Hacker News Front Page
중도 성향
IT/기술
The IsUpMap lets you check the status of over 100 major sites at once
Comments
IT/기술 · "STATUS" · 총 12건
필터 보기현재 지수
50.3
0 = 부정 우세
50 = 중립
100 = 긍정 우세
최근 7일 기준 85,022건을 분석한 결과, 뉴스 심리지수는 50.3(균형)입니다. 긍정 4,301건(5.1%)·중립 78,707건(92.6%)·부정 2,014건(2.4%)이며, 중립 비중이 뚜렷하게 높습니다. 성향 지수는 종합 15.0(중도 균형)입니다.
Comments
Samsung Electronics' largest labor union has lost its majority status just two months after winning legal recognition, as workers in the company's non-chip division quit to protest a wage deal that favored semiconductor employees. The Samsung Electronics branch of the Samsung Group Employees' Union had 58,270 members as of 3 p.m. on Thursday, according to the union. That is down by nearly 18,000 from more than 76,000 at the end of April, when it held a rally to vote on a strike. Samsung Electron
South Korea's AI chip boom is creating a new class of corporate elite. Jobs at Samsung Electronics and SK hynix, long prized for their salaries and stability, are increasingly being treated as status symbols in everything from college admissions and job searches to dating and marriage, as soaring AI-driven profits transform perceptions of the semiconductor industry. Online, the phenomenon has been dubbed "Samjeon-nix," a portmanteau of "Samjeon," Korean shorthand for Samsung Electronics and SK h
Publisher do NYT, A.G. Sulzberger Damon Winter/The New York Times via AP A era da inteligência artificial anunciou sua chegada há menos de quatro anos, com o lançamento público do ChatGPT. Em poucos meses, o chatbot da OpenAI acumulou 100 milhões de usuários, tornando-se o produto de consumo de crescimento mais rápido da história. Hoje, ele é apenas um entre vários sistemas de IA cada vez mais poderosos, ao lado dos desenvolvidos por Anthropic, Google, Meta, Microsoft e X. Há poucas dúvidas de que a inteligência artificial generativa representa a próxima grande revolução tecnológica — e ela traz consigo uma série vertiginosa de questões importantes. A IA vai impulsionar um salto de produtividade? Vai eliminar categorias inteiras de empregos? Vai desbloquear avanços médicos extraordinários? Ou facilitar ataques biológicos? É possível compreender plenamente as ações dos modelos e agentes de IA? É possível controlá-los? Estou aqui hoje para falar de questões que são, reconheço, um pouco mais restritas. Mas elas importam muito para mim, para vocês e para a sociedade. Como a IA vai mudar o jornalismo? Como essas mudanças vão afetar o ecossistema de informação que funciona como a esfera pública dos cidadãos engajados ao redor do mundo? E o que as pessoas presentes nesta sala podem fazer para garantir o futuro do jornalismo baseado em fatos e reportagens em primeira mão — essencial para a saúde das nossas democracias? Os primeiros sinais nos dão razão para preocupação As empresas que lideram a IA, já entre as mais ricas e poderosas da história humana, estão consolidando um controle desproporcional sobre nossos dados e nossa atenção. Ao mesmo tempo, deixam de assumir uma responsabilidade fundamental que acompanha esse poder: garantir que o público tenha acesso a notícias e informações confiáveis. Esse sequestro da esfera pública é viabilizado pelo pecado original que move seus produtos de IA — um roubo descarado de propriedade intelectual em uma escala sem precedentes. Os gigantes da tecnologia vasculham sites de notícias sem permissão e sem compensação. Reempacotam o material roubado como se fosse seu, desviando o público e a receita que deveriam ir para as organizações jornalísticas que criaram esse trabalho. E isso não acontece apenas uma vez, durante o processo de treinamento, mas incontáveis vezes, todos os dias. Por isso, temo que estejamos caminhando rapidamente para um futuro com cada vez menos jornalistas capazes de fazer o trabalho caro e difícil da reportagem original — ir a lugares, conversar com pessoas, buscar informações, cobrir temas e eventos relevantes, oferecer contexto e análise, investigar os poderosos. Um futuro em que uma fonte essencial de uma sociedade saudável e de uma democracia estável — a verdade, a compreensão e a responsabilização proporcionadas pelo jornalismo original — continue a se esgotar. Esse dano potencial vai muito além do jornalismo. As empresas de IA saquearam todo o conjunto de obras originais da civilização — um ato que também ameaça o futuro de livros, filmes, músicas, pesquisas científicas e uma série de outros campos. Nos Estados Unidos, essas indústrias representam não apenas o coração da vida cultural e intelectual do país, mas também um pilar de sua economia e uma de suas exportações mais influentes. Globalmente, as profissões criativas empregam mais de 50 milhões de pessoas e geram cerca de US$ 12 trilhões em valor econômico por ano. As pessoas reunidas aqui hoje lideram organizações de notícias de mais de 60 países. Isso significa que já passaram por uma série de pressões que assolaram o jornalismo em todo o mundo — da queda de receitas à intermediação tecnológica e aos ataques crescentes à liberdade de imprensa. Mas diante da IA, precisamos fazer mais. Nossa profissão tem sido silenciosa demais, passiva demais e fragmentada demais diante dos abusos das empresas que lideram essa revolução. Não podemos permitir que os entusiastas da IA dominem a conversa pública sem que nos posicionemos em defesa de um futuro sustentável para o jornalismo original. Não podemos assistir enquanto empresas de IA tentam desmantelar permanentemente os direitos que nos dão controle sobre o trabalho que criamos. Não podemos ficar de braços cruzados enquanto esse trabalho é usado para construir produtos substitutos que minam nossa capacidade de conquistar o público e a receita necessários para continuar fazendo jornalismo. Alguns líderes do setor tecnológico vão retratar meus comentários de hoje como sendo contra a IA. Como uma defesa do status quo. Como mais uma instituição engessada reagindo com raiva aos inovadores que impulsionam o progresso. E, para ser justo com nossos colegas do Vale do Silício, existe uma tradição de incumbentes estabelecidos — digamos, um jornal de 175 anos — reclamando de novas tecnologias e dos disruptores por trás delas. Por isso, vale dizer claramente: a organização que lidero, o "The New York Times", tem um longo histórico de abraçar a tecnologia para avançar a missão do jornalismo independente. Temos uma história de parcerias respeitosas com empresas de tecnologia para levar esse jornalismo a novos leitores, de novas formas. Enfrentar as disrupções com curiosidade, abertura e capacidade de adaptação nos ajudou a atravessar o colapso do nosso negócio impresso e sairmos mais fortes do outro lado. Hoje, meus colegas usam tecnologia de IA — de forma responsável, ética e com humanos tomando as decisões — para melhorar a forma como reportamos, editamos, distribuímos e monetizamos nosso jornalismo. Manter uma tecnologia nova e poderosa à distância é uma receita para o fracasso. E acredito plenamente que a IA tem o poder de fazer muito bem no mundo. Não estou chamando a IA — nem os gigantes tecnológicos que controlam essa tecnologia — de inerentemente ruins ou malignos. Estou alertando que as empresas de IA estão fazendo escolhas que violam leis já consolidadas, ameaçam a viabilidade do trabalho criativo e parecem destinadas a causar danos desnecessários e graves. As organizações de notícias deveriam querer os benefícios que a IA pode trazer. Mas as empresas de