O economista comportamental Sendhil Mullainathan nunca esqueceu o prazer que sentiu na primeira vez que provou um delicioso biscoito Levain, crocante e cremoso. Ele compara a experiência a quando se depara com novas ideias.

"Esse prazer hedônico é praticamente o mesmo prazer que sinto ao ouvir uma nova ideia, descobrir uma nova maneira de encarar uma situação ou pensar sobre algo, ficar preso e então ter um avanço. Você obtém esse tipo de recompensa básica", diz Mullainathan, Professor Peter de Florez com dupla nomeação nos departamentos de Economia e Engenharia Elétrica e Ciência da Computação do MIT, e pesquisador principal do Laboratório de Sistemas de Informação e Decisão (LIDS) do MIT.

O amor de Mullainathan por novas ideias e, por extensão, por ir além da interpretação usual de uma situação ou problema, analisando-os de muitos ângulos diferentes, parece ter começado muito cedo. Quando criança na escola, ele diz, as respostas de múltipla escolha nas provas pareciam oferecer possibilidades de acerto.

"Eles diziam: 'Aqui estão três coisas. Qual dessas opções é a quarta?' Bem, eu respondia: 'Não sei'. Há boas explicações para todas elas", diz Mullainathan. "Embora haja uma explicação simples que a maioria das pessoas escolheria, nativamente, eu simplesmente via as coisas de forma bem diferente."

Mullainathan diz que sua mente funciona, e sempre funcionou, "desfasada" — ou seja, não em sincronia com a forma como a maioria das pessoas escolheria prontamente a resposta correta em uma prova. Ele compara seu modo de pensar a "um daqueles vídeos em que um exército está marchando e um cara não está no mesmo ritmo, e todos ficam pensando: o que há de errado com esse cara?"

Felizmente, diz Mullainathan, “estar fora de fase é útil na pesquisa”.

E aparentemente sim. Mullainathan recebeu uma Bolsa MacArthur "Genius", foi nomeado "Jovem Líder Global" pelo Fórum Econômico Mundial, foi nomeado um dos "100 maiores pensadores" pela revista Foreign Policy , foi incluído na "Smart List: 50 pessoas que mudarão o mundo" pela revista Wired e ganhou o Prêmio Infosys, o maior prêmio em dinheiro da Índia que reconhece a excelência em ciência e pesquisa.

Outro aspecto fundamental de Mullainathan como pesquisador — seu foco na escassez financeira — também remonta à sua infância. Quando tinha cerca de 10 anos, poucos anos depois de sua família se mudar da Índia para Los Angeles, seu pai perdeu o emprego como engenheiro aeroespacial devido a uma mudança nas leis de autorização de segurança para imigrantes. Quando sua mãe lhe disse que, sem trabalho, a família não teria dinheiro, ele se diz incrédulo.

“No começo, pensei: isso não pode estar certo. Não foi bem assimilado”, diz ele. “Então foi a primeira vez que pensei: não há chão. Tudo pode acontecer. Foi a primeira vez que realmente apreciei a precariedade econômica.”

Sua família se sustentava administrando uma videolocadora e, em seguida, outros pequenos negócios, e Mullainathan ingressou na Universidade Cornell, onde estudou ciência da computação, economia e matemática. Embora se dedicasse bastante à matemática, ele se viu atraído não pela economia tradicional, mas pela economia comportamental de um pioneiro na área, Richard Thaler, que mais tarde ganhou o Prêmio Nobel de Ciências Econômicas por seu trabalho. A economia comportamental traz os aspectos psicológicos, e muitas vezes irracionais, do comportamento humano para o estudo da tomada de decisões econômicas.

“É a parte não matemática deste campo que é fascinante”, diz Mullainathan. “O que o torna intrigante é que a matemática em economia não está funcionando. A matemática é elegante, os teoremas. Mas não está funcionando porque as pessoas são estranhas, complicadas e interessantes.”

A economia comportamental era tão nova quando Mullainathan estava se formando que, segundo ele, Thaler o aconselhou a estudar economia tradicional na pós-graduação e a se destacar antes de se concentrar em economia comportamental, "porque era muito marginalizada. Era considerada super arriscada porque nem sequer se encaixava em uma área específica", diz Mullainathan.

