Novos Paradigmas Para a Inteligência
-
Upload
glauber-nobrega-da-silva -
Category
Documents
-
view
53 -
download
1
description
Transcript of Novos Paradigmas Para a Inteligência
NOVOS PARADIGMAS PARA A INTELIGÊNCIA
Como a matemática e a simulação podem nos tonar mais espertos
Por Glauber Nóbrega da Silva
RESUMO
O presente artigo discute as possibilidades criadas pela matemática no auxilio a análise de informações e como essa ferramenta pode ser empregada pelos serviços de inteligência governamentais. Sua estrutura baseia-se no uso de computadores e sistemas de informações, ora refletindo sobre seu uso corrente, ora sobre suas possibilidades. Por fim indica um caminho a ser trilhado para desenvolvimento de uma metodologia que traga vantagens ao processo decisório.
INTRODUÇÃO
“A soma de muitos nadas pode ser
alguma coisa”. É com essa celebre
frase de Platt que inicio este artigo.
Desde muito jovens aprendemos que o
processo de produção precisa de
insumos, contudo a engenharia da
informação segue princípio diferente
porque sua matéria prima é intangível e
está disponível por meio de fontes
abertas para todos e a todo o momento
(desconsiderem as fontes fechadas, por
enquanto). Mas para que isso ocorra
não basta possuir potentes
computadores ou softwares
extremamente caros. É preciso, antes
de qualquer coisa, possuir equipes bem
treinadas, com objetivos nobres de
servir a seu país e com criatividade
acima da média. Mas como isso pode
ocorrer? Como se sobressair sobre
outros serviços de inteligência?
1. PENSO, LOGO EXISTO
Muito de nosso entendimento sobre
matemática e probabilidade está
subestimado quando o assunto é
inteligência. Vou tratar do tema ao qual
possuo algum afinco e experiência.
De forma bem simples, podemos dizer
que a probabilidade de algo ocorrer é
calculada pela divisão de quantidade de
ocorrências pela sua chance de ocorrer.
Essa conta explica que uma moeda
(honesta), jogada ao alto, pode dar dois
resultados: cara ou coroa. Uma
ocorrência para duas possibilidades ou
50% de chance.
Se jogarmos a moeda duas vezes
seguidas a probabilidade de acertamos
seu resultado cai para 25%. Se três
para 12,5% e assim sucessivamente
numa tendência exponencial para zero.
Figura 1 – Exemplo de lançamento de moeda (fonte: http://www.sobiologia.com.br)
Até aí tudo bem se não fosse a biologia:
A evolução não nos ensinou a fazer
cálculos exponenciais.
Somente nos últimos 50 mil anos é que
a humanidade começou a viver em
comunidade, desenvolveu a agricultura
e passou por algumas revoluções,
dentre as quais as sociais, industriais e
tecnológicas. Sabemos institivamente,
que duas pessoas podem colher duas
vezes mais frutas ou terminar um
trabalho na metade do tempo, desde
que trabalhem em equipe. A proporção
é óbvia e qualquer criança pode calculá-
la de cabeça, sem o mínimo esforço.
Entretanto, quando começamos a
pensar em números exponenciais, como
os de uma probabilidade, um erro
fatalmente surge. Vou exemplificar esse
possível erro com a história clássica do
xadrez.
Dizem que há muito tempo existiu um
rei que estava entediado e pediu para
seus sábios inventarem um jogo. Depois
de muito tempo um humilde artesão
apresentou o xadrez. O rei ficou tão
maravilhado que pediu para o artífice
solicitar o que quisesse como forma de
agradecimento, e este lhe apresentou a
seguinte proposta: Para cada casa do
tabuleiro vossa majestade me dará um
pouco de arroz. Na primeira casa um
grão, na segunda o dobro da anterior e
assim sucessivamente. Assim, a
primeira terá um grão; a segunda dois; a
terceira quatro; a quinta oito assim por
diante até completar as casas do
tabuleiro. O rei não acreditou em um
pedido tão singelo e exigiu a seus
matemáticos que calculassem o valor.
Qual a surpresa do monarca em saber
que a produção de arroz de todo o
mundo não seria capaz de pagar o
pedido!
A conta é, na verdade uma sequência
simbolizada por 2n, onde “n” é a
quantidade de casas. Basta utilizar uma
calculadora de bolso para verificar o
valor de 1 + 263 (a primeira casa com
um grão somada com a potência de
dois das demais casas) e ver que o
número realmente assusta. Se
colocássemos um grão de arroz ao lado
do outro grão e assim sucessivamente
seria possível realizar mais de 230
milhões voltas a redor do mundo. Haja
arroz!
