Modelo
Teorético
Material (p. e., o modelo
hidráulico da economia em uma região) Modelo ideal suposto em teoria Interpretação de uma teoria abstrata
Icônico (p. e., a metáfora da
fechadura e da chave como modelo das enzimas).
Simbólico (p.e., a sociedade
democrática na ciência política).
Conceitual (p.e., uma interpretação
aritmética da teoria de grupos).
Factual (p.e., uma interpretação
física da geometria euclidiana).
Mista (p.e., a teoria geral dos
Podemos identificar nas ciências cognitivas suas orientações a partir tanto pelos métodos a que recorrem quanto pelas teorias esboçadas. As teorias interessam ao pesquisador na medida em que sugerem experiências, orientam o planejamento e a interpretação. É neste contexto que se faz necessária a construção de modelos. Os modelos são especialmente apropriados ao mundo do computador, da automação, da tecnologia, da indústria e no campo militar, mas uma certa cautela é necessária.
Se, por um lado, a construção de modelos nas ciências cognitivas facilita, racionaliza, instrumentaliza as descrições que podemos ter a respeito do funcionamento dos dispositivos cerebrais e suas relações com o mental, por outro, é necessário ter presente os possíveis exageros e falácias que a demasiada fé em tais modelos pode nos induzir. Sendo assim, seguindo Kaplan, vamos enumerar algumas das insuficiências dos modelos quando aplicados aos objetos das ciências cognitivas.
1.9.1 A ênfase nos símbolos
De Pitágoras a Russell e Wittgenstein, não esquecendo de Leibniz, o ideal de uma linguagem simbólica, lógica e/ou matemática constitui um estatuto do que é considerado ciência. No entanto, o que não podemos esquecer, quando temos por objeto o humano, em especial no que diz respeito aos processos que envolvem o cérebro e a mente, é que os modelos simbólicos e matemáticos têm um caráter pedagógico e retroativo, porque nos auxiliam a esclarecer e estabelecer codificações, definições econômicas, mas que
não especificam a maneira como os termos definidos são efetivamente usados. [...] Elaborar notações correspondem, muitas vezes, apenas codificar o óbvio e, embora os símbolos possam ser mais econômicos, e talvez mais inteligíveis do que o jargão dos estilos literários e acadêmicos [...], nem sempre adquirem conteúdo (Kaplan, 1972, p.285).
Um exemplo da aplicação desta ênfase é a utilização dos algoritmos na base da Ciência da Computação. Entende-se por algoritmo o conjunto de processos e, conseqüentemente, os símbolos que o representam, usados na realização de um cálculo. Um programa de
computador, com o objetivo de executar uma tarefa, necessita de passos, representados por algoritmos, os quais simbolizam tais instruções.
1.9.2 A Ênfase na forma
Tal ênfase consiste em ver os modelos a partir de um ponto de vista racionalista, identificando a verdade com o sistema e a ordem lógica que se preocupa muito mais com a forma
lógica do que com o conteúdo empírico. As exigências de um modelo lógico ou matemático
podem levar a ilusão de se supor saber algo que de fato se ignora.
Podemos estar recorrendo ao modelo precisamente para verificar quanto ou quão pouco do que suspeitamos é, efetivamente, verdadeiro. O perigo está em o modelo limitar nossa consciência das inexploradas possibilidades de conceituação. Distraímo-nos com o modelo, quando melhor faríamos quando nos ocupássemos do próprio objeto [...]. Em suma, construir um modelo pode cristalizar nossos pensamentos numa altura que melhor seria fossem eles deixados em estado de solução, para permitir que novos compostos se precipitassem (Kaplan, 1972, p.286).
O interesse pelo modelo é maior ou suplanta o interesse pelo o objeto que ele é modelo, esquecendo seu aspecto heurístico e orientador.
O modelo com esta ênfase pode ser exemplificado com a Máquina de Turing29 que, ao certo, não é propriamente uma máquina, mas um dispositivo teórico desenvolvido por Alan M. Turing (1938) antes da existência dos computadores digitais. Esta “máquina” é um modelo abstrato de computador, limitando-se exclusivamente a seus aspectos lógicos de funcionamento. Para tal modelo, não importa sua implementação física.
