Pesquisadores da Universidade de Osaka, no Japão, desenvolveram um novo modelo de inteligência artificial capaz de prever como uma pessoa tomará decisões em diferentes situações — mesmo sem dados prévios sobre esse novo contexto. O estudo, publicado nesta segunda-feira (19), na revista científica eLife, representa um avanço significativo na compreensão das diferenças individuais no comportamento humano.

A pesquisa foi liderada pelo engenheiro e neurocientista computacional Hiroshi Higashi, que propôs um sistema baseado em redes neurais profundas capaz de capturar traços individuais de tomada de decisão e transferi-los entre diferentes tarefas cognitivas. “O objetivo é sair das previsões médias e passar a compreender o indivíduo”, afirma o autor no artigo.

Tradicionalmente, modelos cognitivos e estatísticos analisam decisões humanas com base em médias populacionais. No entanto, estudos mostram que pessoas diferem significativamente em fatores como velocidade de resposta, sensibilidade à recompensa, memória e tendência à exploração de novas escolhas.

Segundo Higashi, “essas diferenças individuais não são ruído estatístico, mas características centrais do comportamento humano”. O novo modelo busca justamente representar essas variações de forma matemática e computacional.

O método, batizado de EIDT (sigla para Encoder, Individual latent representation, Decoder and Task Solver), funciona em quatro etapas. Primeiro, um codificador analisa o comportamento de uma pessoa em uma tarefa inicial. Em seguida, esse comportamento é transformado em uma representação latente individual, uma espécie de “assinatura cognitiva” da pessoa. Um decodificador usa essa assinatura para configurar uma nova rede neural, que então prevê como esse mesmo indivíduo se comportaria em outra tarefa diferente.

O ponto-chave é que o modelo consegue fazer essa previsão sem observar previamente a pessoa na nova situação.

O sistema foi testado em dois tipos de tarefas:

Tarefas de tomada de decisão sequencial, semelhantes a jogos de múltiplas etapas, com 81 participantes;

Tarefas perceptivas de reconhecimento de dígitos manuscritos (MNIST), com 60 participantes.

Nos testes, o modelo superou abordagens tradicionais baseadas em psicologia cognitiva. Em análises estatísticas, o EIDT apresentou melhora significativa na previsão das escolhas individuais, com valores de p inferiores a 0,001, indicando alta robustez estatística.

Em um dos experimentos, a taxa de correspondência entre o comportamento humano real e o comportamento previsto pelo modelo ultrapassou 85%, dependendo da tarefa.

Outro achado relevante foi que indivíduos com padrões de decisão semelhantes ficaram próximos uns dos outros em um “espaço latente” matemático. Quanto maior a distância entre duas pessoas nesse espaço, pior era a previsão cruzada de comportamento — evidência de que o modelo realmente captura traços individuais, e não apenas padrões genéricos.

“Isso abre caminho para classificar e agrupar pessoas com base em como decidem, e não apenas em quem são”, destaca Higashi.

Os autores apontam que a tecnologia pode ter impacto em diversas áreas, como: psiquiatria e psicologia clínica, para entender diferenças comportamentais entre pacientes; educação personalizada, ajustando métodos de ensino ao perfil cognitivo do aluno; economia comportamental, prevendo decisões financeiras individuais; inteligência artificial, criando sistemas mais humanos e personalizados.

Segundo o estudo, a capacidade de “replicar indivíduos in silico” pode levar ao desenvolvimento de sistemas de IA com traços comportamentais próprios, aproximando máquinas do modo humano de decidir.

Apesar dos resultados promissores, os pesquisadores reconhecem limitações. O modelo foi testado apenas em tarefas relacionadas entre si, e ainda não se sabe se funcionaria bem em contextos completamente distintos. Além disso, a interpretação psicológica exata das representações latentes ainda é um desafio.

Para o futuro, Higashi defende bases de dados maiores e mais diversas. “Quanto mais variedade de comportamentos humanos tivermos, mais precisos e justos esses modelos poderão se tornar”, afirma.