Dobras #46 // Entre os laboratórios vivos e socioscópios de Alex Pentland: novas teorias comportamentais num mundo digitalizado

Por Helena Strecker*

A partir de uma proposta de apresentação para a 42a Jornada de Iniciação Científica, Tecnológica, Artística e Cultural da UFRJ (JICTAC 2020), venho me debruçando sobre a produção do cientista de dados Alex “Sandy” Pentland^[1]O professor Alex Pentland dirige o MIT  Connection Science e é um dos cientistas computacionais mais citados do mundo. A revista Forbes recentemente o declarou um dos  “7 cientistas de dados … Continue reading, pesquisador do MIT que desenvolve teorias sobre o comportamento humano a partir de dados e métodos digitais. Com muito mais perguntas do que respostas, esse texto é um desdobramento do que ando pensando e pesquisando. 

“Vamos imaginar a capacidade de colocar uma câmara de imagens em torno de uma comunidade inteira e então registrar e exibir cada faceta e dimensão do comportamento, comunicação e interação social entre seus membros. Agora pense em fazer isso por vários anos, enquanto os membros da comunidade cuidam de suas vidas diárias. Isso é um laboratório vivo.” (Pentland, 2015, p. 9, tradução livre)

Num mundo conectado por dispositivos móveis, vestíveis e inteligentes, as minúcias do comportamento humano se tornam rastreáveis e computáveis: os smartphones, smartwatches e outros gadgets estão por todos os cantos. Se por um lado o imenso volume de dados vem sendo utilizado por empresas e plataformas digitais para conduzir análises comportamentais e modular as condutas humanas em favor de seus modelos de negócio, Alex Pentland enxerga nesses conjuntos a oportunidade de desenvolver um novo campo de investigação científica: uma ciência social computacional.

Em seu livro Física Social: como boas ideias são disseminadas – as lições de uma nova ciência, o cientista de dados introduz suas teorias comportamentais, que exploram sobretudo a relação do comportamento humano com a troca de ideias, aspectos culturais e certas dinâmicas como pressão e aprendizagem social. A produção do autor se situa numa crítica direta aos métodos tradicionais de se estudar a sociedade, seus hábitos e interações. Para ele, as ciências sociais teriam falhado em explicar o nosso comportamento em situações cotidianas complexas e assim estariam ameaçadas de entrar em colapso numa era de big data (Pentland, 2015). 

O que pretendo começar a discutir nesse texto é como a crescente datificação produz mudanças também na forma de se produzir conhecimento científico sobre indivíduos e populações. A crítica aos métodos tradicionais das ciências sociais e a proposta de pesquisar através de laboratórios vivos me instigam por evidenciar o que Fernanda Bruno (2018) vem chamando de laboratório-mundo: as fronteiras dos tradicionais laboratórios científicos estão cada vez mais tênues, se misturando com nossa vida social, política e subjetiva. . 

As reflexões propostas neste texto também são um desdobramento direto da pesquisa mais ampla realizada no MediaLab.UFRJ em torno da Economia Psíquica dos Algoritmos. Assim, considero importante enfatizar que os saberes psicológicos, psicométricos e pesquisas comportamentais – sobretudo do campo da psicometria – exercem um importante papel na criação de perfis psicológicos e modelos estatísticos utilizados pelas plataformas digitais para predições e modulações sobre o comportamento humano (Bruno, Bentes e Faltay, 2019). Estas práticas, que estão atreladas aos modos de monetização das empresas, incluem a captura da nossa atenção para nos manter conectados nas plataformas, as recomendações de conteúdos, direcionamento de anúncios e outras estratégias de marketing digital. 

Nesse contexto, a produção de conhecimento se relaciona diretamente com aplicação das teorias em estratégias de direcionamento dos comportamentos humanos no meio virtual e eventualmente fora dele, o que evidencia também como a ciência está atrelada à própria construção do mundo e nossos modos de vida. Um exemplo emblemático é o escândalo da empresa Cambridge Analytica, que desenvolveu estratégias de publicidade eleitoral a partir de um modelo teórico da psicometria.

