Académique Documents
Professionnel Documents
Culture Documents
Natal
2012
Natal
2012
Comisso Julgadora:
Prof. Dr.
Prof. Dr.
Prof. Dr.
Daniel Durante Pereira Alves
Agradecimentos
Esse trabalho de pesquisa s foi possvel graas a toda uma cadeia de suporte
da qual pude usufruir e a que sou muito grato.
Resumo
O seguinte trabalho consiste na interpretao e anlise do problema da induo sob
uma viso fundamentada em teoria de conjuntos e teoria de probabilidades como base
para a soluo de suas implicaes filosficas negativas relativas aos sistemas de lgica
indutiva de maneira geral. Devido importncia do problema e aos desenvolvimentos
recentes nos referidos campos de conhecimento (incio do sculo 20), bem como s
relaes visveis entre eles e o processo de inferncia indutivo, tem-se aberto um campo
de possibilidades relativamente inexplorado e promissor. O ponto-chave para o estudo
consiste na modelagem do processo de aquisio de informao usando conceitos de
teoria de conjuntos, seguido por um tratamento usando teoria de probabilidades.
Ao longo do estudo foi possvel identificar, como obstculos principais justificao
probabilstica, tanto o problema da definio do conceito de probabilidade quanto do
de racionalidade, alm da sutil conexo entre ambos. Essa constatao permitiu um
maior cuidado na escolha do critrio de racionalidade a ser considerado no intuito
de viabilizar o tratamento do problema por meio de situaes-exemplo especficas,
mas sem a perda de suas caractersticas originais, de modo que as concluses obtidas
possam ser estendidas a casos clssicos como o relativo dvida sobre a continuidade
do nascer do sol.
Palavras-chave:
Abstract
The following work is to interpret and analyze the problem of induction under
a vision founded on set theory and probability theory as a basis for solution of its
negative philosophical implications related to the systems of inductive logic in general. Due to the importance of the problem and the relatively recent developments in
these fields of knowledge (early 20th century), as well as the visible relations between
them and the process of inductive inference, it has been opened a field of relatively
unexplored and promising possibilities. The key point of the study consists in modeling the information acquisition process using concepts of set theory, followed by a
treatment using probability theory. Throughout the study it was identified as a major
obstacle to the probabilistic justification, both: the problem of defining the concept
of probability and that of rationality, as well as the subtle connection between the
two. This finding called for a greater care in choosing the criterion of rationality to
be considered in order to facilitate the treatment of the problem through such specific
situations, but without losing their original characteristics so that the conclusions can
be extended to classic cases such as the question about the continuity of the sunrise.
Keywords:
Lista de Tabelas
1.1
38
3.1
71
3.2
78
3.3
84
3.4
87
3.5
. . . . . . . . .
88
3.6
. . . . . . . . .
89
3.7
92
3.8
93
Sumrio
1 Introduo
17
1.1
A induo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
1.2
Histrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
1.3
O Problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
1.3.1
Explicao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
1.3.2
Explicandum
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
1.3.3
Explicatum
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
38
2 As implicaes e o modelo
43
2.1
43
2.2
. . . . . . . . . . .
46
2.3
A Modelagem e as Ferramentas
. . . . . . . . . . . . . . . . . . . . . .
47
2.3.1
. . . . . . . . . . . .
47
2.3.2
Modelagem
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
54
2.3.3
Teoria de Conjuntos
. . . . . . . . . . . . . . . . . . . . . . . .
57
2.3.4
Teoria de Probabilidades . . . . . . . . . . . . . . . . . . . . . .
60
67
3.1
A dinmica do agente . . . . . . . . . . . . . . . . . . . . . . . . . . . .
67
3.2
72
3.3
O tratamento do problema . . . . . . . . . . . . . . . . . . . . . . . . .
73
3.3.1
Definindo racionalidade . . . . . . . . . . . . . . . . . . . . . . .
75
3.3.2
80
3.3.3
3.4
Anlise quantitativa
. . . . . . . . . . . . . . . . . . . . . . . .
83
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
94
3.4.1
96
3.4.2
Sobre o hbito . . . . . . . . . . . . . . . . . . . . . . . . . . . .
98
Consideraes Finais
Referncias Bibliogrficas
101
Appendices
107
A Programa coin-all.py
107
Captulo 1
Introduo
O presente trabalho representa uma abordagem do clssico problema da induo visto
no mbito do processo de aquisio de conhecimento. Para tanto, foi considerado o
processo de aprendizado individual como ponto de partida, seguido de um breve estudo
histrico e da identificao mais precisa do objeto a ser tratado.
Mesmo nessa etapa inicial foram usados ferramentas e conceitos atuais que se julga
poderem facilitar sua compreenso e tratamento, mas cuja possibilidade de interpretaes divergentes torna necessria uma explicao antecipada, de modo que o leitor
possa entender em que sentido esto sendo usados ao longo do texto, ainda que em
um momento apropriado sejam permitidas modificaes ou adaptaes devidamente
explicitadas.
O termo conhecimento, por exemplo, no est sendo tomado no sentido clssico
de crena verdadeira justificada (ou ainda reforada por algum critrio visando evitar
o problema de Gettier (Gettier, 1963)), mas apenas como aquisio de informao
em conformidade com os critrios disponveis para o agente cognoscvel considerado,
ainda que esses critrios representem apenas de maneira imperfeita a busca pelo es-
1 Essa idia similar caracterizao do conhecimento como descrevendo o sucesso no empreendimento de busca da verdade, conforme exposto em (BonJour, 2009, pg. 30)
18
Captulo 1.
Introduo
de crenas que estariam atadas verdade (Pritchard and Turri, 2012), poder-se-ia
optar alternativamente pelo uso de crena justificada, de forma a apenas indicar a
adequao aos critrios do agente. Ao fazer isso, entretanto, perderamos o contato
com o ideal de certeza presente na ideia filosfica de conhecimento e, ainda que em
diferentes graus, tambm em seu emprego cientfico e popular.
Importante observar que o conhecimento abordado do tipo proposicional (Steup,
2012), principalmente em relao predio de algum evento, como por exemplo: S
sabe que P, onde P o prximo resultado do lanamento de determinada moeda.
As aspas usadas na declarao da sentena so apenas para chamar a ateno para o
fato de que a forma simples e explcita de tal exemplo probabilstico d uma falsa impresso de que h uma patente diferena entre ele e as situaes filosficas, cientficas
e populares mencionadas.
Isso no verdade, entretanto, j que possvel contemplar casos com nvel de
confiana variando de 0 (nenhuma) a 1 (certeza), englobando qualquer valor de probabilidade que pensemos poder servir de limite a partir do qual uma crena passaria
a ser considerada virtualmente certa e receberia o nobre rtulo de conhecimento. Isso
posto, tambm faz-se prudente um esclarecimento a respeito dos seguintes termos:
Lgica
Induo
Aquisio de conhecimento
Predio
Probabilidade
Evoluo
Ao usarmos o termo lgica, estamos nos referindo a um sistema formal de inferncias por meio de regras de manipulao simblica, usado como ferramenta para
ajudar no raciocnio a respeito de determinados problemas.
19
Embora tradicionalmente a
aquisio de conhecimento
como a adio de elementos ao conjunto de informaes, assim como o reconhecimento de caractersticas (tanto do conjunto, quanto dos elementos) relevantes para
a situao descrita.
A partir dessas consideraes iniciais sobre lgica e induo, portanto, uma lgica
indutiva consiste em um sistema formal, construdo segundo regras de manipulao
simblica que, diferentemente da lgica clssica, em vez de preservar a validade, preserva uma racionalidade simplificada.
Apesar das vrias crticas a essa ideia, as principais objees dizem respeito valorao de algumas das premissas necessrias ao argumento indutivo probabilstico: as
probalilidades iniciais. Se considerarmos, por exemplo, que no caso de uma inferncia
dedutiva via modus ponens do tipo que leva de A e AB para B, a incerteza quanto ao
valor de verdade de uma das premissas no afeta a validade formal do argumento, mas
apenas a sua correo, o mesmo se aplicaria no caso da incapacidade de estabelecer as
probabilidades iniciais de uma inferncia indutiva. Por ltimo, mesmo considerando
as objees quanto a aplicabilidade prtica, h algumas defesas combatendo a ideia de
que a probabilidade seria incapaz de ajudar na resoluo do problema ainda segundo
a argumentao de Hume (Stove, 1965), bem como abordando as crticas mais atuais como as referidas questes sobre a atribuio de probabilidades iniciais (Franklin,
2 Essa racionalidade simplificada, considerada como um subconjunto legtimo dos critrios necessrios, ainda que no suficientes, para a caracterizao de uma agente como racional, representada
pelos desiderata de Plia-Cox, conforme 2.3.4.
20
Captulo 1.
Introduo
2001).
Quanto a
predio,
3 Suponha que voc esteja em um programa de jogos e lhe seja dada a opo de escolher entre
trs portas: atrs de uma porta tem um carro; atrs das outras, cabras. Digamos que voc escolha
a porta N 1 (mas a porta no aberta) e o anfitrio, que sabe o que est por trs das portas, abre
a porta N 3, que tem uma cabra.
Ele ento lhe diz: Voc quer trocar para a porta N 2?.
1.1.
A induo
21
entre decises (ou regras) e sua influncia sobre determinado agente, pode-se pensar
em
de regras, assim como no caso biolgico entendida como o processo de mudana das
propriedades dos grupos de organismos ao longo das geraes (Futuyma, 2005, pg. 2).
1.1
A induo
varivel, ela tende a ser mais elevada medida que as consequncias do erro ou acerto
tornam-se mais relevantes nossa vida.
Decises como no por a mo em uma lagarta-de-fogo, mesmo que nunca se tenha
tido contato com tal animal, so tomadas rapidamente e, dependendo da gravidade
do perigo, basta uma nica experincia para aprendermos que no se deve repetir
esse ato.
relevncia das implicaes vitais da deciso a ser tomada frente a um fato novo, j
que, por mais simples e impreciso que possamos conceb-lo, h um limite mnimo que
deve ser obedecido: o da sobrevivncia.
Pode-se fazer um paralelo interessante entre a histria da aquisio de conheci-
4 Por exemplo: a confirmao por meio da verificao dolorosa de que nossos pais esto corretos
ao nos dizerem para no colocar a mo no fogo ou na tomada sob pena de nos machucar.
22
Captulo 1.
Introduo
mento individual e a coletiva, apesar de apenas essa ltima ter permitido um tratamento mais aprofundado, acumulando evidncias de sucesso e, ao mesmo tempo,
questionamentos sobre uma justificao que se faz mais necessria proporcionalmente
formalizao dos mtodos cognitivos. Foi sob essa tenso entre resultados e carncia
de justificativa racional que o mtodo indutivo gerou o problema da induo.
