Jackson Cionek

54 Views

CEPID da IA Personalíssima ao Futuro Coletivo - como estudar o que estamos propondo?

Da hipótese à pergunta, da pergunta ao experimento

Ao longo desta série construímos hipóteses.

Propusemos uma IA Personalíssima capaz de devolver ao Corpo-Território maior capacidade de interpretar seus próprios dados.

Perguntamos como milhões de Eus poderiam formar Jiwasa sem entregar novamente suas singularidades ao coletivo.

Chegamos à possibilidade de pertencer sem permanecer na mesma posição e de transcender-se Ser: não permanecer aprisionado àquilo que nossos dados, nossa história ou alguma classificação disseram que somos.

Depois colocamos também o Bioma dentro da decisão.

Mas uma arquitetura conceitualmente interessante ainda não é ciência.

Agora precisamos fazer um movimento diferente:

Hipótese → pergunta → experimento → ciência.

Não queremos apresentar aqui um protocolo pronto. Não somos nós que devemos determinar amostras, controles, estatística ou quais variáveis constituirão evidência suficiente.

Queremos fazer algo anterior:

formular perguntas suficientemente claras para que pesquisadores possam criticá-las, transformá-las e criar experimentos melhores.

Talvez esse seja um dos papéis de um futuro CEPID da IA Personalíssima ao Futuro Coletivo.

Primeiro: o equipamento não mede Jiwasa

Um equipamento NIRS não mede pertencimento.

EEG não mede consciência diretamente.

ECG não mede coletividade.

SpO₂ não mede transcendência.

Esses equipamentos registram fenômenos fisiológicos específicos.

O significado aparece depois — quando relacionamos esses sinais ao comportamento, à tarefa, ao ambiente, à experiência relatada e às hipóteses utilizadas para interpretá-los.

Esse cuidado é especialmente importante no hyperscanning.

Uma revisão de Hakim e colaboradores encontrou 215 trabalhos de hyperscanning entre 2000 e 2022 e 27 métodos diferentes utilizados para quantificar acoplamento inter-cerebral. Ou seja: até aquilo que chamamos de “sincronização” depende das escolhas metodológicas utilizadas para calculá-la.

Ao mesmo tempo, já existe evidência de que tarefas cooperativas podem estar associadas a maior sincronização inter-cerebral. Uma meta-análise de 13 estudos com 890 participantes encontrou sincronização significativa em regiões frontais e temporoparietais durante cooperação.

Portanto, sincronização existe como fenômeno observável.

Mas:

sincronização não é automaticamente Jiwasa.

Um experimento simples

Imaginemos três participantes.

Não precisamos inicialmente separá-los por religião, profissão, cultura ou posição política.

Apresentamos apenas um problema comum:

Uma comunidade enfrenta redução progressiva na disponibilidade de água e possui recursos limitados para responder ao problema.

São oferecidas três possibilidades:

A — ampliar sistemas de armazenamento;

B — recuperar áreas naturais relacionadas à retenção e circulação de água;

C — limitar temporariamente determinadas atividades de alto consumo.

Nenhuma alternativa é apresentada como correta.

Primeiro, cada participante responde individualmente.

Temos então:

A | B | C

Depois os três passam a conversar livremente enquanto são observados por NIRS em hyperscanning.

Podemos perguntar:

Quando começam a aproximar suas posições?

Quando divergem?

Alguém muda de opinião?

Uma posição minoritária modifica posteriormente a solução?

Os participantes conseguem chegar a uma decisão sem que todos pensem da mesma maneira?

Talvez apareça:

[A B] | C

Depois:

[A B C]

Mas também pode ocorrer:

[A B] ↔ C

A e B permanecem mais próximos, C conserva uma posição distinta, e mesmo assim os três constroem uma resposta comum.

É justamente essa segunda possibilidade que nos interessa.

Harmonia não precisa significar homogeneidade

Podemos estar acostumados demais a procurar convergência.

Mas talvez um coletivo funcional não seja aquele em que todos terminam ocupando a mesma posição.

Talvez seja aquele capaz de produzir:

coordenação sem uniformidade;

convergência sem identidade;

divergência sem ruptura;

pertencimento sem permanência.

Podemos chamar provisoriamente essa possibilidade de:

Harmonia sem homogeneização

Se ampliarmos o experimento para seis, oito ou trinta pessoas, talvez apareçam vários agrupamentos.

