A descoberta da localização precisa de uma espécie de GPS (Global Positioning System) no nosso cérebro (Moser e Moser, 2014), capaz de nos ajudar a responder a duas perguntas básicas “Onde estamos?” e “Como vamos até acolá?”, indispensáveis para a nossa vida normal, estimulou a discussão do tema computação espacial (ler a revista norte americana Communications Of the ACM, janeiro de 2016, páginas 72-81).

O abuso (dependência) dos GPS nos automóveis, nomeadamente por jovens, é hoje em dia reconhecido como prejudicial para os cérebros humanos pois não fomenta o treino que fazíamos diariamente na navegação (resposta àquelas duas perguntas), obrigando o cérebro a procurar as alternativas para as nossas viagens a pé (ou de carro) na cidade (vejam-se referências na Internet).

Conhecer onde estamos, no espaço e no tempo, quer seja de um ser humano ou de um agente artificial (robô), promete um entendimento mais profundo do que nos envolve, em particular dos ecossistemas e do ambiente. As oportunidades são imensas para dominar uma tal habilidade, e vale a pena olhar, a título de exemplo, para as de curto prazo, nomeadamente as associadas com a realidade aumentada e a virtual (a coqueluche atual da Facebook), capazes de desempenharem um papel central na medicina, arquitetura, turismo, comércio, engenharia civil, planeamento urbano, montagem e manutenção, e mesmo amplificação da nossa inteligência (como ocorre com o sistema Watson da IBM, virado para o diagnóstico e terapia do cancro).

No que respeita os desafios da investigação, não existem dúvidas quanto à necessidade de novos algoritmos, a cooperação entre utilizadores, a estimativa da orientação e posicionamento, e o registo das coisas físicas e virtuais (Internet das Coisas, ou IoT). Que interfaces naturais poderão ser adaptadas para elevar ou aumentar os sentidos dos seres humanos (visão, ouvido, tacto)? Como a tecnologia poderá capturar os corpos humanos com completa liberdade e representá-los no espaço visual?

No passado, a estatística espacial ajudou-nos a melhorar a análise (Analytics) e a precisão, no tempo e no espaço, acerca do trajeto dos furacões, o espalhamento de doenças infeciosas, e o congestionamento do trânsito automóvel (ou aéreo). Presentemente, a avalanche dos dados (Big Data) pressionou as técnicas da aprendizagem mecânica (Machine Learning) e das redes neuronais a fornecerem contribuições de melhores algoritmos (Deep Learning) para escalarem e serem robustos nos cálculos (veja-se o programa AlphaGo da Deep Mind).

A computação espacial promete, no futuro, sistemas geo colaborativos para enfrentar as frotas e as multidões, e capazes de empurrar a Internet além do ciberespaço, permitindo conexões entre as estruturas fixas e os objetos em movimento (automóveis, peões, bicicletas), ajudando assim a coordenação e a compreensão dos padrões de mobilidade nas cidades.

A computação espacial permite já a mobilização inteligente de grupos de pessoas, para defenderem causas comuns, reduzindo a necessidade de lideranças, e, no futuro, os condutores de automóveis sem condutor, e as infraestruturas poderão cooperar, diminuindo o perigo dos engarrafamentos, acelerando a evacuação e protegendo a segurança. Esta cooperação promove a confiança no recurso a agentes artificiais (inteligentes, espaciais e distribuídos) para o cálculo e a tomada de decisão (adaptação dos sinais de trânsito).

No que respeita a investigação a longo prazo, da computação espacial, é importante sublinhar o grande valor que terá para a sociedade em geral. Em primeiro lugar, destacamos que todos os seres humanos são bons construtores de mapas. A observação dos fenómenos que estão sempre a ocorrer no mundo justifica que passemos da fusão para a sinergia dos dados, isto é do acesso a algumas plataformas, como os telemóveis, para as restantes, como os PC, sensores e “nuvens”. A melhor compreensão da cognição justifica-se por causa dos benefícios dos serviços de localização para todos nós, sem prejuízo da sua privacidade, indispensável para garantir a confiança dos utilizadores.

A passagem da fusão de dados para os sistemas de comportamento apoia-se na constatação de que entrámos numa época com enormes volumes de dados, desde os habituais geométricos às imagens de satélite, registos de passagem (check-ins), tweets, geotags e georeports. A próxima viabilização dos automóveis sem condutor implicará também o cuidado com o salto dos sensores para as  “nuvens”, a monitorização contínua dos sinais luminosos de trânsito, e a sensibilidade à localização das coisas (IoT), assim como os serviços de previsão, alertas e avisos (sobre mudanças do clima, e acessos à alimentação, água e energia).