Baixe Grandes Desafios da Pesquisa em Computação no Brasil e outras Manuais, Projetos, Pesquisas em PDF para Informática, somente na Docsity! Grandes Desafios da Pesquisa em Computação no Brasil – 2006 – 2016 Relatório sobre o Seminário realizado em 8 e 9 de maio de 2006 Autores - André C. Ponce de Leon F. de Carvalho, USP - Angelo Brayner, UNIFOR - Antonio Loureiro, UFMG - Antonio L. Furtado, PUC-Rio - Arndt von Staa, PUC-Rio - Carlos José Pereira de Lucena, PUC-Rio - Clarisse Sieckenius de Souza, PUC-Rio - Claudia Maria Bauzer Medeiros, UNICAMP - Cláudio Leonardo Lucchesi, UNICAMP - Edmundo Souza e Silva, UFRJ - Flávio Rech Wagner, UFRGS - Imre Simon, USP - Jacques Wainer, UNICAMP - José Carlos Maldonado, USP - José Palazzo M. de Oliveira, UFRGS - Leila Ribeiro, UFRGS - Luiz Velho, IMPA - Marcos André Gonçalves, UFMG - Maria Cecilia Calani Baranauskas, UNICAMP - Marta Mattoso, UFRJ - Nívio Ziviani, UFMG - Philippe Olivier Alexandre Navaux, UFRGS - Ricardo da Silva Torres, UNICAMP - Virgílio Augusto Fernandes Almeida, UFMG - Wagner Meira Jr., UFMG - Yoshiharu Kohayakawa, USP 5. Os Grandes Desafios devem ser ambiciosos e visionários, mas não irrealistas, viáveis dentro de um prazo predefinido – no caso desta iniciativa, 10 anos. 6. Os Grandes Desafios devem ser desafiadores e motivadores para a comunidade científica e motivadores para a sociedade 7. Muitos dos problemas que os constituem são multidisciplinares em sua natureza e nas possibilidades de solução. 8. Os tópicos dos Grandes Desafios emergem de um consenso da comunidade científica, para servir como um cenário de longo prazo para os pesquisadores, independentemente de políticas de financiamento ou questões conjunturais. 1.2 Propostas e experiências similares Esforços para a definição de grandes desafios de pesquisa em diversas áreas da ciência vêm ocorrendo há vários anos em países de elevada tradição científica, como Estados Unidos e Inglaterra. Alguns exemplos são: - Grand Challenges in Environmental Sciences: realizada nos EUA pelo National Research Council (NRC) a pedido da National Science Foundation (NSF), para as ciências ambientais. Um dos princípios era buscar direções inter e multidisciplinares, tendo em vista que vários problemas de pesquisa na área ambiental transcendem barreiras de disciplinas científicas tradicionais. - Sustainability in the Chemical Industry: os Grandes Desafios e necessidades de pesquisa determinados foram: química verde, substituição de solventes, melhoria de catalisadores, fontes de energia renovável e alfabetização digital em todos os níveis - The Grand Challenges in Global Health: iniciativa em nível mundial tentando identificar 14 grandes desafios que, se resolvidos, podem levar a importantes avanços na prevenção e tratamento de doenças que afetam em grande proporção os 2 bilhões de pessoas mais pobres do mundo - Gordon Research Conferences (GRCs): forum internacional para a apresentação e discussão de fronteiras da pesquisa em ciências biológicas, químicas e físicas e tecnologias associadas. Em particular, na área de Computação, existem duas iniciativas para definir periodicamente Grandes Desafios em Pesquisa em Computação, as “Grand Research Challenges in Computing”, uma nos EUA e outra na Inglaterra. Nos Estados Unidos, a iniciativa apoiada pelo National Science Foundation em 2002 resultou na formulação dos seguintes desafios: 1.Systems you can count on 2.A teacher for every learner 3.911.net (ubiquitous information systems) 4.Augmented cognition 5.Conquering complexity Na Inglaterra a UK Computing Research Committee e a British Computer Society produziram a seguinte lista de desafios em 2005: 1.In Vivo – In Silico 2.Ubiquitous Computing: experience, design and science 3.Memories of Life 4.The Architecture of Brain and Mind 5.Dependable Systems Evolution 6.Journeys in Nonclassical Computation 1.3 A SBC e os Grandes Desafios da Computação no Brasil: 2006- 2016 O evento brasileiro foi organizado pela Sociedade Brasileira de Computação, a partir do modelo dos eventos internacionais citados anteriormente. O objetivo foi gerar um conjunto de cinco Grandes Desafios para a Computação no Brasil, acompanhados de uma especificação clara e sucinta da visão para o tratamento do problema em foco. Além disso, a formulação de cada desafio contemplou debates sobre os seguintes pontos: i) explicitação dos benefícios da busca da solução para o problema ii) descrição da maneira de medir o sucesso do avanço das pesquisas sobre