adrianonicolau
Comportamento na era Algorítmica Quântica
Autor: Adriano Nicolau da Silva
O avanço acelerado da inteligência artificial, das tecnologias digitais e da física quântica está transformando profundamente a relação entre seres humanos, tecnologia e ambiente. Em 2025, o Prêmio Nobel de Física foi concedido a John Clarke, Michel H. Devoret e John M. Martinis pela descoberta do tunelamento quântico macroscópico e da quantização de energia em um circuito elétrico. O resultado demonstra que fenômenos quânticos podem ser observados em sistemas físicos macroscópicos sob condições experimentais específicas (NOBEL PRIZE, 2025). Embora essa descoberta pertença ao domínio da física e não constitua evidência direta sobre o comportamento humano, ela oferece um ponto de partida para uma reflexão interdisciplinar sobre os limites e as transformações produzidas pela ciência contemporânea.
A Análise do Comportamento desenvolvida a partir do behaviorismo radical de B. F. Skinner fundamenta-se na análise das relações entre organismo e ambiente. Em Science and Human Behavior, Skinner (1953) mostrou que o comportamento deve ser compreendido considerando as condições ambientais nas quais ocorre e as consequências que participam de sua seleção. Ferster e Skinner (1957), por sua vez, demonstraram experimentalmente que diferentes esquemas de reforçamento produzem padrões sistemáticos de comportamento. Essa tradição científica permite compreender o indivíduo não como um agente isolado de seu ambiente, mas como parte de uma história contínua de interação com as condições que favorecem ou reduzem determinadas respostas.
No século XXI, entretanto, uma parcela significativa desse ambiente tornou-se digital, automatizada e algorítmica. Redes sociais, mecanismos de recomendação, plataformas de entretenimento e sistemas de inteligência artificial são capazes de registrar comportamentos, identificar padrões e modificar os estímulos apresentados aos usuários. O ambiente comportamental tornou-se, em parte, programável. Uma notificação, uma recomendação, uma curtida, um comentário ou a seleção de determinado conteúdo podem participar de contingências capazes de alterar a probabilidade de respostas futuras. O usuário produz dados por meio de seu comportamento e, simultaneamente, esses dados são utilizados para modificar o ambiente ao qual ele será novamente exposto.
Forma-se, assim, um ciclo de retroalimentação: o indivíduo se comporta, o sistema registra, o algoritmo processa, o ambiente é modificado e o indivíduo volta a responder. A diferença fundamental está na velocidade e na escala desse processo. Enquanto contingências sociais tradicionais dependem frequentemente de interações relativamente estáveis, sistemas digitais podem ajustar estímulos e consequências de maneira contínua e personalizada. Alter (2017) chamou atenção para tecnologias desenvolvidas para estimular o envolvimento persistente dos usuários, enquanto Zuboff (2019) analisou criticamente a transformação da experiência humana em dados e a utilização desses dados para previsão e influência comportamental.
Essa transformação torna particularmente relevante a discussão sobre influência algorítmica. Kumar et al. (2025) investigaram operações encobertas de influência social baseadas em aprendizagem por reforço, demonstrando como técnicas computacionais podem ser utilizadas para otimizar estratégias de influência em ambientes sociais digitais. O fenômeno não significa que algoritmos simplesmente controlem as pessoas. Uma análise comportamental mais precisa pergunta quais estímulos são apresentados, quais respostas são favorecidas, quais consequências mantêm essas respostas e quem se beneficia das contingências estabelecidas.
A relação entre inteligência artificial e física também possui fundamentos históricos. As Máquinas de Boltzmann foram desenvolvidas a partir de princípios relacionados à mecânica estatística. Ackley, Hinton e Sejnowski (1985) apresentaram um algoritmo de aprendizagem para essas redes, estabelecendo uma importante conexão entre modelos computacionais e conceitos provenientes da física estatística. Hopfield (1982) também demonstrou como propriedades computacionais poderiam emergir de redes constituídas por unidades interconectadas. Essas relações mostram que a física pode contribuir para a construção de modelos computacionais, mas não autorizam a conclusão de que o comportamento humano seja diretamente explicado pela mecânica quântica ou pela termodinâmica.