Tomo o livro de Pentland como objeto privilegiado para pensar um processo mais amplo: a criação de teorias científicas a partir de dados e rastros digitais produzidos num contexto onde nossos comportamentos, em seus mínimos detalhes, estão sob constante monitoramento e vigilância. A explicação dos fenômenos sociais a partir de uma análise estatística computacional aponta para uma tendência de quantificar e orientar numericamente a vida, reduzindo o mundo a códigos binários (Sadin, 2018) e os comportamentos humanos a determinados padrões populacionais e correlações. De que maneira teorias como as de Pentland, que são simultaneamente produzidas por e aplicadas nos contextos digitalizados, podem refletir uma tendência reducionista? Será que todos os aspectos do comportamento e interação humana são computáveis e previsíveis? Ou melhor: queremos que eles sejam? A popularização dessas teorias não pode contribuir para a naturalização de uma perspectiva reducionista da experiência humana? Não pretendo dar conta de responder a todas essas perguntas, mas apontar para algumas transformações epistemológicas que estão em jogo nesse fenômeno, assim como implicações nos modos de vida e produção de subjetividade .

Chamada para um vídeo no YouTube do canal Futurithmic. “A importância da Física Social e Ciência de Dados”. Disponível em: https://www.youtube.com/watch?v=1_O2dyOBSbY

A física social de Alex Pentland é definida no livro como um campo de estudos que “busca entender como o fluxo de ideias e informações se traduz em mudanças de comportamento” (Pentland, 2015, p. 5), numa crítica direta às teorias tradicionais sobre as relações entre sociedade e hábitos comportamentais. Para o autor, o big data contém “quantidades extraordinárias de dados objetivos, contínuos e densos que nos permitem construir modelos quantitativos e preditivos do comportamento humano em situações cotidianas complexas“(idem, p. 12). Estes dados constituem o que ele chama de migalhas digitais (digital breadcrumbs) e são compostos por informações como registros de chamadas telefônicas, transações de cartão de crédito, atividade nas redes sociais, localização de GPS, dentre outros. 

Na visão dele, uma análise complexa desses dados determinaria de forma mais precisa quem nós realmente somos, num processo chamado de mineração da realidade (reality mining) que se dá através de um monitoramento minucioso do comportamento nos tais laboratórios vivos. Através dos “socioscópios“ [telescópios sociais], Pentland afirma que sua equipe tem descoberto uma série de regularidades estatísticas dentre os movimentos e a comunicação humana, desenvolvendo uma ciência social muito mais quantitativa do que qualitativa. A ideia é encontrar padrões, regularidades e leis – tal como na física – e construir uma teoria causal de como as estruturas sociais humanas funcionam. A perspectiva final é criar uma “teoria computacional do comportamento: uma explicação matemática do porquê as sociedades reagem da forma que reagem e como isso pode (ou não) resolver problemas humanos” (idem, p. 7). 

Considero importante fazer um recuo histórico e situar que a psicologia a partir do séc XVIII é marcada por toda uma dificuldade de se legitimar enquanto campo de estudo científico. Exigências epistemológicas formuladas por filósofos como Kant e Augusto Comte direcionam os rumos da disciplina para o estudo de fenômenos públicos e observáveis, a aproximando de campos cientificamente legitimados como a Fisiologia, a Psicofísica e a Biologia. Já no séc XX, o behaviorismo surge em meio a requisitos de objetividade e uma metodologia empírica, tomando agora o comportamento como objeto de estudo e buscando investigar os modelos de condicionamento e formular leis tal como no campo biológico. 

