com dados
que refletem desigualdades sociais e preconceitos historicamente enraizados,
resultando em decisões discriminatórias.
Para identificar e mitigar o viés e a discriminação na aplicação de IA na
Segurança Pública, é crucial adotar métodos e abordagens específicas. Em primeiro
lugar, é necessário realizar análises aprofundadas dos conjuntos de dados usados
para treinar algoritmos, identificando possíveis vieses e preconceitos. Além disso, é
importante implementar técnicas de pré-processamento de dados que reduzam ou
eliminem vieses indesejados e garantir que as decisões algorítmicas sejam justas e
imparciais.
A diversificação dos conjuntos de dados utilizados para treinamento é uma
estratégia eficaz para mitigar o viés. Incluir uma ampla variedade de dados
36
DE MINAS GERAIS
demográficos e contextuais pode ajudar a garantir que a IA não esteja apenas

tomando decisões baseadas em padrões históricos de discriminação. Além disso, a
implementação de auditorias independentes e a divulgação pública das métricas de
desempenho da IA podem aumentar a responsabilidade e a transparência,
auxiliando na identificação e correção de vieses prejudiciais.
Vários casos ao redor do mundo têm destacado os riscos de viés e
discriminação na utilização de IA, especialmente na Segurança Pública. Por
exemplo, em alguns sistemas de reconhecimento facial, houve uma taxa de erros
significativamente maior ao identificar pessoas de pele mais escura, o que levou a
prisões injustas. Esses casos ilustram a urgência de abordar o problema do viés e
da discriminação na aplicação de IA na Segurança Pública e a necessidade de
aprimorar constantemente as práticas e regulamentações para garantir que a
tecnologia seja usada de maneira justa e equitativa.
Já ouviu falar em
RACISMO ALGORÍTMICO e
MAPEAMENTO DE DANOS ALGORÍTMICOS?
Confira o site https://desvelar.org/!
7 ADAPTAÇÃO CONTÍNUA ÀS MUDANÇAS TECNOLÓGICAS
Ao longo da história, a humanidade sempre buscou formas de melhorar e

facilitar suas atividades por meio da tecnologia. Desde a invenção da roda até os
avanços da eletricidade, cada inovação representou uma revolução em nossa
maneira de viver. No final do século XX e início do XXI, entramos na era da
informação, em que a capacidade de processar e armazenar dados tornou-se
primordial. Neste cenário, dispositivos como o telefone celular não apenas mudaram
37
DE MINAS GERAIS
a comunicação, mas reformularam completamente nossas interações sociais e

profissionais, tornando o mundo mais conectado (Lee; Qiufan, 2022).
A IA é um ramo da Ciência da Computação que busca criar sistemas
capazes de realizar tarefas que, até então, necessitavam da inteligência humana.
Isso inclui habilidades como aprendizado, raciocínio e percepção. Em termos
simples, a IA busca simular no ambiente digital a capacidade que o cérebro humano
tem de aprender a partir de experiências e informações. Um exemplo prático pode
ser visto em plataformas de streaming, como as que sugerem filmes ou músicas
baseadas no que você já assistiu ou ouviu (Gabriel, 2022).
Ao contrário do que muitos imaginam, a IA não se resume a robôs ou
sistemas altamente complexos vistos em filmes de ficção. Na realidade, ela está
presente em nosso dia a dia de formas sutis, mas impactantes. Assistentes virtuais
que respondem a comandos de voz, algoritmos que filtram e-mails indesejados e até
sistemas de recomendação de compras online são exemplos de IA em ação. O
potencial é vasto e, à medida que a tecnologia avança, as possibilidades de
aplicação se expandem, abrindo portas para inovações em diversos setores,
incluindo a Segurança Pública.
Ocorre que, em todas as épocas da história humana, a capacidade de se
adaptar a novos ambientes e desafios provou ser uma das características mais
valiosas para a sobrevivência e o progresso. No ambiente profissional
contemporâneo, essa adaptabilidade é ainda mais crucial devido à velocidade
vertiginosa com que as tecnologias evoluem. Não se trata apenas de adotar novas
ferramentas, mas de internalizar uma mentalidade de aprendizado contínuo e estar
aberto a abordagens inovadoras em todas as tarefas.
Aproveite a oportunidade de reflexão

sobre a temática abordada nesta unidade,
clicando aqui, para assistir este
Vídeo incrível sobre RESISTÊNCIA A MUDANÇAS!!