Essa distinção é fundamental. Neste ensaio, a física quântica e a física estatística são utilizadas como referências conceituais e como estímulos para uma reflexão interdisciplinar, e não como explicações causais para sentimentos, decisões ou relações sociais. O próprio Nobel de Física de 2025 diz respeito a fenômenos físicos específicos observados em circuitos supercondutores. O trabalho de Clarke et al. (1988), que integra essa trajetória experimental, investigou o comportamento quântico macroscópico da diferença de fase em uma junção de Josephson. A importância desse conhecimento para a presente discussão está menos em estabelecer uma ligação entre quântica e psicologia e mais em mostrar como a ciência pode revelar propriedades da natureza que não são evidentes na experiência cotidiana.
No ambiente digital, a questão comportamental aparece de maneira particularmente evidente na circulação de informações. Vosoughi, Roy e Aral (2018), ao analisarem aproximadamente 126 mil histórias verificadas compartilhadas no Twitter, observaram que informações falsas apresentavam, em média, maior velocidade, alcance e profundidade de disseminação do que informações verdadeiras. Cinelli et al. (2021), por sua vez, estudaram a formação de câmaras de eco nas redes sociais e identificaram padrões de homofilia e segregação entre grupos de usuários. Esses estudos não demonstram que os algoritmos sejam os únicos responsáveis pela polarização ou pela disseminação de informações falsas, mas mostram que a arquitetura dos ambientes digitais pode participar da organização das condições nas quais determinados comportamentos informacionais são selecionados.
A perspectiva da seleção por consequências ajuda a compreender esse processo. Skinner (1981) propôs que a seleção ocorre em diferentes níveis, incluindo a evolução biológica, a seleção do comportamento individual e a evolução das práticas culturais. Aplicada ao ambiente tecnológico, essa perspectiva permite observar que as tecnologias modificam contingências, as contingências influenciam comportamentos e os comportamentos participam da manutenção ou transformação das práticas culturais. A inteligência artificial, portanto, não deve ser considerada apenas uma ferramenta externa à sociedade. Ela passa a participar da construção dos ambientes nos quais os seres humanos aprendem, trabalham, consomem informação e estabelecem relações.
Essa transformação levanta uma questão central: que repertórios comportamentais estão sendo favorecidos pelos ambientes tecnológicos que estamos construindo? Uma plataforma pode favorecer impulsividade, comparação social, conflito e permanência constante diante da tela. Outra pode favorecer aprendizagem, cooperação, reflexão e acesso qualificado à informação. O algoritmo não determina sozinho o comportamento humano, mas as contingências que ele ajuda a estabelecer podem aumentar ou reduzir a probabilidade de determinados repertórios. Por isso, o problema contemporâneo não é apenas desenvolver tecnologias mais inteligentes, mas decidir quais consequências queremos que essas tecnologias produzam.
A autonomia não depende de uma liberdade absoluta, mas sim da criação de ambientes favoráveis ao autocontrole e ao pensamento crítico. Por isso, ética e tecnologia são inseparáveis: os mesmos algoritmos e inteligências artificiais que hoje influenciam ou retêm usuários podem (e devem) ser redirecionados para promover a educação, a segurança, a cooperação e o bem-estar.
Amor, solidariedade, cooperação e dignidade podem, nesse contexto, ser compreendidos como práticas culturais capazes de ampliar a consideração pelas consequências do comportamento sobre outras pessoas. A expressão “entropia social”, quando utilizada para descrever fragmentação, isolamento ou perda de cooperação, deve ser entendida como metáfora, e não como aplicação literal das leis da termodinâmica à sociedade. O objetivo não é transformar conceitos físicos em explicações psicológicas, mas utilizar o diálogo entre diferentes áreas para formular problemas relevantes.