o problema em questão, iii) elaboração das dificuldades e barreiras para se alcançar sucesso nas pesquisas na área em questão e iv) proposta de ações que deveriam ser tomadas para se enfrentar o desafio em um período de 10 anos. Os cinco desafios propostos, descritos nas próximas seções, foram: 1. Gestão da Informação em grandes volumes de dados multimídia distribuídos 2. Modelagem computacional de sistemas complexos artificiais, naturais e sócio- culturais e da interação homem-natureza 3. Impactos para a área da computação da transição do silício para novas tecnologias 4. Acesso participativo e universal do cidadão brasileiro ao conhecimento 5. Desenvolvimento tecnológico de qualidade: sistemas disponíveis, corretos, seguros, escaláveis, persistentes e ubíquos 2. Gestão da informação em grandes volumes de dados multimídia distribuídos Quase tudo que vemos, lemos, ouvimos, escrevemos, medimos é coletado e disponibilizado em sistemas de informação computacionais. Para obter efetividade e eficiência, é fundamental criar soluções escaláveis que possam responder às necessidades de desenvolvimento de aplicações com esses dados. O objetivo deste desafio é, assim, desenvolver soluções para o tratamento, a recuperação e a disseminação de informação relevante, de natureza tanto narrativa quanto descritiva, a partir de volumes exponencialmente crescentes de dados multimídia. Vários fatores contribuem para o crescimento explosivo de dados. O problema tornou-se mais visível com a disseminação da Internet, em que indivíduos, empresas, governos, instituições não governamentais são produtores de conteúdo em potencial, transformando o mundo em uma enorme base de dados que é atualizada em tempo real, por milhares de pessoas, a cada segundo. Outro fator crítico para a geração exponencial de dados é a aparição de dispositivos que capturam novos tipos de dados extremamente complexos – desde satélites, microssensores, ou telescópios, até câmeras de vídeo que capturam interações humanas, ou dispositivos que registram a atividade cerebral em face de estímulos diversos. Finalmente, dados secundários são gerados por cientistas e pesquisadores ao fazer experimentos e acessar serviços computacionais, em campos tão variados quanto ciências da terra, astronomia, bioinformática, medicina, ou ciências sociais. Esses dados são de vários tipos (por exemplo, som, vídeo, texto e dados analógicos posteriormente digitalizados) e usam distintas unidades de coleta e medida (por exemplo, bits, interações, coletas físicas de espécimes na natureza), em várias escalas temporais e espaciais. Todo esse imenso conjunto heterogêneo de dados, distribuído por todo o planeta, precisa ser processado, armazenado e disponibilizado para tornar possível a extração de informação para os mais diferentes tipos de usuários, em soluções escaláveis. Isto exige, dentre outros enfoques, pesquisa em novas técnicas e métodos de gerenciamento, extração de conteúdo de som e imagem, integração, indexação e recuperação de dados e informação. Além disso, apresenta desafios de preservação e segurança. Mais ainda, tendo em vista a constante evolução tecnológica, é preciso garantir que dados armazenados continuem acessíveis com o passar dos anos – ou seja, garantia de durabilidade e acesso em longo prazo. Ainda, outros fatores de pesquisa a considerar são a modelagem de grandes volumes de dados multimídia, formas distintas de entrada e saída multimodal, algoritmos e estruturas para processamento otimizado de redução e consulta aos dados e informações e, cada vez mais, atendimento a diferentes perfis e necessidades de aplicações e usuários. Para tratar esses grandes volumes de dados e informação distribuídos é também essencial a exploração eficiente de todos os níveis de paralelismo, do nível do chip, hoje com processadores multicore, passando pelo nível de arquitetura dos nós integrados através de redes de alto desempenho em um cluster, até a formação de grades (grids) pela comunicação de clusters heterogêneos através de uma rede clássica, tipo internet. 