38
DE MINAS GERAIS
Ao olharmos para trás, vemos numerosos exemplos de profissionais que

tiveram que se adaptar às mudanças tecnológicas. Os bibliotecários, por exemplo,
passaram de catalogar livros manualmente para usar sistemas informatizados. Os
fotógrafos transitaram da fotografia em filme para a digital. Em cada caso, a
essência da profissão permaneceu, mas a forma como as tarefas eram realizadas foi
transformada. Aqueles que se adaptaram prosperaram, enquanto os que resistiram
enfrentaram desafios.
Atualmente, a IA é uma dessas forças revolucionárias que está redefinindo
múltiplos setores. Desde a Medicina, com diagnósticos auxiliados por máquina, até o
setor financeiro, com algoritmos prevendo tendências de mercado. Para os
profissionais, ignorar essa onda de mudança não é uma opção viável. A
adaptabilidade não é mais uma habilidade desejável, mas uma necessidade
(Tegmark, 2020).
Todavia, a adaptação contínua tem seus desafios. Pode ser difícil manter-se
atualizado com todas as inovações, especialmente quando elas parecem surgir
quase diariamente. Além disso, pode haver uma sensação de desconforto ou
insegurança ao enfrentar o desconhecido. No entanto, a chave é abordar a mudança
com uma mentalidade de crescimento, vendo-a como uma oportunidade de
aprimoramento e desenvolvimento, em vez de uma ameaça.
A adaptabilidade, em sua essência, é uma jornada de aprendizado e
crescimento. Em um mundo dominado pela tecnologia e pela IA, a capacidade de se
adaptar torna-se uma moeda valiosa. Profissionais e organizações que abraçam
essa mentalidade não apenas sobrevivem às ondas de mudança, mas também se
posicionam para liderar e inovar em seus respectivos campos.
39
DE MINAS GERAIS
8 CONCLUSÃO
A IA na Segurança Pública é uma inovação tecnológica com grande potencial,

mas também traz consigo uma série de desafios e dilemas éticos que não podem
ser ignorados. Por um lado, a IA pode melhorar a eficiência das forças policiais,
auxiliando na prevenção de crimes e na resposta a incidentes. No entanto, a sua
aplicação levanta questões profundas sobre privacidade, vigilância em massa, viés
algorítmico e discriminação, que podem minar a confiança da população e erodir os
direitos individuais.
Para maximizar os benefícios da IA na Segurança Pública, é essencial que
haja um equilíbrio cuidadoso entre a inovação tecnológica e a proteção dos direitos
civis. Isso requer a implementação de regulamentações sólidas que garantam a
transparência, a prestação de contas e a proteção da privacidade. Além disso, é
fundamental que as autoridades policiais e os desenvolvedores de tecnologia sejam
treinados para compreender os riscos e os vieses associados à IA, buscando mitigá-
los.
Em última análise, a IA na Segurança Pública representa um dilema que deve
ser abordado com responsabilidade e consideração ética. O uso dessa tecnologia
pode ser uma ferramenta valiosa para a aplicação da lei, mas seu impacto na
sociedade deve ser cuidadosamente monitorado e regulamentado para garantir que
os princípios democráticos e os direitos individuais sejam protegidos. A busca por
um equilíbrio entre segurança e privacidade é um desafio constante que requer uma
abordagem ponderada e baseada em valores éticos sólidos.
Participe do
FÓRUM DE DISCUSSÕES,
e conte o que achou dos conteúdos!
Até um próximo curso!!!
40
DE MINAS GERAIS
REFERÊNCIAS
AMARAL, Thiago Bottino do; VARGAS, Daniel; PRATES, Fernanda. Segurança

pública na era do Big Data. Rio de Janeiro: FGV Direito Rio, 2023.
BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados

Pessoais. Presidência da República, Brasília, DF, 2018.
BRASIL. Senado Federal. Projeto de Lei nº 2.338, de 2023. Dispõe sobre o uso da
Inteligência Artificial no Brasil. Senado Federal, Brasília, DF, 2023.
COTTA, Francis Albert. (org.). Ciências policiais e tecnologias inovadoras na

segurança cidadã. São Paulo: Paco e Littera, 2022.
FREIRE, Jocemar José. FURLAN, Sandra Aparecida. Gestão do conhecimento na

atividade de inteligência de Segurança Pública: uma abordagem prática e
tecnólogica. Curitiba: Appris, 2018.
GABRIEL, Martha. Inteligência Artificial: do Zero ao Metaverso. Rio de Janeiro:

Atlas, 2022.
HAMADA, Hélio Hiroshi; MOREIRA, Renato Pires. Inteligência de Segurança

Pública: Contribuições Doutrinárias Para o Cotidiano Policial. Belo Horizonte:
D'Plácido, 2017.
JUNIOR, Ilson Oliveira; DOS SANTOS, Franck Cione Coelho. INTELIGÊNCIA

ARTIFICIAL E POLICIAMENTO PREDITIVO: possibilidades de inovação tecnológica
para a Polícia Militar do Paraná no enfrentamento aos crimes violentos contra o
patrimônio com emprego de explosivos. 2022. 33 p. Artigo - Brazilian Journal of
Technology, v. 5, n. 1, p. 030-062, 2022. DOI: 10.38152/bjtv5n1-003. Disponível em:
https://ojs.brazilianjournals.com.br/ojs/index.php/BJT/article/view/45351. Acesso em:
23 nov. 2023.
LEE, Kai-Fu; QIUFAN, Chen. 2041: Como a inteligência artificial vai mudar sua vida
nas próximas décadas. Tradução: Isadora Sinay. Rio de Janeiro: Globo Livros, 2022.
TAULLI, Tom. Introdução à Inteligência Artificial: uma Abordagem Não Técnica.

São Paulo: Novatec, 2020.
TEGMARK, Max. Vida 3.0: O ser humano na era da inteligência artificial. Tradução:
Pettê Rissatti. São Paulo: Benvirá, 2020.
41
b

Ebook Curso - INTELIGÊNCIA ARTIFICIAL NA SEGURANÇA PÚBLICA - NOÇÕES INTRODUTÓRIAS

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Ebook Curso - INTELIGÊNCIA ARTIFICIAL NA SEGURANÇA PÚBLICA - NOÇÕES INTRODUTÓRIAS

Enviado por

Direitos autorais:

Formatos disponíveis

POLÍCIA CIVIL DE MINAS GERAIS

ACADEMIA DE POLÍCIA CIVIL DE MINAS GERAIS

CURSO DE EXTENSÃO NA MODALIDADE DE EDUCAÇÃO A

INTELIGÊNCIA ARTIFICIAL NA SEGURANÇA

BELO HORIZONTE – 2024

Coordenação de Recrutamento e Seleção

Os impactos da Inteligência Artificial (IA) na vida das pessoas são profundos e

Destinado a servidores vinculados à Polícia Civil de Minas Gerais (PCMG) e

Fonte: elaborado pela conteudista com ferramenta de IA (2023)

2 OS FUNDAMENTOS DA INTELIGÊNCIA ARTIFICIAL

2.1 O QUE É A INTELIGÊNCIA ARTIFICIAL

No mundo contemporâneo, a IA desempenha um papel cada vez mais central

automação de tarefas repetitivas e de baixo valor também libera os funcionários

Que tal acessar este conteúdo

Fonte: elaborado pela conteudista com ferramenta de IA (2023).