Como est sendo observado por meio de seu impacto no processo de aquisio de
conhecimento, a abordagem foi estabelecida como sendo a anlise de um experimento
demonstrando aprendizagem, seguindo-se da identificao da ocorrncia do problema
e das caractersticas que o tornam inerente ao aprendizado em situaes de incerteza.
Uma vez feito isso, partiu-se para a simplificao desse processo de forma a eliminar
qualquer informao no relativa constituio bsica necessria para caracterizao
tanto do processo de aprendizagem quanto do problema da induo. Aps a obteno
de um modelo simplificado, passou-se ao uso das ferramentas da Teoria de Conjuntos
e da Teoria de Probabilidades, necessrias para seu tratamento e, finalmente, anlise
da resoluo do problema para o caso especfico e suas implicaes para o caso geral.
Por fim, apresenta-se a seguir uma breve abordagem histrica do problema da
induo enquanto relacionado tomada de deciso em situaes de incerteza.
1.2
Histrico
Esses mtodos,
1.2.
Histrico
23
do filsofo Sextus Empiricus, cujo texto em Against the Logicians, segundo a filsofa
Ruth Weintraub, pode ser visto como anlogo s questes formuladas por Hume em
O processo de inferncia em situaes de incerteza tambm estudado por matemticos h mais de 350 anos, iniciando com Gerolamo Cardano, com destaque para
Blaise Pascal, Pierre de Fermat e o responsvel pelo que hoje considerado como a
interpretao clssica de probabilidades: Pierre-Simon Laplace (Hjek, 2012). Esse
estudo acabou por despertar o interesse em suas ligaes com a lgica, inicialmente
com os trabalhos de George Boole em seu livro Laws of Thought (1854), e de John
Venn, em seu The Logic of Chance (1866).
Dentre as vrias abordagens mais recentes do mtodo indutivo, destaca-se a realizada pelo filsofo austraco Karl Popper, em seu livro The Logic of Scientific Dis-
Induction and the Justification of Belief, de Colin Howson. Alm desses dois livros,
filosoficamente orientados, foi usado como referncia o livro Probability Theory: The
Logic of Science, do fsico E.T. Jaynes, principalmente no que diz respeito aos fundamentos sobre os quais a probabilidade bayesiana se apia, representados pelos dois
primeiros captulos, alados a princpios fundamentais de racionalidade.
24
Captulo 1.
Introduo
Alm dos ltimos livros mencionados, que constituem o trip fundamental desse
estudo, foi usado como referncia importante o livro Logical Foundations of Probabi-
lity, de Rudolf Carnap, inclusive a parte sobre explicandum e explicatum, que reflete
o problema inicial do prprio conceito de probabilidade.
1.3
O Problema
O termo
1.3.1 Explicao
Por explicao, entenda-se apenas a transformao do conceito vago ou, antes, do
conjunto de ideias relacionadas, numa unidade exata e passvel de utilizao prtica,
ainda que se tenha de optar pela perda de correspondncia rigorosa ao conjunto inicial
(heterogneo). Para facilitar referncias, optou-se por manter a nomenclatura usada
por Carnap para a ideia em seu estado bruto Explicandum e para o resultado aps
o processo de clarificao Explicatum.
1.3.2 Explicandum
Como ponto de partida para a compreenso do que se est falando, o explicandum
deve consistir pelo menos num conjunto de ideias que possam ser consideradas repre-
1.3.
O Problema
25
Ao longo da exposio,
Amostragem
Sextus Empiricus possvel identificar pelo menos dois trechos nos quais
clara a problemtica do mtodo indutivo, tanto no seu aspecto amostral quanto
questo da circularidade, conforme apontado por Ruth Weintraub (Weintraub,
1995). So eles:
Quando eles prope estabelecer o universal a partir dos particulares por meio da induo, o faro ou por meio da observao de todos ou
de apenas alguns dos particulares. Mas se observam apenas alguns, a
induo ser insegura, j que os omitidos podem contrariar o universal;
enquanto que se pretendem observar a todos, estaro almejando o impossvel, j que os particulares so infinitos e indefinidos.
5 (Empiricus,
generalidade.
Ao mesmo tempo, observado que a possibilidade de um indivduo ainda desconhecido contrariar o universal, aliada impossibilidade de conhecer a todos
(no contexto relativo cotao), implica na manuteno do carter contingente
quanto verdade ou falsidade da aplicabilidade geral da caracterstica. Ou seja:
pode ser que ela seja, de fato, aplicvel a todo o conjunto, mas tambm pode ser
5 When they propose to establish the universal from the particulars by means of induction, they
will effect this by a review of either all or some of the particulars.
induction will be insecure, since some of the particulars omitted in the induction may contravene the
universal; while if they are to review all, they will be toiling at the impossible, since the particulars
are infinite and indefinite.
26
Captulo 1.
Introduo
que haja algum elemento que no a possua. Essa problemtica ser representada
atravs da oposio Contingncia
necessidade.
David Hume No tratou o problema como um tpico autnomo a ser estudado e mencionou o termo induo apenas duas vezes no livro Treatise on
Human Nature (1.2.1 e 1.3.7). Apesar disso, considera-se que a ideia moderna
tem seu nascedouro num curto argumento desse mesmo livro (1.3.6) (Vickers,
2011), tendo sido posteriormente extendido em An Enquiry concerning Human
O po que comi anteriormente nutriu-me. Um corpo de to sensveis qualidades foi, quele tempo, dotado de tais poderes secretos. Mas
segue-se que outro po dever tambm nutrir-me em um outro tempo e
que qualidades sensveis similares devero sempre estar acompanhadas
dos mesmos poderes secretos?
algum necessria.
ridade
6 The bread, which I formerly eat, nourished me; that is, a body of such sensible qualities was, at
that time, endued with such secret powers: but does it follow, that other bread must also nourish
me at another time, and that like sensible qualities must always be attended with like secret powers?
The consequence seems nowise necessary.
1.3.
O Problema
27
ser nutritivo, reforando o carter contingente do valor lgico dessa declarao diante da informao disponvel. Essa objeo verdade necessria ser
representada como a oposio Contingncia
necessidade.
similares.
petio de princpio,
raciocnio circular
conforme
vrias consultas, dentre as quais: (Audi, 1999) e (Gensler, 2010, pg. 56).
7 When a man says, I have found, in all past instances, such sensible qualities conjoined with such
secret powers: And when he says, Similar sensible qualities will always be conjoined with similar
secret powers, he is not guilty of a tautology, nor are these propositions in any respect the same. You
say that the one proposition is an inference from the other. But you must confess that the inference
is not intuitive; neither is it demonstrative: of what nature is it, then? To say it is experimental, is
begging the question. For all inferences from experience suppose, as their foundation, that the future
will resemble the past, and that similar powers will be conjoined with similar sensible qualities.
28
Captulo 1.
Introduo
proceder?
8 Let us assume that a man X generally decides his actions in accordance with the probabilities of
relevant predictions with respect to the observational evidence available to him. Is this an arbitrary
habit or can we give a justification for this general way of procedure?
1.3.
O Problema
29
Karl Popper Em seu livro The Logic of Scientific Discovery, considera o sentido
usual de inferncia indutiva, caracterizando-a como aquela que conduz de enunciados singulares a enunciados universais (Popper, 2002, pg. 3).
Em seguida,
10
Segundo Vickers (Vickers, 2011, section 4.2), Popper considera o prprio mtodo
indutivo de aquisio de conhecimento como no importante para a cincia.
Consequentemente, todos os problemas inerentes a ele (incluindo o problema da
induo) no teriam implicaes cientficas relevantes, pelo menos do ponto de
vista da justificao da escolha entre hipteses. Mais algumas observaes sobre
abordagens conectadas filosofia da cincia sero feitas ao final da listagem.
Nelson Goodman em sua abordagem que ficou conhecida como o novo problema da induo (Goodman, 1983, pg. 72), a problemtica analisada a partir
de um exemplo informal que confronta duas hipteses concorrentes e inicialmente equiprovveis, bem como compatveis com os dados obtidos at ento,
9 The question whether inductive inferences are justified, or under what conditions, is known as
the problem of induction.(Popper, 2002, pg. 4)
10 The problem of induction may also be formulated as the question of the validity or the truth of
universal statements which are based on experience, such as the hypotheses and theoretical systems
of the empirical sciences.(Popper, 2002, pg. 4)
30
Captulo 1.
Introduo
verde,
Esmeralda
verde,
etc.
grue,
Esmeralda
grue,
etc.
zation: All emeralds are green.. But now define the predicate grue to apply to all things observed
before t just in case they are green, and to other things just in case they are blue. Then we have also
the evidence statements Emerald
is grue, emerald
support the hypothesis All emeralds are grue.. Hence the same observations support incompatible
hypotheses about emeralds to be observed in the future; that they will be green and that they will
be blue.
1.3.
O Problema
31
particularidade
O problema de justificar a induo tem sido difcil para as formulaes convencionais da teoria de probabilidades, e tambm o arquiinimigo de alguns filsofos, a comear por David Hume (1739, 1777)
no sculo 18.
12 The problem of justifying induction has been a difficult one for the conventional formulations of
probability theory, and the nemesis of some philosophers beginning with David Hume (1739, 1777) in
the 18th century. For example, the philosopher Karl Popper (1974) has gone so far as to flatly deny
the possibility of induction. He asked the rhetorical question: Are we rationally justified in reasoning
from repeated instances of which we have experience to instances of which we have no experience?
This is, quite literally, the poorly informed robot speaking to us, and wanting us to answer No!,
but we want to show that a better informed robot will answer: Yes, if we have prior information
providing a logical connection between the different trials and give specific circumstances that enable
induction to be made.
32
Captulo 1.
Introduo
tratar problemas de decises diante de incerteza, o carter contingente dos valores de verdade das hipteses entra quase como definio do processo indutivo
considerado, no sentido de que no-necessrio, mas possvel, que elas sejam
verdadeiras (ou falsas).
Alm disso, ao dar a sua resposta pergunta de Popper, ele acaba por valid-la
enquanto representando tambm a sua viso sobre o problema, com nfase na
questo das instncias conhecidas enquanto representantes do todo (incluindo
as desconhecidas) a representatividade amostral.
David Charles Stove Stove tratou de maneira direta o problema em seu livro
razovel)
1.3.
O Problema
33
13 (Howson,
13 The argument can be put in a manner possibly more familiar to modern ears. Let
conjunction of all factual statements known to be true.
P be the
statement Q describing some event not known to be true is not deductive (establishing that this
is so where P stands for past and Q for future is the first part of Humes argument). It follows
immediately from the definition of deductive validity that in some subset W of all the possible worlds
in which, like ours, P is true and Q is false. The second part of Humes argument can be imagined
as arising from trying to answer the question: what further information could be appealed to which
would make it more likely that our world is not in W ? Well, the only world we know is this one, so
the information must presumably be about some aspect of this world. But the only information we
have about this world that is known to be true is already in P. In other words, there is no further
information.