3. Modelagem computacional de sistemas complexos artificiais, naturais e sócio-culturais e da interação homem-natureza. O termo Computational Science, criado para contrastar com Computer Science, vem sendo usado em todo o mundo para designar modelos, algoritmos e ferramentas computacionais para solução de sistemas complexos de diferentes naturezas. Isto permite, por exemplo, estudos de desempenho de grandes sistemas computacionais, sem a necessidade de implementá-los (por exemplo, simulando o comportamento de redes de computadores com milhões de nós). Além disso, possibilita que cientistas em outros domínios do conhecimento possam investigar problemas que até recentemente não poderiam ser tratados – pelo excesso de dados manipulados, pela ausência de soluções analíticas, ou pela inviabilidade de estudá-los em laboratórios. Exemplos são estudos de genômica, de processos bioquímicos, da física de partículas, de mudanças climáticas, de fenômenos epidemiológicos ou de interações sociais com milhões de participantes (por exemplo, em comunidades digitais ou na Web). Modelagem e simulação computacionais permitem também redução de custos e avanços no setor industrial, executando experimentos virtuais em substituição à construção de uma infraestrutura física. O objetivo deste desafio é criar, avaliar, modificar, compor, gerenciar e explorar modelos computacionais para todos esses domínios e aplicações. A modelagem matemática de fenômenos se baseia em princípios básicos (por exemplo, da física, da química, da estatística ou da matemática), em que a resolução das equações é o principal complicador. Já a modelagem computacional envolve um grande conjunto de algoritmos e técnicas de simulação, manipulação de dados, mineração de dados, dentre outros, em que o modelo é um dos produtos da própria pesquisa, sendo interpretado como um processo computacional que filtra, transforma, aglutina e gera dados. Isto envolve freqüentemente cooperação entre cientistas da Computação e de outros domínios. Normalmente, na modelagem computacional há incertezas sobre o próprio modelo, pois esses envolvem um grande número de parâmetros que devem ser explorados e ajustados. A complexidade deste tipo de pesquisa aumenta à medida que crescem o volume de dados e/ou os parâmetros a serem considerados. Outro fator complicador é a necessidade freqüente de combinar vários domínios do conhecimento. Um exemplo típico disso, adaptado de [1], é o seguinte. “O estudo das bases biológica e ambiental de doenças respiratórias requer um esforço multidisciplinar complexo de modelagem, que combina dados de Ciências Sociais e de Saúde Pública a experimentos com modelos de dinâmica dos fluidos aplicados ao fluxo de ar e substâncias inalantes (fumaça, alergênicos). Requer, ainda, modelos das propriedades de materiais, modelos biofísicos de movimentos de cilia para ejetar corpos estranhos e modelos biológicos de suscetibilidade genética a doenças.” Já outro exemplo, mencionado por Câmara [2], na área de estudos globais do meio ambiente, mostra a necessidade de integrar diferentes modelos – mudanças climáticas, sistemas humanos e naturais, desenvolvimento sócio-econômico e emissões de concentração de gases e poluentes. Esta área tem atraído atenção crescente, por causa dos benefícios econômicos e sociais a ela associados. Vários fatores vêm contribuindo para avanços neste tipo de pesquisa. Um deles é a crescente disponibilidade de dados coletados sobre fenômenos naturais ou artificiais, graças à disseminação do uso de sensores, cujas redes envolvem um sem-número de desafios de pesquisa. Outro fator é a evolução no hardware e em sistemas de software, que estão permitindo cálculos de grande complexidade, graças à adoção de processamento paralelo e grades computacionais – o que se costuma classificar como computação em larga escala. Avanços científicos em outras áreas do conhecimento, desde as ciências exatas e engenharias até as ciências humanas e sociais, vêm igualmente permitindo refinamento nos modelos e algoritmos. Se todos estes fatores impulsionam a pesquisa em modelagem computacional de sistemas complexos, também trazem problemas para o seu desenvolvimento, pelo volume de dados gerados e pela complexidade crescente do processamento demandado. Por exemplo, o conjunto diário de dados recebidos de satélites e diferentes tipos de sensores já atinge petabytes (10**15), exigindo pesquisa em técnicas para redução de dados. Sistemas de busca na Web, como o Google, demandam algumas centenas de milhares de computadores trabalhando simultaneamente para conseguir responder a todas as consultas em um tempo aceitável, gerando assim demanda de pesquisa em simulação do desempenho de redes. Estudos sobre o funcionamento das células do corpo humano prevêem uma possibilidade de 10**18 doenças distintas. Todos esses exemplos exigem pesquisa de ponta em arquiteturas avançadas de alto poder