Ofir Mulla, Co-Fundador e CTO da Lumana – Série de Entrevistas

Ofir Mulla, Co-Fundador e CTO da Lumana, traz mais de uma década de profundo conhecimento em tecnologias 3D e visão computacional, tendo pioneirado e escalado soluções em modalidades de luz codificada, estéreo e LiDAR, enquanto liderava o desenvolvimento interdisciplinar em software, sistemas elétricos, robótica, ML/AI e dispositivos médicos. Antes de seu papel atual na Lumana, ele passou quase 15 anos na Intel, onde arquitetou a plataforma 3D RealSense e liderou equipes que abrangiam hardware, firmware e arquitetura de sistema.

Lumana é uma empresa de segurança de vídeo e inteligência visual avançada cuja plataforma transforma câmeras existentes em agentes inteligentes e perceptivos, aproveitando a IA para detectar e responder a eventos do mundo real em tempo real – desde acesso não autorizado e violações de segurança até insights operacionais – permitindo que empresas em educação, governo, varejo, manufatura e hospitalidade unifiquem a inteligência de câmera, automatem a monitoração e desbloqueiem análises eficazes a partir de sua infraestrutura de vídeo.

Como suas experiências na Intel o prepararam para a Lumana e para fundar a empresa?

A tecnologia LiDAR foi uma parte fundamental do RealSense, um método ativo de projeção de luz laser para capturar a geometria do mundo. É uma bela peça de tecnologia de luz codificada que nossos brilhantes engenheiros da Intel inventaram. A detecção de geometria é crítica para objetos em movimento, como robôs e carros, por isso a maioria dos sistemas robóticos de hoje depende de dispositivos RealSense.

Mas surgiu uma pergunta: o que acontece quando os sensores são estacionários, onde a navegação e o tempo de impacto não são as principais tarefas? Perguntamos a nós mesmos qual tecnologia poderia fornecer o maior valor aos usuários nesse contexto.

Por meio de discussões profundas, percebemos que a maioria dos sistemas de câmera estacionários existentes não pode ser escalada naturalmente. Monitorar cada sistema é trabalhoso. Ao mesmo tempo, a IA havia amadurecido ao ponto em que começamos a nos perguntar: como um sistema acessível no local do cliente pode entregar as respostas de segurança mais urgentes e confiáveis para alertas críticos?

Construímos uma equipe de IA forte que rapidamente transformou essa visão em um produto funcional. A percepção foi simples: veículos em movimento exigem detecção geométrica, mas sensores estacionários, focados em monitorar comportamento em vez de planejar movimento, se beneficiam mais de análise de vídeo avançada sem reconstrução geométrica explícita.

A jornada do RealSense me ensinou que cada problema requer sua própria solução e que a verdadeira disruptura exige inovação. Minha equipe na Lumana encarna esse princípio: profissional, inovadora e motivada. Juntos, criamos um sistema de tempo real on-premise que traz desempenho de nuvem para a borda, acessível, escalável e responsivo.

Como a IA Física vai além da análise de vídeo tradicional, como detecção de objetos e rotulagem de padrões?

Quando falamos de IA Física, nos referimos a um sistema de IA que não para na percepção, mas ativamente interage com o mundo real. A análise de vídeo tradicional, como detecção de objetos ou rotulagem de padrões, é apenas a primeira camada. O desafio mais profundo é o que vem depois: organizar, rastrear, agregar, identificar, recuperar, pesquisar e verificar os objetos detectados e acelerar a resposta. Isso também inclui permitir acesso baseado em texto e até mesmo pesquisar objetos que o sistema não foi originalmente treinado para detectar.

Tudo isso deve ser alcançado dentro de um dispositivo de computação compacto e acessível. É onde a IA Física vai além da análise tradicional: transforma a detecção bruta em inteligência acessível e ação. Não se trata de descobrir as leis da física, uma busca científica ainda em debate, mas de fornecer maneiras práticas e eficientes de acessar e agir sobre conteúdo visual e de áudio em ambientes do mundo real.

Quais são os pilares técnicos que permitem que a Lumana fusione dados de múltiplas câmeras, interprete comportamento em tempo real e adapte continuamente com base em entradas contextuais e históricas?

Ótima pergunta. Um de nossos pilares técnicos fundamentais é a capacidade do sistema on-premise de se adaptar continuamente à cena que observa, o que agora é frequentemente chamado de aprendizado contínuo. Você pode pensar nisso como um sistema que evolui com seu ambiente, melhorando com o tempo. Essa abordagem nos permitiu entregar alto desempenho com muito baixo custo e agilidade excepcional.

Outro pilar fundamental é nossa arquitetura hierárquica, que escalona inteligentemente o esforço computacional apenas quando necessário. Isso garante que ações complexas recebam os recursos de que precisam sem sobrecarregar todo o sistema.

Tomados em conjunto, esses princípios formam uma plataforma que é simples, eficiente e altamente escalável, permitindo que os usuários experimentem insights poderosos em tempo real e interpretação de comportamento ao menor custo possível.

Pode compartilhar um ou dois exemplos de implantações reais onde o sistema da Lumana detectou eventos como escalada de violência, violações de segurança ou permanência, e explicar o impacto que isso teve na segurança ou resposta operacional?

As implantações da Lumana em cidades mostram melhorias claras na conscientização e resposta em tempo real. Em uma grande cidade em Israel, o sistema transformou uma rede de vídeo existente em uma camada de alerta precoce inteligente que detectou permanência em zonas restritas, anomalias de multidão, intrusões após o horário de funcionamento e movimentos erráticos. Isso levou a menos invasões, redução de vandalismos e intervenção mais rápida em áreas de alto risco.