tecnologia deveriam também querer apoiar o fluxo saudável e sustentável de informações, ideias e criatividade que alimenta a própria IA — para garantir que suas ações não nos levem a uma tragédia dos bens comuns cívicos. Os quatro ingredientes da IA Os modelos de IA são feitos com quatro ingredientes básicos. O primeiro é o talento — as pessoas que desenvolvem os algoritmos. O segundo é o que as empresas de tecnologia chamam de "computação": a infraestrutura por trás da IA, como chips e data centers. O terceiro é a energia — a eletricidade necessária para alimentar esses produtos tão consumidores de recursos. O quarto é o que as empresas de tecnologia chamam de "dados". A própria palavra parece quase projetada para fazer o trabalho criativo e expressivo soar trivial, como uma commodity abundante. Mas "dados" é frequentemente usado, entre outras coisas, como sinônimo de livros, filmes, músicas e jornalismo — o que poderia ser descrito com mais precisão como "conteúdo protegido por direitos autorais". Talento, computação, energia e dados são todos essenciais para o sucesso da IA e, portanto, para o sucesso dos gigantes tecnológicos. Os três primeiros são pagos — porque é claro que são. Nenhum CEO de tecnologia ousaria sugerir que os engenheiros mais talentosos trabalhem de graça. Pelo contrário, eles regularmente oferecem pacotes de remuneração que chegam a dezenas ou até centenas de milhões de dólares. Tampouco considerariam roubar chips de uma fábrica da Nvidia ou fazer uma ligação ilegal em uma linha de energia. Os investidores consideram que as recompensas financeiras potenciais da IA são tão grandes que estão aceitando prejuízos na casa dos centenas de bilhões de dólares para construir data centers e usinas de energia. Em contraste, as empresas de IA tomam os "dados" sem consentimento nem compensação. As justificativas para o roubo mudam o tempo todo. Dizem que a inovação exige isso. Insistem que estão apenas usando fatos, que ninguém pode possuir. Reclamam que os acordos demoram demais e custam caro demais. Alegam que a doutrina do "uso justo" permite que tomem conteúdo de graça de qualquer jeito. Às vezes chegam até a invocar a segurança nacional — alertam que, se as empresas de IA forem obrigadas a pagar, os Estados Unidos perderão a corrida tecnológica para a China. Nenhum desses argumentos resiste ao escrutínio. Um chatbot só consegue reproduzir "fatos" porque copiou ilegalmente artigos jornalísticos inteiros, o que lhe permite tomar emprestado com a mesma liberdade a linguagem protegida e o estilo da escrita. Construir data centers e usinas de energia é muito mais caro e demorado do que contratar advogados para redigir acordos de licenciamento com organizações de notícias. O uso justo não permite esse tipo de cópia, retenção e regurgitação prejudicial e substitutiva de uma obra — quanto menos de tudo o que a humanidade já produziu. Na competição com a China, os Estados Unidos se enfraquecem ao abandonar as proteções de propriedade intelectual que alimentam a inovação e sustentam as empresas criativas americanas. A avaliação combinada das seis principais empresas de IA é de US$ 11 trilhões — mais de três vezes o PIB da França. O investimento privado em IA nos Estados Unidos chegou a quase US$ 350 bilhões em 2025 e está acelerando em 2026. Portanto, o roubo de propriedade intelectual certamente não ocorre por falta de dinheiro para pagá-la. Embora os acordos de licenciamento com editores não sejam públicos, com base no tamanho dos poucos acordos que foram divulgados, estima-se que menos de meio por cento desse investimento esteja indo para compensar as pessoas e empresas que criam os dados que alimentam a IA. Embora existam muitas fontes de dados, os próprios executivos de IA reconheceram que conteúdo original e de alta qualidade é particularmente valioso para a eficácia e confiabilidade da tecnologia. Cinco dos dez principais sites usados para treinar alguns dos modelos de linguagem mais populares pertencem a editoras de notícias. A OpenAI confessou que seria "impossível treinar os modelos de IA líderes de hoje sem usar materiais protegidos por direitos autorais". Um engenheiro da empresa escreveu que o sucesso dos modelos "não é determinado pela arquitetura, hiperparâmetros ou escolhas de otimização. É determinado pelo seu conjunto de dados, nada mais". Em outras palavras: você é o que você come. O caso do 'The New York Times' Vamos olhar de perto a experiência do "The New York Times" para entender como isso funciona. Se você quer respostas abrangentes e precisas no seu chatbot de IA, é difícil imaginar uma fonte de dados melhor do que uma organização jornalística que, por 175 anos, empregou jornalistas profissionais experientes e bem remunerados para descobrir novas informações, narrar eventos em andamento e avaliar desenvolvimentos em política, negócios, cultura, esportes, ciência e assuntos globais. Esse trabalho original é valioso para as empresas de tecnologia em grande parte porque foi cuidadosamente escrito e editado, verificado de forma independente, submetido aos mais altos padrões de justiça e precisão, e apresentado de forma distintiva e envolvente. Só no ano passado, o "The New York Times" publicou quase meio milhão dessas obras — de artigos a fotos, vídeos e podcasts —, a um custo de mais de US$ 2 bilhões. Temos jornalistas em todos os 50 estados americanos e em 155 países, e esses profissionais não raramente enfrentam situações de risco de vida. Na Ucrânia, por exemplo, tivemos mais de 70 jornalistas e equipe de apoio em campo. Tudo isso apenas em 2025. Some essas contribuições ao longo de 175 anos e 20 milhões de obras originais, e você terá uma ideia mais clara do que nossa redação contribuiu para a compreensão pública do mundo. O valor distintivo do jornalismo do "Times" — assim como o de outras fontes de jornalismo de qualidade — foi repetidamente reafirmado pela preferência que as empresas de IA demonstram por ele. Embora a maioria das empresas de IA oculte suas fontes de treinamento, o "Times" foi a maior fonte individual de dados proprietários em um conjunto de dados importante usado para treinar vários modelos diferentes, seguido por outras organizações jornalísticas, como "The Guardian" e "Los Angeles Times". As empresas de IA consideram a extração de informações de organizações jornalísticas de qualidade como um dos sinais mais confiáveis de que seus produtos estão funcionando corretamente. Como disse um vice-presidente da Microsoft: "Conteúdo premium melhora significativamente a qualidade das respostas". No entanto, os gigantes tecnológicos argumentaram de forma consistente que não deveriam ser obrigados a pedir permissão para usar — muito menos pagar por — esse tipo de propriedade intelectual. Seu argumento, como mostram suas ações, é que têm direito a ela. A Meta treinou seu modelo em um banco de dados notório de livros pirateados ilegalmente. A Perplexity desafiou abertamente a norma consolidada de que sites não podem ser rastreados às escondidas, contrariando suas objeções explícitas. A OpenAI fez lobby junto ao governo americano para obter imunidade legal pelo confisco de obras alheias. Até mesmo a Anthropic, frequentemente citada por seu compromisso com o desenvolvimento ético da IA, se recusou a pagar pelo jornalismo de alta qualidade que usa em seus produtos. Ações como essas levaram o "Times" a processar a OpenAI, sua parceira, a Microsoft e, posteriormente, a Perplexity, por