Por mais que eu não considere as teorias de Pentland propriamente teorias psicológicas, acho importante apontar que há um discurso similar de legitimação dos conhecimentos objetivos, das ciências naturais e de uma hegemonia epistemológica dos dados e dos números. A procura por padrões e estruturas de funcionamento humanas nos dados digitais pode ser entendida como a realização do velho projeto experimental de ‘fazer os números falarem por si próprios’, uma vez que as teorias são produzidas diretamente a partir de dados, sem hipóteses prévias, numa análise estatística com machine learning que antes era completamente inimaginável.  

Como coloca Shoshana Zuboff, que dedica um capítulo de seu livro A era do capitalismo de vigilância ao pensamento de Pentland, o autor “convoca a visão social de Skinner para o século XXI, agora realizada pelos instrumentos que escaparam de Skinner em sua vida” (Zuboff, 2019, p. 392, tradução livre). Estes novos estudos possibilitados pelos dados digitais conseguiriam assim superar algumas críticas colocadas ao behaviorismo, sobretudo a limitação de quantidade de dados da época e a ideia de que os estudos realizados no laboratório não abarcariam a complexidade dos fenômenos. 

Neste sentido, podemos destacar mudanças epistemológicas bastante significativas, uma vez que a natureza dos dados é outra, a escala e também a forma como se extrai conhecimento deles: um processamento e análise de uma quantidade massiva de dados na busca por regularidades e correlações. Pentland (2015) defende que as ferramentas tecnológicas possibilitam examinar e intervir sobre o comportamento humano em tempo real, na complexidade dos acontecimentos do dia a dia e em uma escala inédita.

O trabalho do cientista da computação reflete uma tendência do atual regime de produção de conhecimento data-centrado (Ricaurte, 2019), que é baseado em três suposições: 1) os dados refletem a realidade, 2) a análise desses dados pode gerar um conhecimento extremamente valioso e completamente preciso e 3) a análise dos dados permite melhorar as decisões do mundo. Nesse paradigma, o processamento de dados por meio de estatísticas avançadas fornece modelos preditivos para tomada de decisão em diversos campos como a administração pública, segurança, saúde, transporte, educação, etc (idem, 2019). 

Outro ponto importante apontado por Rouvroy e Berns (2017) e que foi bem descrito pela Paula Cardoso em outro texto do #Dobras é que as novas formas de categorização do real privilegiam o correlacionismo sobre a causalidade. O que me inquieta, entretanto, é que por mais que pareça que as análises estatísticas não sejam feitas numa lógica de interpretação causal, o pesquisador pretende de fato explicar e desenvolver teorias matemáticas de como e porquê os humanos se comportam da forma que comportam (Pentland, 1999, 2006, 2020). Enquanto Chris Anderson (2008) fala sobre o “fim da teoria” ^[2]Ideia de que “[c]om dados suficientes, os números falam por si mesmos” (Anderson, 2008). “É um mundo no qual as quantidades massivas de dados e as matemáticas aplicadas substituem todas … Continue reading com a ascensão do dataísmo, aqui são os números que dão legitimidade às explicações científicas, numa aposta pela precisão dessa razão numérica pura. Vale refletir sobre o quanto as pretensões e afirmações de Pentland se misturam com uma divulgação “marketeira” da aplicabilidade de suas teorias no mundo real. 

De todo modo, acho que não se trata tanto de discutir a validade científica das pesquisas conduzidas por sua equipe, mas apontar certas diferenças epistemológicas e um deslocamento histórico da produção de conhecimento que têm implicações diretas nos modos de vida contemporâneos. Investigar tais produções científicas implica situá-las em um contexto de economia de dados e capitalismo de vigilância (Zuboff, 2019), uma vez que os dados digitais são produzidos pelos dispositivos tecnológicos. As teorias comportamentais de Alex Pentland só são produzidas na medida que há uma rede de artefatos tecnológicos capaz de captar a multiplicidade de dados sobre o comportamento humano, assim como softwares capazes de processar as informações, gerar correlações e encontrar padrões. Os dados não são fatos colocados, informações que representam fidedignamente o real e que estão aí somente para serem interpretadas (Faltay, 2020). Não à toa o laboratório de Pentland está envolvido no projeto de muitos dispositivos wearables (“vestíveis”) – os dados são produto das ferramentas que supostamente os monitoram. 