2. PRINCÍPIOS BÁSICOS DA
ENGENHARIA DA INFORMAÇÃO
Não há como falar de engenharia da
informação, no sentido de inteligência,
sem falar de seus axiomas: dado,
informação e conhecimento.
O dado não possui valor ou sentido,
somente atributos. É uma cor vermelha,
uma sequência de seis números, um
cheiro. Não há transmissão de ideias,
aos menos que esse esteja associado a
outro dado. Vejamos os mesmos
exemplos, dessa vez unidos a outros
dados: a cor vermelha de uma Ferrari;
os seis números da mega-sena ou; o
cheiro de fumaça. Já percebemos
algum sentido. A isso damos o nome de
informação.
A informação possui valor e sentido mas
eles são restritos e subjetivos. Posso
não gostar de Ferrari, nunca ter jogado
na mega-sena e odiar churrascos. Da
mesma forma, um amigo pode achar a
Ferrari “o carro dos sonhos”, fazer uma
fezinha todas as semanas ou nunca
dispensar uma boa picanha. Esse é o
grande problema da informação, é
incompleta e possui infinitas
interpretações. Todavia informações
podem ser combinadas com outras
informações. A Ferrari será dada ao
milionésimo cliente da loja A... Os
números da mega-sena serão os
seguintes... O churrasco de amanhã
será com todos os meus melhores
amigos... A informação contextualizada
dar-se o nome de conhecimento. E esse
conhecimento, ou a sua falta, é a
diferença entre estar digitando um texto
no computador e receber o telefonema
de um grande amigo que odeia
computadores mas está do lado de fora,
em sua linda Ferrari comprada com
parte do prêmio de uma loteria e lhe
convidando para um churrasco em sua
nova mansão.
Brincadeiras a parte, o conhecimento e
sua obtenção são os objetivos de
qualquer serviço de inteligência. É com
base nesses insumos que a estratégia
será desenvolvida para garantir a
segurança (e o desenvolvimento) de um
país.
O conhecimento deve ser acessível, útil
e de fácil compreensão senão perderá o
fim em si mesmo. Mas como conseguir
conhecimento num mundo onde existe
uma quantidade imensa de dados,
informações e contrainformações? Num
mundo onde esses insumos crescem a
ritmo exponencial?
3. O COMPUTADOR E A ANÁLISE DE
INFORMAÇÕES
O computador poder ser descrito como
uma máquina que realiza cálculos
fantásticos e só. Sua arquitetura
remonta a década de 40 do século
passado e é relativamente simples (ver
figura 2).
Figura 2 - Esquematização de arquitetura de computador conhecida como Máquina de
von Neumann (fonte: http://producao.virtual.ufpb.br)
Mas para que serve o computador além
de fazer cálculos? Serve para suprir
uma deficiência biológica da evolução
humana: A de não sermos capazes de
realizar cálculos exponenciais e
complexos exatos, ao menos de
cabeça. Se o computador não existisse
provavelmente teríamos avançado
pouco desde os longínquos anos de
1940. A tecnologia da informação criou
uma revolução que está em pleno vapor
nesse exato momento e sem previsão
de término.
O computador armazena, recupera e
gera dados de forma muito eficiente,
mas não gera informação ou
conhecimento, se assim o fosse não
haveria necessidade de outros
profissionais além dos pertencentes à
tecnologia da informação. Uma boa
notícia para técnicos, engenheiros,
dramaturgos, analistas e agentes de
inteligência.
O coração de máquina bate em seu
usuário e não em sua Unidade Central
de Processamento (UCP ou CPU como
é mais conhecida). O melhor
computador do mundo não fará nada se
não houver criatividade para fornecer os
comandos necessários e pressionar
suas teclas.
3.1. Entropia e desordem
O crescente fluxo de dados da internet,
jornais, tv’s, rádios, informantes, etc e
sua exponenciabilidade geram caos e
desordem.
Nesse mundo interconectado não é
possível filtrar ou avaliar tudo que surge
a nossa volta, tão pouco o que é
gravado em nossos
supercomputadores. O que fazemos?
