Sebastian Thrun

Por que razão as organizações trabalham com Sebastian Thrun

• Ele implementou IA autónoma à escala de produção. A equipa de Stanford que liderou venceu o DARPA Grand Challenge em 2005, e o projeto de condução autónoma da Google que cofundou tornou-se a Waymo.
• Ele elaborou o manual de estratégias que os conselhos de administração agora procuram. O Google X, fundado sob a sua liderança, codificou a metodologia «moonshot» para apostas tecnológicas de capital intensivo.
• Tem experiência direta na requalificação de quadros empresariais em IA, dados e nuvem através da Udacity, incluindo programas para a IBM, a Mercedes-Benz e a Google antes da aquisição pela Accenture em 2024.
• Explica a IA sem a simplificar excessivamente. O público sénior sai com uma noção prática do que os sistemas atuais podem e não podem fazer, e onde reside o verdadeiro risco operacional.

Destaques da biografia

• Co-fundador do Google X e do projeto de carros autónomos do Google que se tornou a Waymo
• Liderou a Stanford Racing Team, cujo veículo Stanley venceu o DARPA Grand Challenge de 2005; Stanley encontra-se agora no Museu Nacional de História Americana do Smithsonian
• Co-fundador e presidente da Udacity, adquirida pela Accenture em 2024 para impulsionar a plataforma de requalificação LearnVantage
• Co-fundador e antigo CEO da Kitty Hawk, a empresa de «carros voadores» eVTOL apoiada por Larry Page
• Membro da Academia Nacional de Engenharia e da Academia Nacional de Ciências da Alemanha, Leopoldina; Prémio Smithsonian American Ingenuity (Educação, 2012)
• Coautor de Probabilistic Robotics (MIT Press), o manual de referência para pós-graduação sobre a matemática subjacente aos sistemas autónomos

Biografia

O Stanley cruzou a linha de chegada do DARPA Grand Challenge de 2005 após 212 km de deserto, o primeiro veículo autónomo a fazê-lo. A equipa de corridas de Stanford que o construiu era liderada por Sebastian Thrun, então diretor do Laboratório de Inteligência Artificial de Stanford. O Stanley encontra-se agora no Smithsonian. A tecnologia evoluiu para a Waymo e para a indústria moderna de veículos autónomos.

Esse percurso, do laboratório de investigação à IA de produção, é o que torna a sua perspetiva valiosa para as equipas de direção. Ele abdicou do cargo de professor titular em Stanford para se tornar um Google Fellow, cofundou o Google X e criou o modelo «moonshot» que os conselhos de administração agora referem quando falam de apostas tecnológicas de longo prazo. Probabilistic Robotics, o livro didático que co-escreveu com Wolfram Burgard e Dieter Fox, continua a ser a referência padrão para pós-graduação na área.

A segunda metade da sua carreira aborda a limitação que a maioria dos conselhos de administração sente agora de forma aguda: o talento. A Udacity, que cofundou em 2012, criou o modelo Nanodegree com empregadores como a IBM, a Mercedes-Benz e a Google, tendo sido vendida à Accenture em 2024 para servir de base à plataforma de requalificação LearnVantage. Também cofundou a Kitty Hawk com Larry Page para comercializar aeronaves eVTOL.

O público obtém algo específico dele. Uma visão clara sobre o que os atuais sistemas de IA fazem bem, onde falham, o que a implementação em produção realmente requer e como construir uma força de trabalho capaz de operar a tecnologia, em vez de apenas admirá-la.

Principais temas de palestras

• IA de produção e sistemas autónomos
• Metodologia Moonshot e apostas tecnológicas de longo prazo
• Reciclagem da força de trabalho em IA e a escassez de talentos
• O futuro da mobilidade e dos veículos autónomos
• IA para o conselho de administração e a comissão executiva
• A aprendizagem online e a economia da educação

Ideal para

• Conselhos de administração e comissões executivas que estão a passar da estratégia de IA para a implementação operacional
• CHROs e CLOs a implementar a requalificação empresarial em grande escala
• Equipas de liderança dos setores automóvel, da mobilidade e industrial que enfrentam a autonomia
• CTOs e diretores de IA que comparam portfólios de projetos ambiciosos e de I&D

Resultados para o público

• Um modelo mental funcional sobre onde os atuais sistemas de IA têm sucesso e onde falham na produção
• Uma visão concreta das competências da força de trabalho necessárias para implementar a IA numa grande organização
• Uma compreensão de como as apostas ambiciosas são estruturadas, geridas e encerradas dentro de uma empresa tecnológica séria
• Uma noção mais clara de para onde se dirige a autonomia nos setores da mobilidade, logística e setores adjacentes