violações flagrantes de nossos direitos de propriedade intelectual protegidos pela lei de direitos autorais dos Estados Unidos — tanto no treinamento de seus modelos quanto no uso contínuo de nosso trabalho em seus produtos. Assim como outras organizações jornalísticas que entraram com ações semelhantes, acreditamos que essas violações ameaçam a capacidade de longo prazo das organizações de notícias de continuar produzindo jornalismo original e confiável, do qual o público — e, como se vê, os próprios modelos de IA — depende. Mas processos judiciais são lentos e caros — o nosso já se estende por dois anos e meio e custou mais de US$ 20 milhões. Como as empresas de IA certamente sabem, a maioria das organizações jornalísticas não tem recursos para ir a tribunal defender seus direitos. Um setor já fragilizado Mesmo antes da chegada da IA, o setor global de notícias lutava para sobreviver às ondas de mudança desencadeadas pela internet, pelo smartphone e pelas redes sociais. Nas últimas duas décadas, os Estados Unidos perderam, segundo algumas estimativas, 75% de seus jornalistas e mais de 3.000 jornais. Um novo jornal fecha a cada três dias. Os veículos digitais não preencheram nem uma fração desse vazio. Grandes regiões dos Estados Unidos já não têm um único repórter fazendo perguntas na câmara municipal, cobrindo as escolas locais ou conectando sua comunidade com um conjunto comum de fatos. E quando se olha para as formas mais caras e desafiadoras de jornalismo — investigar irregularidades ou ir às linhas de frente de conflitos — percebe-se que o número de jornalistas fazendo esse trabalho caiu de forma ainda mais dramática. A disrupção provocada pela IA promete ser ainda mais devastadora. Antes da IA, havia uma troca de valor real — ainda que desequilibrada — entre as plataformas de tecnologia e os criadores de conteúdo digital, como as organizações de notícias. Esse era o pacto da chamada web aberta. As empresas de tecnologia — principalmente as plataformas de busca e redes sociais — ficavam com uma fatia crescente das receitas publicitárias que antes iam para as organizações de notícias, mas, em contrapartida, entregavam um público muito maior. Na próxima fase da disrupção, as empresas de tecnologia, ao se apropriar do próprio jornalismo, também estão tomando uma parcela crescente do público que ele conquista. Veja o caso do Google. O objetivo dos mecanismos de busca sempre foi identificar os sites mais úteis e enviar as pessoas para eles. As pessoas iam ao Google, pesquisavam um assunto e clicavam em um link para sites como o "Financial Times", "Le Monde" ou "El País" para ler a matéria. O Google ficava com a grande maioria das receitas publicitárias. Mas também enviava tráfego significativo para as organizações de notícias por meio de links, permitindo que os editores ganhassem dinheiro exibindo anúncios ou vendendo assinaturas. Na era da IA, o Google usa cada vez mais o conteúdo das organizações de notícias e de outros sites para responder às perguntas diretamente. Como resultado, fazer com que um usuário do Google clique em um link é, segundo pesquisas do setor, dez vezes mais difícil hoje do que era uma década atrás. Ainda assim, o Google mantém o padrão mais elevado em termos de envio de leitores para os editores, e só podemos esperar que esse compromisso continue. Os modelos de IA concorrentes enviam tráfego de referência a uma taxa 96% menor do que a busca do Google, segundo um estudo. Os gigantes tecnológicos têm plena consciência das implicações dessa mudança sobre os modelos de negócios já frágeis das organizações de notícias. Como escreveu o chefe de monetização de IA da Microsoft: "A web aberta foi construída sobre uma troca de valor implícita, em que os editores tornavam o conteúdo acessível e os canais de distribuição — como a busca — ajudavam as pessoas a encontrá-lo. Esse modelo não se traduz de forma limpa para um mundo orientado pela IA." Ele acrescentou: "Os editores precisam de formas sustentáveis e transparentes de controlar como seu conteúdo premium é usado." Um sentimento digno. Mas basta olhar para uma página de lançamento recente do próprio mecanismo de busca com IA da Microsoft para encontrar uma postura bem diferente: "Olá do Bing! Em vez de clicar em links, podemos conversar sobre tudo o que você quiser saber." Essa dinâmica fez, evidentemente, o tráfego para os sites de notícias despencar. Os maiores jornais acompanhados pelo Comscore registraram quedas de mais de 45%, em média, à medida que a corrida pela IA se intensificou nos últimos quatro anos. Editores de notícias globais consultados pelo "Reuters Institute" se preparam para que as quedas de tráfego significativas continuem nos próximos anos. Menos tráfego para os editores provavelmente significa menos oportunidades de publicidade, que continua sendo uma importante fonte de receita para a maioria das organizações de notícias. Nas últimas duas décadas, a receita combinada de publicidade dos jornais já caiu 80%. A Meta sozinha fatura oito vezes mais em receita publicitária do que todos os jornais do mundo juntos. Para compensar a queda da publicidade, muitas organizações de notícias recorreram a modelos de assinatura. Mas na medida em que as pessoas percebem que podem acessar trabalhos roubados gratuitamente por meio de produtos de IA, será cada vez mais difícil para as organizações de notícias desenvolver e aprofundar relações com potenciais assinantes. Esse roubo não acontece apenas porque os editores "deixam seus brinquedos no quintal"; acontece mesmo quando eles estão "trancados com segurança dentro de casa". Um estudo descobriu que cerca de 30% das varreduras por bots de IA violam restrições explícitas de acesso ao conteúdo dos sites, incluindo conteúdo protegido por paywalls. A fonte de receita com a qual alguns esperam compensar essas perdas é o dinheiro das próprias empresas de IA, por meio de licenciamento de conteúdo ou micropagamentos. Algumas organizações de notícias maiores, incluindo o "Times", assinaram acordos de licenciamento. Outras adotaram micropagamentos das empresas de IA para cada uso individual do jornalismo. Mas há boas razões para questionar se qualquer um desses modelos será suficiente para compensar a receita e os leitores perdidos para produtos de IA concorrentes. Enquanto isso, muitas organizações de notícias menores, cujo trabalho também foi tomado e usado por modelos de IA, não receberam nenhuma compensação, e a grande maioria dos editores diz não esperar receitas significativas das plataformas de IA. De forma preocupante, mesmo enquanto essas empresas de tecnologia tentam divulgar acordos e outras ações que sinalizam que valorizam o jornalismo, simultaneamente argumentam em tribunal, junto a legisladores e agências federais, que não têm nenhuma obrigação com os criadores da propriedade intelectual que usam para alimentar seus produtos. Não é concorrência — é parasitismo Para ser claro: não estou levantando essas preocupações porque as organizações de notícias deveriam temer a concorrência. Se as empresas de tecnologia estivessem destinando recursos reais para colocar seus próprios repórteres em campo para produzir jornalismo original, eu daria boas-vindas a isso. Mas não é isso que está acontecendo. As plataformas tecnológicas nunca fizeram tentativas sérias de criar o trabalho original e de base — como reportagem local, jornalismo investigativo ou testes rigorosos de produtos — do qual seus usuários, plataformas