Preenchemos lacunas com nossa
imaginação e com auxilio da indução,
da dedução e, da criatividade. E isso
também faz parte da evolução. A
questão é tão trivial e corriqueira que
sequer podemos contar uma história
sem omitir parte de seus detalhes, tanto
por não possui-los quanto por restrições
em sua transmissão. Nem por isso
deixamos de ser entendidos como no
caso da história do xadrez contada há
pouco. A mensagem foi repassada e a
ideia compreendida (ao menos assim
espero).
Soma-se a esse oceano de dados e a
dificuldade de interpretá-lo o fenômeno
da entropia, comum a qualquer sistema,
vivo ou não. Podemos defini-la como a
razão da desordem de qualquer
sistema, que aumenta com o tempo. E
são vários os motivos, indo desde a
interação e combinação do sistema com
outros ou ainda por mecanismos de
recorrência a exemplo da famosa
sequência de Fibonacci, uma
recorrência simples e de grau três que é
apresentada na figura 3.
Figura 3 - Representação Gráfica da Sequência de Fibonacci onde um termo (n) depende dos seus dois antecessores (n-1) + (n-2).
A entropia é tão complexa que alguns
autores tais como Bill Bryson, em seu
livro Breve História de Quase Tudo,
defendem que caso rebobinássemos a
fita do Universo e um simples átomo
estivesse fora do lugar poucos
segundos depois do BIG BANG
dificilmente estaríamos aqui para contar
nossa história.
Contudo, a entropia segue modelos
matemáticos - o que é uma boa notícia
para nós porque modelos podem ser
computados. Um dos mais conhecidos
para explicar o caos é o chamado
“modelo de Lorenz” em homenagem ao
matemático e meteorologista Edward
Norton Lorenz que observou o efeito a
partir de uma pequena mudança no
estado inicial de suas fórmulas de
modelagem climática. Seu trabalho é
mais conhecido como efeito borboleta,
não porque o bater das asas de um
borboleta vai causar um tufão em algum
lugar mas pela semelhança de seu
gráficos com as asas do inseto
conforme figura 4.
Figura 4 - Exemplo genérico de gráfico obtido após aplicação de modelo de Lorenz
Hoje, está mais que provado (pela
matemática) que pequenas mudanças
nas condições iniciais de qualquer
sistema podem gerar grandes
mudanças em longo prazo. Assim, se
conhecermos bem as regras de um
sistema será possível determinar o seu
resultado a partir de pequenas
modificações ou correções de curso,
desde que tomadas no início como
medida preventiva e não depois,
quando a casa já estive próxima a cair.
Quem possui um carro e deixou pra
depois a manutenção daquele
barulhinho na caixa de direção sabe
muito bem o que estou dizendo.
Outra característica desse principio nos
induz a pensar que à medida que o
tempo passa tornar-se-á mais difícil
filtrar e a recuperar dados e
informações. E isso sim, será o caos.
3.2. Caos e improbabilidade
Apesar de ser uma desordem em sua
definição formal, o caos pode ser uma
fonte valiosa de informações e
conhecimento desde que se
identifiquem os padrões que o geram.
Isso é uma tarefa difícil mas não
impossível. Para demonstrar isso vou
citar um artigo que publiquei na oitava
edição da Revista Brasileira de
Inteligência (RBI), periódico publicado
pela Agência Brasileira de Inteligência
(Abin). Seu título? O USO DE DATA
MINING PARA A INTELIGÊNCIA DE
ESTADO – Um Estudo de caso.
O artigo descrevia como era possível
prever o comportamento do Produto
Interno Bruto (PIB) de todos os países
do mundo (e do Brasil) com boa
probabilidade de acerto. À época seu
índice de dispersão, ou a probabilidade
de acerto, beirava 0,6 ou 60%, uma
probabilidade muito boa para um
sistema tão complexo quanto à
economia global. É mais difícil acertar o
resultado da moeda jogada uma única
vez que o futuro da economia, para
vocês terem uma ideia. Isso ocorre
porque o lançamento da moeda é
independente e aleatório - o resultado
de um lançamento não depende do
anterior. Já a economia depende de um
estado anterior a exemplo da sequência
de Fibonacci.
