Pular para o conteúdo principal

[119] Realismo Científico e a Subida de Encosta

Perceber porque a subida de encosta (hill climbing) não garante a solução ótima, quanto muito, ela garante apenas o ótimo local, nos possibilita entender também, por analogia, porque não funciona o argumento realista de que teorias obtidas de pequenas transformações de uma outra bem confirmada têm mais chances de nos aproximar ainda mais da verdade. 

Na verdade, o argumento realista é colocado como uma abdução, uma inferência pela melhor explicação. Parte-se de uma teoria T, bem confirmada. A partir dela, construímos, com pequenas modificações, as teorias T1, T2...Tn, sendo n não muito grande e as modificações não são substanciais. Observa-se que a probabilidade de alguma teoria Ti ser bem-sucedida é elevada, isto é, vir a ser uma teoria também bem confirmada. E, de fato, esta estratégia é evidenciada historicamente: trabalhar com hipóteses mais próximas da original (bem confirmada), e poucas delas, é mais frutífero que trabalhar com hipóteses muito distantes da original.

Neste estágio, o realista instaura o seu argumento: a melhor explicação para este fenômeno é que a teoria original já era próxima da verdade e, ao focarmos em teorias próximas da original, aumentamos a probabilidade de nos aproximarmos ainda mais da verdade. 

Se considerarmos o ótimo global como estar muito próximo da verdade ou mesmo como obtendo a verdade, então percebemos a falácia de partida. O argumento realista já pressupõe que uma teoria bem confirmada está próxima da verdade. Mas uma teoria bem confirmada deveria ser equiparada quanto muito a um ótimo local, que pode estar muito longe do global e, portanto, muito distante da verdade.

Podemos entender porque a subida de encosta não garante o ótimo global pelo seguinte exemplo. Suponhamos um espaço repleto de montanhas a ser explorado. O objetivo é atingir o topo da maior montanha. Somos colocados aleatoriamente em algum lugar do espaço de busca, que já pode ser a encosta de uma montanha ou mesmo uma região de vale entre montanhas. Temos, ao nosso dispor, sensores ao norte, sul, leste e oeste a uma distância de 5 metros que indicam, relativamente a nós, a altura do solo, em metros. Também temos a nossa posição cartesiana (x,y) na região explorada. A partir disso, podemos formular a seguinte micro-hipótese: Se max (sensor1, sensor2, sensor3, sensor4, 0) = 0, então o ponto mais elevado em um raio de 5 metros, tendo x,y como origem, é o próprio ponto x,y. E obviamente é uma hipótese que temos todos os meiso de mostrar bem-confirmada ou não. Podemos trabalhar, na verdade, com um conjunto de 5 micro-hipóteses, pois, por exemplo, também podemos formular a seguinte: Se max(sensor1, sensor2, sensor3, sensor4, 0) = sensor1, então o ponto mais elevado em um raio de 5 metros, tendo x,y como origem, é o ponto x,y+5 (sensor1 = sul).

O objetivo, lembremos, é chegar no topo da maior montanha. Uma estratégia, é a seguinte. Se, ao verificar o nosso conjunto de micro-hipóteses, percebermos que não estamos no topo da micro-região em que nos encontramos, delimitada por um raio de 5 metros, nos movemos para o topo da micro-região e refazemos as micro-hipóteses, reajustando os valores de x,y.  Se já estamos no topo da micro-região, refazemos ainda assim as micro-hipoteses modificando ligeiramente os valores de x,y, somando ou subtraindo unidades inteiras. Vamos supor que podemos obter os resultados do teste das novas micro-hipoteses sem estar no novo ponto x',y'. Se o ponto x',y' ainda está compreendido em um raio de 5 metros a partir de x,y, então podemos inferir se algum cume em torno x',y' é ainda mais elevado que o cume em que nos encontramos. Assim, fazendo vários pequenas modificações de x,y para formar novos conjuntos de micro-hipóteses, podemos ir caminhando vagarosamente para uma região cada vez mais alta.

Se estamos num vale, logo chegaremos ao pé de uma montanha. E uma vez na montanha, logo chegaremos no seu topo. No entanto, ao chegar no seu topo, não mais desceremos, já  que, pelo procedimento adotado, nossas hipóteses estarão mapeando muito bem o cume local e não teremos qualquer razão para seguir o caminho inverso. E, no entanto, é óbvio que não há qualquer garantia de que o cume desta montanha que subimos representa o cume da maior montanha da região.