e produtos de IA dependem. E agora vão um passo além, simplesmente tomando as reportagens e coberturas de outros, muitas vezes até apresentando-as como suas. Um estudo descobriu que a OpenAI creditou as organizações de notícias que desenterraram as informações citadas em apenas 1% de suas respostas. Os líderes das transições tecnológicas anteriores pelo menos tentavam argumentar que suas plataformas seriam simbióticas com os criadores. O Spotify, por exemplo — que tem seus críticos na indústria musical — destaca os pagamentos que envia aos artistas. As empresas de IA, em contraste, adotaram uma postura mais abertamente parasitária, mais próxima à do Napster, a antiga plataforma de música pirata. Um pesquisador sênior da Microsoft escreveu que uma das "promessas centrais dos LLMs" é sua capacidade de usar "seus dados de treinamento para substituir o trabalho pago daqueles que criaram esses dados". De forma mais evocativa, a escritora de ficção científica Margaret Atwood comparou essa dinâmica a ser "assassinada pela minha réplica". É uma aposta segura que tais ações dos gigantes tecnológicos vão alimentar tendências destrutivas que já estão tensionando a sociedade. Uma queda contínua no jornalismo original. Uma onda crescente de desinformação, propaganda, teorias conspiratórias, deepfakes e lixo gerado por computador. Um público que continua a ser radicalizado por algoritmos que amplificam o medo, a raiva e a divisão. Os repórteres são os responsáveis por enriquecer o registro público com informações até então desconhecidas. Aquele fato surpreendente. Aquele detalhe revelador. Aquela citação da testemunha ocular. Aquele documento secreto. Aquela análise do especialista. Aquela foto, vídeo, gravação de áudio. Em termos simples, o jornalismo original é muitas vezes a forma como você sabe o que sabe. Os produtos de IA não conseguem fazer esse tipo de reportagem original. Eles extraem o registro público, mas têm dificuldade de acrescentar algo a ele. Mesmo a extração tem sido problemática. Uma pesquisa da "European Broadcasting Union" descobriu que os principais assistentes de IA distorceram significativamente as notícias em quase metade de todas as respostas. Tanto o Google quanto a Apple, por exemplo, cometeram erros graves ao usar ferramentas de IA para reescrever manchetes e alertas de notícias de organizações jornalísticas que aparecem em seus produtos. Como a IA tende a ser ruim em expressar incerteza, ela frequentemente não está apenas errada — está errada com confiança. E, ao contrário das organizações de notícias das quais roubam, as empresas de IA não rastreiam nem corrigem esses erros, deixando seus usuários sem qualquer forma de saber quando foram induzidos a erro. Isso importa em parte porque os produtos de IA provavelmente não vão apenas suplementar, mas substituir as relações diretas com organizações de notícias para muitas pessoas. Pesquisas sugerem que essa mudança está acontecendo muito mais rapidamente do que a maioria imagina. A Amazon Web Services, que trabalha com muitas empresas de IA, estima que a maioria do conteúdo online já é gerado por IA — um número que alguns especialistas esperam que chegue a mais de 90% nos próximos anos. Já hoje, o número de sites de notícias locais falsos é maior do que o de sites reais, pois a IA dificulta a sobrevivência dos sites verdadeiros e facilita a criação de sites falsos a baixo custo. De forma reveladora, as empresas de IA não querem dizer que os resultados de seus produtos são confiáveis. Não querem dizer que são justos ou precisos. Isso se deve em parte ao fato de não serem. Quando o ativista político americano Charlie Kirk foi assassinado no ano passado, por exemplo, o bot da Perplexity sugeriu que a declaração da Casa Branca sobre a morte de Kirk havia sido fabricada, e o Grok, do X, insistia que ele estava vivo e bem. Mas tão importante quanto isso, as empresas de IA se recusam a ser responsáveis pelo que seus chatbots dizem aos usuários numa tentativa de escapar da responsabilidade legal. A Microsoft alertou ao lançar o Copilot: "Apenas para fins de entretenimento. Pode cometer erros e pode não funcionar como pretendido. Não confie no Copilot para aconselhamento importante. Use o Copilot por sua conta e risco." Em algum nível, o público entende que isso não será bom para ele. Dois terços dos americanos estão muito preocupados com a disseminação de informações imprecisas pela IA, segundo o Pew Research Center. Mas uma porcentagem crescente de pessoas recorre à IA para notícias, informações e orientações — e algumas a consideram mais confiável do que as organizações de notícias das quais ela depende para suas respostas. Tudo isso vai agravar o alarmante declínio da saúde social e cívica. Evidências mostram que, quando uma organização de notícias local desaparece, as pessoas de uma comunidade começam a confiar menos umas nas outras e a se odiar mais. Tornam-se mais isoladas e menos tolerantes. O engajamento cívico diminui e a corrupção pública aumenta. E imagine o que acontece quando a abordagem das empresas de tecnologia em relação ao setor jornalístico chega à sua conclusão lógica. Apesar da importância do jornalismo para a tecnologia mais valiosa do mundo, as ações das empresas de tecnologia estão comprometendo sua mais importante fonte de novas notícias, novas informações, novas análises. Isso tornaria os próprios produtos de IA menos úteis e menos confiáveis — mais uma vítima desnecessária de escolhas desnecessárias e prejudiciais. O que podemos fazer Um setor jornalístico em declínio pode parecer impotente diante de algumas das empresas mais ricas que o mundo já viu. E o caminho à frente não é facilitado pela realidade de que precisamos continuar operando em um ecossistema de informação controlado de forma desproporcional por esses gigantes tecnológicos. Mas ainda há ações que podemos tomar — tanto para nos posicionar contra os abusos das empresas de IA quanto para preparar nossas próprias organizações para ter sucesso nessa nova era. Compartilharei algumas ideias para cada uma dessas frentes, com a convicção de que ideias melhores e mais numerosas surgirão das pessoas presentes nesta sala. No que diz respeito a defender seu trabalho das empresas de tecnologia, tenho quatro reflexões centrais: Defenda seus direitos. Os direitos de propriedade intelectual precisam ser mantidos se nossa profissão quiser ter um caminho à frente. No meu país, esses direitos estão ancorados na Constituição e sustentados por séculos de precedentes. Eles também são compatíveis com um entendimento ético básico de que roubar é errado. Mas seus direitos só serão mantidos se você insistir em que sejam respeitados e resistir quando não forem. Isso exigirá coragem — e às vezes recursos, que escasseiam — mas o caminho alternativo de tolerar silenciosamente o roubo sistemático do seu trabalho acabará por minar sua capacidade de continuar fazendo jornalismo. Negocie com cuidado. Organizações de notícias que assinam acordos para licenciar conteúdo para empresas de IA estão fazendo algo razoável. Mas aconselho a avaliar a viabilidade de longo prazo de cada acordo. Os gigantes tecnológicos têm uma posição de força extraordinária: já tomaram seu conteúdo e pretendem usá-lo de qualquer forma. Ainda assim, antes de aceitar uma oferta, vale perguntar se o pagamento reflete algo próximo ao valor justo — e se você está retendo algum controle significativo sobre como seu trabalho será