computacional. Desta forma, ao mesmo tempo que a Computational Science permite estudos antes impossíveis em vários domínios, os avanços destes últimos geram desafios de pesquisa em Computação. Vários níveis de desafios específicos relacionados com a modelagem computacional, podem ser citados, incluindo: - Processamento em tempo real de altíssimas taxas de fluxos de dados provindos de milhares de sensores – por exemplo, em estudos de catástrofes naturais (por exemplo, enchentes) ou sistemas de evacuação urbanos em face de desastres artificiais (por exemplo, acidentes nucleares). Isto exige pesquisa em, por exemplo, distribuição do processamento, novas arquiteturas de bancos de dados, suporte de rede para comportar este fluxo; - Criação de novos tipos de métodos de extração de requisitos, algoritmos e mecanismos de coleta e processamento de dados que capturem variáveis relativas a interações sociais e sócio-culturais; - Definição de estruturas de armazenamento para registrar os modelos computacionais e os fatores associados à sua sintonia e execução em um ambiente paralelo e distribuído; - Desenvolvimento de ferramentas para a construção colaborativa de modelos, apoio à sua execução e modificação adaptativa em tempo real, para que tal execução leve em conta mudanças ocorridas no mundo real enquanto o modelo é executado; - Criação de novos algoritmos e técnicas em visualização científica, para permitir capturar de forma visual a complexidade dos objetos modelados e de suas interações – por exemplo, ajudando a entender a dinâmica de um tornado ou a evolução da erosão causada pela ocupação humana inadequada em uma região; - Pesquisa sobre o impacto, em engenharia de software, resultante da necessidade da colaboração entre cientistas da Computação e cientistas dos demais domínios; - Tratamento dos problemas de aumento na dimensionalidade (número crescente de variáveis em um problema) e escalabilidade, que contribuem para tempos de processamento exponencial; - Utilização de processamento paralelo envolvendo recursos heterogêneos como nas grades (grids) computacionais; - Estudos em interfaces multimodais extensíveis para permitir o entendimento dos fenômenos modelados e facilitar a configuração dinâmica dos modelos; e - Integração de algoritmos, estruturas de dados e modelos criados por diferentes disciplinas usando metodologias próprias. outro, está o projeto conjunto e otimizado do software e do hardware, necessário para obter a eficiência energética e compensar a baixa confiabilidade das novas tecnologias. É evidente que esse novo cenário exige uma readequação completa dos modelos e técnicas de projeto em muitas sub-áreas tradicionais da Computação. Em especial, novos paradigmas deverão ser buscados em diferentes linhas de pesquisa. Na Engenharia de Software, por exemplo, será necessário por exemplo buscar abstrações adequadas à necessidade de otimização no nível físico, ou desenvolver novas técnicas de teste e verificação de software na presença de falhas. Em Sistemas Operacionais, será preciso incluir tarefas como o controle do consumo de energia, e permitir alternar serviços entre hardware e software para minimização energética. Novos compiladores irão requerer maior visibilidade de hardware não padronizados. O Processamento Paralelo exigirá pesquisa em combinar eficiência energética com os requisitos de alto desempenho, além de novas linguagens que explorem o paralelismo de forma eficiente nesse novo contexto. Neste cenário, todo sistema de computação deverá ser visto como um sistema embarcado, com potencial interconexão com os demais recursos num sistema pervasivo. Ao mesmo tempo, a complexidade de plataformas paralelas e de sistemas altamente distribuídos está crescendo cada vez mais. Sistemas paralelos futuros terão centenas de milhares de processadores trabalhando em conjunto. Desta forma, um desafio associado é o desenvolvimento de software que seja escalável neste nível e que aproveite ao máximo a arquitetura disponível para garantir o nível de concorrência adequado. Adicionalmente, a maioria dos equipamentos para aplicações embarcadas e pervasivas será movida a bateria. A capacidade dessas não tem aumentado de maneira exponencial, provocando um gargalo na energia que pode ser consumida. Resumidamente, alguns dos grandes problemas técnicos e científicos a abordar para fazer frente a este desafio são: - Desenvolver pesquisa em Engenharia de Software para permitir capturar requisitos em todos os níveis de