José Estêvão de Melo

Ouvimos muitas vezes dizer que os números não mentem, o que está correto. Mas isto porque o ato de mentir está associado a uma intenção de enganar, e apenas entidades com capacidade de intencionalidade são capazes de mentir, sendo os números desprovidos de qualquer intencionalidade, então é correto dizer que não mentem, da mesma maneira que não acusamos ninguém de mentir quando acredita legitimamente que o que está a dizer é verdade, independentemente de ser verdade ou não o que foi dito. Se não é verdade dizemos que estava enganado. Um paralelo simples para interiorizar este conceito é o caso de bater com o dedo mindinho do pé num móvel, o móvel não é bom nem mau, porque não é capaz de maldade ou bondade.

Estabelecemos até aqui que os números não mentem, mas os números também não representam a totalidade da realidade, por exemplo, em certas partes rurais de Inglaterra algumas zonas com mais cegonhas tinham mais bebés. É verdade, mas não é toda a verdade. Não podemos olhar para estes números, que são verdadeiros, e dizer que as cegonhas trazem bebés, ou que gostam de bebés, ou que os bebés trazem cegonhas. Estes dois números estão correlacionados, mas não existe uma relação causal entre os dois, isto porque existem outros fatores não representados nestes números que afetam o número de crianças ou o número de cegonhas, como por exemplo a disponibilidade de alimento em zonas rurais ser maior e por isso mais atrativa para as cegonhas.

Uma relação causal é quando um acontecimento é causado por, ou causa outro. Por exemplo, podemos dizer que a chuva molha o chão, mas não podemos dizer que choveu só porque o chão está molhado. Há outros motivos que fazem o chão ficar molhado para além da chuva, como por exemplo lavar o quintal para a festa. No caso das cegonhas existe uma correlação entre o número de bebés e o número de cegonhas, mas não existe uma relação causal entre os dois, no sentido em que ambos podem mudar sem influência mútua.

A estatística faz parte da nossa vida, e a prova disto é que muitas das nossas escolhas são feitas com base em estatísticas, por exemplo sempre que escolhemos a forma de sair de casa, tendencialmente descemos as escadas em vez de saltarmos da janela do primeiro andar, que apesar de ser mais rápido, tem maior probabilidade de partir ossos, ou se ao me pesar a balança indicar menos 10 kg, apesar de ser possível ter perdido este peso, era mais provável a balança estar avariada, e fui ver se tinha alguma coisa debaixo da balança, e para infelicidade minha tinha uma pequena peça de plástico entre o prato da balança e o chão.

A inteligência artificial de atualmente, aprende por inferências estatísticas, que como já vimos não é suficiente para decidir corretamente. Um caso conhecido foi com a deteção de melanomas por inteligência artificial, que em termos estatísticos tem melhores resultados a detetar melanomas do que os profissionais humanos, no entanto um estudo de 2017 publicado na revista Nature, verificou que as imagens que continham uma régua tinham uma taxa de positividade maior, isto porque os modelos de inteligência artificial aprenderam a associar à positividade de melanoma outros elementos contextuais como a presença de uma régua, não porque a régua tenha uma relação causal com a existência de melanoma, mas porque quando um profissional de saúde humano identifica um melanoma coloca uma régua ao lado para monitorizar a sua evolução, e o modelo de inteligência artificial aprendeu que as imagens que continham réguas eram mais prováveis de ser positivo e atribuiu um relação causal entre a presença de uma régua e a positividade de melanoma, quando não existe esta causalidade, apenas correlação.

Em conclusão, os números não mentem, mas também não dizem a verdade — e isso pelo mesmo motivo: são o que são e precisam apenas ser interpretados. É necessária uma inteligência geral (que a artificial ainda não possui) para olhar para os números, avaliar se são suficientes para tirar conclusões e, se não forem, ter a coragem de não concluir — ou então persistir na procura de mais e melhor informação, para concluir com honestidade e causalidade.