usado. Pressione seus legisladores. A IA é cada vez mais impopular entre o público. À medida que os legisladores consideram como reagir, nossa indústria precisa se unir em torno de um conjunto pequeno e claro de pedidos. Algumas ideias iniciais: garantir que as proteções já robustas de propriedade intelectual sejam reforçadas — e não enfraquecidas — para a era da IA. Exigir que bots se identifiquem e limitar sua capacidade de vasculhar sites sem permissão. Exigir transparência para que as organizações de notícias saibam quando e como seu trabalho é usado pela IA. Garantir que as empresas de IA sejam legalmente responsáveis pelo conteúdo difamatório que geram. Una-se aos outros. Enfrentamos empresas de IA que gastam quantias inimagináveis em marketing, lobby e doações políticas para persuadir o público e cooptar políticos. A firma de capital de risco por trás de muitos investimentos em IA é hoje o maior doador político dos Estados Unidos. O único caminho da indústria jornalística para contrabalançar essa influência é trabalhar em conjunto e, igualmente importante, com outras indústrias criativas. Participe de briefs de amicus curiae e seja ativo em suas associações profissionais. Estude como nossos colegas da música e de outras profissões atravessaram seus momentos "Napster". Há também coisas que podemos fazer para tornar nossas próprias organizações de notícias mais resilientes enquanto enfrentamos esse desafio. Mais quatro ideias: Use a IA do jeito certo. As redações devem criar padrões cuidadosos para o uso responsável da IA. E então devem ser agressivas e criativas para colocar a tecnologia a serviço da melhoria do seu jornalismo e do fortalecimento de seus negócios. A IA pode trazer valor real às organizações que encontrarem as formas certas de adotá-la, e uma mudança dessa magnitude vai destruir qualquer organização que se recuse a evoluir. Não há nada de inerentemente ruim na tecnologia de IA — são as ações das empresas por trás dela que precisam ser reformadas. Seja um destino, antes de tudo. Um mundo cada vez mais intermediado por plataformas de IA deixaria as organizações de notícias ainda mais à mercê dos gigantes tecnológicos para compartilhar tráfego, crédito e dinheiro. O caminho mais claro para sustentar um jornalismo de qualidade será por meio de relações diretas com o público. Ser um destino não significa ignorar a internet mais ampla. Você ainda precisa criar novas relações onde as pessoas estão, que geralmente é uma plataforma tecnológica. Mas para aprofundar essas relações — torná-las leais, habituais e valiosas — seu público precisa aprender que é melhor se engajar diretamente com você do que por meio de um intermediário. Foque no jornalismo original. Muitas organizações de notícias se enfraqueceram e se tornaram commodities ao tentar alimentar as preferências em constante mudança dos algoritmos de busca e redes sociais com clickbait, agregação e opiniões fáceis. A economia dessa abordagem vai piorar ainda mais. Para ser um destino em um mundo intermediado pela IA, você vai precisar de um jornalismo tão diferenciado que tenha sua própria gravidade. O coração disso é o jornalismo original. O público não tem outra fonte para esse trabalho. E a IA tampouco. Explique por que o jornalismo importa. As empresas de IA têm megafones gigantescos e têm comunicado com muito cuidado — e de forma seletiva — os benefícios de seu trabalho, ao mesmo tempo em que minimizam os danos. A indústria jornalística precisa, por sua vez, mostrar que o jornalismo original é um ingrediente essencial nas sociedades saudáveis, nas nações seguras e nas democracias fortes — e demonstrar como as ações dos gigantes tecnológicos estão colocando tudo isso em risco. Informação é valiosa. Jornalismo é valioso Na última transição digital, as organizações de notícias — incluindo o "Times", por um bom tempo — compraram a afirmação repetida do Vale do Silício de que "a informação quer ser livre". Muitos nem sabiam que a citação original, do filósofo da tecnologia Stewart Brand, tinha outra parte: "A informação quer ser cara, porque é muito valiosa — a informação certa no lugar certo simplesmente transforma sua vida." Não podemos ser tão ingênuos desta vez. As organizações de notícias são coletivamente menores e mais fracas do que há duas décadas. Os gigantes tecnológicos são maiores e mais fortes — e muito mais dispostos a usar seu tamanho e poder. Enquanto isso, a própria onda da IA pode ser maior e mais veloz, à medida que a tecnologia continua a melhorar. Mesmo que as coisas pareçam estar bem por enquanto, lembre-se: essas primeiras ondas anunciam um tsunami que se aproxima. Enquanto nos preparamos, precisamos nos lembrar: a informação é valiosa. O jornalismo é valioso. A internet já está sobrecarregada de bots e lixo digital. Está cada vez mais difícil saber de onde as coisas vieram e se são verdadeiras. Isso criou uma sensação crescente de que nada pode ser confiado, exigindo de todos uma vigilância quase paranoica sobre tudo — ou, pior, um mergulho no niilismo. O efeito não é apenas que as pessoas acreditam em coisas falsas: é que deixam de acreditar em coisas verdadeiras. Essa combinação tóxica já está levando mais pessoas a se desengajarem completamente. As empresas de tecnologia acenam para essas tendências e dizem "não é culpa nossa" e, de forma ainda mais reveladora, "não é nosso problema". As organizações de notícias deveriam se posicionar como a alternativa confiável nesse caos. Notícias e informações em que se pode confiar são mais raras e mais necessárias do que nunca. O tipo produzido por equipes de profissionais experientes, apoiados por processos e padrões rigorosos. Segundo pesquisas, quando alguém quer verificar algo que encontrou e que acha que pode ser falso, a opção preferida é "uma fonte de notícias em que confio". Em último lugar na lista? Um chatbot de IA. Continuo convicto do valor criado por organizações de notícias de qualidade dedicadas ao trabalho difícil e caro do jornalismo original — para os leitores, para as comunidades, para a sociedade como um todo. E, sim, até para os modelos de IA. Quem mais irá aos lugares onde os eventos estão se desdobrando? Quem nos trará relatos em primeira mão das linhas de frente de uma guerra? Quem nos equipará com informações confiáveis em uma crise de saúde pública? Quem vai expor a empresa de sucesso ou a carreira política construídas sobre uma mentira? Quem vai garantir que os debates sobre políticas econômicas sejam informados por seus impactos sobre pessoas reais? Quem mais pode enriquecer todo esse trabalho com conhecimento especializado duramente conquistado, que acrescenta perspectiva e contexto, e com compromissos profissionais profundamente enraizados de tornar cada matéria tão justa e precisa quanto possível? A questão é se esse valor será sugado pelos gigantes tecnológicos — ou se voltará para as organizações de notícias, permitindo que continuem esse trabalho essencial. Espero que todos vocês levem essa questão a sério. Acredito que o futuro das nossas organizações de notícias e a saúde da esfera pública dependem de como responderemos. Obrigado. (c) 2026 The New York Times Company. Texto original disponível em: https://www.nytco.com/press/a-i-journalism-and-the-uncertain-future-of-the-public-square/
Simon Song, who made the Forbes 30 Under 30 Asia list this year, is founder of Chinese AI startup VAST, which raised $200 million in fresh funding.
