A estudante de pós-graduação Sneha Aenugu e John O'Doherty, Professor Fletcher Jones de Neurociência da Decisão, abordaram essa questão em um experimento de jogo online. Já era sabido entre cientistas sociais que as pessoas tendem a persistir demais na busca por um objetivo de longo prazo, mesmo quando seria mais vantajoso mudar para outro objetivo. Mas Aenugu e O'Doherty queriam quantificar essa tendência e ver como ela é afetada por mudanças imprevisíveis nas circunstâncias.

"Há muitas coisas que poderíamos estar fazendo a qualquer momento. Como decidimos: 'OK, é isso que eu quero fazer agora'?", pergunta Aenugu, estudante do terceiro ano de pós-graduação em neurociência social e da decisão . "Os jogos são um ótimo veículo para isso, porque, ao longo do jogo, você precisa decidir qual objetivo deseja perseguir em cada momento. Além disso, ao decidir quais objetivos perseguir, você precisa estar atento a um ambiente em constante mudança. Quais objetivos seus adversários estão perseguindo? Eles estão impedindo você de atingir seu objetivo, ou o ambiente em geral está bloqueando você neste momento? Você muda para um objetivo alternativo e depois retorna ao outro quando é mais favorável, ou você persiste com seu objetivo inicial?"

O jogo que Aenugu e O'Doherty criaram para testar o comportamento humano de persistência de objetivos pedia aos jogadores que coletassem cartas de três naipes: gato, chapéu e carro. Cada naipe continha dois tipos de cartas (por exemplo, o naipe "carro" tem dois tipos de cartas, uma chave e a outra uma bagagem), e o jogo recompensava os jogadores com pontos quando completavam sete cartas de um naipe (ou, em uma iteração posterior do jogo, quatro, seis ou oito cartas, dependendo do naipe). A jogabilidade consistia em blocos separados de jogo online; em cada bloco, as chances de obter uma carta de um naipe específico mudam. Em um bloco, pode haver 80% de chance de obter uma carta de gato, por exemplo, enquanto em outro bloco, a chance de obter uma carta de gato pode ser de 40% ou menos. Em algumas versões do jogo, os jogadores eram informados de que as probabilidades mudariam em blocos diferentes e que um naipe apareceria com mais frequência do que os outros, mas não eram informados de quanto as probabilidades mudariam. Em outras versões do jogo, os jogadores eram explicitamente informados sobre quais seriam as probabilidades (80, 75, 70, 60, 55 ou 50 por cento), mas não sobre quais naipes realmente dominariam.

Os resultados? Como esperado, os jogadores persistiram em coletar cartas de um naipe que já estavam coletando, mesmo quando essa não era a escolha ideal. No entanto, a persistência excessiva demonstrada por cada jogador variou bastante. "Algumas pessoas são boas em adiar recompensas imediatas e esperar por recompensas futuras, enquanto outras não", diz Aenugu. "Como as pessoas tendem a preferir recompensas imediatas, elas podem querer continuar com um naipe específico porque está mais perto da conclusão — é quando ganham pontos no jogo — mesmo que esse naipe não seja o favorito em um determinado bloco de jogo", diz Aenugu.

Essa persistência excessiva é a marca registrada de uma abordagem retrospectiva às decisões necessárias no jogo — isto é, uma abordagem na qual os jogadores olham para trás para ver como progrediram e, assim, decidir como seguir em frente. Para contrastar as escolhas desses tipos de jogadores com o jogo ideal, Aenugu, com formação em engenharia e ciência da computação, criou dois jogadores adicionais, ambos algoritmos computacionais, que jogavam prospectivamente — baseando suas escolhas em resultados imediatos e previsões futuras. Um dos algoritmos foi adaptado para se adaptar às probabilidades aparentes em qualquer bloco e selecionar cartas de naipes que pareciam estar apresentando bom desempenho, independentemente de seu desempenho anterior ou se pertenciam a um naipe que estava quase completo. O segundo algoritmo também jogava prospectivamente, mas, além disso, exercia uma preferência por completar naipes sempre que possível, em vez de escolher apenas cartas de naipes que pareciam estar apresentando melhor desempenho. Esse tipo de comportamento é chamado de desconto.

Jogadores humanos persistiram mais do que qualquer um desses agentes gerados por computador, indicando que algum fator além do desconto está em ação entre os jogadores. Aenugu usa uma metáfora da física clássica — o momentum — para descrever a tendência dos jogadores a persistirem excessivamente. O momentum, explica Aenugu, "é um produto do próprio progresso e também da taxa de progresso. Demonstramos matematicamente que o momentum, entendido dessa forma, fornece uma boa aproximação do tempo que os jogadores levam para completar o objetivo".

Aenugu observa que um cálculo de persistência de metas baseado no momentum não é tão eficaz na otimização do desempenho quanto o modelo prospectivo. "Mas realizar os mesmos cálculos considerando apenas o momentum — ou seja, o progresso atual e a taxa de progresso — é quase tão eficaz quanto um modelo prospectivo, e é muito barato fazer essa computação. Ou seja, é caro, em termos da quantidade de pensamento envolvida, confiar no raciocínio prospectivo. Além disso, o mundo é incerto. Você não sabe quando as coisas estão mudando. Portanto, não se pode confiar demais em ter um modelo prospectivo perfeito. Às vezes, ter um modelo barato é tudo o que você realmente precisa."

Os pesquisadores planejam examinar como essas descobertas sobre a persistência excessiva e, em particular, sua variabilidade entre diferentes participantes, podem ter um papel a desempenhar na psiquiatria computacional: incorporando computações neurocientíficas à prática psiquiátrica clínica. "Acreditamos que compreender a natureza da variação individual na forma como os objetivos são selecionados pode nos ajudar a compreender certos transtornos, como depressão, ansiedade, TDAH ou TOC", afirma O'Doherty.

O artigo, intitulado " Construindo impulso: um relato computacional da persistência em direção a objetivos de longo prazo ", foi publicado na edição de fevereiro de 2025 da PLOS Computational Biology.