34
Captulo 1.
Introduo
14
, fen-
Algumas outras abordagens tambm foram feitas tendo como pano de fundo a
evoluo da cincia, como o fez Popper, mas com opinio diferente com relao
resoluo do problema. Nessas abordagens, segundo Hempel (Hempel, 1981), o problema da deciso entre hipteses concorrentes diante das evidncias experimentais
(uma das principais consequncias do problema da induo) deslocado para o mbito geral da compatibilidade e relacionamento com as outras hipteses que compem
o conjunto do conhecimento cientfico do momento em questo.
14 It is the going farther that is the original, and if correct quite devastating, part of Humes
argument.
That there is no deductive link between statements about past and future had been
the link cannot in principle justified even as a probable inference.(Howson, 2003, pg. 12, traduo
nossa)
1.3.
O Problema
35
Teorema
No Free Lunch
Alm das amostras anteriores, abordagens probabilsticas recentes (1996 e 1997) nos
campos de aprendizagem de mquina e algoritmos de busca e otimizao consistem
em uma formalizao computacional de mtodo indutivo capaz de fornecer um modelo
a que se aplicam objees anlogas s de Hume, no sentido de que no possvel a
obteno de conhecimento livre de vieses, bem como a obteno de certezas a respeito
do futuro a partir de amostras passadas. O resultado resumido pelo jargo Theres
15
No Free Lunch, derivado de um ditado popular
que transmite a ideia fundamental
segundo a qual impossvel obter algo sem custos.
Pode-se entender essa ideia original como aplicada formalizao no sentido de
que, considerando duas regras de fazer predio e um conjunto de universos possveis, a
vantagem de uma das regras sobre a outra em determinado universo ser compensada
por uma desvantagem em um outro. Ou seja: a boa performance inicial (free lunch )
ser paga em forma de uma m performance futura. Um exemplo simples fornecido
em (Forster, 2005).
Optou-se por colocar essa amostra legtima do problema como um item distinto
devido a ela ser recente e proveniente de autores que no estariam cobertos pelo
critrio de importncia filosfica utilizado, mas, ao mesmo tempo, representar uma
15 Usos da frase j foram encontrados em textos de 1930 e 1940, mas a origem exata ainda incerta.
(Safire, 1993)
36
Captulo 1.
Introduo
NFL para aprendizado supervisionado formaliza Hume: a cincia no pode dar garantias a respeito de experimentos futuros baseada em resultados de experimentos
passados.
16
(Wolpert, 1996) mostra que em um cenrio sem rudo onde a funo-perda a taxa
de erro de classificao, caso se est interessado no erro extra situao de teste, no h
distino a priori entre algoritmos de aprendizado.
17
No caso acima, o termo a priori est sendo usado apenas temporalmente em relao aos dados a serem adquiridos. Ou seja: qualquer informao disponvel antes
da aquisio de dados, considerada informao a priori. Essa ser a definio considerada nesse estudo, reforando que o tempo usado para a caracterizao aquele
relativo inferncia em questo.
para uma pessoa, passe a ser informao a priori para outra (Jaynes and Bretthorst,
2003, pg. 87).
Ao afirmar, na primeira citao, que a cincia no pode dar garantias (oposio
contingncia
16 NFL for supervised learning formalizes Hume: Science cannot give guarantees about future
experiments based on results of previous experiments.
17 (Wolpert, 1996) shows that in a noise-free scenario where the loss function is the misclassification
rate, if one is interested in off-training-set error, then there are no a priori distinctions between
learning algorithms.
1.3.
O Problema
37
Excees
Ex.:
Seja um mundo formado por blocos que podem ter formas variadas, mas que
obedecem seguinte lei: todos os blocos tm a mesma forma. Ao ser observado um bloco cbico, a inferncia de que todos os demais so cubos no tem
o carter contingente intrnseco ideia de induo, j que a concluso segue
necessariamente da premissa inicial e da observao.
38
Captulo 1.
Introduo
Carter
Carter
temporal
circular
Sextus
Hume
Carnap
Popper
Jaynes
Stove
Howson
Wolpert
Goodman
Contingncia
Particularidade
necessidade
generalidade
Representatividade
amostral
1.3.3 Explicatum
A primeira observao a ser feita diz respeito s duas ltimas colunas da tabela:
Particularidade
18
aproximada
rada, de forma que uma inferncia com base na amostra tambm seria vlida (com
uma margem de erro esperada) para a populao.
A partir desse entendimento, essas componentes podem ser consideradas como
equivalentes no que diz respeito ao seus significados para o problema da induo.
Tal equivalncia pode ser notada facilmente se considerarmos que uma amostra pode
ser vista como um particular numa populao de amostras possveis (o universo de
amostras possveis) e que as questes sobre a equivalncia entre amostra e populao
tambm so perfeitamente aplicveis em relao a particular e universal.
Se passarmos agora a considerar o papel das componentes restantes nas diversas
abordagens do problema representadas pelas amostras, veremos que tanto o carter
generalidade
18 Os critrios que definem a maior ou menor aproximao, bem como o prprio tamanho e maneira
de se construir a amostra, no so objeto desse estudo.
1.3.
O Problema
39
19
generalizao
necessidade.
20
Eis que
19 O que significaria dizer que a amostra no seria representativa em funo de um ou mais elementos, ainda desconhecidos, da populao.
20 Mais uma vez: contingncia em relao ao valor de verdade da inferncia, cuja informao dispo-
nvel permite conceber tanto como verdadeiro quanto falso. Tambm entendida como representando
a incerteza da inferncia.
40
Captulo 1.
21
Introduo
de A a partir de
uma amostra de A (no caso, CA), o modelo acima enfatiza a predio individual.
Isso pode ser justificado se considerarmos a possibilidade de o agente em questo poder rever sua inferncia sobre a populao geral a cada amostra obtida. Alm
disso, o que se espera para a prxima amostra tem relao direta com a natureza
dessa populao geral e tambm possui o carter de incerteza considerado componente fundamental do problema. Tal nfase na prxima amostra como representante
do processo de induo chamado de singular predictive inference
22
tambm
Com exceo dos dois primeiros itens, pode-se identificar instncias dessas perguntas nos exemplos representativos listados anteriormente. Por exemplo:
as previses possveis so equivalentes s sada de diferentes algoritmos preditores, dadas as amostras anteriores;
21 Entendida como a funo que retorna, para cada elemento do domnio, a pertinncia em relao
ao conjunto A. (Jech and Hrbacek, 1999)
1.3.
O Problema
41
Dessa forma, ser considerado nesse estudo que as respostas s questes referentes
ao processo de aquisio de conhecimento simplificado podem ser compreendidas,
at onde a equivalncia permite, como aplicveis ao problema da induo conforme
percebido por Hume e demais estudiosos que trataram do tema.
42
Captulo 1.
Introduo
Captulo 2
As implicaes e o modelo
O Raciocnio Indutivo, que h muito tem sido a glria da cincia, ter deixado de ser
o escndalo da filosofia?
2.1
1 Inductive Reasoning, which has long been the glory of Science, will have ceased to be the scandal
of Philosophy?
44
Captulo 2.
As implicaes e o modelo
2.1.
45
anteriormente.
Conhecimento
Se entendermos o conhecimento no sentido de crena justificada em uma alegao
sobre o mundo (conhecimento emprico), ele englobaria tanto as amostras passadas,
com grau de certeza igual a 100% (o que corresponderia probabilidade de amostrar
um elemento e dado que foi amostrado e ), quanto as predies feitas usando o processo
de aquisio cientfico (o algoritmo preditivo) e o respectivo grau de certeza menor
que 100%, j que a predio pode no se confirmar ( contingente).
Processo de aquisio
O processo de aquisio abordado consiste no conjunto de regras usadas para amostrar, estabelecer a predio, confirm-la (por meio de comparao entre predio e a
amostragem efetiva), calcular a probabilidade de acerto, bem como quaisquer outras
informaes diferentes da caracterizao dos prprios elementos, desde que usados
direta ou indiretamente para adicionar novas amostras ao conjunto amostragem ou
para predizer amostras futuras.
Diante das equivalncias estabelecidas e das instncias dos problemas consideradas
no captulo anterior, as seguintes implicaes so observadas:
Ausncia de conhecimento
Algoritmos preditores - supondo a existncia de algoritmos preditores, independentemente de serem eles considerados como parte do prprio conhecimento,
da ausncia de justificao da induo e da consequente impossibilidade de es-
46
Captulo 2.
As implicaes e o modelo
colha entre esses algoritmos, ou mesmo de distino entre eles e uma escolha
aleatria longo prazo, ecoa o lema: theres no free lunch, no sentido de que
todos os algoritmos preditivos so equivalentes longo prazo.
2.2
Segundo David Stove, enquanto para Salmon h a questo de por que se deve apostar
na hiptese mais provvel, para Hume no h sequer hiptese mais provvel (no h
conexo entre passado e futuro e, assim, a probabilidade de uma dada hiptese a
mesma com ou sem dados). (Stove, 1986, pg. 193)
Ao reformular essa ideia em termos probabilsticos, ressultando na equao P(h /t.e )
= P(h /t ) explicada anteriormente em 1.3.2, Stove torna claro o significado de tal assuno sobre o processo indutivo de aquisio de conhecimento, alm de facilitar
pensarmos sobre a que tipo de modelo essa formulao seria aplicvel.
Do ponto de vista de um agente com o propsito de maximizar os acertos de
predies, tal formulao probabilstica implica na no existncia de qualquer tipo
de argumento racional a favor de qualquer algoritmo preditor, o que consistiria em
algo alm do mero hbito (nas palavras de Hume), considerado como nica fonte de
explicao de tal escolha.
Assim, deve-se observar a ausncia de qualquer ligao cognitiva entre os clculos
probabilsticos, independentemente do nome dado a eles, e a escolha dos algoritmos
preditores.
2.3.
2.3
A Modelagem e as Ferramentas
47
A Modelagem e as Ferramentas
1. A moeda justa;
48
Captulo 2.
As implicaes e o modelo
2.3.
A Modelagem e as Ferramentas
49
atingido esse limite. Imaginemos, para fins ilustrativos, que haja apenas a possibilidade de vis extremo: 100%. Dessa forma, se a moeda no fosse justa, os lanamentos
resultariam em uma sequncia de 10 caras ou 10 coroas, conforme o caso. Esse vis
extremo tambm pode ser entendido como sendo equivalente a uma situao onde as
moedas no-justas teriam duas faces iguais (duas caras ou duas coroas), mas em que o
experimento fosse realizado de forma que o jogador fizesse o lanamento e observasse
o resultado sem ter como examinar e identificar a moeda.
importante observar que a perceptibilidade do vis da moeda depender tanto
do nmero de lanamentos a serem executados quanto de sua magnitude, que pode
ser representada pela diferena entre as probabilidades reais de ocorrncia dos eventos
e aquelas esperadas caso a moeda fosse honesta. Por exemplo: para uma moeda cuja
probabilidade real de obteno de cara de 3/4, diz-se que h um vis de magnitude
1/4 a favor dessa ocorrncia (50% em relao a 1/2).