Incapaz de resistir a pensar nas peculiaridades e complicações da humanidade, no entanto, Mullainathan se concentrou em economia comportamental, obteve seu doutorado na Universidade de Harvard e diz que passou cerca de 10 anos estudando pessoas.

"Eu queria ter a intuição que um bom psicólogo acadêmico tem sobre as pessoas. Eu estava comprometido em entender as pessoas", diz ele.

Enquanto Mullainathan formulava teorias sobre por que as pessoas fazem certas escolhas econômicas, ele queria testar essas teorias empiricamente.

Em 2013, ele publicou um artigo na revista Science intitulado "Pobreza Impede a Função Cognitiva". A pesquisa mediu o desempenho de produtores de cana-de-açúcar em testes de inteligência nos dias que antecederam a colheita anual, quando estavam sem dinheiro, às vezes quase morrendo de fome. No estudo controlado, os mesmos produtores fizeram os testes após a colheita e receberam pagamento por uma safra bem-sucedida — e obtiveram pontuações significativamente mais altas.

Mullainathan diz estar satisfeito que a pesquisa tenha tido um impacto de longo alcance e que aqueles que formulam políticas frequentemente levam sua premissa em consideração.

Para Mullainathan, o efeito mais importante da pesquisa foi sobre os indivíduos, um impacto que ele viu nos comentários dos leitores que apareceram depois que a pesquisa foi publicada no The Guardian.

Noventa por cento das pessoas que escreveram esses comentários disseram coisas como: 'Eu já tive insegurança financeira. Isso reflete perfeitamente como era ser pobre.'"

Tais insights sobre a maneira como influências externas afetam a vida pessoal podem estar entre os avanços importantes possibilitados pelos algoritmos, diz Mullainathan.

“Acredito que, na era passada da ciência, a ciência era feita em grandes laboratórios e transformada em grandes projetos. Acredito que a próxima era da ciência também terá como objetivo permitir que os indivíduos repensem quem são e como são suas vidas.”

No ano passado, Mullainathan retornou ao MIT (depois de ter lecionado no MIT de 1998 a 2004) para se concentrar em inteligência artificial e aprendizado de máquina.

“Eu queria estar em um lugar onde pudesse ter um pé na ciência da computação e outro em um departamento de economia comportamental de primeira linha”, diz ele. “E, falando sério, se você simplesmente perguntasse objetivamente 'quais são os lugares que têm nota máxima em ambos', o MIT estaria no topo dessa lista.”

Embora a IA possa automatizar tarefas e sistemas, essa automação de habilidades que os humanos já possuem é "difícil de se entusiasmar", diz ele. A ciência da computação pode ser usada para expandir as habilidades humanas, uma noção limitada apenas pela nossa criatividade em fazer perguntas.

“Deveríamos estar nos perguntando: qual capacidade você quer expandir? Como poderíamos construir um algoritmo para ajudar a expandir essa capacidade? A ciência da computação, como disciplina, sempre foi fantástica em lidar com problemas complexos e construir soluções”, diz ele. “Se você tem uma capacidade que gostaria de expandir, isso parece um desafio computacional muito difícil. Vamos descobrir como lidar com isso.”

As ciências que "estão muito longe de atingir a fronteira que a física atingiu", como a psicologia e a economia, podem estar à beira de grandes avanços, diz Mullainathan. "Acredito fundamentalmente que a próxima geração de avanços virá da intersecção entre a compreensão das pessoas e a compreensão dos algoritmos."

Ele explica um possível uso da IA em que um tomador de decisão, por exemplo, um juiz ou médico, poderia ter acesso à sua decisão média em relação a um conjunto específico de circunstâncias. Tal média estaria potencialmente mais livre de influências do dia a dia — como mau humor, indigestão, trânsito lento a caminho do trabalho ou uma briga com o cônjuge.

Mullainathan resume a ideia da seguinte forma: "o eu médio é melhor do que você mesmo. Imagine um algoritmo que facilitasse a visualização do que você normalmente faria. E não é isso que você está fazendo no momento. Você pode ter um bom motivo para fazer algo diferente, mas fazer essa pergunta é imensamente útil."

No futuro, Mullainathan certamente tentará trabalhar em prol dessas novas ideias — porque, para ele, elas oferecem uma recompensa deliciosa.