A premissa dos grandes modelos de linguagem da IA é que qualquer problema pode ser resolvido coletando o máximo de informações possível, processando-as por meio de modelos de probabilidade e realizando cálculos complexos para fazer previsões e chegar à solução ideal.

Outra premissa por trás dos LLMs é que eles emulam o funcionamento do cérebro humano. É por isso que os computadores conseguem simular a inteligência humana — e uma das razões pelas quais a IA é tão fascinante e assustadora. Se a IA consegue resolver problemas melhor e mais rápido do que uma pessoa, para que precisamos dos humanos?

Mas Douglas Guilbeault , professor assistente de comportamento organizacional na Stanford Graduate School of Business, que tem refletido bastante sobre a forma como as pessoas pensam, não acredita que nossos cérebros funcionem dessa maneira.

“É certamente verdade que alguns aspectos do pensamento envolvem fazer previsões”, diz ele. “E às vezes temos que resolver problemas racionais. Quando definimos dessa forma, como quando elaboramos uma prova e criamos certos quebra-cabeças, pode muito bem acontecer que a IA seja tão boa quanto nós, ou em alguns casos até melhor, para resolver alguns desses tipos de problemas. Mas existem muitos outros aspectos fascinantes e complexos da vida humana que envolvem uma interação realmente sutil e profunda entre nossas mentes, nosso comportamento e nosso contexto social.”

O mundo é muito mais complexo do que a compreensão de um mestre em Direito, e há muitas coisas que nos é impossível saber. O que a pessoa sentada à nossa frente está realmente pensando? E o que ela está pensando sobre nós? A vida é cheia de incertezas. Os seres humanos também têm um número limitado de neurônios. Não podemos simplesmente expandir nossos cérebros da mesma forma que as empresas de IA expandem seus data centers. Temos que trabalhar com o que temos.

“Quando você observa o comportamento humano na natureza”, diz Guilbeault, “na grande maioria das vezes, as pessoas tomam decisões em circunstâncias nas quais têm poucos dados e são incapazes de obter os dados necessários para realmente ter alta confiança no resultado. Ou são preguiçosas, distraídas ou simplesmente têm uma capacidade limitada de processar e interpretar informações.”

Herbert Simon, economista laureado com o Prêmio Nobel e um dos fundadores da disciplina de comportamento organizacional, chamou esse método de tomada de decisão de "satisfação": as pessoas coletam informações apenas até o ponto em que conseguem fazer o salto intuitivo para uma conclusão satisfatória. Historicamente, isso não prejudicou a humanidade. As pessoas construíram cidades, estabeleceram rotas comerciais e criaram mercados financeiros internacionais antes mesmo de alguém criar um mapa completo do mundo. Einstein usou um experimento mental sobre um trem e um clarão de luz para extrapolar a teoria da relatividade restrita.

Isso não se aplica apenas a gênios: uma criança pequena comum não consegue ler um dicionário ou um livro didático, mas, ao ouvir as conversas ao seu redor, absorve as regras gramaticais e dá o salto cognitivo da balbucio para as frases. Linguistas desenvolveram uma equação chamada Princípio da Tolerância para calcular com precisão quanta informação é necessária para que as crianças consigam organizar o que parece ser um caos linguístico.

Quando Guilbeault era estudante de doutorado na Universidade da Pensilvânia, ele e seu amigo Spencer Caplan participaram de um seminário com Charles Yang , professor de linguística e ciência cognitiva. Yang estava interessado em como as pessoas aprendem regras e linguagem. Enquanto trabalhavam juntos, ele, Caplan e Guilbeault começaram a se perguntar se havia algum tipo de conexão entre como as crianças aprendem gramática e como as pessoas aprendem regras sociais.

Pesquisadores anteriores presumiam que os humanos aprendem convenções sociais da mesma forma que os modelos de linguagem aprendem a gerar conteúdo: seja por imitação ou otimização, eles absorvem e processam informações suficientes para prever o que fazer em qualquer situação. Mas Guilbeault, Caplan e Yang questionaram se os adultos aprendem normas sociais da mesma forma que aprendiam a linguagem antigamente, por meio da satisfação. E, em caso afirmativo, haveria um limiar mensurável, como o Princípio da Tolerância?

Recentemente, Guilbeault e Caplan (agora no CUNY Graduate Center) se reuniram com Yang para conduzir uma série de experimentos, que descreveram em um artigo na PNAS .

Os pesquisadores consideraram uma variedade de cenários, incluindo mídias sociais, para testar sua teoria do limiar. No entanto, decidiram usar jogos, argumentando que o ambiente seria mais rigorosamente controlado. Além disso, Guilbeault afirma: “Se estudarmos pessoas em ambientes muito simples, como jogos, e não conseguirmos entender como elas funcionam, que chance teremos de entender como elas se comportam em ambientes muito mais complexos?”

O primeiro jogo, o Jogo dos Nomes, consistia em mostrar a um grupo de 24, 48 ou 96 pessoas a foto de um rosto e pedir que lhe dessem um nome. Se mais de um participante sugerisse o mesmo nome, era recompensado. Os participantes não podiam conversar entre si nem elaborar estratégias para promover um nome específico. O jogo continuava por várias rodadas até que o grupo chegasse a um consenso. Isso levava entre 20 e 30 rodadas, independentemente do tamanho do grupo.

Em seguida, os pesquisadores utilizaram quatro modelos diferentes baseados em teorias de aprendizagem humana para analisar as escolhas dos grupos. O Princípio da Tolerância forneceu a melhor explicação: houve caos até que mais membros do grupo perceberam que parecia haver uma regra social em vigor e começaram a repetir o nome dominante. Um experimento subsequente, no qual uma pequena minoria de dissidentes foi inserida em um grupo, mostrou que o consenso poderia ser derrubado assim que a oposição atingisse 25%.

No segundo jogo, o Jogo da Leitura da Mente, os participantes tinham que prever se outra pessoa escolheria vermelho ou azul, apesar das contradições e outros "ruídos". Os resultados foram semelhantes: o Princípio da Tolerância foi o que melhor previu o comportamento dos participantes.

“O fato de demonstrarmos que o Princípio da Tolerância é, de longe, o mais eficaz em capturar o que realmente acontece sugere que ele pode ser algo fundamental sobre como nos entendemos e nos relacionamos socialmente quando tentamos inferir o que as pessoas realmente pensam e pretendem, apesar de obtermos apenas dados muito limitados quando as observamos”, diz Guilbeault. “Acho que pode haver algo poderoso nessas regras simples que acabam funcionando muito bem para nos permitir encontrar um terreno comum e nos coordenar, apesar dessa lacuna de informação.” E, surpreendentemente, isso pode ser resumido em uma equação simples.

Guilbeault planeja continuar a explorar o Princípio da Tolerância em outros aspectos do comportamento social, especificamente o contágio social, um de seus principais interesses acadêmicos.

Ele também quer enfatizar que esses saltos intuitivos e imaginativos, da confusão à compreensão, são o que distingue a inteligência humana das máquinas.

“Nós consideramos como algo natural a forma como passamos de não entender muito bem a, de repente, captar a essência de algo”, diz ele. “E esse processo fundamental ainda é muito misterioso. E eu estou empenhado em defendê-lo, porque acho que ele está amplamente ausente das discussões no mundo da IA.”