Resumindo, utilizou-se uma formula
fechada, ou modelo matemático, para
demonstrar que a partir dos dados de
2005 já havia indicação de queda do
PIB para o ano de 2008. Se o gráfico
fosse prolongado, chegar-se-ia a
conclusão que a partir de 2009 haveria
uma rápida recuperação do PIB e uma
nova queda em 2015 (convido-os e
fazer o teste com aplicação da fórmula
presente naquele artigo). Depois desse
período o padrão se perde pela
limitação dos dados da época
(estávamos em 2012). O que poderia ter
causado aquilo? São várias as
hipóteses: Comportamento caótico ou
falha no modelo são meus principais
pareceres. A resposta virá algum dia,
com perseverança e criatividade. A lição
é que um sistema complexo pode ser
modelado a partir de seu histórico.
Agora imaginem: Se foi possível
identificar os padrões matemáticos, de
sequências e de recorrências, então
também será possível extrair
informações e aplicar a metodologia de
produção de conhecimento. Quais as
possibilidades? Infinitas? Exponenciais?
Um sistema computacional em conjunto
com analistas e agentes de campo em
perfeita simbiose. Um sonho tal qual foi
o avião há um século ou uma
improbabilidade como é o computador
de hoje?
3.3. Modelos, simulações e âncoras
Irônico, mas a ordem surge do caos,
tanto que temos uma sociedade coesa,
países existem e os planetas giram ao
redor do sol. Para entendê-la é
necessário recorrer a modelos,
simulações e a âncoras (ou variáveis
âncoras, sem preferirem).
Um modelo tenta explicar como
determinada variável ou sistema
funciona. Pode ser simples como o
empregado na variação dos PIB’s ou
complexos como os que tentam prever
o clima. Mas todos possuem uma
característica: São falhos.
Falhos porque representam uma parte
do sistema e não o todo. A parábola
formada pelo lançamento de uma bala
de canhão, por exemplo, é uma
aproximação muito boa mas mesmo
assim ainda possui uma probabilidade
de não funcionar exatamente como o
previsto. Basta uma rajada mais forte de
vento, a humidade ligeiramente mais
alta que o normal ou uma quantidade
diferente de propelente para
encontrarmos variações no resultado do
disparo. Nem por isso deixamos de
utilizar os modelos, eles são muito bons,
no entanto nunca devemos esquecer:
Representam parte da solução do
problema.
A simulação é uma tentativa de emular
a realidade e foi aperfeiçoada com o
uso dos computadores aplicando
cálculos sobre um ou conjunto de
modelos. Já não precisamos construir
moldes físicos para prever resultados,
podemos deduzir sua fórmula e aplica-la
para simulação. Uma forma muita mais
rápida e eficaz que nos poupa tempo e
dinheiro (não necessariamente nessa
ordem). Porém, como os modelos são
limitados, as simulações também o são.
Para simular o universo com 100% de
acerto, por exemplo, seria indispensável
criar um modelo que considerasse cada
átomo, temperatura e forças envolvidas.
Em resumo: Seria necessário construir
outro universo, idêntico ao atual, o que
não está ao nosso alcance.
Como ainda não possuímos poderes
divinos e somos péssimos para contar
história recorremos as variáveis do tipo
âncora para subsidiar o processo de
construção do conhecimento. Vou
exemplificar essas variáveis com um
odômetro (aquele marcador que
utilizamos para avaliar quando um
veículo já rodou). Você pode até não
entender de carros mas um odômetro
muito alto lhe indica que devem haver
problemas na sua mecânica, que as
peças devem estar desgastadas e que
seu valor de compra pode estar bem
abaixo do que lhe foi dito pelo
vendedor. Em síntese: Utilizamos uma
parte do sistema para tentar descrever
todo o sistema com uma razoável
margem de acerto. Daí porque o nome
de “variável âncora”.
4. TRANSFORMANDO NADA EM
ALGUMA COISA
Parece contraditório, todavia é possível
extrair informação de um conjunto de
dados aparentemente desordenados
desde que se possua uma boa máquina
de fazer cálculos, criatividade e
perseverança. Para exemplificar isso
vou avaliar 23 manifestações ocorridas
em cidades de grande porte durante o
famoso movimento “passe livre” (ver
figura 5).
O período de estudo está compreendido
entre os dias 7 de maio e 7 de setembro
de 2013 nas cidades de Belo Horizonte,
Brasília, Campinas, Curitiba, Fortaleza,
Goiânia, Natal, Rio de Janeiro,
Salvador, São Luís, São Paulo,
Teresina, Várzea Grande e Vitória. A
fonte de dados será jornais em
circulação da época.