Como inicialmente todas as hipteses so igualmente plausveis e ainda no foi
realizado nenhum lanamento, a primeira aposta dever ser feita de maneira aleatria
no sentido de que no h justificativa baseada no objetivo imediato, que acertar o
resultado do primeiro lanamento, mas apenas para dar incio ao processo de aquisio
de conhecimento.
Diante dessa restrio poderamos pensar nos seguintes casos sob que Wittinho
poderia raciocinar, supondo-se que ele fez a primeira aposta em coroa:
a) A moeda justa;
Se nos limitarmos apenas a essas informaes, j seria possvel escolher uma das
hipteses restantes em detrimento da outra, mesmo que possamos mudar a escolha
50
Captulo 2.
As implicaes e o modelo
medida que mais resultados sejam obtidos? A partir dessa escolha, j poderamos
tentar acertar o prximo resultado considerando o que se esperaria como implicao
dela?
Sem entrar em detalhes quantitativos, reservados ao tratamento posterior, algumas consideraes qualitativas so capazes de indicar que princpios seriam usados
como guias no raciocnio sobre a deciso e, tratando-se particularmente desse caso
ilustrativo, at mesmo chegar a efetu-la.
A primeira considerao a ser feita diz respeito s probabilidades iniciais ou prior
probabilities que Wittinho atribuiria a cada uma das hipteses restantes. Apesar da
aparente simplicidade da tarefa, o fato de devermos levar em conta toda a informao
relevante disponvel para o agente, inclusive prior information (ou simplesmente pri-
ors ), faz com que esse passo seja merecedor de ateno especial. Por prior entenda-se
qualquer informao no considerada inicialmente como dado do problema, conforme
explicado anteriormente em 1.3.2.
Assim, pode-se imaginar estados cognoscveis que vo desde a ausncia total de
priors, o que levaria atribuio de probabilidades iguais aos eventos, segundo o que
se tornou conhecido como princpio da indiferena (Keynes, 1921), a toda uma hierarquia crescente de sabedoria sobre o mundo no que se relaciona situao especfica
abordada.
Seguem alguns exemplos da diversidade da natureza de tais informaes:
2.3.
A Modelagem e as Ferramentas
51
Una-se a isso o fato de que cada uma dessas informaes pode ser concebida como a
concluso de um argumento indutivo anterior, herdando a incerteza que o caracteriza e
transferindo-a adiante na cadeia de inferncias. impressionante que o nosso crebro
corriqueiramente lide com esse tipo de problema e consiga atribuir as probabilidades
esse nvel de anlise levaria a concluir que, dando continuidade aos sorteios, iramos
obter aproximadamente o mesmo nmero de viciadas e de honestas, j que qualquer
expectativa de resultado diferente estaria em contradio com a nossa assuno inicial
de probabilidades iguais.
Apesar de esperarmos obt-las em mesma quantidade, enquanto o lanamento
das justas tender a resultar em um nmero igual de caras e coroas (metade dos
lanamentos), as viciadas resultaro sempre em caras, fazendo com que o nmero
de caras obtidas por meio de moedas viciadas seja o dobro daquelas obtidas com as
honestas.
52
Captulo 2.
As implicaes e o modelo
Assim, como resultado dos lanamentos (apenas uma vez para cada moeda sorteada), se formssemos um conjunto de moedas que deram cara, ele tenderia a ser
composto por 2/3 de viciadas e de 1/3 de honestas, medida que seu nmero de
elementos aumentasse. Desse ponto de vista, fica claro que o conhecimento de que
uma moeda pertence ao conjunto (resultou em cara) favorvel hiptese de que se
trata de uma viciada, j que elas so a maioria.
Pensando de uma outra maneira, mais centrada na otimizao de resultados, podese simplesmente decidir por apostar novamente em cara baseado no fato de que se
a moeda for justa esse resultado to provvel quanto coroa, independentemente de
resultados anteriores. Por outro lado, se for verdade que a moeda tem vis, a chance
de acerto de 100%, o que faz com que a aposta em cara seja tima no mbito geral.
Dessa forma, enquanto persistir a ocorrncia de cara como resultado, ambos os
raciocnios anteriores levam mesma previso para o prximo lanamento.
a) A moeda justa;
2.3.
A Modelagem e as Ferramentas
53
vis que na honestidade da moeda, o que seria uma atitude racional desde que ambas
as hipteses tenham iniciado com a mesma plausibilidade atribuda, como no caso 1,
pela aplicao do princpio da indiferena.
Devido a essa confiana crescente no vis, suponhamos que a ltima aposta tambm tenha sido em coroa, mas que o resultado do ltimo lanamento tenha sido
cara, indicando, no fim das contas, que se tratava de uma moeda honesta. Curiosamente esse ltimo resultado levanta vrios questionamentos, independentemente de
no significar muito do ponto de vista geral (afinal de contas obteve-se 9 acertos),
por exemplo: qual a razoabilidade de se obter predies acertadas usando hipteses
falsas? O que est por trs da dificuldade intuitiva em lidar com eventos raros e de
que forma a teoria de probabilidades pode ajudar?
Uma dessas falhas na intuio, conhecida como falcia do apostador (Lehrer, 2009),
teria coincidentemente obtido sucesso na histria escolhida para o experimento (9
coroas e 1 cara), se considerarmos justamente a ltima aposta.
Explicando melhor: comum a ocorrncia desse fenmeno intuitivo que nos leva
a desconsiderar a independncia entre eventos e atribuir uma probabilidade menor
a eventos com maior nmero de ocorrncias passadas e, inversamente, maior queles
que ocorreram menos.
taleceria a crena em que, para o prximo lanamento, o resultado cara seria mais
provvel. Ainda segundo a crena, essa probabilidade aumentaria proporcionalmente
ao tamanho da sequncia.
Feitas essas consideraes, importante destacar que perfeitamente possvel que
uma outra pessoa, mesmo diante das 9 coroas, ainda atribusse uma probabilidade
maior hiptese de tratar-se de uma moeda justa e, assim, pudesse estar justificada
em apostar em cara, esperando uma probabilidade de acerto de 50%.
Essa atitude divergente frente aos mesmos dados seria explicada justamente pela
diferena na atribuio das probabilidades s hipteses anteriormente ao primeiro
lanamento, especificamente quanto ao item II da lista de possveis informaes a
priori (em 2.3.1), o que levaria a uma assimetria com relao quantidade de evidncia
54
Captulo 2.
As implicaes e o modelo
2.3.2 Modelagem
Em linha com as informaes dadas inicialmente em 1.1, e tendo em vista o exemplo
da moeda que acabou de ser mostrado, a escolha do modelo a ser usado na anlise
do problema da induo foi guiada pela observao de que ele se relaciona particularmente com o processo de aquisio de conhecimento cientfico doravante chamado
abreviadamente de
aprendizado.
problema da induo.
2.3.
A Modelagem e as Ferramentas
55
predio.
Realizar uma predio, no sentido aqui considerado, nada mais que especular
sobre um resultado futuro a partir do que j se conhece. No caso do exemplo fornecido,
a predio justamente a aposta feita por Wittinho para o prximo lanamento, dado
o estado cognoscvel total atual, composto pela informao inicial e pelo conhecimento
dos resultados dos lanamentos j efetuados.
Pode-se atribuir um carter racional ao ato de tentar uma predio sempre que se
observar que o agente em questo obtm alguma vantagem caso consiga antecipar o
prximo resultado. No mbito geral, a justificativa depende de determinado balano
entre a taxa de acerto, o custo da aposta e o prmio oferecido, o que pode ser
visualizado de maneira mais clara pelo clculo do valor esperado para cada ao
disponvel para o agente.
Na situao imaginada, onde o prmio em dinheiro, as decises possveis so:
no apostar, apostar em cara ou apostar em coroa.
Para os fins pretendidos, basta considerarmos que o valor esperado visto por
Wittinho positivo, o que coerente com as hipteses que ele considerou como relevantes (com as respectivas probabilidades iniciais), j que em uma delas (moeda
justa) o valor esperado seria zero e nas duas restantes (vieses) ele acredita poder obter vantagem apostando no resultado mais provvel, conforme o caso, representando
um saldo final positivo.
Finalmente estamos em condies de representar graficamente a situao hipottica em que Wittinho se encontra, conforme abaixo:
56
Captulo 2.
As implicaes e o modelo
A partir desse modelo pode-se assumir mais algumas simplificaes, sempre observando a manuteno da correspondncia entre os principais conceitos abordados
no modelo e seus equivalentes no processo de aquisio de conhecimento retratado no
experimento. Tal procedimento tem implicaes diretas na escolha das ferramentas e
conceitos de teoria de conjuntos e teoria de probabilidades a serem usados, conforme
se segue.
2.3.
A Modelagem e as Ferramentas
57
Os Conjuntos Informativos
Os conjuntos informativos foram concebidos como memrias de armazenamento ou
simplesmente fonte da informao (caso do bloco que representa o experimento), esses
conjuntos podem ser considerados como constitudos de elementos simples (que no
so, eles prprios, conjuntos) ou pares ordenados, caso se deseje indexar as informaes
em funo do tempo ou ordem de amostragem. So eles:
Dessa forma, assume-se um nvel de conhecimento inferior quele onde j se disporia da atribuio de probabilidades de obteno de cada elemento, chegando-se
a uma situao equivalente ao caso clssico de sorteio de bolas coloridas de uma
urna (com reposio), onde seriam conhecidas que cores h, mas no em que
propores.
= {,}
2 Esse modelo clssico consiste simplesmente em uma urna contendo
bem misturadas.
urna (ou no, dependendo do problema), sendo o procedimento repetido geralmente um nmero
determinado de vezes. Questes comumente aplicadas ao modelo so: Pode-se inferir a proporo de
bolas pretas e brancas a partir de n observaes? Com qual grau de confiabilidade? Conhecendo-se
p e b, qual a probabilidade de se obter uma sequncia especfica (por exemplo: uma branca seguida
de uma preta)? Se forem observadas apenas n brancas, quo confiante pode-se ficar a respeito da
no existncia de bolas pretas?
58
Captulo 2.
Conhecimento
As implicaes e o modelo
ou abreviadamente
{(, )}
=1
Talvez cause um pouco de estranhamento a diferena de representao entre esses
conjuntos, j que ambos foram classificados como similares.