MiniMax Group, the Chinese artificial intelligence model company, has officially kicked off plans to sell shares in mainland China. This offers onshore investors access to AI players beyond chipmakers and completes a dual-listing status in addition to Hong Kong. The Shanghai-headquartered company signed an agreement with Citic Securities on Friday, hiring the brokerage to help prepare for a sale of yuan-denominated shares. While other details on the listing are scant, it is widely expected that...
The company's founder Masayoshi Son, 68, said he made the decision after meeting French President Emmanuel Macron during a visit to Tokyo in April and that France's status as an energy exporter had played a key role. Data centers are huge consumers of energy.
SXSW London kicks off with near perfect timing: Just weeks earlier, the U.K.’s AI sector reported record investment numbers, underscoring London’s status as the AI capital of Europe. “AI as the New Power Structure” is, aptly, a central theme of the second edition of the Austin spinoff. In fact, a big reason SXSW made the […]
On Monday, Pope Leo XIV unveiled an encyclical letter addressing the societal implications of artificial intelligence. The letter, titled Magnifica Humanitas, warned that the "use of AI is never a purely technical matter: when it enters processes that affect people's lives, it touches on rights, opportunities, status and freedom." Alongside him was Anthropic cofounder and […]
It's time for Nvidia to admit its status as a solid grower and do more for shareholders than it already has.
For years, the field of robotics has used the terms “dull, dirty, and dangerous” (DDD) to describe the types of tasks or jobs where robots might be useful—by doing work that’s undesirable for people. A classic example of a DDD job is one of “repetitive physical labor on a steaming hot factory floor involving heavy machinery that threatens life and limb.” But determining which human activities fit into these categories is not as straightforward as it seems. What exactly is a “dull” task, and who makes that assumption? Is “dirty” work just about needing to wash your hands afterwards, or is there also an aspect of social stigma? What data can we rely on to classify jobs as “dangerous?” Our recent work (which was not dull at all) tackles these questions and proposes a framework to help roboticists understand the job context for our technology. First, we did an empirical analysis of robotics publications between 1980 and 2024 that mention DDD and found that only 2.7 percent define DDD and only 8.7 percent provide examples of tasks or jobs. The definitions vary, and many of the examples aren’t particularly specific (for example, “industrial manufacturing,” “home care”). Next, we reviewed the social science literature in anthropology, economics, political science, psychology, and sociology to develop better definitions for “dull,” “dirty,” and “dangerous” work. Again, while it might seem intuitive which tasks to put into these buckets, it turns out that there are some underlying social, economic, and cultural factors that matter. Dangerous Work: Occupations or tasks that result in injury or risk of harm It’s possible to measure the danger of a task or job by using reported information. There are administrative records and surveys that provide numbers on occupational injury rates and hazardous risk factors. While that seems straightforward, it’s important to understand how this data was collected, reported, and verified. First, occupational injuries tend to be underreported, with some studies estimating up to 70 percent of cases missing in administrative databases. Second, injuries and risk factors are rarely disaggregated by characteristics like gender, migration status, formal/informal employment, and work activities. For example, because most personal protective equipment—such as masks, vests, and gloves—are sized for men, women in dangerous work environments face increased safety risks. These caveats are an opportunity for robotics to be helpful. If we went out and looked for it, we could probably find some less obviously dangerous work where robotics might be an important intervention, not to mention some groups that are disproportionately affected and would benefit from more workplace safety. Dirty Work: Occupations or tasks that are physically, socially, or morally tainted Colloquially, most people might think of dirty work as involving physical dirtiness, such as trash removal, cleaning, or dealing with hazardous substances. But social science literature makes clear that dirty work is also about stigma. Socially tainted jobs are often servile or involve interacting with stigmatized groups (for example, correctional officers), and morally tainted jobs include tasks that people commonly perceive as sinful, deceptive, or otherwise defying norms of civility (like a stripper or a collection agent). “Dirty work” is a social construct that can vary across time (like tattoo industry stigma in the United States) and culture (such as nursing in the U.S. versus in Bangladesh). One way to measure whether work is “dirty” is by using the closely related concept of occupational prestige, captured through quantitative surveys where people rank jobs. Another way to measure it is through qualitative data, like ethnographies and interviews. Similar to “dangerous,” we see some hidden opportunities for robotics in “dirty” work. But one of our more interesting takeaways from the data is that a lower-ranked job can be something that the workers themselves enjoy or find immense pride and meaning in. If we care about what tasks are truly undesirable, understanding this worker perspective is important. Dull Work: Occupations or tasks that are repetitive and lacking in autonomy When it comes to defining dull work, what matters most is workers’ own experiences. Outsiders can make a lot of false assumptions about what tasks have value and meaning. Sometimes things that seem boring or routine create the right conditions for developing skills and competence, such as the concentration needed for woodworking, or for socializing and support, when tasks are done alongside others. Instead of assuming that repetitive work is negative, it’s important to examine qualitative data on how people experience the work and what purpose it serves for them. DDD: An actionable framework In our paper, we propose a framework to help the robotics community explore how automation impacts individual jobs. For each term—dull, dirty, and dangerous—the framework gathers key pieces of information to reflect on what physical or social aspects of the task are, in fact, DDD. Worker perspective is an important part of all three considerations. The framework also emphasizes awareness of context—meaning the physical and social environment of an occupation and industry that can influence the DDD nature of a task. Our corresponding worksheet suggests existing data sources to draw on and encourages us to seek out multiple perspectives and consider potential sources of bias in the information. What makes tasks dull, dirty, or dangerous depends on the perspective of the humans doing those tasks.RAI Let’s take, for example, the waste and recycling industry. The world generates over 2 billion tonnes of waste annually, and this figure is expected to rise to nearly 4 billion tonnes by 2050. Intuitively, trash collection seems like a job that hits all the Ds. Going through