Figura 5 – Foto de passeata durante movimento “Passe Livre”. (fonte: http://jornalggn.com.br/tag/blogs/passe-livre)
A compilação dos dados considerou a
cidade e data onde ocorreram a
manifestações; se estas estavam
inseridas em dias comuns ou feriados; a
quantidade estimada de participantes
de acordo com a Secretaria de
Segurança Púbica (SSP) de cada
localidade. Além desses dados
consideramos os objetivos oficiais dos
manifestantes, classificados como
movimento contra corrupção, redução
de tarifas ou reivindicações (mais
saúde, segurança, salários etc.); a
presença de mascarados; se houve
obstrução de logradouros públicos,
ocupação e depredação de espaços
públicos. Por fim avaliou-se ainda se
existiram confrontos entre os
manifestantes e se estes foram
insolados ou generalizados. O resultado
da compilação dos dados pode ser
visualizado na tabela 1.
.
Tabela 1 - Banco de dados do movimento "passe livre"
Outro parêntese deve ser aberto aqui:
Explicar o “efeito manada” tão falado
por economistas nos jornais matinais.
4.1. O Efeito Manada
O Efeito Manada é utilizado para
descrever o comportamento de grupo
onde os indivíduos reagem de uma
mesma forma. Essa é uma
característica biológica e fez parte da
evolução.
Reagir institivamente a um grito de
terror ou correr quanto todos estavam
Cidade Data Dia Simbólico ObjetivoParticipantes
estimadosMascarados
Confrontos
com a
polícia
Houve
depredação
Ocupação
de
espaços
públicos
Obstrução
de vias
públicas
Belo Horizonte 22/06/2013 OrganizadoContra
corrupção 66.000 Sim Violentos Muita Tentativa Sim
Brasilia 20/06/2013 OrganizadoContra
corrupção 35.000 Sim Violentos Moderada Tentativa Não
Brasilia 02/07/2013 Não Outras 300 Sim Violentos Muita Tentativa Não
Brasilia 07/09/2013 NacionalContra
corrupção 5.000 Não Isolados Não Não Tentativa
Campinas 21/06/2013 Organizado
Reduzir a
passagem
de ônibus
35.000 Sim Violentos Muita Sim Sim
Curitiba 21/06/2013 OrganizadoContra
corrupção 15.000 Sim Violentos Moderada Tentativa Sim
Fortaleza 15/08/2013 Não Outras 100 Sim Isolados Localizada Não Não
Goiania 25/06/2013 Organizado
Reduzir a
passagem
de ônibus
4.000 Sim Isolados Moderada Tentativa Sim
Natal 19/07/2013 Não Outras 300 Sim Isolados Não Tentativa Sim
Rio de Janeiro 12/08/2013 Não Outras 200 Não Isolados Pouco Tentativa Tentativa
Rio de Janeiro 27/08/2013 NãoContra
corrupção 300 Sim Violentos Muita Tentativa Sim
Rio de Janeiro 21/06/2013 Organizado Outras 300.000 Sim Violentos Pouco Tentativa Tentativa
Rio de Janeiro 31/07/2013 NãoContra
corrupção 300 Sim Violentos Moderada Não Tentativa
Salvador 20/06/2013 Organizado
Reduzir a
passagem
de ônibus
15.000 Sim Violentos Moderada Não Tentativa
São Luís 20/06/2013 OrganizadoContra
corrupção 15.000 Sim Violentos Muita Tentativa Não
São Paulo 11/06/2013 Não
Reduzir a
passagem
de ônibus
5.000 Sim Violentos Muita Sim Sim
São Paulo 12/06/2013 Não
Reduzir a
passagem
de ônibus
10.000 Sim Violentos Muita Sim Tentativa
São Paulo 07/09/2013 Nacional Outras 2.000 Sim Isolados Pouco Tentativa Não
Teresina 20/06/2013 Organizado Outras 10.000 Não Isolados Moderada Não Não
Varzea Grande 22/06/2013 Organizado
Reduzir a
passagem
de ônibus
4.000 Não Isolados Localizada Tentativa Não
Vitória 07/05/2013 NãoContra
pedágio 3.000 Sim Isolados Localizada Não Sim
Vitória 07/09/2013 NacionalContra
corrupção 100 Sim Violentos Não Não Tentativa
correndo e gritando foi muito mais útil a
nossa sobrevivência que ficar parado
tentando analisar a situação. Esse efeito
foi descrito com maestria por Harald
Welzer em seu livro Guerras Climáticas.