De fato, o conjunto experimento poderia ter sido considerado como uma sequncia infinita de resultados ainda no revelados ou, mais em linha com a situao da
aposta imaginada, composto por dez pares ordenados de que apenas os ndices seriam
inicialmente conhecidos.
Isso foi evitado tanto para manter a ideia de escassez de informao, melhor representada pela limitao do conhecimento aos tipos de resultados possveis, quanto
devido ao fato de que os elementos a serem revelados pelos lanamentos j sero
devidamente registrados no conjunto Conhecimento.
Os Conjuntos Atuadores
Como o prprio nome sugere, a caracterstica peculiar desses conjuntos que eles
influenciam direta ou indiretamente as aes do sujeito frente situao hipottica
como um todo, o que fica claro principalmente no caso do conjunto Decises Genricas,
escolhido para concentrar os detalhes acessrios como a realizao dos lanamentos,
das apostas, etc.
2.3.
A Modelagem e as Ferramentas
59
So esses
Genricas.
no precisa ter detalhado o seu contedo, considerando-se que sua atuao ser
constante durante os dez lanamentos que correspondem ao total de apostas.
Tal atuao resume-se a, nessa ordem: receber do preditor o prximo resultado
em que apostar, fazer a aposta, efetuar o lanamento, observar o resultado e
pagar ou receber o valor apostado, conforme o caso.
= {(, ), (, )}
Por exemplo, supondo uma situao onde
obteramos
60
Captulo 2.
As implicaes e o modelo
Uma vez que essas representaes permitem a construo de um modelo de aquisio de conhecimento indutivo que preserva o problema da induo, conforme ser
mostrado na anlise, resta definir que conceitos de probabilidade sero usados e fazer
as consideraes necessrias.
3 (Maxwell, 1990).
Carnap e Jaynes
Devido ao uso frequente da ideia de probabilidade enquanto tendncia a determinado
resultado, mesmo antes do desenvolvimento formal realizado por James Bernoulli e
Pierre-Simon Laplace, firmou-se uma conexo entre premissas e concluso que pode
ser entendida como sendo de natureza probabilstica, ainda que de maneira primitiva
3 The actual science of logic is conversant at present only with things either certain, impossible,
or entirely doubtful, none of which (fortunately) we have to reason on. Therefore the true logic for
this world is the calculus of Probabilities, which takes account of the magnitude of the probability
which is, or ought to be, in a reasonable mans mind.
2.3.
A Modelagem e as Ferramentas
61
e no-tima, sendo possvel sua observao mesmo no caso de animais como exemplificado em experimentos com pombos (Skinner, 1948).
Esse uso instintivo, a que Hume se refere como hbito, foi dando consistncia
ligao entre amostra (premissas) e predio (concluso), que, se j era forte em termos
de senso comum, tornou-se praticamente inquestionvel depois da formalizao dos
clculos de probabilidades.
Reconhecida a relao indutiva, a identificao de sua natureza como probabilstica implica na possibilidade de assentar sua base sobre os mesmos pilares que do
suporte teoria de probabilidades, que, sendo aceitos como racionais, justificariam
devidamente a concluso indutiva.
Dessa forma, o estabelecimento dos fundamentos lgicos das probabilidades a
chave para a soluo do problema da induo, o que talvez seja o motivo que impossibilitou o prprio Hume de resolv-lo, j que esses fundamentos foram desenvolvidos
bastante defasados em relao s principais regras probabilsticas, sendo desconhecidos sua poca.
Embora a axiomatizao desenvolvida por Andrey Nikolaevich Kolmogorov tenha
se tornado a referncia em Teoria de Probabilidades (Hjek, 2012), a nfase em lgica
usada na abordagem que Rudolf Carnap fez em seu Logical Foundations of Probability
foi o ponto de partida escolhido para a busca do sistema de inferncias indutivas,
principalmente devido aos itens expressos logo no primeiro captulo e tratados como
objetivos principais do livro, reproduzidos abaixo:
tion ;
4 1 a clarificao e, se possvel, uma definio do conceito de grau de confirmao; 2 a clarificao da natureza lgica da induo e, se possvel, a construo de um sistema de lgica indutiva; 3
a clarificao do conceito de probabilidade.
62
Captulo 2.
As implicaes e o modelo
Do ponto de vista dos fundamentos do sistema pretendido, no entanto, a aspirao genrica de Carnap parece, segundo E. T. Jaynes (Jaynes and Bretthorst, 2003,
pg. 297), ter sido responsvel pelas dificuldades e limitaes que ele enfrentou, apesar
de ter avanado conceitos importantes como a prpria compreenso de probabilidade
como grau de confirmao.
Foi o prprio Jaynes, com base em premissas simples assumidas como representando o ideal de racionalidade desejvel os postulados de Plya-Cox (Arnborg and
Sjdin, 2001) que se props a promover a Teoria de Probabilidades lgica da cincia, estando em uma posio mais favorvel em relao a Carnap quanto ao acesso
aos conhecimentos necessrios.
Devido a isso, sua abordagem no livro Probability Theory: the logic of science foi
favorecida em relao de Carnap, enquanto fonte de onde ser extrada a maior parte
da informao em Teoria de Probabilidades necessria para a utilizao pretendida.
Probabilidade
Conforme visto nas definies expostas na introduo, o sentido do termo probabilidade ser restrito ao usado no livro-base de teoria de probabilidades, sustentando-se
que os demais usos podem ser devidamente considerados como casos especiais.
Assim, a probabilidade P de um evento E dadas as informaes disponveis I
equivale representao numrica no domnio dos reais do grau de plausibilidade de
E ser verdadeira em vista de I. Caso se esteja trabalhando com conjuntos finitos podese considerar o domnio como sendo os nmeros racionais, o que indiferente para a
representao usual:
P(E|I) = probabilidade de E dado I = grau de plausibilidade de E em vista de I
Apesar da diferena de nomenclatura e abordagem geral, essa viso alinha-se de
Carnap quando este define probabilidade do tipo I como o grau de confirmao de
uma hiptese com base nas evidncias disponveis.
2.3.
A Modelagem e as Ferramentas
63
Desiderata de Plya-Cox
So critrios de racionalidade aplicados atribuio de plausibilidades a hipteses
considerando-se as evidncias iniciais, bem como atualizao dessas plausibilidades
frente a novos dados. Assim, um agente racional, ao descobrir a violao de um deles,
teria de revisar o raciocnio e corrigir a atribuio das plausibilidades das inferncias
relacionadas (Jaynes and Bretthorst, 2003, pg. 9).
A verso apresentada por Jaynes consiste em:
1.
2.
sendo A e B duas
Adicionalmente, um aumento infinitesimal na plausibilidade de A causar apenas um aumento infinitesimal na plausibilidade das conjunes contendo A, bem
como diminuio infinitesimal na plausibilidade da negao de A;
3.
Consistncia
cinar de mais de uma maneira sobre algo, deve-se chegar sempre ao mesmo
resultado; b) toda informao relevante deve ser levada em conta; c) estados de
conhecimento equivalentes devem levar atribuio das mesmas plausibilidades.
Regra do Produto
Sejam A e B duas proposies cuja plausibilidade depende de uma terceira proposio
C. A plausibilidade da conjuno
escrita como
( | ),
relaciona-se com
( | ) = ( | ) ( | ) = ( | ) ( | )
Regra da Soma
A relao entre a probabilidade de A e sua negao :
64
Captulo 2.
As implicaes e o modelo
( | ) + ( | ) = 1
Princpio da Indiferena
Sejam
( |) =
1
,
onde
1 .
Valor esperado
Em teoria de probabilidades, o valor esperado
()
creta x a mdia de todos os n valores que ela pode assumir em dado experimento,
ponderada pelas probabilidades de obteno de cada um deles, observando-se que a
soma da probabilidades (denominador) igual a 1. Numa situao prtica, pode ser
entendido como sendo o valor limite do resultado mdio do experimento, quando o
nmero de repeties tende ao infinito. (Hamming, 1991; Ross, 2009)
() =
[ ( )]
=1
Na situao imaginada, supondo 10 apostas fixas de R$ 1, pode-se pensar em
um valor esperado E(a) para cada uma das hipteses consideradas, que poderia ser
calculado da seguinte maneira:
1. Caso da moeda justa chance de acerto igual a 1/2 para todas as apostas,
levando a:
() = 10 {1
1
1
1 } = 0;
2
2
2. Caso de vis (100%) para cara chance de acerto igual a 1/2 para a primeira
aposta, mas igual a 1 para as 9 restantes, levando a:
() = {(1
1
1
1 )+
2
2
2.3.
A Modelagem e as Ferramentas
65
9 (1 1 1 0)} = 9;
3. Caso de vis (100%) para coroa chance de acerto igual a 1/2 para a primeira
aposta, mas igual a 1 para as 9 restantes, levando a:
() = {(1
1
1
1 )+
2
2
9 (1 1 1 0)} = 9;
Finalmente, seguindo o raciocnio inicial de Wittinho quanto atribuio da probabilidade de 1/3 a cada uma das hipteses, temos que o retorno da deciso geral
por participar da aposta compreendendo os 10 lanamentos pode assumir apenas dois
valores: R$ 9 (em 2/3 dos casos) e R$ 0 (em 1/3 deles). Isso nos leva ao clculo do
valor esperado geral E(A) como:
() = {(0
1
2
+ 9 )} = 6
3
3
Esse clculo foi checado numericamente por meio de uma simulao simples em
computador (o programa consta no apndice A), consistindo em 1.000.000.000 de repeties (compostas por 10 lanamentos cada). Obteve-se como resultando: N caras =
4.999.696.317; N coroas = 5.000.303.683 e N de acertos = 8.000.192.466. Subtraindo
o valor perdido com os erros do ganho com os acertos, tem-se:
1 8.000.192.466
66
Captulo 2.
As implicaes e o modelo
Captulo 3
Anlise e consideraes finais
Finalmente estamos em condies de examinar o comportamento do agente racional
com relao ao processo de aquisio de conhecimento indutivo no universo definido,
alm de checar a ocorrncia de uma instncia equivalente ao problema da induo,
investigando as possveis solues no caso especfico, bem como a possibilidade de
qualquer generalizao.
Observa-se que se est lidando com duas vises sobre o mundo e o processo que
nele ocorre: a nossa viso enquanto seres externos e oniscientes e a viso do agente
(Wittinho).
Espera-se que a racionalidade representada pelos fundamentos do sistema de inferncia considerado leve ambas as vises a concordarem em relao s decises, desde
que se desconte a informao extra a que ns temos acesso. Ou seja: ao nos colocarmos no lugar do agente, espera-se que cheguemos s mesmas concluses que ele, j
que ambos estamos usando os mesmos critrios de racionalidade.
3.1
A dinmica do agente
68
Captulo 3.