Por exemplo:

[A B C] | [D E] | [F G H]

Depois:

[A B] | [C D E] | [F G H]

E posteriormente:

[A B D] ↔ [C E] ↔ [F G H]

Os clusters poderiam formar-se, separar-se, aumentar, diminuir ou trocar participantes ao longo da tarefa.

O interessante deixaria de ser apenas quem sincronizou com quem.

Passaríamos a perguntar:

Quem transitou entre clusters?

Quem funcionou como ponte?

Qual diferença permaneceu?

Uma posição inicialmente periférica reorganizou posteriormente o coletivo?

E, sobretudo:

o coletivo precisou eliminar suas diferenças para encontrar uma solução?

Isso já acontece, de outra maneira, no mundo digital

Essa pergunta possui um contraste importante.

Plataformas digitais já processam dados comportamentais em enorme escala para personalizar aquilo que diferentes pessoas recebem.

A Meta explica que seus sistemas de IA utilizam diversos sinais e previsões para determinar quais conteúdos do Facebook e Instagram podem ser mais relevantes para cada pessoa.

O TikTok também descreve seus sistemas de recomendação como personalizados a partir de preferências inferidas por interações do usuário.

Em 2026, a Meta descreveu sistemas capazes de processar sequências de bilhões de interações e construir representações de interesses e intenções para melhorar sistemas de recomendação e ranking.

Tecnicamente, esses processos não significam necessariamente “clusters” no sentido estatístico clássico.

Mas conceitualmente já existe algo poderoso:

sinais distribuídos → reconhecimento de padrões → diferenciação entre usuários → distribuição diferenciada de informação.

Hoje essa capacidade é usada, entre outras finalidades, para personalizar feeds, anúncios e recomendações.

Nossa pergunta é outra:

e se parte dessa capacidade de reconhecer diferenças estivesse prioritariamente sob controle do próprio Corpo-Território?

Do perfil que nos fixa à posição que pode mudar

Uma rede digital tenta prever:

“o que provavelmente interessa a esta pessoa?”

A IA Personalíssima poderia acrescentar:

“isso ainda representa você?”

Essa pequena diferença altera profundamente a arquitetura.

Imagine que, durante nosso experimento, o modelo identifique maior similaridade entre dois participantes.

A IA poderia apresentar:

“Durante esta etapa, sua dinâmica apresentou maior proximidade com a do participante B.”

Mas o próprio participante poderia responder:

“Sim, isso me representa.”

Ou:

“Não. Nós concordávamos apenas sobre uma etapa.”

Ou ainda:

“Naquele momento eu havia mudado de posição.”

Então teríamos:

sinal → análise → interpretação → devolução → contestação ou reconhecimento.

O participante deixa de ser apenas fonte de dados.

Ele participa do significado produzido sobre os próprios dados.

É aqui que transcender-se Ser começa a ganhar uma possível dimensão tecnológica.

Nenhuma classificação precisa se tornar permanente.

Diferentes culturas podem ampliar as perguntas

O mesmo experimento poderia futuramente incluir participantes provenientes de diferentes histórias, religiões, comunidades urbanas e povos originários.

Mas não para perguntar:

“como pensa um indígena?”

ou:

“qual crença produz maior sincronização?”

Isso reduziria pessoas e culturas às categorias que entraram no laboratório.

A pergunta mais interessante seria:

como formas diferentes de interpretar território, água, comunidade e futuro participam da construção de uma decisão comum?

Nos primeiros documentos BrainLatam sobre essa possibilidade já apareciam tarefas relacionadas a captação de água, reflorestamento, regeneração e cooperação, assim como a preocupação com a reflexão dos próprios participantes após a atividade.

Também aparecia a proposta de envolver lideranças indígenas, religiosas e comunitárias e utilizar processos de co-criação.

Hoje podemos formular isso melhor:

outras epistemologias não precisam apenas entrar no experimento; elas podem modificar a própria pergunta experimental.

Dos clusters a uma protoideia de Estado

Há ainda uma possibilidade provocativa.

Se vários clusters conseguem permanecer parcialmente independentes e coordenar-se quando determinado problema surge, talvez essa dinâmica ofereça uma protoideia para pensar instituições.

Saúde, meio ambiente, defesa civil, educação, infraestrutura e economia não precisam detectar as mesmas coisas.

Podemos utilizar, com cuidado, uma analogia com o sistema imunológico.