Deste modo, por razões análogas, o argumento realista não procede. Pequenas alterações em nossas hipóteses nos levam muito provavelmente a hipóteses igualmente bem-confirmadas, mas não necessariamente nos aproximam da verdade. Estas alterações podem nos levar, talvez, a um ótimo local, isto é, à hipótese que, para o domínio de fenômenos que ela explica, melhor se confirma. Ou seja, o máximo que podemos concluir, a partir da estratégia bem-sucedida de alterar ligeiramente as nossas hipóteses é que assim obteremos, no médio e longo prazo, para um certo domínio de fenômenos, a hipótese que melhor os explica. Mas isso não significa que estejamos mais próximos da verdade. 

Uma resposta seria dizer que um ótimo local ainda é algo mais próximo da verdade que não estar em ótimo local algum. Se imaginarmos que as micro-hipóteses mais o procedimento rumo a um máximo local representam a propriedade de estar no ponto mais elevado, então nos aproximamos mais da verdade ao atingirmos o topo de uma montanha do que se permanecêssemos no pé da montanha ou em um vale qualquer. Mas aqui podemos notar o quão vaga ou elástica é a noção de mais próximo da verdade. O topo da montanha que alcançamos pode ser tão baixo e rasteiro perto dos demais e, em especial, do mais alto, que dizer que nos aproximamos mais da verdade ao atingí-lo não nos diz absolutamente nada quanto a quão distantes ainda estamos da verdade.

Além disso, a resposta obteve plausibilidade pela pressuposição de que, no ponto em que a verdade se encontra, a propriedade relevante a ser instanciada seria a de ser o ponto mais elevado. No cenário descrito, em que adotamos uma postura externa, isso faz sentido. A partir desta visão externa, pudemos dar uma certa concretude à idéia de estar mais ou menos próximo da verdade conforme instanciássemos mais adequadamente a referida propriedade. Mas nada disso está disponível para o realista científico. Ele não tem acesso direto à realidade externa às teorias científicas, ele não tem como saber se o ponto de chegada de algum modo se assemelha ao ponto de partida, isto é, que a teoria final quantifica sobre os mesmos objetos e sobre as mesmas propriedades que a nossa teoria atual e não há qualquer razão para ele fazer essa suposição.  E se ele não pode fazer essa suposição, qualquer discurso sobre estar mais ou menos próximo da verdade carece de sentido. 

Comentários

Postagens mais visitadas deste blog

[48]

Um filme tem a capacidade de nos fazer imaginar e mesmo sentir, ainda que parcialmente, uma situação existencial possível. É por este motivo que filmes que condensam uma vida inteira, seja ela repleta de alegrias ou de tragédias, no espaço de uma ou duas horas são tão impactantes. Não fomos projetados para sentir tanto em tão pouco tempo. Mas sentimos e isso achochalha o nosso Eu.

[205] Desafios e limitações do ChatGPT

  Ontem tive uma excelente discussão com o Everton Garcia da Costa (UFRGS) e André Dirceu Gerardi (FGV-SP), a convite do NUPERGS, sobre Desafios e Limitações do ChatGPT nas ciências humanas . Agradeço a ambos pela aprendizagem propiciada. Gostaria de fazer duas considerações que não enfatizei o bastante ou esqueci mesmo de fazer. Insisti várias vezes que o ChatGPT é um papagaio estocástico (a expressão não é minha, mas de Emily Bender , professora de linguística computacional) ou um gerador de bobagens. Como expliquei, isso se deve ao fato de que o ChatGPT opera com um modelo amplo de linguagem estatístico. Esse modelo é obtido pelo treinamento em um corpus amplo de textos em que a máquina procurará relações estatísticas entre palavras, expressões ou sentenças. Por exemplo, qual a chance de “inflação” vir acompanhada de “juros” numa mesma sentença? Esse é o tipo de relação que será “codificada” no modelo de linguagem. Quanto maior o corpus, maiores as chances de que esse modelo ...

[201] A ética da crença

Voltei ao assunto da ética da crença (veja aqui a minha contribuição anterior 194 ) para escrever um texto que possivelmente será publicado como um verbete em um compêndio de epistemologia. Nesta entrada, decidi enfatizar três maneiras pelas quais a discussão sobre normas para crer se relaciona com a ética, algo que nem sempre fica claro neste debate: (1) normas morais servem de analogia para pensar normas para a crença, ainda que os domínios normativos, o epistêmico e o moral, sejam distintos; (2) razões morais são os fundamentos últimos para adotar uma norma para crer e (3) razões morais podem incidir diretamente sobre a legitimidade de uma crença, a crença (o ato de crer) não seria assim um fenômeno puramente epistêmico. O item (3) representa sem dúvida a maneira mais forte pela qual, neste debate, epistemologia e ética se entrelaçam. Sobre ele, abordei sobretudo o trabalho da Rima Basu que, a meu ver, é uma das contribuições recentes mais interessantes e inovadoras ao debate da ét...