2. Execuo do lanamento;
3. Observao do resultado.
Coroa,
que trabalhar.
Antes de prosseguir ao exame do comportamento do agente frente a diferentes
resultados do experimento, necessrio dizer que aqui se est considerando a Defi-
nio Geral de Informao (Floridi, 2011), segundo a qual esta consiste em dados +
significado.
Dessa forma, a participao do preditor no aprendizado estaria justificada quando
se considera que ele extrai do Conhecimento certa informao com base no significado dos dados para o processo conforme estruturado.
Quanto ao papel ativo do preditor, que informar qual deve ser a prxima aposta,
resta verificarmos a equivalncia entre a lgica simples usada no preditor do modelo
e o raciocnio de Wittinho a respeito das hipteses e suas implicaes, mantendo-se a
assuno de vis extremo.
fcil ver que enquanto for obtido o mesmo resultado do primeiro lanamento,
a aposta no resultado mais frequente ser equivalente quela feita sob a suposio
de tratar-se de moeda com vis, enquanto qualquer resultado diferente implicaria na
concluso de tratar-se de moeda justa, caso em que a regra usada seria equivalente,
em termos de resultado, a apostas aleatrias ou mesmo fixas.
Esse ponto, assim como o aprendizado de maneira geral, ficar mais claro no
seguinte exemplo:
3.1.
A dinmica do agente
69
= {}
= {(1, )}
Diante desse novo estado, a regra do maior nmero de ocorrncias leva predio
de Cara para o prximo lanamento, o que equivalente, em termos de resultado, assuno de Wittinho da hiptese do respectivo vis como mais provvel e consequente
aposta tima dada a imparcialidade da hiptese de moeda justa.
Assim, seguindo a sequncia escolhida, o resultado de Cara para o segundo lanamento consistiria em acerto e no novo estado:
= {(1, ), (2, )}
70
Captulo 3.
Como Cara continua sendo a ocorrncia mais frequente, a aposta para o prximo
lanamento seria mantida, resultando em erro frente obteno de Coroa (terceira
ocorrncia conforme a sequncia escolhida). Nesse momento ocorreria a eliminao
da hiptese segundo a qual trata-se de moeda com vis para Cara, restando apenas a
de moeda justa. O novo estado seria atualizado para:
Dada a hiptese restante (moeda justa) e a definio de aleatoriedade como incapacidade de predio do resultado do experimento considerado, bastante comum no
meio cientfico (Futuyma, 2005, pg. 225), a regra da ocorrncia mais frequente est
fadada a obter o mesmo resultado que qualquer outra considervel, por exemplo, como
uma que simplesmente apostasse conforme o primeiro lanamento.
Se estivssemos considerando que a realizao da operao de contagem e de mudana de predio resultasse em gasto de energia para o agente, essa regra simplificada
seria at mesmo mais eficiente, j que o nmero de acertos esperados seria o mesmo e
o gasto de energia seria menor. Como esse no o caso, ser mantida a regra original,
que tambm pode ser aplicada a casos em que o vis no seja absoluto.
Como h apenas um resultado Coroa na sequncia-exemplo e o nmero de Caras
continua maior, as duas apostas seguintes tambm seriam em Cara e resultariam em
mais dois sucessos de predio, levando ao estado final conforme abaixo:
3.1.
A dinmica do agente
71
Mesmo assim, o
preditor que d nfase caracterstica dos dados considerada relevante para a situao
especfica imaginada.
Essa caracterstica poderia ser qualquer outra passvel de ser extrada dos dados
obtidos, como os nmeros dos lanamentos que deram Cara (1, 2, 4 e 5), os pares de
lanamentos consecutivos com resultados iguais ([1,2] e [4,5]), etc.
Quanto eficincia das predies, no se pode considerar esse exemplo especfico
como parmetro de deciso, j que as assunes do modelo permitem igualmente
sequncias que resultam em 100% de erros, como mostrado a seguir.
O pior caso
Uma das possibilidades no caso de moeda justa a sequncia: Cara, Coroa, Cara,
Coroa, Cara. fcil ver que a regra do maior nmero de ocorrncias (Coroa em caso
de empate) ir gerar uma sequncia de predies exatamente oposta dos resultados,
conforme resumido na tabela abaixo:
Tabela 3.1: Sequncia pior caso
Lanamentos
Incio
Predio
xxx
Coroa
Cara
Coroa
Cara
Coroa
Resultado
xxx
Cara
Coroa
Cara
Coroa
Cara
72
Captulo 3.
sucessivamente.
Tal contraste entre os resultados possveis faz parte da natureza das inferncias
indutivas entendidas como probabilsticas, no sentido de que mesmo diante de uma inferncia forte admite-se a possibilidade de falha sem que isso signifique um problema
no mtodo como um todo, nem tenha relao direta com o problema da induo que
pode ser identificado mesmo nesse modelo simplificado de processo de aprendizado,
conforme a seguir.
3.2
3.3.
O tratamento do problema
73
dade do nascer do sol, sem entrar na questo quantitativa dos nmeros de eventos,
podemos considerar a ocorrncia de Cara como o nascimento e a de Coroa como o
no-nascimento. Da mesma forma, a hiptese de vcio seria equiparada de que o sol
continuaria a nascer (regularidade), assim como a de moeda justa equivaleria aquela
onde no teramos nenhuma razo para esperar a continuidade do nascimento.
Sob essa equivalncia, as questes postas poderiam ser reescritas como:
camente possveis?
3.3
O tratamento do problema
74
Captulo 3.
implcita entre simpatizantes e crticos que, por nunca vir tona, criava uma espcie
de fosso discursivo onde de um lado uns acham a explicao to bvia a ponto de
no despertar qualquer interesse em detalhamentos subsequentes, enquanto do outro
ela no convincente a ponto de dar fora ao argumento, mas tambm no parece
promissora o suficiente para chamar a devida ateno.
No foram raras as vezes em que, raciocinando a partir de abordagens distintas,
chegava-se a uma s questo que parecia, se no representante do problema da induo
em toda a sua generalidade, pelo menos a fonte principal das divergncias mencionadas. A pergunta-chave, cujo crdito devo ao grande amigo Allan de Medeiros, :
Sob as constantes investidas dessa questo, comeou a tomar forma uma hiptese
segundo a qual grande parte da dificuldade do problema da induo consistiria justamente na sua dependncia de dois conceitos que so ao mesmo tempo corriqueiros e
controversos: a
Racionalidade e a Probabilidade.
2. Checar a racionalidade dos princpios a partir de que pode ser derivado o conceito
de probabilidade vista como lgica, assim como de suas implicaes;
3.3.
O tratamento do problema
75
Racionalidade:
como racionais.
Dentre as normas substanciais da razo prtica, aquelas da racionalidade instrumental parecem menos controversas para os filsofos.
Racionalidade instrumental, em sua forma mais bsica, instrui os agentes a agirem conforme os meios que so necessrios em relao aos seus
1 Rationality: In its primary sense, rationality is a normative concept that philosophers have
generally tried to characterize in such a way that, for any action, belief, or desire, if it is rational we
ought to choose it. No such positive characterization has achieved anything close to universal assent
because, often, several competing actions, beliefs, or desires count as rational.
76
Captulo 3.
fins.
Essa escolha se deu tanto devido aceitao filosfica quanto por se encaixar
perfeitamente ao panorama decisrio considerado, principalmente se imaginarmos uma
situao ligeiramente diferente para o agente.
Suponhamos que, mantidos todos os outros detalhes, no haja a hiptese de moeda
justa. Ora: fica bvio que a atitude racional, no sentido de ser aquela que levar ao
objetivo desejado, ser simplesmente apostar na manuteno do primeiro resultado.
Nesse caso, conforme mencionado anteriormente, a regra de apostar no evento de
maior nmero de ocorrncias ser equivalente e tambm estar em conformidade com
os critrios de racionalidade adotados.
A explicao proposta para a perda do sentido de racionalidade ao ser introduzida a incerteza baseada numa abordagem evolucionrio-epistemolgica (Bradie and
Harms, 2012) com foco tanto sobre as regras responsveis diretamente pelas escolhas
em questo (escolher em qual resultado apostar) chamemo-las de regras de primeiro
nvel quanto sobre a regra aplicada para definir o agente quanto racionalidade:
a regra de segundo nvel.
Seguindo essa abordagem, a regra racional seria escolhida no nvel externo ao
agente e, nos casos considerados, equivaleria a apostar no evento que se apresenta em
maior proporo dentre as opes disponveis.
Quando no h incerteza com relao s implicaes das escolhas, como no exemplo
modificado referido h pouco, h uma coincidncia entre as regras de primeiro e
segundo nvel, j que a certeza pode ser compreendida como razo 1 entre eventos
favorveis e eventos possveis.
Isso levaria caracterizao como racionais as regras que simplesmente obtiverem
sucesso conforme os prprios objetivos a que servem no mbito do agente.
Essa
2 Among the substantive norms of practical reason, those of instrumental rationality have seemed
least controversial to philosophers. Instrumental rationality, in its most basic form, instructs agents
to take those means that are necessary in relation to their given ends. In the modern era, this form
of rationality has widely been viewed as the single unproblematic requirement of practical reason.
3.3.
O tratamento do problema
77
O experimento, a
5/3),
78
Captulo 3.
S
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Pessoas
P1
P2
P3
P4
P5
P6
P7
P8
A R A R A R A R A R A R A R A R P/B
P
5/3
2/6
7/1
3.3.
O tratamento do problema
79
80
Captulo 3.
de regras a convergir para apostar no evento em maior proporo, quando ele existe,
o que faz sentido se pensarmos que a diferena em propores consiste ela mesma em
informao que pode ser levada em conta.
A primeira aposta
3 Pensando numa populao onde os indivduos so regras como, por exemplo, as que geram as
apostas nas cores das bolas.
3.3.
O tratamento do problema
81
Resultados Hipteses
Esse grau de evidncia que determinado resultado fornece para cada hiptese
acaba por eliminar o carter de independncia entre eventos, observando que
essa independncia lgica, mesmo no caso de certeza quanto s propores,
no deve ser confundida com uma propriedade real do conjunto [urna + processo
de sorteio], mas apenas como resultado da ausncia de qualquer informao a
respeito.
82
Captulo 3.
eventos) tambm tem sido vista como um caso particular da aplicao do princpio
da mxima entropia (Jaynes and Bretthorst, 2003, pg. 353) aos casos discretos onde
a informao disponvel perfeitamente simtrica com relao s possibilidades.
Nesses casos, o princpio da mxima entropia pode ser entendido como informando
que a distribuio uniforme a mais numerosa ao se considerar o espao de distribuies possveis e, portanto, aquela que mais se espera encontrar.
Os casos considerados, desde o exemplo prtico da moeda aos exemplos auxiliares
das urnas, fazem parte da classe de experimentos conhecida como ensaios de Bernoulli.