our worksheet, we confirm that globally, workers in this industry face significant health hazards (dangerous), and waste collection is ranked as a low-status job (dirty), although interestingly, many workers take pride in providing this essential service. The job is also repetitive, but there are aspects that make it not dull. Specifically, workers cite the day-to-day interaction with their coworkers (which includes extensive insider vocabulary, work hacks, and mutual aid groups) and task variety as two of the most enjoyable aspects of the job. Task variety includes inspecting their vehicle and equipment, driving their truck, coordinating with crew members, lifting bins and bags, detecting incorrect sorting of waste, and unloading at the end destination. This finding matters because some types of robotic solutions will eliminate the parts of the job that workers most appreciate. For instance, the National Institute for Occupational Safety and Health (NIOSH) recommends the adoption of automated side loader trucks and collision avoidance systems. This innovation increases safety, which is great, but it also results in a sole worker operating a joystick in a cab, surrounded by sensor and camera surveillance. Instead, we should challenge ourselves to think of solutions that make jobs safer without making them terrible in a different way. To do this, we need to understand all aspects of what makes a job dull, dirty, or dangerous (or not). Our framework aims to facilitate this understanding. Finally, it’s important to note that DDD is only one of many possible approaches to classify what work might be better served by robots. There are lots of ways we could think about which types of tasks or jobs to automate (for example, economic impact or environmental sustainability). Given the popularity of DDD in robotics, we chose this common phrase as a starting point. We would love to see more work in this space, whether it’s data collection on DDD itself or the creation of other frameworks. At RAI, we believe that the fusion of robotics and social sciences opens a whole new world of information, perspectives, opportunities, and value. It fosters a culture of curiosity and mutual learning, and allows us to create actionable tools for anyone in robotics who cares about societal impact. Dull, Dirty, Dangerous: Understanding the Past, Present, and Future of a Key Motivation for Robotics, by Nozomi Nakajima, Pedro Reynolds-Cuéllar, Caitrin Lynch, and Kate Darling from the RAI Institute, was presented at the 21st ACM/IEEE International Conference on Human-Robot Interaction (HRI) in Edinburgh, Scotland.
Many of the world’s most advanced electronic systems—including Internet routers, wireless base stations, medical imaging scanners, and some artificial intelligence tools—depend on field-programmable gate arrays. Computer chips with internal hardware circuits, the FPGAs can be reconfigured after manufacturing. On 12 March, an IEEE Milestone plaque recognizing the first FPGA was dedicated at the Advanced Micro Devices campus in San Jose, Calif., the former Xilinx headquarters and the birthplace of the technology. The FPGA earned the Milestone designation because it introduced iteration to semiconductor design. Engineers could redesign hardware repeatedly without fabricating a new chip, dramatically reducing development risk and enabling faster innovation at a time when semiconductor costs were rising rapidly. The ceremony, which was organized by the IEEE Santa Clara Valley Section, brought together professionals from across the semiconductor industry and IEEE leadership. Speakers at the event included Stephen Trimberger, an IEEE and ACM Fellow whose technical contributions helped shape modern FPGA architecture. Trimberger reflected on how the invention enabled software-programmable hardware. Solving computing’s flexibility-performance tradeoff FPGAs emerged in the 1980s to address a core limitation in computing. A microprocessor executes software instructions sequentially, making it flexible but sometimes too slow for workloads requiring many operations at once. At the other extreme, application-specific integrated circuits are chips designed to do only one task. ASICs achieve high efficiency but require lengthy development cycles and nonrecurring engineering costs, which are large, upfront investments. Expenses include designing the chip and preparing it for manufacturing—a process that involves creating detailed layouts, building masks for the fabrication machines, and setting up production lines to handle the tiny circuits. “ASICs can deliver the best performance, but the development cycle is long and the nonrecurring engineering cost can be very high,” says Jason Cong, an IEEE Fellow and professor of computer science at the University of California, Los Angeles. “FPGAs provide a sweet spot between processors and custom silicon.” Cong’s foundational work in FPGA design automation and high-level synthesis transformed how reconfigurable systems are programmed. He developed synthesis tools that translate C/C++ into hardware designs, for example. At the heart of his work is an underlying principle first espoused by electrical engineer Ross Freeman: By configuring hardware using programmable memory embedded inside the chip, FPGAs combine hardware-level speed with the adaptability traditionally associated with software. Silicon Valley origins: the first FPGA The FPGA architecture originated in the mid-1980s at Xilinx, a Silicon Valley company founded in 1984. The invention is widely credited to Freeman, a Xilinx cofounder and the startup’s CTO. He envisioned a chip with circuitry that could be configured after fabrication rather than fixed permanently during creation. Articles about the history of the FPGA emphasize that he saw it as a deliberate break from conventional chip design. At the time, semiconductor engineers treated transistors as scarce resources. Custom chips were carefully optimized so that nearly every transistor served a specific purpose. Freeman proposed a different approach. He figured Moore’s Law would soon change chip economics. The principle holds that transistor counts roughly double every two years, making computing cheaper and more powerful. Freeman posited that as transistors became abundant, flexibility would matter more than perfect efficiency. He envisioned a device composed of programmable logic blocks connected through configurable routing—a chip filled with what he described as “open gates,” ready to be defined by users after manufacturing. Instead of fixing hardware in silicon permanently, engineers could configure and reconfigure circuits as requirements evolved. Freeman sometimes compared the concept to a blank cassette tape: Manufacturers would supply the medium, while engineers determined its function. The analogy captured a profound shift in who controls the technology, shifting hardware design flexibility from chip fabrication facilities to the system designers themselves. In 1985 Xilinx introduced the first FPGA for commercial sale: the XC2064. The device contained 64 configurable logic blocks—small digital circuits capable of performing logical operations—arranged in an 8-by-8 grid. Programmable routing channels allowed engineers to define how signals moved between blocks, effectively wiring a custom circuit with software. Fabricated using a 2-micrometer process (meaning that 2 µm was the minimum size of