Hominídeos excessivamente analíticos
não ficaram vivos para passar seus
genes. Hoje somos os descendentes
daqueles que corriam e perduramos
esse instinto.
A vantagem do Efeito Manada? Eu não
consigo prever o que você fará daqui a
dez minutos mas muito provavelmente
você se reunirá com sua família ou
amigos durante o natal e o ano novo, de
qualquer ano. Temos uma nova âncora
que pode ser utilizada como fonte de
informações!
Mas nem tudo são padrões. Sua
ausência e tão ou até mais importante
quanto os padrões em si. Por enquanto
vamos nos atentar ao primeiro artifício.
4.1. Análise preliminar das variáveis
Utilizou-se análise de probabilidade por
meio de software estatístico para
avaliação preliminar da tabela 1, o que
resultou na exclusão das cidades,
datas, obstrução de logradouros e
ocupação de espaços públicos uma vez
que os dados não possuíam
relacionamento com as demais (a
probabilidade tendia a “0”).
O resultado gerado a partir da análise
correlacionou as demais variáveis e
possibilitou o desenvolvimento de um
grafo – Um modelo matemático onde a
relação entre variáveis pode ser
representada sob a forma de desenhos.
O modelo apresentado nesse formato é
simples e bem intuitivo como pode ser
visto na figura 6.
Figura 6 - Grafo com resultado de procedimento estatístico (fonte: Autor)
O grafo indica que a existência de
confronto com a SSP possui duas
origens primárias: O número de
participantes estimados e; Os objetivos
das manifestações. A presença de
mascarados, o tipo do dia e a existência
de depredações surgem como causas
secundárias dos conflitos, ou seja,
fazem parte dos meios e não da causa
ou da consequência. Observem:
Descobrimos nossas variáveis âncoras
com apoio do Efeito Manada!
Chamo atenção novamente para a
criatividade: Como fazer o computador
entender o modelo? Como elaborar um
algoritmo para prever conflitos
generalizados?
Vamos recorrer novamente aos
gráficos, dessa vez compostos por
árvores tipo ternárias como o
apresentado na figura 7.
Figura 7 – Representação de Algoritmo com a probabilidade de confrontos
(fonte: Autor)
A leitura da tabela 1 e das figuras 6 e 7
nos ensinam que:
A presença de mascarados sempre
gera depredação contra patrimônio
e tentativa de invasão de espaços
públicos, independente da
motivação;
Movimentos para redução de tarifas
com maior participação de
mascarados possuem mais casos
de violência e depredação;
Reivindicações diversas por direitos
sociais geram movimentos mais
pacíficos, independente da
quantidade de manifestantes.
Feriados possuem menor
probabilidade de conflitos violentos.
Interessante não? Basta ver se o
modelo continua valendo para próximos
conflitos ou se o mesmo precisa de uma
adequação. Por enquanto é prudente
enviar tropas para manifestações com
mais de 12.500 indivíduos ou sempre
que se verificarem mascarados,
independente de quantidade de
manifestantes... só por segurança.
5. PENSANDO FORA DA CAIXA
Vamos aos fatos: Todos os seres vivos
possuem padrões de comportamento
mensuráveis e se comportam mais ou
menos da mesma forma quando
inseridos num grupo. A matemática, a
probabilidade e o computador podem
simular parte desse comportamento,
desde que os modelos sejam
adequados em confiáveis. Dessa forma
é possível simular qualquer sistema vivo
ou medir a influência desses seres num
ambiente qualquer, desde que se utilize
variáveis âncoras!
O quão próximo estamos dessa
realidade?
5.1. Variação do Índice de Preços ao
Consumidor (IPCA) e seu
comportamento nos próximos meses
Vou recorrer mais uma vez a algum
parâmetro econômico por ser de fácil
acesso. Para isso vamos avaliar a
evolução do IPCA medido mensalmente
pelo Instituto Brasileiro de Geografia e
Estatística (IBGE).
O IPCA mede a variação dos preços ao
consumidor. É uma medida da inflação.
Para a análise vou considerar os últimos
36 meses (junho de 2013 até hoje) e
criar uma fórmula que descreve a
sequência fechada de sua evolução de
2013 até hoje (ver figura 8).
