Pesquisadores do Institute for Human-Centered AI, ligado ao Centro Helmholtz de Munique, apresentaram o Centaur, um modelo de linguagem capaz de prever decisões humanas em diferentes contextos experimentais. O desenvolvimento envolveu uma equipe internacional que adaptou um modelo de código aberto originalmente fornecido pela Meta AI. O objetivo foi avaliar até que ponto algoritmos treinados em grandes volumes de dados comportamentais conseguem antecipar escolhas de pessoas em tarefas padronizadas da psicologia.
Para construir o sistema, os cientistas reuniram informações de 160 experimentos psicológicos clássicos, totalizando cerca de 60 mil participantes. Nessas pesquisas, voluntários realizaram atividades como categorização de objetos e tomada de decisão em jogos de azar. O conjunto completo reúne mais de 10 milhões de decisões individuais.
O Centaur foi treinado com 90% desse material, enquanto os 10% restantes foram reservados para testes cegos. Após o treinamento, o modelo recebeu apenas a descrição das tarefas e teve de indicar qual opção cada participante escolheria. Em alguns cenários, o algoritmo atingiu 64% de acurácia, demonstrando capacidade de antecipar comportamentos acima do mero acaso. A equipe também avaliou a robustez do sistema, alterando levemente as configurações dos experimentos. Mesmo diante de variações, o desempenho permaneceu consistente, sugerindo certa generalização para situações não vistas durante o aprendizado.
Diferentemente de abordagens tradicionais focadas em texto, o Centaur foi ajustado especificamente para “dados comportamentais”, traduzindo resultados de estudos de decisão para linguagem absorvível por redes neurais. Segundo os autores, esse método pode ser estendido a outras áreas que exigem previsão de ações humanas, como comércio eletrônico, educação personalizada ou planejamento militar.
O trabalho chama atenção porque utiliza a arquitetura básica desenvolvida pelo Google e o pré-treino disponibilizado pela Meta, recursos já amplamente empregados pela indústria de tecnologia. Especialistas observam que conglomerados digitais possivelmente operam modelos comparáveis para estimar preferências de consumidores em lojas virtuais ou sugerir conteúdos em redes sociais. Aplicativos que apresentam recomendações em tempo real, a exemplo de plataformas de vídeo de curta duração, ilustram a eficácia atual dessas ferramentas em prolongar o engajamento dos usuários.
Embora os responsáveis classifiquem o estudo como contribuição à pesquisa fundamental, eles reconhecem potenciais impactos práticos e éticos. A precisão crescente amplia a previsibilidade do comportamento individual, o que pode reforçar dependência de serviços online ou criar formas de controle digital. Ao mesmo tempo, modelos com essa capacidade poderiam auxiliar em desafios sociais, como otimizar políticas de saúde pública ou aperfeiçoar intervenções educacionais.
O avanço ocorre em um contexto de produção contínua de dados comportamentais. Interações cotidianas nas redes, transações de compra e registros de uso de aplicativos alimentam permanentemente algoritmos que aprendem padrões de decisão. Para especialistas em ciências comportamentais, a gestão de tecnologias que exploram essas informações exigirá definição de limites, participação de juristas e desenvolvimento de regulamentação apropriada.
Os resultados do Centaur demonstram que, com conjuntos extensos de decisões humanas estruturados em linguagem compreensível por máquinas, modelos de IA podem alcançar níveis significativos de precisão ao antecipar escolhas. A evolução dessa linha de pesquisa deve intensificar o debate sobre benefícios e riscos associados à adoção de sistemas que transformam preferências individuais em dados previsíveis.