abstração, desde os níveis mais baixos de desempenho e consumo de energia, até as abstrações necessárias à automação crescente do processo de desenvolvimento de software; - Definir conceitos mais abrangentes de desenvolvimento baseado em componentes, que levem em consideração também características não-funcionais, como desempenho, consumo de energia e confiabilidade; - Desenvolver novas técnicas de teste e verificação de software na presença de falhas permanentes e transitórias, e que considerem as interações entre processadores não convencionais e processadores baseados em silício; - Projetar mecanismos em que a implementação de tarefas do sistemas operacionais e middleware possam alternar entre software e hardware, minimizando e controlando o consumo de energia, num contexto de carga variável de trabalho; - Projetar técnicas de compilação que permitam a compiladores mapear automaticamente fragmentos de código para módulos altamente otimizados de hardware; - Combinar eficiência energética com os requisitos de alto desempenho em sistemas paralelos e heterogêneos; - Desenvolver novas linguagens que explorem o paralelismo de forma eficiente no contexto de sistemas massivamente paralelos e heterogêneos, onde o consumo de energia é uma restrição importante a ser considerada; - Integrar os vários níveis de paralelismo, desde o paralelismo on-chip (multi-core), o paralelismo multi-thread, até o paralelismo inter-nós (clusters, grids); - Prover suporte ao desenvolvimento de sistemas escaláveis, através de monitoração e depuração; - Investigar novos modelos de computação, bem como novas arquiteturas e máquinas capazes de implementá-los; - Investigar a possibilidade e as perspectivas da utilização de mecanismos biológicos para a resolução de problemas; - Criar linguagens e métodos para o desenvolvimento de programas em máquinas que implementam modelos não-convencionais de computação. 5. Acesso participativo e universal do cidadão brasileiro ao conhecimento. A Tecnologia da Informação introduziu uma revolução na comunicação entre pessoas e sua forma de trabalho. Através de redes de computadores, todos podemos nos comunicar e compartilhar os mais diversos recursos (hardware, dados e software, e também informação visual e sonora), independentemente da localização ou de presença física simultânea. Esses novos tipos de interação são facilitados pela disponibilidade das redes de comunicação com banda larga e latência reduzida, associada aos dispositivos móveis e à computação ubíqüa. Tal disponibilidade, no entanto, não é sinônimo de facilidade de uso e acesso universal. Existem barreiras tecnológicas, educacionais, culturais, sociais e econômicas, que impedem o acesso e a interação. O objetivo deste desafio é, portanto, vencer essas barreiras, por meio da concepção de sistemas, ferramentas, modelos, métodos, procedimentos e teorias capazes de endereçar, de forma competente, a questão do acesso do cidadão brasileiro ao conhecimento. Este acesso deve ser universal e participativo, na medida em que o cidadão não é um usuário passivo, o qual recebe informações, mas também participa da geração do conhecimento. Apenas por meio da oportunidade de participação da construção do conhecimento é que o acesso vai poder levar a uma plena e consciente utilização do conhecimento disponibilizado. O problema concerne, portanto, a extensão de sistemas computacionais ao cidadão comum, em sua diversidade, respeitando suas diferenças. Este desafio ganha novas proporções no cenário de uma população com a diversidade e os problemas da nossa, com enormes diferenças sócio-econômicas, culturais, regionais e de acesso à tecnologia e ao conhecimento. Além disso, vivemos um momento de convergência de mídias (como a Internet, TV, telefone celular) cujo gargalo será, sem dúvida, possibilitar o acesso. O IBGE (Instituto Brasileiro de Geografia e Estatística) contabilizou, em 2003, 32,1 milhões de analfabetos funcionais, entendidos como a população com mais de 15 anos de idade e menos de 4 anos de escolaridade (26% da população). Ainda, segundo a mesma fonte, 24,5 milhões de pessoas têm algum tipo de deficiência (14,5% da população). Setores do governo, universidades e o setor privado podem buscar soluções tecnológicas de alcance social que procurem diminuir tais diferenças e resgatar valores de cidadania em nossa sociedade. Para atacar este problema, é necessário, por exemplo, definir "acesso participativo" e "conhecimento" de forma bastante abrangente. Não