Apesar dos acontecimentos descritos no The Imitation Game, Alan Turing não inventou a máquina que decifrou os códigos alemães durante a Segunda Guerra Mundial - a Polônia o fez. Mas o genial matemático inventou algo nunca mencionado no filme: uma ferramenta matemática para julgar a confiabilidade da informação. Sua ferramenta acelerou o trabalho de decifrar mensagens codificadas usando versões melhoradas das máquinas polonesas.
Conteúdo Relacionado
- Meia-noite Snacking é ruim para o seu cérebro
- Os cérebros dos pombos funcionam como nossos
- Você toma melhores decisões quando está com fome?
Agora, pesquisadores que estudam macacos rhesus descobriram que o cérebro também usa essa ferramenta matemática, não para decodificar mensagens, mas para reunir evidências não confiáveis para tomar decisões simples. Para o neurocientista da Universidade de Colúmbia, Michael Shadlen, e sua equipe, a descoberta sustenta uma ideia mais ampla de que todas as decisões que tomamos - até mesmo as aparentemente irracionais - podem ser divididas em operações estra- tégicas racionais. "Achamos que o cérebro é fundamentalmente racional", diz Shadlen.
Inventada em 1918, a máquina alemã Enigma criou uma cifra de substituição, trocando as letras originais em uma mensagem por novas, produzindo o que parecia ser pura algaravia. Para tornar a cifra mais complicada, o dispositivo tinha discos giratórios no interior que giravam cada vez que uma tecla era pressionada, mudando a codificação a cada acionamento de tecla. O processo era tão complexo que, mesmo com uma máquina Enigma em mãos, os alemães só conseguiam decifrar uma mensagem conhecendo as configurações iniciais desses mostradores de criptografia.
Uma máquina alemã Enigma, inimiga dos decifradores da Segunda Guerra Mundial. (Biblioteca Walker da História da Imaginação Humana) Turing criou um algoritmo que reduzia o número de configurações possíveis que as máquinas de decodificação britânicas, chamadas de bombas, precisavam testar a cada dia. Trabalhando na instalação secreta de Bletchley Park, no Reino Unido, Turning percebeu que era possível descobrir se duas mensagens vinham de máquinas com rotores que começavam nas mesmas posições - uma informação importante para descobrir essas posições. Alinhe duas mensagens codificadas, uma sobre a outra, e a chance de que as duas letras sejam iguais será um pouco maior se ambas as mensagens vierem de máquinas com as mesmas configurações iniciais. Isso ocorre porque, em alemão, como em inglês, certas letras tendem a ser mais comuns e o processo de criptografia preserva esse padrão.
O algoritmo de Turing essencialmente acrescentou as probabilidades de essas pistas serem úteis. Também indicava quando as probabilidades acumuladas eram suficientemente boas para aceitar ou rejeitar que as duas mensagens comparadas provinham de máquinas com os mesmos estados de rotor. Essa ferramenta estatística, chamada teste de probabilidade sequencial, provou ser a solução ótima para o problema. Isso economizou tempo ao permitir que os decifradores de código de Bletchley decidissem se duas mensagens eram úteis enquanto procuravam o menor número possível de letras. Turning não foi o único matemático trabalhando em segredo para chegar a essa ideia. Abraham Wald, da Universidade de Colúmbia, usou-o em 1943 para descobrir quantas bombas a Marinha dos EUA precisava explodir para ter uma certeza razoável de que um lote de munição não estava com defeito antes de transportá-lo para fora.
Agora Shadlen descobriu que humanos e outros animais podem usar uma estratégia similar para dar sentido a informações incertas. Lidar com a incerteza é importante, porque poucas decisões são baseadas em evidências perfeitamente confiáveis. Imagine dirigir por uma rua sinuosa à noite na chuva. Você deve escolher se quer virar a roda para a esquerda ou para a direita. Mas quanto você pode confiar nas luzes traseiras de um carro, uma distância desconhecida à frente, a linha de árvores escuras com sua forma confusa ou os marcadores de pista pouco visíveis? Como você junta essas informações para permanecer na estrada?
Macacos no laboratório de Shadlen enfrentaram uma decisão igualmente difícil. Eles viram dois pontos exibidos em um monitor de computador e tentaram ganhar um tratamento escolhendo o correto. Formas que brilhavam na tela, uma após a outra, indicavam a resposta. Quando um símbolo do Pac-Man apareceu, por exemplo, o ponto esquerdo provavelmente era a resposta correta, mas não certamente. Em contraste, um pentágono favorecia o ponto certo. O jogo terminou quando um macaco decidiu que tinha visto formas suficientes para arriscar um palpite, virando os olhos para um dos pontos.
O córtex intraparietal lateral, a parte do cérebro medida neste estudo, é encontrado no lobo parietal. (Imagem cortesia do Instituto Nacional sobre Envelhecimento / Institutos Nacionais de Saúde) Existem muitas estratégias que poderiam ter sido usadas para escolher o ponto correto. Um macaco poderia prestar atenção apenas nas melhores pistas e ignorar as outras. Ou uma escolha poderia simplesmente ser feita após certo período de tempo, independentemente de quão certo um macaco fosse sobre a evidência que tinha visto até aquele ponto.
O que realmente aconteceu foi um acúmulo de informações no cérebro, à medida que o animal avaliava a confiabilidade de cada forma e as adicionava a um total. Shadlen monitorou esse acúmulo ao inserir eletrodos indolor nos cérebros dos macacos. Pistas de alta probabilidade provocaram grandes saltos na atividade cerebral, enquanto pistas mais fracas renderam saltos menores. As decisões pareciam ser tomadas quando a atividade em favor da esquerda ou da direita cruzava um certo limiar - muito parecido com os resultados do algoritmo de Turing.
"Descobrimos que o cérebro chega a uma decisão de uma forma que passaria com um estatístico", diz Shadlen, cuja equipe publicará os resultados em uma próxima edição da revista Neuron.
Jan Drugowitsch, neurocientista da Ecole Normale Supérieure em Paris, concorda. "Isso faz um caso muito forte de que o cérebro realmente tenta seguir a estratégia descrita aqui", diz ele. Mas escolhas mais complicadas, como onde ir para a faculdade ou com quem se casar, se resumem a estratégias estatísticas simples?
"Não sabemos que os desafios enfrentados pelo cérebro na resolução de grandes questões são exatamente os mesmos que os desafios em decisões mais simples", diz Joshua Gold, neurocientista da Escola de Medicina da Universidade da Pensilvânia. "Neste momento, é pura conjectura que os mecanismos que estudamos no laboratório suportam decisões de alto nível."
