O diretor da principal instituição de pesquisa francesa, Pablo Jensen, afirma na FAPESP Week France que replicar as técnicas de modelagem matemática e de ciência de dados no campo das ciências sociais nem sempre funciona (imagem: Gerd Altmann / Pixabay)

Pesquisador questiona uso de inteligência artificial para prever decisões humanas
29 de novembro de 2019

O diretor da principal instituição de pesquisa francesa, Pablo Jensen, afirma na FAPESP Week France que replicar as técnicas de modelagem matemática e de ciência de dados no campo das ciências sociais nem sempre funciona

Pesquisador questiona uso de inteligência artificial para prever decisões humanas

O diretor da principal instituição de pesquisa francesa, Pablo Jensen, afirma na FAPESP Week France que replicar as técnicas de modelagem matemática e de ciência de dados no campo das ciências sociais nem sempre funciona

29 de novembro de 2019

O diretor da principal instituição de pesquisa francesa, Pablo Jensen, afirma na FAPESP Week France que replicar as técnicas de modelagem matemática e de ciência de dados no campo das ciências sociais nem sempre funciona (imagem: Gerd Altmann / Pixabay)

 

Maria Fernanda Ziegler, de Lyon | Agência FAPESP – A Física permite identificar regras universais que possibilitam prever fenômenos da natureza. Essas regras, porém, não valem para os fenômenos sociais. “Descobrir uma mecânica social é outro desafio”, disse Pablo Jensen, do Laboratório de Física da École Normale Supérieure de Lyon, em palestra na FAPESP Week France.

Jensen, que também é diretor de pesquisa do Centre National de la Recherche Scientifique (CNRS), é físico de formação e tem se dedicado ao estudo de sistemas sociais em colaboração com cientistas da computação e cientistas sociais. Seu último livro, Pourquoi la société ne se laisse pas mettre en équations (Por que a sociedade não se deixa encaixar em equações, em livre tradução), questiona a intenção de replicar as técnicas de modelagem matemática e de ciência dos dados no campo das ciências sociais.

Como exemplo, ele cita a dificuldade de estimar como os eleitores de um país podem mudar de um candidato para outro, seja em uma eleição de dois turnos ou em eleições subsequentes.

O obstáculo inicial, de acordo com Jensen, está na falta de dados. Outro problema está justamente na imprevisibilidade dos indivíduos. “Embora exista uma média nacional e seja possível encontrar coeficientes de mudanças em determinadas regiões de um país, há instabilidades e imprevisibilidades difíceis de modelar”, disse.

“Minha experiência como físico mostra que usar equações ou matemática para descrever um objeto só é útil se houver estudos empíricos”, disse.

Geometria da vida

No mesmo painel da FAPESP Week France dedicado ao tema Machine Learning, Patrice Abry, também diretor de pesquisa do CNRS, apresentou resultados obtidos com uma técnica de aprendizado de máquina que une matemática (geometria de fractais) e análise de imagens.

Abry tem desenvolvido aplicações que vão desde análise de imagens médicas para detecção de câncer até a análise de texturas e detecção de objetos.

“Essas imagens fractais são estatística pura. São muito interessantes por terem um efeito matemático para se trabalhar teoricamente e também porque têm sido muito usadas em aplicações da vida real”, disse.

O simpósio FAPESP Week France foi realizado entre os dias 21 e 27 de novembro, graças a uma parceria entre a FAPESP e as universidades de Lyon e de Paris, ambas da França. Leia outras notícias sobre o evento em www.fapesp.br/week2019/france/.
 

  Republicar
 

Republicar

A Agência FAPESP licencia notícias via Creative Commons (CC-BY-NC-ND) para que possam ser republicadas gratuitamente e de forma simples por outros veículos digitais ou impressos. A Agência FAPESP deve ser creditada como a fonte do conteúdo que está sendo republicado e o nome do repórter (quando houver) deve ser atribuído. O uso do botão HMTL abaixo permite o atendimento a essas normas, detalhadas na Política de Republicação Digital FAPESP.