Como essa classe permite a aplicao dos princpios referidos anteriormente, possvel
escolher uma proporo especfica de moedas ou bolas (conforme o caso) como hiptese
inicial.
O prximo passo para restaurar a posse do critrio de racionalidade relativo ao
segundo problema mencionado. Consiste em considerar nos clculos a influncia que
a obteno de novos dados tem sobre a plausibilidade da hiptese inicial e, consequentemente, sobre a dos resultados posteriores. Em outras palavras, corrigir as crenas
nas probabilidades (ou propores) de acordo com a aquisio de informao adicional
representada pelo conhecimento dos resultados dos sorteios (ou lanamentos, no caso
de moedas).
Embora as clssicas regras do produto e da soma mostradas em 2.3.4 j venham
sendo usadas para essa finalidade h bastante tempo, a possibilidade de deriv-las a
partir dos Desiderata de Plya-Cox (Jaynes and Bretthorst, 2003, pg.
24-34) fornece
3.3.
O tratamento do problema
83
O conhecimento inicial
Embora o papel da informao, nem sempre explcita na formulao do problema
e de que se derivam as probabilidades iniciais, j tenha sido comentado em 2.3.1,
a possibilidade de representao numrica permite uma viso melhor das assunes
muitas vezes implcitas que esto por trs das primeiras atribuies de probabilidades
s hipteses e das quais depende toda a cadeia de raciocnio indutivo.
Comparemos os seguintes casos a respeito das possveis origens de uma moeda a
ser usada para realizar lanamentos:
1. Uma caixa contm 3 moedas, sendo uma delas comum (possui uma face cara e
uma coroa), uma com duas caras e uma com duas coroas;
2. Uma moeda estilizada ser fabricada a partir de um disco de dimenses apropriadas, recebendo uma marcao de cada um de seus lados. Para cada lado,
a marcao consistir em um desenho de um rosto ou um de uma coroa e ser
feita independentemente do que for marcado no outro.
3. Uma pessoa resolve trocar, numa loja, uma cdula de R$ 2 por duas moedas de
R$ 1, de modo a usar uma delas para fazer lanamentos.
O primeiro item um equivalente, em termos de informao, ao estado de conhecimento escolhido arbitrariamente para Wittinho. Assim, tambm resulta na atribuio
de probabilidades de 1/3 para casa hiptese via princpio da indiferena.
84
Captulo 3.
Cara
Cara
Vis p/ cara
Cara
Coroa
Justa
Coroa
Cara
Justa
Coroa
Coroa
Vis p/ coroa
( | )
( | )
3.3.
O tratamento do problema
( | )
85
informao inicial;
( | )
inicial;
( | ) =
( | ) ( | )
( | )
1 1
1
) ( 2 2 ) (
) =
( | ) = (
1
1 1
1
2
1
+
+ 0
4
2 2
4
Da mesma forma, para as moedas tipo a e d, tem-se:
1
1
4 ) (
) (
) =
( | ) = (
1
1 1
1
2
1
+
+ 0
4
2 2
4
1
1
4 ) (
) (
) = 0
( | ) = (
1
1 1
1
1
+
+ 0
4
2 2
4
0
1
1
2
) ( 2 )
( | ) = (
=
1
1 1
3
1
+
+ (0 0)
2
2 2
e
86
Captulo 3.
1 1
1
) (2 2 )
( | ) = (
=
1
1 1
3
1
+
+ (0 0)
2
2 2
Se continuarmos admitindo as assunes sobre a racionalidade de apostar no evento
em maior proporo, bem como sobre as maneiras de manipulao dessas propores
frente obteno de novos dados, torna-se clara a mudana de atitude do agente cujo
conhecimento inicial representado pela tabela 3.3 quanto hiptese sobre a natureza
da moeda obtida, devendo ele passar a apostar considerando que a moeda tem vis
para cara.
Seguindo o mesmo raciocnio, o fato de uma pessoa hipottica no mudar de
opinio a respeito do tipo da moeda aps 4 caras seguidas poderia ser entendido
como irracional apenas se supusermos que ela tem exatamente as mesmas informaes
representadas pela tabela, o que no o caso, por exemplo, na terceira situao
imaginada (obteno de moeda em loja).
Apesar de no ter sido o ponto principal nesse estudo, a atribuio da probabilidades iniciais a serem consideradas nos clculos parece evidenciar uma relao entre
a crena nas propores entre as hipteses e o grau de crena (degree of belief ) em
cada uma delas, pelo menos do ponto de vista funcional, j que a atribuio de probabilidade baixa a uma hiptese requer mais resultados favorveis a ela para que o
agente passe a adot-la (quando sua probabilidade superar a das concorrentes).
Evidentemente h casos em que a atribuio ideal de probabilidades facilmente
identificada como correspondendo s propores reais dos eventos, como aqueles em
que o contedo das urnas conhecido, entretanto, no necessariamente a correo
dessa atribuio que definir o carter racional do agente, da mesma forma que um
argumento dedutivamente vlido no requer a verdade das premissas.
Por ltimo, uma vez supondo a representao da informao inicial atravs das
probabilidades iniciais, quaisquer estados cognoscveis que resultarem em distribuies equivalentes (a despeito da nomenclatura) podem ser entendidos como sendo
equivalentes para os fins dos clculos probabilsticos, conforme esperado devido ao
3.3.
O tratamento do problema
87
desiderata 3c em 2.3.4.
Foi essa propriedade a responsvel pela afirmao feita h pouco de que o caso 1 na
lista das possveis origens da moeda seria equivalente ao conhecimento de Wittinho a
respeito das probabilidades relativas ao seu caso especfico, mesmo tendo sido expresso
anteriormente apenas como uma sensao de indeciso a respeito de qualquer uma
das alternativas. Passemos agora s demais consideraes qualitativas.
Os casos 1 e 2 revisitados
O estado de conhecimento inicial de Wittinho, conforme observado anteriormente,
pode ser representado pela tabela abaixo:
Tabela 3.4: Probabilidades iniciais das hipteses
Hipteses
1 (100% ca )
( | )
( | )
( | )
=Hiptese
2 (50% ca e 50% co )
3 (100% co )
1/3
1/3
1/3
1/2
1/2
Onde:
( | )
( | )
dente hiptese
( | )
dente hiptese
Considerando-se
88
Captulo 3.
conforme abaixo:
( | 1 ...1 ) =
( | 1 ... 1 ) ( | 1 ... 1 )
( | 1 ... 1 )
O primeiro caso (2.3.1) aborda de maneira simples como a obteno de cara no primeiro lanamento poderia ser usada para decidir pela prxima aposta, concluindo que
se deve apostar na repetio desse resultado com uma confiana crescente enquanto
no ocorrer nenhuma coroa.
Supondo que os 9 lanamentos seguintes acabassem por tambm resultar em cara,
a aplicao sucessiva da regra do produto conforme mostrada acima geraria os dados
mostrados na seguinte tabela:
Resultados (1 | 1 ) (2 | 1 ) (3 | 1 )
1
ca
0,66667
0,33333
0,00000
ca
0,80000
0,20000
0,00000
ca
0,88889
0,11111
0,00000
ca
0,94118
0,05882
0,00000
ca
0,96970
0,03030
0,00000
ca
0,98462
0,01538
0,00000
ca
0,99225
0,00775
0,00000
ca
0,99611
0,00389
0,00000
ca
0,99805
0,00195
0,00000
10
ca
0,99902
0,00098
0,00000
As probabilidades atualizadas aps o primeiro resultado (linha 1) equivalem justamente ao raciocnio ilustrado anteriormente por meio da representao do conjunto
de lanamentos que resultaram em cara, cuja composio tenderia a consistir em 2/3
(aproximadamente 0,66667) de moedas viciadas e 1/3 (aproximadamente 0,33333) de
moedas justas.
Graas facilidade dos clculos probabilsticos e possibilidade de estabelecer
uma correspondncia quantitativa entre a crena na probabilidade de determinada hi-
3.3.
O tratamento do problema
89
Resultados (1 | 1 ) (2 | 1 ) (3 | 1 )
1
co
0,00000
0,33333
0,66667
co
0,00000
0,20000
0,80000
co
0,00000
0,11111
0,88889
co
0,00000
0,05882
0,94118
co
0,00000
0,03030
0,96970
co
0,00000
0,01538
0,98462
co
0,00000
0,00775
0,99225
co
0,00000
0,00389
0,99611
co
0,00000
0,00195
0,99805
10
ca
0,00000
1,00000
0,00000
plausibilidade 0 para a hiptese de tratar-se de moeda com vis de 100% para cara
(ou para coroa, no caso 1), bem como na atribuio de plausibilidade 1 para a hiptese
de moeda justa ao mesmo tempo em que a hiptese de vis para coroa tambm recebe
plausibilidade 0, aps a obteno do resultado do lanamento 10.
Do ponto de vista da coerncia, no h resultados posteriores capazes de mudar o
estado de certeza a respeito de alguma hiptese, a no ser questionando as informaes
usadas para se chegar a ele, quer sejam as probabilidades iniciais ou algum resultado
de lanamento.
Isso est de acordo com o que se esperaria no caso de um argumento dedutivamente vlido e retrata o papel de extenso da lgica clssica exercido pela teoria de
probabilidades conforme promovido por Jaynes (Jaynes and Bretthorst, 2003, pg. 12).
90
Captulo 3.
O que est por trs da dificuldade intuitiva em lidar com eventos raros e de que
forma a teoria de probabilidades pode ajudar?
a manuteno de uma hiptese, seja qual for, requer dados que a reforcem ou pelo
menos que sejam compatveis com ela, fazendo com que a permanncia no erro sobre
a natureza da moeda implique paradoxalmente no acerto das previses.
Isso no muda o fato de tratar-se de um caso que torna-se mais raro medida que
mais informaes so obtidas e que a informao de que dispomos sobre o processo
apenas nos permite escolher entre as estratgias de ao, mas no entre um resultado
especfico dentre as possibilidades.
A resposta segunda pergunta j foi sugerida parcialmente em 1.1 ao considerarmos a questo da sobrevivncia como limite mnimo a ser obedecido. Se pensarmos
apenas na capacidade reprodutiva do agente sob a influncia das decises relativas
3.3.
O tratamento do problema
91
ocorrncia de um evento, fica fcil ver que ele se torna menos relevante conforme a
sua raridade.
Alm disso, do ponto de vista de aquisio e processamento de informao, eventos
raros tambm exigem um nvel de conhecimento muitas vezes fora do alcance da intuio do homem tribal, desenvolvida em um ambiente menos complexo e sob a influncia
de menos agentes. Com a grande disponibilidade de informao alcanada nas ltimas
dcadas, a teoria de probabilidades torna possvel a tomada de decises capazes de
aproveitar a grande escala das sociedades atuais somando pequenas possibilidades de
ganho e eliminando pequenas perdas difceis de lidar intuitivamente.
