Uma equipe internacional do Institute for Human-Centered AI, vinculado ao Centro Helmholtz de Munique, desenvolveu um modelo de linguagem capaz de antecipar escolhas humanas em diferentes situações experimentais. Batizado de Centaur, o sistema foi construído a partir de um modelo de código aberto da Meta AI e treinado com dados de 160 experimentos clássicos da psicologia, que envolveram aproximadamente 60 mil participantes.
Como o modelo foi treinado
Os pesquisadores reuniram informações sobre tarefas variadas, como categorização de objetos e decisões em jogos de azar. Ao todo, foram registradas mais de 10 milhões de decisões. Desse conjunto, 90% foram utilizados para aprendizagem e 10% ficaram reservados para testar a capacidade preditiva do Centaur, sem que o sistema tivesse acesso prévio a esses resultados.
Precisão verificada nos testes
Nos ensaios de validação, o modelo alcançou índices de acerto de até 64%, superando o nível que se obteria por mero acaso e se aproximando do desempenho de abordagens estatísticas tradicionais usadas na psicologia experimental. Além disso, o Centaur manteve desempenho consistente quando recebeu problemas ligeiramente diferentes daqueles presentes no treinamento, sinalizando capacidade de generalizar regras de comportamento aprendidas.
Tradução de dados comportamentais para linguagem
Clemens Stachl, diretor do Instituto de Ciência e Tecnologia Comportamental da Universidade de St. Gallen, destaca que a principal inovação está na conversão de resultados numéricos de experimentos em sequências de linguagem compreensíveis para o modelo. Segundo o pesquisador, essa estratégia permite que sistemas de IA processem informações comportamentais da mesma forma que analisam texto, imagem ou áudio, ampliando o espectro de aplicações possíveis.
Possíveis aplicações
De acordo com Stachl, ferramentas semelhantes podem ser empregadas em áreas onde a previsão de comportamento é relevante, como comércio eletrônico, educação adaptativa ou planejamento militar. Ele aponta ainda que grandes empresas de tecnologia já utilizam arquiteturas próximas ao Centaur para estimar preferências de compra, selecionar conteúdos em redes sociais ou personalizar assistentes virtuais. Exemplos citados pelo cientista incluem o ChatGPT, da OpenAI, e o algoritmo de recomendação do TikTok, ambos capazes de manter usuários engajados a partir da análise contínua de seus padrões de interação.
Riscos associados
Embora o estudo seja apresentado como uma contribuição à pesquisa básica, Stachl alerta para consequências potenciais. O acúmulo diário de dados de navegação, streaming e redes sociais torna as pessoas mais previsíveis, aumentando o risco de dependência digital. O pesquisador menciona a possibilidade de surgirem formas de “escravidão digital”, nas quais escolhas individuais seriam moldadas de maneira quase automática por sistemas de recomendação cada vez mais precisos.
Desafios sociais e regulatórios
O avanço desse tipo de tecnologia coloca questões éticas e legais sobre transparência, direitos de privacidade e limites para o uso comercial de perfis comportamentais. Para Stachl, a discussão precisa envolver não apenas a comunidade científica, mas também juristas, reguladores e formuladores de políticas públicas, a fim de estabelecer salvaguardas que protejam cidadãos ao mesmo tempo em que se aproveitam benefícios potenciais, como diagnósticos mais rápidos em saúde ou intervenções personalizadas em educação.
Os resultados do Centaur sugerem que modelos de linguagem podem ultrapassar a geração de texto e atuar como instrumentos de previsão de ações humanas. Ainda que a taxa de acerto de 64% não permita determinismo absoluto, ela indica um grau de precisão suficiente para aplicações comerciais e de pesquisa. Conforme novas bases de dados sejam incorporadas, a tendência é de que a capacidade preditiva desses sistemas se torne mais refinada, aprofundando tanto oportunidades quanto desafios para a sociedade.