Teorias psi que pensam como as influências do meio afetam os comportamentos dos sujeitos servem convenientemente aos interesses de empresas que monetizam através da modulação das condutas humanas, definindo por modelos algorítmicos e recursos de design o curso de escolhas de seus usuários. As mediações algorítmicas são compreendidas aqui também por sua capacidade performativa, de interferir em nossas vidas, organizar os quadros perceptivos e as ações humanas (Vidal Junior, 2018). 

Por fim, queria falar sobre a relação entre produção e aplicação do conhecimento nas situações reais, uma vez que Pentland fala claramente que se trata de criar uma ciência prática e aplicável no mundo. Além de pesquisador, ele é uma figura que se articula tanto com governos, pensando em políticas públicas e planejamento urbano, quanto está inserida no meio empresarial. Uma de suas principais propostas para o campo governamental é o “New Deal on Data“, uma série de diretrizes sobre o uso de big data para gestões eficazes e em favor do “bem”. Junto com outros pesquisadores da tecnologia, ele defende um maior controle do usuário sobre seus dados pessoais, evitando o mal uso de dados e violações aos direitos de privacidade. Simultaneamente, seu laboratório no MIT serviu como incubador de alguns produtos como o Google Glass e o crachá inteligente da empresa Humanyze, um dispositivo que monitora o comportamento dos funcionários e os direciona para uma maior produtividade e eficiência no ambiente corporativo.

Descrição sobre o funcionamento do dispositivo Humanyze. Fonte: https://humanyze.com/solutions/.

Divulgação de palestra virtual realizada no SidPac. “Ciência para ajudar a construir um mundo melhor”. Fonte: https://lu.ma/spcosi-pentland

Além disso, o livro como um todo gira em torno de uma perspectiva utópica de gerenciamento da sociedade contemporânea baseada em valores como a produção, criatividade, sucesso, eficiência, uma economia verde e humanizada com objetivo de promover “melhores decisões” – como se estes fossem valores já estabelecidos, universais e não em disputa. Por trás de um retórica aparentemente preocupada com o melhor da humanidade, suas teorias se alinham a uma perspectiva clara de otimização dos comportamentos humanos na qual o sujeito é compreendido a partir de um modelo de racionalidade empresarial (Dardot e Laval, 2013) e a ciência é valorizada pelo seu utilitarismo. Neste neopositivismo digital, eficiência e otimização se tornam o novo “ordem e progresso”. 

Para fechar, quero compartilhar algumas reflexões provocadas a partir de Paola Ricaurte (2019), que pensa a epistemologia de dados como uma atualização do poder colonial. Será que uma melhor gestão governamental depende de mais dados ou de um modelo preditivo do comportamento humano? Se queremos uma sociedade mais diversa, isso não passa por levar em conta modos de vida múltiplos, que escapam às leis de comportamento e às correlações e padrões encontrados neste big data? Quais outras visões de mundo, formas de existência, expressões de cultura e sensibilidade existem fora do regime epistemológico ocidental atualizado pelo neopositivismo digital?

Print de vídeo no YouTube do canal The Alan Turing Institute. “Vivendo melhor por meio de dados confiáveis”. Disponível em: https://www.youtube.com/watch?v=poqpsiS1fuA

Referências:

‌ANDERSON, Chris. The End of Theory: The Data Deluge Makes the Scientific Method Obsolete. Wired, 23 de junho de 2008. Disponível em: https://www.wired.com/2008/06/pb-theory/

BRUNO, Fernanda; BENTES; Anna, FALTAY; Paulo. Economia Psíquica dos Algoritmos e Laboratório de Plataforma: Mercado, Ciência e Modulação do Comportamento. Revista Famecos, v. 26, n. 3, 2019.