A grande questão, portanto, talvez não seja saber se a consciência humana conseguirá acompanhar a velocidade da tecnologia. Uma pergunta mais concreta e compatível com a perspectiva da seleção por consequências é: seremos capazes de construir culturas que orientem responsavelmente as contingências produzidas pelas próprias tecnologias que desenvolvemos? O desafio não está apenas em produzir sistemas artificiais cada vez mais inteligentes, mas em criar condições culturais para que essa inteligência seja utilizada de maneira socialmente responsável.
A ciência contemporânea ampliou extraordinariamente a capacidade humana de compreender e modificar o mundo. A física quântica revelou propriedades profundas da matéria; a inteligência artificial ampliou a capacidade de processamento e aprendizagem computacional; e a Análise do Comportamento oferece instrumentos para compreender como organismos e culturas se transformam em interação com seus ambientes. Esses campos não constituem uma única teoria e não devem ser artificialmente fundidos. Seu diálogo, entretanto, pode produzir perguntas importantes sobre o futuro da humanidade.
Se o ambiente digital é construído, ele pode ser reconstruído. Se as contingências podem ser programadas, podem também ser redesenhadas. O verdadeiro salto tecnológico talvez não seja apenas produzir máquinas mais inteligentes, mas desenvolver uma cultura capaz de decidir responsavelmente o que fazer com essa inteligência. O futuro humano dependerá não de escapar das contingências, mas de aprender a construí-las de maneira compatível com autonomia, cooperação, dignidade e responsabilidade coletiva.
A pergunta final permanece aberta: que tipo de comportamento queremos que o nosso próprio futuro selecione?
Referências
ACKLEY, David H.; HINTON, Geoffrey E.; SEJNOWSKI, Terrence J. A learning algorithm for Boltzmann machines. Cognitive Science, v. 9, n. 1, p. 147–169, 1985. DOI: 10.1207/s15516709cog0901_7.
ALTER, Adam. Irresistible: The rise of addictive technology and the business of keeping us hooked. New York: Penguin Press, 2017.
CINELLI, Matteo et al. The echo chamber effect on social media. Proceedings of the National Academy of Sciences, v. 118, n. 9, e2023301118, 2021. DOI: 10.1073/pnas.2023301118.
CLARKE, John et al. Quantum mechanics of a macroscopic variable: The phase difference of a Josephson junction. Science, v. 239, n. 4843, p. 992–997, 1988. DOI: 10.1126/science.239.4843.992.
FERSTER, Charles B.; SKINNER, B. F. Schedules of reinforcement. New York: Appleton-Century-Crofts, 1957.
HOPFIELD, John J. Neural networks and physical systems with emergent collective computational abilities. Proceedings of the National Academy of Sciences, v. 79, n. 8, p. 2554–2558, 1982. DOI: 10.1073/pnas.79.8.2554.
KUMAR, S. et al. Reinforcement-learning based covert social influence operations. In: Proceedings of the ACM Web Conference 2025. New York: Association for Computing Machinery, 2025. DOI: 10.1145/3696410.3714729.
NOBEL PRIZE. The Nobel Prize in Physics 2025. Stockholm: Nobel Prize Outreach, 2025. Disponível em: https://www.nobelprize.org/prizes/physics/2025/summary/. Acesso em: 7 set. 2026.
SKINNER, B. F. Science and human behavior. New York: Macmillan, 1953.
SKINNER, B. F. Selection by consequences. Science, v. 213, n. 4507, p. 501–504, 1981. DOI: 10.1126/science.7244649.
VOSOUGHI, Soroush; ROY, Deb; ARAL, Sinan. The spread of true and false news online. Science, v. 359, n. 6380, p. 1146–1151, 2018. DOI: 10.1126/science.aap9559.
ZUBOFF, Shoshana. The age of surveillance capitalism: The fight for a human future at the new frontier of power. New York: PublicAffairs, 2019.