2.2 O APRENDIZADO DE MÁQUINA OU MACHINE LEARNING, SUA EVOLUÇÃO

O aprendizado de máquina (Machine Learning) é um subcampo da IA que se

Fonte: elaborado pela conteudista com ferramenta de IA (2023).

A evolução do Machine Learning ao longo do tempo é marcada por três fases

conversa entre um paciente e seu psicólogo. Embora fosse um programa limitado,

Fonte: elaborado pela conteudista com ferramenta de IA (2023).

A evolução do Machine Learning foi impulsionada por avanços tecnológicos,

presente e o futuro, desempenhando um papel vital em várias indústrias e campos,

2.3 REDES NEURAIS

As redes neurais são modelos de aprendizado de máquina e de IA que se

Fonte: elaborado pela conteudista com ferramenta de IA (2023).

Em linhas gerais, as redes neurais funcionam como descrito a seguir (Taulli,

2. Camadas Ocultas (Hidden Layers): as informações são passadas por

3. Pesos e Ativações: cada conexão entre as unidades é associada a um

4. Camada de Saída (Output Layer): a camada de saída fornece as

5. Aprendizado e Treinamento: a rede neural é treinada por meio de um

1. Redes Neurais Feedforward (FNN): são as mais simples e consistem em

2. Redes Neurais Convolucionais (CNN): são usadas para processar dados

3. Redes Neurais Recorrentes (RNN): são projetadas para lidar com

5. Redes Neurais de Memória de Longo Prazo (LSTM) e Redes Neurais

2.4 PROCESSAMENTO DE LINGUAGEM NATURAL

O Processamento de Linguagem Natural (PLN) é uma área da IA que se

Fonte: elaborado pela conteudista com ferramenta de IA (2023).

Na Segurança Pública, o PLN é fundamental para analisar e interpretar

2.5 INTELIGÊNCIA GENERATIVA

"Inteligência Generativa" refere-se a sistemas e modelos de IA que têm a

Fonte: elaborado pela conteudista com ferramenta de IA (2023).

Em temos gerais, são características da Inteligência Generativa:

1. Autonomia: ao invés de apenas responder com base em um conjunto fixo de

2. Diversidade: dada a mesma entrada (ou prompt), um sistema generativo

3. Adaptabilidade: eles podem ajustar e refinar suas saídas com base em

Abaixo são descritos alguns exemplos de aplicações da Inteligência

Textos: modelos de linguagem, como o GPT da OpenAI, podem gerar textos

Muitos sistemas generativos funcionam utilizando redes neurais,

criar conteúdo, enquanto a discriminadora tenta distinguir entre conteúdo real e

Fique de olho e saiba mais sobre...

1 - Deep Learning Explicado

2 - A Revolução Digital e Inteligência Artificial, por Luís Roberto Barroso

3 TOMADAS DE DECISÕES BASEADAS EM ANÁLISE DE DADOS

Em sua essência, a análise de dados refere-se ao processo de examinar,

Dicas de conteúdos imperdíveis!

Os vídeos, disponíveis na plataforma Youtube, trazem diferentes

• Ted Talks “Os trabalhos que vamos perder para as máquinas

• Ted Talks “Como a IA pode compor uma trilha sonora

• Ted Talks “O que é IA – e o que não é”

4 CONHECENDO ALGUMAS FERRAMENTAS DE IA

Como se demonstrou, a IA é uma ramificação da Ciência da Computação

seres humanos, requerem inteligência. Essas tarefas incluem aprendizado,

4.1 O QUE É UMA FERRAMENTA DE IA E OS PRINCIPAIS TIPOS?