Um município nos EUA viu ganhos semelhantes em um distrito histórico que lutava contra vandalismos, quebras de carro, distúrbios e permanência. A Lumana forneceu monitoramento contínuo e alertas imediatos, permitindo patrulhas proativas e respostas mais rápidas. Isso resultou em espaços públicos mais seguros e menos desperdício operacional para a cidade.

Esses exemplos ilustram como a detecção em tempo real de comportamentos, como permanência e violações de fronteira, fortalece a segurança pública e otimiza as operações.

Com sistemas de IA interpretando comportamento físico sensível, quais salvaguardas de privacidade são incorporadas em seus processos de design e implantação?

A tecnologia e o design da Lumana enfatizam governança forte e movimento mínimo de dados. O processamento é realizado na borda, sempre que possível, para limitar a exposição e fortalecer a privacidade. O acesso é restrito por meio de controles claros e rastros de auditoria para que as equipes possam seguir cada fluxo de trabalho. O sistema mantém o vídeo local, compartilhando apenas metadados necessários, o que apoia expectativas de privacidade em ambientes regulamentados.

Essas salvaguardas garantem que dados visuais sensíveis sejam tratados de forma responsável, mantendo o desempenho necessário para operações em tempo real.

O que impulsiona sua arquitetura híbrida-nuvem, e como ela suporta processamento e aprendizado contínuo em tempo real?

A Lumana usa uma abordagem híbrida para combinar o desempenho de sistemas on-premise com flexibilidade de nuvem. O processamento de borda entrega IA, armazenamento e gerenciamento de vídeo local por padrão. Isso reduz as demandas de largura de banda e fortalece a privacidade, enquanto ainda permite suporte de nuvem quando necessário para coordenação mais ampla ou aprendizado entre implantações.

Essa arquitetura fornece aos usuários responsividade imediata, mantendo a capacidade de escalar e melhorar por meio de adaptação contínua entre sites.

Como a capacidade de autoaprendizado foi arquitetada, e como ela melhora com o tempo em implantações multi-sites?

A arquitetura de nossa capacidade de autoaprendizado é construída em torno da escala. Quanto mais sites implantamos, mais ampla se torna nossa perspectiva sobre o panorama de dispositivos de borda. Cada novo ambiente contribui com dados frescos, expandindo a diversidade de cenários e cenas que o sistema pode aprender.

Nossa metodologia de aprendizado contínuo aproveita esse conhecimento coletivo. À medida que o sistema se aprimora entre implantações, o processo de treinamento online se torna mais simples e eficiente. Em termos práticos, quanto mais ampla a implantação, mais rápido e preciso é o ajuste, resultando em um sistema que continua a melhorar com o tempo em todos os sites.

Quem você vê como seus principais concorrentes ou colaboradores nesse espaço, e o que torna a Lumana única?

Nossa verdadeira singularidade reside em nosso time. Por trás da Lumana está uma equipe de engenheiros brilhantes e inovadores, começando com nosso grupo de IA, apoiado por nossos especialistas em nuvem, designers de UX/UI e fortalecidos pelo suporte ao cliente e vendas. Embora a IA forme a espinha dorsal de nossa tecnologia, é nosso motor humano que impulsiona nosso sucesso. A criatividade, profissionalismo e dedicação de nossa equipe são o que distinguem a Lumana, seja em competição ou colaboração.

A Lumana enfatiza “Pense grande”, “Cliente em primeiro lugar”, “Uma equipe” e “Domine sua arte”. Como você opera esses valores em contratação, desenvolvimento de produtos e vida diária?

Contratamos inovadores que pensam grande, resolvem problemas, colaboram e se comprometem com o crescimento.

Equipes de produtos desenvolvem IA escalável com visão ambiciosa, iteram por meio de feedback do cliente, fomentam trabalho colaborativo e buscam a excelência.

Operações diárias usam métodos ágeis para permitir ideias ousadas, priorizar necessidades do cliente, construir unidade de equipe e apoiar o desenvolvimento profissional.

Essas práticas impulsionam inovação, sucesso do cliente e impacto em IA de segurança de vídeo.

Olhando cinco anos à frente, como você vê o papel da Lumana evoluindo no ecossistema mais amplo de IA – e qual impacto você espera que a IA Física tenha em setores como segurança, manufatura ou cidades inteligentes até então?

Olhando cinco anos à frente, vemos o papel da Lumana evoluindo como um habilitador-chave de IA Física prática em vários setores. Embora decifrar as leis fundamentais da física permaneça um enigma científico, nosso foco hoje é no valor do cliente, desenvolvendo ferramentas que permitem que as organizações monitorem e respondam melhor ao mundo ao seu redor, em qualquer aplicação.

Já mantemos colaborações de longo prazo com centros médicos e estamos explorando a expansão para plataformas móveis, como robótica e transporte. Com o tempo, à medida que crescemos e escalamos, também pretendemos investir em questões de pesquisa mais fundamentais: a IA pode descobrir padrões mais profundos na natureza, ou mesmo ajudar a formular novas teorias sobre as leis da física? Conceitos como a dimensionalidade do tempo podem ser iluminados por sistemas de aprendizado?

Nossa ambição é impulsionar impacto em segurança, manufatura e cidades inteligentes, mantendo em vista o horizonte mais amplo, empurrando os limites do que a IA pode, em última análise, nos ajudar a descobrir.

Obrigado pela excelente entrevista; leitores que desejam aprender mais devem visitar Lumana.