the features that could be patterned onto silicon using photolithography), the XC2064 implemented a few thousand logic gates. Modern FPGAs can contain hundreds of millions of gates, enabling vastly more complex designs. Yet the XC2064 established a design workflow still used today: Engineers describe the hardware behavior digitally and then “compile the design,” a process that automatically translates the plans into the instructions the FPGA needs to set its logic blocks and wiring, according to AMD. Engineers then load that configuration onto the chip. The breakthrough: hardware defined by memory Earlier programmable logic devices, such as erasable programmable read-only memory, or EPROM, allowed limited customization but relied on largely fixed wiring structures that did not scale well as circuits grew more complex, Cong says. FPGAs introduced programmable interconnects—networks of electronic switches controlled by memory cells distributed across the chip. When powered on, the device loads a bitstream configuration file that determines how its internal circuits behave. “As process technology improved and transistor counts increased, the cost of programmability became much less significant,” Cong says. From “glue logic” to essential infrastructure “Initially, FPGAs were used as what engineers called glue logic,” Cong says. Glue logic refers to simple circuits that connect processors, memory, and peripheral devices so the system works reliably, according to PC Magazine. In other words, it “glues” different components together, especially when interfaces change frequently. Early adopters recognized the advantage of hardware that could adapt as standards evolved. In “The History, Status, and Future of FPGAs,” published in Communications of the ACM, engineers at Xilinx and organizations such as Bell Labs, Fairchild Semiconductor, IBM, and Sun Microsystems said the earliest uses of FPGAs were for prototyping ASICs. They also used it for validating complex systems by running their software before fabrication, allowing the companies to deploy specialized products manufactured in modest volumes. Those uses revealed a broader shift: Hardware no longer needed to remain fixed once deployed. Attendees at the Milestone plaque dedication ceremony included (seated L to R) 2025 IEEE President Kathleen Kramer, 2024 IEEE President Tom Coughlin, and Santa Clara Valley Section Milestones Chair Brian Berg.Douglas Peck/AMD Semiconductor economics changed the equation The rise of FPGAs closely followed changes in semiconductor economics, Cong says. Developing a custom chip requires a large upfront investment before production begins. As fabrication costs increased, products had to ship in large quantities to make ASIC development economically viable, according to a post published by AnySilicon. FPGAs allowed designers to move forward without that larger monetary commitment. ASIC development typically requires 18 to 24 months from conception to silicon, while FPGA implementations often can be completed within three to six months using modern design tools, Cong says. The shorter cycle and the ability to reconfigure the hardware enabled startups, universities, and equipment manufacturers to experiment with advanced architectures that were previously accessible mainly to large chip companies. Lookup tables and the rise of reconfigurable computing A popular technique for implementing mathematical functions in hardware is the lookup table (LUT). A LUT is a small memory element that stores the results of logical operations, according to “LUT-LLM: Efficient Large Language Model Inference with Memory-based Computations on FPGAs,” a paper selected for presentation next month at the 34th IEEE International Symposium on Field-Programmable Custom Computing Machines (FCCM). Instead of repeatedly recalculating outcomes, the chip retrieves answers directly from memory. Cong compares the approach to consulting multiplication tables rather than recomputing the arithmetic each time. Research led by Cong and others helped develop efficient methods for mapping digital circuits onto LUT-based architectures, shaping routing and layout strategies used in modern devices. As transistor budgets expanded, FPGA vendors integrated memory blocks, digital signal-processing units, high-speed communication interfaces, cryptographic engines, and embedded processors, transforming the devices into versatile computing platforms. Why the gate arrays are distinct from CPUs, GPUs, and ASICs FPGAs coexist with other processors because each one optimizes different priorities. Central processing units excel at general computing. Graphics processing units, designed to perform many calculations simultaneously, dominate large parallel workloads such as AI training. ASICs provide maximum efficiency when designs remain stable and production volumes are high. “ASICs can deliver the best performance, but the development cycle is long, and the nonrecurring engineering cost can be very high. FPGAs provide a sweet spot between processors and custom silicon.” —Jason Cong, IEEE Fellow and professor of computer science at UCLA. “FPGAs are not replacements for CPUs or GPUs,” Cong says. “They complement those processors in heterogeneous computing systems.” Modern computing platforms increasingly combine multiple types of processors to balance flexibility, performance, and energy efficiency. A Milestone for an idea, not just a device This IEEE Milestone recognizes more than a successful semiconductor product. It also acknowledges a shift in how engineers innovate. Reconfigurable hardware allows designers to test ideas quickly, refine architectures, and deploy systems while standards and markets evolve. “Without FPGAs,” Cong says, “the pace of hardware innovation would likely be much slower.” Four decades after the first FPGA appeared, the technology’s enduring legacy reflects Freeman’s insight: Hardware did not need to remain fixed. By accepting a small amount of unused silicon in exchange for adaptability, engineers transformed chips from static products into platforms for continuous experimentation—turning silicon itself into a medium engineers could rewrite. Among those who attended the Milestone ceremony were 2025 IEEE President Kathleen Kramer; 2024 IEEE President Tom Coughlin; Avery Lu, chair of the IEEE Santa Clara Valley Section; and Brian Berg, history and milestones chair of IEEE Region 6. They joined AMD’s chief executive, Lisa Su, and Salil Raje, senior vice president and general manager of adaptive and embedded computing at AMD. The IEEE Milestone plaque honoring the field-programmable gate array reads: “The FPGA is an integrated circuit with user-programmable Boolean logic functions and interconnects. FPGA inventor Ross Freeman cofounded Xilinx to productize his 1984 invention, and in 1985 the XC2064 was introduced with 64 programmable 4-input logic functions. Xilinx’s FPGAs helped accelerate a dramatic industry shift wherein ‘fabless’ companies could use software tools to design hardware while engaging ‘foundry’ companies to handle the capital-intensive task of manufacturing the software-defined hardware.” Administered by the IEEE History Center and supported by donors, the IEEE Milestone program recognizes outstanding technical developments worldwide that are at least 25 years old. Check out Spectrum’s History of Technology channel to read more stories about key engineering achievements.