se trata somente de capturar, organizar e divulgar informações e conhecimento, nem tampouco somente de reduzir as dificuldades de acesso físico a computadores e redes, seja por limitações de poder aquisitivo, seja por barreiras educacionais ou culturais, ou por incapacidade sensório- motora. Trata-se também de produzir tecnologia de base computacional que permita e motive a participação dos usuários no processo de produção de conhecimento e decisão sobre seu uso. Além disso, deve-se ter em conta aspectos jurídicos, sociais e antropológicos 6. Desenvolvimento Tecnológico de Qualidade: sistemas disponíveis, corretos, seguros, escaláveis, persistentes e ubíquos. A Tecnologia da Informação está cada vez mais presente em nosso quotidiano. Não é preciso ir muito longe para buscar exemplos. Vários eletrodomésticos e elevadores, por exemplo, têm controle via software; carros, tratores, aviões, celulares, sistemas de controle de tráfego e salas de cirurgia também dependem desta tecnologia. Enquanto alguns desses exemplos correspondem a sistemas relativamente simples – um forno de microondas – , outros custam muito caro e envolvem milhões de linhas de código e hardware sofisticado. Se esta ubiqüidade traz conforto, também acarreta problemas. Como dependemos desses sistemas, eles precisam estar sempre disponíveis e não apresentarem falhas; devem funcionar da forma prevista e ser escaláveis e seguros. Este desafio visa, desta forma, a pesquisa em ambientes, métodos, técnicas, modelos, dispositivos e padrões de arquitetura e de projeto capazes de auxiliar os projetistas e desenvolvedores de grandes sistemas de software e hardware a atingirem esses objetivos. As várias propriedades abrangidas por este desafio foram agrupadas, durante o seminário, em um novo termo – computação onivalente – cunhado para designar a ubiqüidade associada à segurança, fidedignidade e evolução de sistemas computacionais, em especial software. Cada uma dessas propriedades apresenta desafios de pesquisa; sua combinação, portanto, é um grande desafio. O conceito de ubiqüidade, impulsionado pelas redes de computadores e pela Internet, adquiriu maior força com a evolução na construção de sensores – que capturam temperatura, pressão, análise da atmosfera, sons, ou ondas eletromagnéticas, mas também a identidade de uma pessoa entrando em uma sala ou padrões de ondas cerebrais de pacientes com distúrbios neurológicos. Tato, olhos, narizes, ouvidos e papilas gustativas artificiais estão sendo desenvolvidos para inúmeras aplicações. Dispositivos sensores são geralmente considerados como uma nova classe de sistemas de computadores, diferenciados do hardware do passado por sua ubiqüidade e capacidade analítica coletiva. Sensores podem variar de tamanho e custo, indo desde os embarcados em satélites até micro-sensores usados, por exemplo, para identificar peças de roupa em grandes lojas (os RFID). Dispositivos efetuadores são entidades complementares que a partir da observação de fatos por um sensor, atuam no ambiente com algum objetivo específico. A combinação de sensores, software e efetuadores, e o aprimoramento de infinitas combinações destes tende a revolucionar o dia a dia de nossa sociedade. Estima-se que dentro de uma década sensoriamento e computação distribuída irão invadir casas, escritórios, fábricas, carros, ruas, e fazendas. Do ponto de vista de aplicação, as redes de sensores sem fio podem ser utilizadas em diversos cenários incluindo monitoramento ambiental, agricultura, pecuária, rastreamento de eventos, coordenação de ações, mineração e processamento de informação. Em um exemplo nacional, a regulagem automática dos carros Flex utiliza o feedback de um sensor no escapamento, que determina a composição da mistura de gases produzidos. A proliferação de tipos e usos desses dispositivos exige cada vez mais atenção ao desenvolvimento de sistemas para sua coordenação e funcionamento confiáveis. De fato, uma vez instalados, sensores deveriam sempre estar disponíveis, sua rede deveria ser escalável (funcionando de forma adequada independentemente do crescimento) e segura (impedindo ataques maliciosos). Finalmente, deveriam funcionar corretamente, ou seja, de acordo com sua especificação. A garantia dessas características ainda faz parte do futuro. Redes de sensores foram usadas para ilustrar alguns dos problemas que motivam este desafio – elas são ubíquas e combinam problemas de hardware e software que põem em risco sua confiabilidade e