Por fim, no que diz respeito possibilidade de comparao entre crena nas propores e grau de crena, agora dispomos de ferramentas capazes de representar quantitativamente crenas diferentes, alm de julg-las quanto racionalidade e de fornecer
um ponto de partida para estudos sobre suas origens e sobre a maneira de tornar a
intuio compatvel com o novo ambiente de informao no qual estamos inseridos.
92
Captulo 3.
Ao
Vis forte
1 :
vis p/ cara
2 :
Vis fraco
vis p/ coroa
1 :
vis p/ cara
2 :
vis p/ coroa
1
2
499
( | )
( | )
1
2
999
1000
1
1000
1
2
1
1000
999
1000
1
2
501
1000
499
1000
1000
501
1000
Resultados
(1 | )
(2 | )
(1 | )
(2 | )
( | )
ca
0,999000000
0,001000000
0,501000000
0,499000000
ca
0,999998998
0,000001002
0,501999992
0,498000008
co
0,999000000
0,001000000
0,501000000
0,499000000
ca
0,999998998
0,000001002
0,501999992
0,498000008
ca
0,999999999
0,000000001
0,502999968
0,497000032
3.3.
O tratamento do problema
93
mente ao clculo do valor esperado de modo a definir a partir de que valor , a cada
estado cognoscvel, o agente estaria disposto a apostar.
Diante dessa nova situao seria possvel observar uma atitude diferente relativa
crena em um vis forte, onde o agente estaria disposto a um maior risco a cada
aposta.
Quanto ao pior caso passvel de ser obtido a partir das regras escolhidas, se usarmos
as mesmas premissas adaptadas obtemos a tabela seguinte:
Vis forte
1 :
( | )
( | )
( | )
vis p/ cara
1
2
999
1000
1
1000
2 :
Vis fraco
vis p/ coroa
1
2
1
1000
999
1000
1 :
vis p/ cara
1
2
501
1000
499
1000
2 :
vis p/ coroa
1
2
499
1000
501
1000
(1 | )
(2 | )
(1 | )
(2 | )
ca
0,999
0,001
0,501
0,499
co
0,500
0,500
0,500
0,500
ca
0,999
0,001
0,501
0,499
co
0,500
0,500
0,500
0,500
ca
0,999
0,001
0,501
0,499
Resultados
1
94
Captulo 3.
3.4
Consideraes Finais
3.4.
Consideraes Finais
95
Aparentemente o fato de as demais abordagens assumirem a regra da maior proporo como premissa pode ser uma das explicaes para a dificuldade do tratamento
do problema, alm da questo das definies de racionalidade e probabilidade mencionada em 3.3.
Ao fazer essa assuno, elas partem para os clculos quantitativos das propores e para a justificao desses clculos dadas as informaes disponveis e os novos
dados obtidos, processo que se encontra bastante desenvolvido em termos tcnicos.
Esse desenvolvimento nos deixa numa situao curiosa em que, uma vez justificada a
racionalidade da premissa (apostar no evento em maior proporo), j se dispe de
argumentos indutivos partindo dela e aplicados a inmeros campos de conhecimento,
alm de situaes do senso comum.
Esses argumentos podem ser vistos como o processo de estabelecer inicialmente
em que probabilidades se deve crer e em seguida como manipular essas probabilidades
frente aquisio de mais conhecimento, estendendo a aplicabilidade do critrio de
racionalidade considerado a casos onde h incerteza sobre as propores, conforme
visto em 3.3.
Uma vez que as observaes aqui desenvolvidas partem de um conjunto particular
de experimentos para argumentar em prol da induo probabilstica como mtodo de
aplicabilidade geral, possvel que os problemas de circularidade descartados como
referentes a tentativas especficas de justificao sejam levantados tambm contra a
nossa abordagem, afinal de contas, ao apelarmos para modelos estamos de certa forma
utilizando a experincia, ainda que apenas idealmente, para justificar a induo.
Ainda no temos uma resposta conclusiva a essa crtica, apesar de ela nos parecer
menos grave pelo fato de a questo da racionalidade ter sido deslocada praticamente
para fora do sistema de atribuio de probabilidades, recaindo sobre a questo normativa da crena (por que crer no mais provvel?).
Alm disso, uma outra defesa possvel, ainda que se admita certa circularidade
na forma da assuno de uma hiptese inicial a partir da qual seriam realizadas as
previses, que o processo indutivo considerado possui mecanismos de controle que
96
Captulo 3.
Nesse caso, os
prprios clculos probabilsticos nos esto dizendo que a informao passada (mais o
conhecimento disponvel) no nos permite prever o futuro.
Deixando o enfoque geral, dois pontos especficos merecem ser considerados isoladamente: o primeiro deles sendo o exemplo cone do problema da induo e o outro a
famosa soluo explicativa proposta pelo prprio Hume. Antes de passarmos diretamente a eles, fechemos com uma citao referente a uma das defesas da racionalidade
da induo mencionadas anteriormente.
Anlise Bayesiana moderna exatamente a nica expresso quantitativa desse formato de raciocnio, o raciocnio indutivo que Hume e Popper supuseram impossvel.
Pareceria ridculo aquele que dissesse que apenas provvel que o sol nascer amanh
ou que todos os homens so mortais. Apesar disso, bvio que no temos nenhuma
certeza a respeito desses fatos, alm daquela que a experincia nos permite.
(Hume,
Alm dessa caracterstica intuitiva, a importncia que o sol representa para nosso
planeta faz com que no haja a opo de no apostar em uma das possibilidades
5 Modern Bayesian analysis is just the unique quantitative expression of this reasoning format,
the inductive reasoning that Hume and Popper held to be impossible.
6 One would appear ridiculous, who would say, that it is only probable the sun will rise to-morrow,
or that all men must dye; though it is plain we have no further assurance of these facts, than what
experience affords us.
3.4.
Consideraes Finais
97
camente possveis?
Uma vez que a analogia com o caso da moeda parece consistente, definidas as
hipteses iniciais, segue-se o mesmo procedimento probabilstico para atualizar as
plausibilidades medida que novos dados so levados em conta. Dessa forma, cada
nascimento extra fornece mais evidncia a qualquer hiptese de regularidade, o inverso
acontecendo para o caso de um no-nascimento.
Quanto segunda pergunta, uma vez que os nascimentos anteriores tenham tornado a hiptese de regularidade mais plausvel, naturalmente a aposta no nascer do
sol segue como escolha racional.
importante observar mais uma vez que a escolha das hipteses iniciais diretamente proporcional quantidade de informao que se deseja assumir como ponto
de partida, tendo sido justamente a fonte de inmeros questionamentos a respeito
da famosa regra de sucesso de Laplace, que resolveu usar como exemplo o caso do
nascer do sol, mas desconsiderando grande parte da informao naturalmente nossa
disposio, para fins ilustrativos.
98
Captulo 3.
Apesar de ter alertado explicitamente para esse fato, Laplace foi criticado mesmo
por cientistas e filsofos simpticos ao uso da teoria de probabilidades como ferramenta
cientfica.
7 Mais sobre a histria e defesa da racionalidade da regra de sucesso em (Jaynes and Bretthorst,
2003).
3.4.
Consideraes Finais
99
Para um observador externo, entretanto, uma vez que o agente em questo tenha
sido selecionado (a regra usada, seja qual for, est ajustada o suficiente para garantir
sua sobrevivncia), fica evidente que uma regra racional candidata a substituir a atual
teria de gerar necessariamente apostas em propores ainda mais prximas da real.
O prximo passo nesse processo de racionalizao do hbito seria justamente
aquele em que a viso do observador externo comea a ser internalizada pelo agente
atravs da aquisio de mais informao sobre o ambiente, iniciando apenas com suas
prprias experincias e depois passando a usar as experincias adquiridas por outros
agentes em grupos cada vez maiores.
Por fim, pode-se resumir a proposta desse estudo para o status do hbito com
relao ao processo de aquisio de conhecimento nos seguintes itens:
A incerteza na escolha no impossibilita necessariamente a distino entre hbitos baseada em critrios de racionalidade instrumental;
Um
agente portador de tal hbito ser racional na medida em que tem conscincia
dessa aproximao e, se confrontado com um hbito concorrente, faz a escolha
baseado nesse parmetro.
Pode-se dizer, ento, que a racionalidade pensada em relao ao hbito nos permite
adaptar a famosa frase de Hume para:
Referncias Bibliogrficas
Arnborg, S. and Sjdin, G. (2001).
In AIP
Audi, R. (1999).
Cambridge University
BonJour, L. (2009).
Epistemology:
Synthese, 138(1):7999.
Carnap, R. (1962).
Press.
Hawthorne, J. (2012). Inductive Logic. In Zalta, E. N., editor, The Stanford Ency-
Hofweber, T. (2012).
Howson, C. (2003). Humes Problem: Induction and the Justification of Belief. Oxford
University Press.
http://www.gutenberg.org/ebooks/9662/.
Press.
Maxwell, J. C. (1990).
Pritchard, D. and Turri, J. (2012). The value of knowledge. In Zalta, E. N., editor,
Sewell,
M.
(2012).
No
Free
Lunch
Theorems.
Endereo:
http://www.
no-free-lunch.org/.
Skinner, B. F. (1948). Superstition in the pigeon. Journal of experimental psychology,
38(2):168.
Steup, M. (2012). The analysis of knowledge. In Zalta, E. N., editor, The Stanford
Stove, D. C. (1965).
74(2):160177.
Vickers, J. (2011). The Problem of Induction. In Zalta, E. N., editor, The Stanford
Wallace, R. J. (2009). Practical Reason. In Zalta, E. N., editor, The Stanford Ency-
Weirich, P. (2010).
Wolpert, D. H. (2012).
no-free-lunch.org/coev.pdf.
Endereo:
http://www.
Appendices
Apndice A
Programa coin-all.py
Programa simples construdo conforme a assuno inicial das probabilidades s hipteses possveis, de forma a simular a realizao do experimento e checar a adequao
do clculo do valor esperado.
while ( T r i a l s <10):
i f ( P o s s i b i l i t i e s ==0):
108
t o s s =0
e l i f ( P o s s i b i l i t i e s ==1):
t o s s =1
else :
t o s s=r a n d i n t ( 0 , 1 )
i f ( Heads>T a i l s ) :
b e t=0
else :
b e t=1
i f ( t o s s ==0):
Heads=Heads+1
H e a d s t o t a l=H e a d s t o t a l+1
else :
T a i l s=T a i l s +1
T a i l s t o t a l=T a i l s t o t a l +1
i f ( b e t==t o s s ) :
H i t s=H i t s+1
T r i a l s=T r i a l s +1
Experiments=Experiments+1
s t o p=time . c l o c k ( )