A ciência de escolhas melhores: o que algoritmos podem nos ensinar?

Em um mundo em que a inteligência artificial avança a passos largos e, no processo, amedronta tantas pessoas, é incomum acharmos uma análise do que podemos aprender com tais avanços. Afinal, o que nos ensinam os inúmeros algoritmos que a ciência da computação nos brindou nos últimos anos? Como podemos utilizar esses ensinamentos no dia a dia?

Um algoritmo, vale lembrar, é uma sequência de passos finitos que são usados para resolver um problema. Surpreendentemente, vários dos problemas encontrados na ciência da computação não diferem muito dos desafios cotidianos da maioria dos seres humanos. Portanto, os algoritmos criados para resolvê-los podem nos ajudar a tomar decisões melhores nas nossas vidas.

Este é o tema do livro “Algoritmos para viver – a ciência exata das decisões humanas”, de Brian Christian e Tom Griffith (2017, Companhia das Letras). Nele, os autores delineiam uma infinidade de algoritmos criados para resolver problemas computacionais, explicam a lógica de cada um deles, e traçam paralelos inusitados e muito interessantes com problemas que a grande maioria das pessoas enfrenta. O resultado é um livro muito original e útil, além de denso.

A seguir, listo um resumo com apenas alguns dos inúmeros insights que obtive nessa leitura.

Quando encerrar uma busca?

Suponha que você esteja procurando um apartamento para morar. Quanto mais visitas você fizer, maior seu conjunto de informações para decidir, mas também maior é a chance de deixar passar o melhor apartamento disponível. Quantas visitas fazer então?

A ciência da computação tem uma resposta precisa: 37% dos imóveis selecionados. Isto é, a solução ótima é visitar sem compromisso 37% dos imóveis selecionados e, depois, escolher o primeiro apartamento que supere (aproximadamente) todos os que foram visitados anteriormente.

São diversos os problemas com essa mesma estrutura, chamados de “problemas de paragem ótima”, para os quais a regra dos 37% também se aplica. Dois outros exemplos:

• Quanto tempo esperar por uma oferta de compra do seu carro? Resposta: 37% do tempo máximo aceitável.

• Quantos candidatos entrevistar antes de fazer uma proposta de contratação? Resposta: 37% dos currículos selecionados.

Em cada caso, a regra dos 37% traz o equilíbrio certo, otimizado computacionalmente, entre impulsividade e pensar demais (o chamado overthinking).

Tentar o novo ou continuar com o que já é seu predileto?

Explorar algo novo, em geral, tem valor, já que ao fazê-lo há sempre chance de descobrir algo melhor do que o que hoje é visto como a melhor escolha. Mas o valor de explorar o novo depende de quanto tempo você terá para aproveitar eventuais descobertas. Se o tempo for curto, melhor ficar com as suas escolhas preferidas até o momento.

Você tentaria um restaurante novo ou iria no seu predileto se soubesse que depois da refeição se mudará para uma nova cidade?

Uma maneira de pensar nesse tipo de problema é considerar o quanto descontamos o futuro. Com taxas de desconto maiores, o melhor é não explorar e sim manter as suas atuais melhores escolhas.

Algoritmos criados para definir o grau de exploração versus manutenção das atuais escolhas levam em conta o tempo útil do resultado da exploração (jovens devem explorar mais que idosos), bem como o benefício de explorar (um mundo que se transforma rápido requer mais exploração), dentre outros fatores. O livro discute vários desses algoritmos.

Mantenha alguma bagunça

Um dos problemas clássicos da ciência da computação é decidir o tempo gasto com classificações versus buscas (pense no mecanismo de busca do Google).

Vale a pena colocar os livros de sua estante em ordem alfabética? Provavelmente não: o tempo que você gasta procurando um livro com os olhos será em geral menor do que o tempo gasto organizando os livros com as mãos.

Nesse espírito, algoritmos de ciências da computação mostram que procrastinar e deixar algum grau de bagunça pode ser mais do que uma escolha fácil – pode ser a escolha ótima.

Mas e se você tiver muitas estantes e fizer buscas frequentes por livros específicos? Neste caso, os benefícios de organizar os livros até certo ponto podem valer a pena. Mas uma arrumação perfeita dificilmente será a escolha ótima.

Um mar de dicas

O livro de Christian e Griffiths tem inúmeras outras sugestões práticas, baseadas em algoritmos da ciência da computação, para melhorar decisões em diversas situações. É impossível fazer jus a todas elas, mas aqui vai uma lista curta com mais algumas:

• Gestão de espaços físicos: Na ausência de espaço (problema típico de computadores), (1) jogue fora o que foi menos usado recentemente – esse é o algoritmo ótimo, e (2) guarde as coisas próximas de onde elas têm mais chance de serem usadas

• Gestão de tempo: Se surgir uma nova tarefa, divida a sua importância (medida por um critério seu) pelo tempo que ela deve levar para ser completada. Se o resultado for maior do que o da tarefa que você está fazendo no momento, mude para a nova tarefa.

• Sob incerteza, pense menos e simplifique: Quando a incerteza é muito grande e os dados são limitados, modelos de previsão devem ser os mais simples possíveis (por exemplo, probabilidades iguais para cada resultado), a fim de evitar um ajuste excessivo (overfitting) aos dados disponíveis

Os autores abordam ainda temas ligados a aleatoriedade, redes de contato (networking), jogos estratégicos, esforços computacionais em interações humanas, dentre outros assuntos.

Em suma, o livro mostra que temos muito a aprender com a ciência da computação e que os algoritmos desenvolvidos por ela podem melhorar bastante nossa tomada de decisão em diversas situações. Mais do que nos ameaçar, esses avanços permitem lidar melhor com problemas importantes e complexos que muitos de nós enfrentam.

Vale muito a pena a leitura!