disponibilidade. No entanto, tais redes são relativamente novas. Sistemas de software são também ubíquos e apresentam os mesmos problemas, embora já existam há dezenas de anos. Disponibilidade, corretude, segurança, escalabilidade e persistência de software são problemas tanto para aplicações críticas (como as que controlam aviões, centrais nucleares ou estações orbitais) quanto para as não críticas (como sistemas de pagamento de pessoal ou controle de estoque, em que estes problemas, embora complexos, podem ser eventualmente reparados sem por em risco vidas humanas). A necessidade de software que obedeça a todas essas propriedades está revolucionando a Engenharia de Software e disciplinas associadas. A construção e manutenção de software robusto exigem profissionais qualificados e compromissos de longo prazo, que permitam manter, expandir e gerenciar o software. Praticar engenharia de software fidedigno é algo bem mais amplo do que incorporar tolerância a falhas e assegurar corretude, entre outras propriedades. O entendimento da noção de fidedignidade depende do serviço que o software presta. Em alguns serviços, por exemplo, comando e controle, uma falha pode ter conseqüências catastróficas. Já em outros, por exemplo busca de informação na Web, uma busca incorreta (falsos positivos ou ausência de respostas relevantes) é tolerável desde que isto ocorra com uma freqüência baixa. Entretanto, não é tolerável que um sistema cancele sua execução, invada a privacidade, ou represente um risco à segurança de quem o usa. Em virtude da crescente participação de software na sociedade, torna-se cada vez mais necessário assegurar sua fidedignidade. Artigos recentes enfatizam os problemas da falta de qualidade em software. É sabido que cerca de 50% do software tornado disponível contém falhas não triviais. A evolução do software é muitas vezes considerada uma propriedade intrínseca, ou seja, virtualmente todo o software em uso tende a evoluir, sendo que isto constitui uma parcela muito significativa do seu custo total (Total Cost of Ownership). É preciso portanto desenvolver software que possa evoluir sem comprometer a sua qualidade. Finalmente, é sabido que, independentemente do rigor com que seja desenvolvido, todo software conterá falhas. Conseqüentemente, a ocorrência de falhas de uso, de hardware ou do próprio software é um fato com que se precisa conviver sem que, no entanto, estas falhas levem a um nível de danos inaceitável. Há muito o Brasil, à similaridade com a Índia e a Irlanda, aspira ter uma pujante indústria de software e de serviços de desenvolvimento para exportação. Apesar de vários esforços neste sentido, os resultados ainda são muito pequenos. A melhoria da qualidade do nosso software certamente contribuirá para sua maior aceitação tanto no exterior como localmente. De fato, este é o caminho para garantir o próprio mercado interno. Este problema na produção de software é difícil, mesmo quando se considera software com arquiteturas convencionais. A tendência é isto se agravar já que cada vez mais o desenvolvimento de software é feito de forma geograficamente distribuída (várias equipes desenvolvendo um mesmo software) e sua operação também é distribuída (várias CPUs contendo partes heterogêneas do software operando sobre uma única aplicação, por exemplo em sistemas grid). Outra razão para que o problema se torne um desafio crescente é o fato de os sistemas de software tornarem-se cada vez mais complexos (volume e abrangência da funcionalidade e requisitos de qualidade mais restritivos), precisarem estar disponíveis por mais tempo (sistemas 24h / 7dias por semana) e serem utilizados por pessoas sem garantia de treinamento. Há inúmeros benefícios advindos da pesquisa neste desafio. Vários deles são decorrentes das vantagens resultantes do desenvolvimento de sistemas confiáveis e seguros, contribuindo para a melhoria da qualidade e a redução dos custos de desenvolvimento e uso de software e sistemas computacionais em geral. O mau funcionamento de um sistema computacional pode ter sérias conseqüências. Por exemplo, falhas em sistemas de controle de processos de alto risco podem levar a perda de vidas, desastres ecológicos, quebra de empreendimentos. Em sistemas de comércio eletrônico, falhas podem levar a prejuízos na casa dos milhões de reais. Em sistemas de governo eletrônico, podem contribuir ainda mais para a exclusão social da população. Falhas na segurança de dados, software ou sistemas acarretam também