Pinned Tweet
Opinions are m̶y̶ ̶o̶w̶n̶ result of a complex mix of nurture and nature influenced by all events since the Big Bang expressed by a cognitive system that makes me believe they are my own.
Comida de rua: o que o Brasil tem além do Acarajé?
Quero conhecer mais e fico frustrado por não darmos o devido valor. Sugestões?
Luiz Celso Gomes Jr retweeted
People often assume that public figures who spread false information are just “liars,” but I think it’s more accurate and useful to realize there are at least five distinct and important types of misinformation spreaders:
🧵
Quem acha que filhos/alunos precisam sofrer para aprender:
- ou nunca sofreu de verdade
- ou não consegue enxergar o mal que o sofrimento causou na sua personalidade e o efeito disso em si mesmo e nas pessoas ao redor
Recentemente almocei com colegas que não via desde a graduação (uns 20 anos!). Na mesa tinha:
- o CDF que só tirava nota boa
- o bon vivant que vivia nas festas das humanas
- o gênio que aos 18 já tinha sua empresa
- o esperto que colava nas matérias chatas
- o cara dos jogos
+
Tem gente que acha que ser excelente na graduação/pós é a coisa mais importante do mundo. Pode ser sim para alguns, e vai abrir portas para eles. Mas a vida é complexa e diversa. Existem muitos caminhos.
+
Para o pessoal de computação entender, medicina é vibe-curing.
Ontem me fizeram a seguinte pergunta:
“A medicina já deveria por alto padrão ser baseada em evidências. Como isso foi se perder?”
E a resposta é simples: não foi. A medicina historicamente nunca foi baseada em evidências — e até hoje não é. 🧶
1
6
907
Luiz Celso Gomes Jr retweeted
Ontem me fizeram a seguinte pergunta:
“A medicina já deveria por alto padrão ser baseada em evidências. Como isso foi se perder?”
E a resposta é simples: não foi. A medicina historicamente nunca foi baseada em evidências — e até hoje não é. 🧶
Luiz Celso Gomes Jr retweeted
VLMs connect a vision encoder to a language model using a linear layer—meaning each visual feature becomes one token.
To reduce the number of tokens, SmolVLM and SmolDocling use pixel shuffle—but how does it work?
🔄 Pixel shuffle rearranges the encoded image, trading spatial resolution for channels. Instead of assigning one token per "pixel" feature, we merge features before tokenization, reducing sequence length while keeping information density high.
Instead of keeping a high-res grid like (64×64×1), we rearrange the information:
📏 (64×64×1) → (32×32×4) → (16×16×16) → (8×8×64)
Then, a linear layer merges this compacted representation into tokens before feeding them to the transformer.
Why does this matter?
✅ Fewer tokens → Faster inference & lower compute cost
✅ Local features get merged → More meaningful representations
✅ Memory-efficient → Great for on-device VLMs & multimodal AI
🚀 SmolVLM uses tricks like this to stay lightweight & efficient!
As pessoas fora da computação usam mais IA que a gente.
Mesmo os meus alunos, em disciplinas que falam de IA, me parecem pouco motivados a explorar as ferramentas.
Acho curioso.
Eu tenho testemunha. Segunda tava numa reunião e uma colega de trabalho disse q passou sábado e domingo - total 12h - pra fazer os relatórios. Eu faço esse processo há 12 anos e da muito trabalho. Durante meses eu criei um assistente virtual e treinei ele passo a passo. Ensinei a encontrar os dados importantes nas mais de 100 páginas. Depois ensinei como eu avalio e tudo q eu escrevo. Ele aprendeu ate a maneira que eu escrevo.
Sentei agora a noite e levei QUARENTA Minutos para fazer o q levaria 12h. Isso pq eu nao deixo ele fazer sozinho e fui acompanhando para ver se nao tinha alucinação.
Se deixasse ele teria feito em menos de 4 minutos mas gastei 10 em cada um confirmando as informações.
Sobrou tempo pra que? Beber, montar quebra cabeças e assistir BBB com a família. É sério, aprendam a usar IA pq é uma questão de saude mental 😍😍😍
3
18
939
É urgente a melhoria do ensino de estatística na computação. Tanto artigo que eu tenho que revisar com metodologias que são puro contorcionismo de machine learning onde uma simples análise de regressão resolveria o problema.
Mas no final o conhecimento gerado não é o mesmo?
Não porque em geral com machine learning você não tem nenhuma quantificação da incerteza. Isso não é legal quando você quer entender fenômenos.
Machine learning é fantástico. Mas em tarefas adequadas como automação e previsão.