BRUNO, Fernanda. A economia psíquica dos algoritmos: quando o laboratório é o mundo. Nexo Jornal. Disponível em: https://www.nexojornal.com.br/ensaio/2018/A-economia-ps%C3%ADquica-dos-algoritmos-quando-o-laborat%C3%B3rio-%C3%A9-o-mundo#:~:text=fontes%20de%20conhecimento.-,Estamos%20diante%20de%20um%20laborat%C3%B3rio-mundo%20intimamente%20conectado%20%C3%A0s%20engrenagens,sobre%20nossas%20emo%C3%A7%C3%B5es%20e%20condutas 

DARDOT, Pierre; LAVAL, Christian. A nova razão do mundo: ensaio sobre a sociedade neoliberal. São Paulo: Boitempo, 2016. 

FACHIN, Patricia. A totalização digital e o declínio das utopias revolucionárias. Entrevista especial com Icaro Ferraz Vidal Junior. Unisinos.br. 2018. Disponível em: <http://www.ihu.unisinos.br/159-noticias/entrevistas/581939-a-totalizacao-digital-e-o-declinio-das-utopias-revolucionarias-entrevista-especial-com-icaro-ferraz-vidal-junior>. 

FALTAY FILHO, Paulo. Máquinas paranoides e sujeito influenciável: conspiração, conhecimento e subjetividade em redes algorítmicas. Tese (Doutorado em Comunicação e Cultura). Universidade Federal do Rio de Janeiro, Rio de Janeiro. 2020. Disponível em: http://medialabufrj.net/wp-content/uploads/2021/04/Maquinasparanoides_pfaltay_tese.pdf 

JORGE, Jonas. Éric Sadin e a era do anti-humanismo radical. Unisinos.br. 2017. Disponível em: <http://www.ihu.unisinos.br/78-noticias/569082-eric-sadin-e-a-era-do-anti-humanismo-radical>. 

KYROU, Ariel. Éric Sadin, A Era Da Medida De Vida. Um alerta contra a influência de qualquer algoritmo. Tradução livre para fins de estudo. Culture mobile, 2015. 

LAZER, D.; PENTLAND, A.; ADAMIC, L.; et al. SOCIAL SCIENCE: Computational Social Science. Science, v. 323, n. 5915, p. 721–723, 2009. Disponível em: <https://science.sciencemag.org/content/323/5915/721>. 

PANTIC, Maja; PENTLAND, Alex; NIJHOLT, Anton; HUANG, Thomas. Machine Understanding of Human Behavior. Psu.edu. 2006. 

Disponível em: <http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.74.1457>. Acesso em: 12 May 2021.

PENTLAND, Alex: Social Physics – how social networks can make us smarter, New York 2015 [2014].

PENTLAND, Alex ; LIU, Andrew. Modeling and Prediction of Human Behavior. Neural Computation, v. 11, n. 1, p. 229–242, 1999. Disponível em: <https://direct.mit.edu/neco/article/11/1/229/6237/Modeling-and-Prediction-of-Human-Behavior>. Acesso em: 12 May 2021.

RICAURTE, Paola. Data Epistemologies, The Coloniality of Power, and Resistance. Television & New Media, v. 20, n. 4, p. 350–365, 2019. Disponível em: <https://journals.sagepub.com/doi/abs/10.1177/1527476419831640>. Acesso em: 7 May 2021.

ROUVROY, Antoinette; BERNS, Thomas. Governamentalidade Algorítmica e perspectivas de emancipação: o díspar como condição de individuação pela relação?. Revista ECO Pós, vol. 18, n. 2, 2015.

ZUBOFF, Shoshana. The Age of Surveillance Capitalism: The Fight for a Human Future ate the New Frontier of Power. PublicAffairs: New York, 2019.

* Helena é graduanda do curso de Psicologia da UFRJ e pesquisadora do MediaLab.UFRJ.