Suas células não ficam permanentemente reunidas esperando uma ameaça. Muitas circulam, reconhecem sinais localmente, comunicam-se por mediadores químicos e podem recrutar respostas maiores quando necessário.

Uma rede de IAs Personalíssimas poderia permitir imaginar algo distribuído:

Corpo-Território
→ IA Personalíssima
→ sinal autorizado
→ padrão coletivo emergente
→ instituição competente.

Uma IA não precisaria entregar o Corpo-Território inteiro ao Estado.

Somente sinais previamente autorizados, anonimizados ou agregados poderiam participar de determinados bancos institucionais.

Variações ambientais poderiam interessar a uma instituição.

Sinais sanitários, a outra.

Problemas de infraestrutura, a outra.

E padrões anormais de circulação informacional poderiam abrir perguntas relacionadas à soberania nacional.

Em campanhas coordenadas de desinformação em massa, por exemplo, a arquitetura não precisaria decidir automaticamente o que é verdadeiro ou falso.

Poderia realizar uma função anterior:

detectar que um padrão incomum está emergindo.

E então aparece o problema mais difícil

Suponhamos que o experimento funcione.

Encontramos clusters.

Encontramos sincronizações.

Encontramos divergências.

Encontramos pessoas que mudam de posição.

Encontramos grupos que chegam a soluções comuns sem se tornarem homogêneos.

E talvez consigamos futuramente detectar fenômenos coletivos cada vez mais cedo.

Teremos produzido dados.

Mas dados ainda não possuem sozinhos seu significado.

Um algoritmo pode encontrar três clusters.

Os participantes podem responder:

“Não éramos três grupos. Estávamos apenas utilizando três estratégias.”

Uma instituição pode detectar um padrão informacional incomum.

Mas quem decidirá se aquilo representa manipulação, transformação cultural legítima, conflito, inovação ou simples diferença?

É aqui que termina nosso experimento e começa o próximo problema.

Podemos talvez aprender a observar:

Eu → diferença → cluster → Jiwasa → decisão.

Mas medir não significa compreender definitivamente.

E compreender não concede automaticamente o direito de decidir.

A próxima pergunta será, portanto:

Se conseguimos medir diferenças entre Corpos-Territórios e observar propriedades emergentes de um coletivo, quem ganha o direito de dizer o que esses sinais significam?

Esse será o Blog 12.

Referências

HAKIM, U. et al. Quantification of inter-brain coupling: A review of current methods used in haemodynamic and electrophysiological hyperscanning studies. NeuroImage, v. 280, 120354, 2023. DOI: 10.1016/j.neuroimage.2023.120354.

CZESZUMSKI, A.; LIANG, S. H.-Y.; DIKKER, S.; KÖNIG, P.; LEE, C.-P.; KOOLE, S. L.; KELSEN, B. Cooperative Behavior Evokes Interbrain Synchrony in the Prefrontal and Temporoparietal Cortex: A Systematic Review and Meta-Analysis of fNIRS Hyperscanning Studies. eNeuro, v. 9, n. 2, 2022. DOI: 10.1523/ENEURO.0268-21.2022.

ZHAO, Q.; ZHAO, W.; LU, C.; DU, H.; CHI, P. Interpersonal neural synchronization during social interactions in close relationships: A systematic review and meta-analysis of fNIRS hyperscanning studies. Neuroscience & Biobehavioral Reviews, v. 158, 105565, 2024. DOI: 10.1016/j.neubiorev.2024.105565.

META. Como a inteligência artificial influencia o que você vê no Facebook e no Instagram. Meta, 2023. Descrição dos sinais, modelos preditivos e sistemas de classificação utilizados na personalização de conteúdo.

META ENGINEERING. From User Sequences to Scaling Laws: A Multi-Stage Architecture for Meta's Ads Ranking. Meta, 2026. Discussão sobre processamento em escala de sequências de interações para modelagem de interesses e ranking personalizado.

TIKTOK. Como o TikTok recomenda conteúdo. Documentação oficial sobre sistemas de recomendação e personalização baseados em preferências e interações.

BRAINLATAM. Tareas Cooperativas para Mitigar Emergencias Climáticas y Activar Creencias Diferenciales — NIRS Hyperscanner. Documento de trabalho, 2024.

BRAINLATAM. Estrategia para Involucrar a Políticos y a la Sociedad en el Proyecto sobre Creencias y Emergencias Climáticas — NIRS Hyperscanner. Documento de trabalho, 2024.

¿Quién interpreta lo que siente el colectivo?