A palavra é… BAYESIANO
“Não é porque você consegue conceber uma crítica válida à uma manifestação artística negra que ela precisa ser publicada. Quem sabe a ausência de crítica por parte de pessoas negras deve ser incorporada como um sinal de que a crítica não é necessária, caro colega bayesiano branco.” (@g_exel, no Twitter, em 3 de agosto)
“Acabei de descobrir sobre os princípios do raciocínio bayesiano. É isso que o mundo precisa aprender. Eu acho que está ligado ao conceito de Growth Mindset e permanente aprendizado.” (@hossydossy, no Twitter, em 4 de agosto)
O que é:
- O teorema bayesiano (também conhecido como Lei de Bayes ou Regra de Bayes) descreve a probabilidade de um determinado evento acontecer com base no conhecimento a priori disponível, alterando essa probabilidade a medida em que novas evidências são obtidas.
- O matemático Richard Price, amigo e colega de Thomas Bayes (1702 – 1761), explica a Lei de Bayes usando como exemplo uma pessoa que vê o sol nascer pela primeira vez. A princípio, ele não sabe se está diante de um fenômeno típico ou de um episódio insólito, mas a cada dia que vê o sol nascer, aumenta sua confiança. Aos poucos, por meio dessa forma de dedução apenas estatística, a probabilidade que ele aplica à previsão de que o sol irá nascer no dia seguinte se aproxima de 100%, embora nunca chegue a esse ponto.
Quem usou:
“No jargão estatístico, ‘probabilidades a priori’ são conhecimentos e crenças, inevitavelmente confusos e incertos, anteriores às evidências. Uma determinada evidência exige uma atualização; e, em seguida, mais evidências solicitam mais atualizações, e assim por diante. Esse processo aprimora as certezas e gera um acúmulo coerente de conhecimento. No início da era da pandemia, por exemplo, a transmissão aérea do Covid-19 não era considerada provável, mas no início de julho a Organização Mundial da Saúde, de posse de evidências científicas crescentes, admitiu que é um fator importante, especialmente em ambientes fechados. A OMS atualizou suas ‘probabilidades a priori’ e mudou sua orientação.
Esse é o coração da análise bayesiana, batizada em homenagem a Thomas Bayes, um pastor presbiteriano do século 18 que era também matemático. A análise bayesiana calcula a incerteza em termos de probabilidade: o teorema de Bayes é um dispositivo para atualizar racionalmente suas crenças e incertezas anteriores com base nas novas evidências observadas.
O reverendo Bayes expôs suas idéias no livro ‘Um Ensaio para Resolver um Problema na Doutrina das Oportunidades’, publicado postumamente em 1763 e revisado pelo pregador e matemático Richard Price. Alguns séculos depois, estruturas e métodos bayesianos, alimentados pela computação, estão no centro de vários modelos em epidemiologia e outros campos científicos. Como Marc Lipsitch, um epidemiologista de Harvard, observou no Twitter, o raciocínio bayesiano se aproxima muito de sua definição de racionalidade. ‘À medida que aprendemos mais, nossas crenças devem mudar’, disse Lipsitch em uma entrevista. ‘Um extremo é decidir o que você pensa e ser imune a novas informações. Outro extremo é privilegiar demais a última coisa que você aprendeu. Em termos grosseiros, o raciocínio bayesiano é uma maneira baseada em princípios de integrar o que você pensava anteriormente com o que você acabou de aprender, chegando a uma conclusão que incorpora os dois com pesos apropriados. ” (Siobhan Roberts, no jornal The New York Times, em 4 de agosto)
“Nas últimas décadas, testemunhamos uma revolução silenciosa na compreensão da probabilidade e, com ela, na produção de conhecimento. Pode-se chamá-la de revolução bayesiana, em referência ao estatístico Thomas Bayes, do século 18, que propôs que a probabilidade representa não uma avaliação objetiva da frequência de um evento, mas uma medida subjetiva de crença: uma previsão informada sobre se um evento ocorrerá. Embora relativamente simples em termos matemáticos, a estatística bayesiana era difícil de operacionalizar até pouco tempo atrás. Com o desenvolvimento da capacidade computacional moderna, a probabilidade bayesiana ganhou relevância, oferecendo uma maneira de transformar os grandes volumes de dados agora capturados em previsões e insights. O cálculo fornece a lógica subjacente para o mecanismo de pesquisa do Google, o modo de cobertura política do site Five Thirty-Eight e as negociações algorítmicas nos mercados financeiros. Quase tudo o que consideramos inteligência artificial também é um produto da aplicação de estatísticas e probabilidade a um campo crescente de problemas – do policiamento preventivo ao namoro online, dos anúncios direcionados à detecção e interpretação de voz. Sempre que você vê um gráfico avaliando o provável resultado de uma eleição ou uma recomendação com base no que outras pessoas ‘como você’ fizeram, você está experimentando os produtos da probabilidade bayesiana em ação.” (Justin Joque, no site Real Life, em 28 de março de 2019)
Confira um vídeo que explica como funciona o teorema bayesiano (em inglês, sem legendas)
Cláudia Laitano é jornalista, com especialização em Economia da Cultura. É mestranda em Literatura pela UFRGS, com pesquisa sobre Carlos Reverbel. É autora de “Agora eu era” e “Meus livros, meus filmes e tudo o mais”, ambos pela L&PM.