Figura 8 – Variação do IPCA de 06/2013 a 06/2015 e previsão de seu comportamento até junho de
2016 (fonte: O autor)
A linha vermelha representa a variação
desse índice. A azul um modelo
baseado em padrões matemáticos. A
preta um polinômio (formula fechada)
para identificar a média dos IPCA’s
observados. Observem que o parâmetro
de dispersão (ou de probabilidade de
ocorrência) é de 0,894 ou 89,4%. Um
valor muito bom.
Mas não vou me limitar a descobrir a
dispersão, quero saber como o IPCA vai
se comportar nos próximos 12 meses.
Isso é possível? Sim, com relativa
margem de acerto.
O que me diz o polinômio? Que
deveremos ter um aumento na taxa do
IPCA até meados de março de 2016,
quando o índice deverá estabilizar e por
fim baixar, um pouco. Mas isso não é
uma certeza, apenas uma
probabilidade. Contudo ainda devo
avaliar as flutuações ocasionais uma
vez que o modelo não as considera.
Felizmente há como realizar esse tipo
de inferência, não ainda para previsão
mas para avaliar os desvios locais, os
efeitos borboletas, e corrigi-los antes
que eles se tornem maiores e mais
difíceis de controlar. Compare o modelo
matemático com a realidade e observe
que ambos são muito próximos (o
desvio de cerca de 2%). Tomei a
liberdade de hachurar os desvios das
curvas para destaca-los.
Observe que hora o IPCA aumentou
além do previsto, hora ficou abaixo. Isso
ocorreu porque todo ser vivo ou seus
sistemas procuram o equilíbrio de forma
a ser adequar ao meio. São dinâmicos!
Esse tipo de concepção é um processo
natural e foi definido por Maturana como
o processo de Autopoiese.
Agora que vocês já conhecem todos os
conhecimentos âncoras é que posso,
enfim, apresentar como a matemática e
a simulação podem nos tonar mais
espertos.
6. FAZENDO TUDO SE ENCAIXAR
Quando analisamos sistemas vivos
sempre nos deparamos com variações
locais sob a forma de ondas que são de
difícil modelagem. Mas lembrem-se, ser
difícil não equivale a ser impossível.
O gráfico de qualquer sistema dinâmico
se apresenta como uma ou a soma de
várias ondas como num modelo
ecológico clássico apresentado na
figura 8.
Figura 8 – Exemplo de gráfico contento
simulação de sistema dinâmico
(fonte:http//bioift.files.wordpress.com)
A simulação nos dá pistas, futuros
prováveis que devem ser estudados
com afinco, no entanto, bem mais
importante que o modelo é a análise do
que não deveria ocorrer no próprio
modelo a exemplo das flutuações do
IPCA ao longo dos últimos três anos. O
que elas representam? Um ruído que
pode ser resultado de uma anomalia.
Esta anomalia deve ser avaliada - a
peso ouro - pelos serviços de
inteligências governamentais porque
fogem do convencional. São induzidas,
consciente ou inconscientemente, e
comportam-se como âncoras que
indicam que algo esta errado ou que vai
acontecer. Podem indicar inclusive que
uma mão pode está movendo os fios,
modelando a futuro...
Nesse momento me lembro de uma
frase do cientista-futurista Alvin Toffler:
Ou você tem uma estratégia própria, ou
então é parte da estratégia de alguém.
7. CONCLUSÕES
Prever a crise financeira e 2015,
padrões de conflitos e os valores das
compras nos próximos meses são
informações muito importantes, sem
dúvida, mas descobrir aonde elas
principiam, quem as provocou e como
reduzir seu impacto será, com certeza,
indispensável.
7.1. Recomendações
Uma forma de modelar sistemas que se
comportam como onda está no uso das
séries de Fourier. Essas séries
representam funções periódicas com
maestria.
Além de auxiliar na modelagem das
séries, os modelos baseados em
Fourier também podem ser utilizados
para encontrar ruídos em sistemas que
se comportam como ondas. As
possibilidades para a inteligência? São
exponenciais.
8. BIBLIOGRAFIA
BRYSON, Bill. Breve história de quase tudo. São Paulo. Companhia das letras,
2003;
MATURANA, Humberto. Cognição, ciência e vida cotidiana. Organização e
tradução Cristina Magro, Victor Paredes. - Belo Horizonte: Ed. UFMG, 2001.
PLATT, Washington. A produção de informações estratégicas. Rio de Janeiro:
Livraria Agir/Bibliex, 1978;
WELZER, Harald. Guerras Climáticas - Por que Mataremos e Seremos Mortos
no Século 21. São Paulo, geração Editorial, 2010.