prejuízos financeiros e sociais, como aqueles causados por ataques a redes e vírus em todo o mundo. A violação da privacidade decorrente deste tipo de falha é outra conseqüência grave para o cidadão, com custos incalculáveis. Em função dessas observações, alguns dos tópicos de pesquisa associados a este desafio são: - Desenvolvimento e avaliação de modelos e ferramentas de modelagem de sistemas de software com base teórica sólida; - Desenvolvimento e adaptação de tecnologias e instrumentos em geral de apoio à implementação e à avaliação de software fidedigno por construção; - Desenvolvimento de ferramentas de apoio ao processo de implementação e evolução de software; - Especificação e análise de novas técnicas e algoritmos de segurança de dados e sistemas, incluindo técnicas criptográficas e protocolos seguros de comunicação; - Construção de mecanismos e ferramentas visando a tolerância a falhas e disponibilidade permanente; e - Considerar a necessidade de ubiquidade no projeto e desenvolvimento de sistemas, incluindo fatores como ambientes distintos de trabalho e variações em requisitos. 8. Conclusões A SBC espera que este evento seja o primeiro de uma série de encontros de Grandes Desafios em Computação no Brasil, visando ao planejamento a longo prazo da pesquisa em Computação no País. Como mencionado na Introdução, a idéia de formular grandes desafios em pesquisa tem sido adotada por vários países, em diversas áreas do conhecimento. Constatou-se, nesses países, que a formulação de tais desafios tem levado ao estabelecimento de uma agenda de pesquisa de longo prazo, com conseqüências positivas não apenas do ponto de vista de avanços do conhecimento, mas também para a formação de novas gerações de pesquisadores. Desta forma, esta proposta da SBC poderá trazer contribuições significativas para a área de Computação e servir, igualmente, para dar subsídios à formulação das políticas de agências fomento à pesquisa no Brasil Os desafios propostos exigem cooperação dentro da Computação e com várias outras áreas do conhecimento. Cada um deles engloba um grande conjunto de tópicos de pesquisa de ponta e está centrado em algum aspecto importante da Informática. Várias áreas de pesquisa em Computação aparecem na descrição de todos esses desafios – redes de computadores, gerenciamento de dados, desenvolvimento de software, projeto de algoritmos e estruturas de dados, design de interfaces e novos dispositivos e arquiteturas de computadores são algumas das questões a serem abordadas com maior ou menor ênfase em todos os itens. Finalmente, a Computação permeia hoje todas as atividades científicas. A SBC espera, assim, que esta iniciativa contribua também para o avanço da ciência brasileira em todas as frentes, influenciando várias outras áreas de pesquisa no País. Relatórios produzidos em todo o mundo apontam para o papel fundamental que a Computação desempenha no progresso científico, tecnológico, econômico e social de uma nação. A busca pela excelência científica em Computação, com ênfase na visão em longo prazo, deverá desta forma ter impacto social e econômico duradouro. Referências Bibliográficas [1] Computational Science: Ensuring America´s Competitiveness. PITAC Report to the President, EUA, Junho de 2005, Disponível em http://www.nitrd.gov/pitac/reports/20050609_computational/computational.pdf [2] .G. Câmara. Grandes Desafios da Computação: A construção de uma terceira cultura. Apresentação no Seminário Grandes Desafios, maio de 2006 Programa do evento Dia 1: 8:30-12:30 Apresentação dos trabalhos selecionados, com uma duração de até 8 minutos por proposta. 14:00-16:00 Mesa Redonda – Renato Janine Ribeiro e Gilberto Camara – A importância do planejamento estratégico de longo prazo, da pesquisa em Computação no Brasil 16:30 – 19:30 Organização de 5 grupos de trabalho, para discussão e consolidação de propostas de grandes desafios, com suas características e oportunidades. Os Grandes Desafios não necessariamente serão derivados dos trabalhos, mas sim da visão consensual de cada grupo sobre os problemas de futuros da pesquisa. Apresentação dos resultados de cada grupo em cartazes. Dia 2: 8:30-12:30 Apresentação dos grupos: sumário e consolidação dos grandes desafios propostos no dia anterior 14:00-15:00 Consolidação final dos desafios em discussão, apresentando novas visões e justificativas. 15:00- 17:00 Apresentação final da proposta de Grandes Desafios em Computação para o Brasil 2006-2016 para convidados externos.