29 A descrição sucinta de uma Máquina de Turing consiste, primeiramente em uma fita dividida em células, uma
adjacente à outra. Cada célula contém um símbolo de algum alfabeto finito. O alfabeto contém um símbolo especial
branco (no caso escrito como 0) e um ou mais outros símbolos. Parte-se do pressuposto de que a fita é
arbitrariamente extensível para a esquerda e para a direita, isto é, a máquina de Turing possui tanta fita quanto é necessário para a computação. Da mesma forma, se pressupõe também que células que ainda não foram escritas estão preenchidas com o símbolo branco. Um segundo item da Máquina de Turing é um cabeçote que “lê” e “escreve” símbolos na fita, movendo-se para a esquerda e para a direita. O terceiro item é o registrador de estados, que armazena o estado da Máquina de Turing. O número de estados diferentes é sempre finito e há um estado especial denominado estado inicial com o qual o registrador de estado é “inicializado”. Como quarto item, temos uma tabela de ação (ou função de transição) que “diz” à máquina qual símbolo dever ser escrito, como deve-se mover o cabeçote ('E' para esquerda e 'D' para direita) e qual será seu novo estado, dados o símbolo que ele acabou de “ler” na fita e o estado em que se encontra. Caso não haja nenhuma entrada na tabela para a combinação atual de símbolo e estado, então a máquina “pára”. Vale destacar que cada parte da Máquina de Turing é finita. No entanto, sua quantidade de fita é potencialmente ilimitada, garantindo uma quantidade ilimitada de espaço de armazenamento.
1.9.3 A super-simplificação
A super-simplificação ocorre quando algo relevante ou fundamental foi esquecido para os propósitos daquele modelo. Em especial, essa insuficiência ocorre em relação aos modelos físicos, nas situações de laboratórios que são artificiais. No entanto, ao se passar do modelo para o fenômeno, em situação normal ou real, “essa situação é particularmente de esperar quando não sabemos que fatores é possível desprezar com segurança ou quando não podemos tratar, com a matemática que dispomos para o modelo, alguns fatores que já sabemos serem importantes, naquele contexto de investigação” (Kaplan, 1972, p.289). Tal insuficiência surge quando não se leva em conta que os modelos proporcionam apenas aproximações importantes para um estágio X da investigação, ou seja, são úteis, valiosos por nos proporcionar indicações do que é aceitável ou não, mas, e isto não pode ser esquecido, podem ser aperfeiçoados na medida em que a investigação progrida.
Um conhecido exemplo de super-simplificação de modelo foi aquele utilizado para a elaboração da teoria da frenologia30. Para a frenologia, a teoria personalidade poder ser determinada em grande parte pelo formato do crânio. Assim, as características da personalidade, como o grau de criminalidade, por exemplo, são identificados pela forma da cabeça, de acordo com suas protuberâncias.
1.9.4 A ênfase no rigor
30 Esta teoria foi desenvolvida no artigo A Anatomia e Fisiologia do Sistema Nervoso em Geral, e do Cérebro em Particular (1800), do médico alemão Franz Joseph Gall (1758-1828), sendo popular e aceita no século XIX.
Considera-se que o responsável pela disseminação da teoria de Gall foi seu colaborador mais importante, Johann Spurzheim (1776-1832) que com êxito divulgou a frenologia principalmente no Reino Unido e nos Estados Unidos. Atualmente está desacreditada e classificada como uma pseudo-ciência. A Frenologia, embora não considerada mais válida, contribuiu com a ciência médica fornecendo um modelo de que as idéias de que o cérebro é o órgão da mente e áreas específicas do cérebro estão relacionadas com determinadas funções do cérebro humano.
A exatidão depende do estado do conhecimento e das técnicas que se dispõem em uma época, e isto impõe limites ao tratamento dos objetos. Modelos inadequadamente exatos
exigem medidas que, em verdade, não podemos conseguir ou que não saberíamos usar, caso pudéssemos conseguir. [...] Creio que essa deficiência é traço freqüente dos modelos de postulado e, em especial, dos modelos formais. Muitos desses modelos, apesar de todo seu rigor, não apresentam grande fertilidade dedutiva. [...] E a fertilidade dedutiva não pode ser tomada apressadamente como sinal de correspondente fertilidade
heurística: riqueza de implicações para observações, experimento ou conceituação
posteriores (Kaplan, 1972, p.291).
Como exemplo desta ênfase de rigor da aplicação de modelos podemos tomar por base as teorias da identidade, que, em filosofia da mente, procuram explicar o mental como algo igual a cerebral (o mental se explica pelo material). Neste caso, a dor31, por exemplo, pode ser explicada como uma condução do impulso nervoso diretamente relacionada ao diâmetro da fibra. A dor aguda e súbita é transmitida pelas fibras-A, enquanto que a dor persistente e mais lenta é transmitida pelas fibras-C. Estas fibras levam os impulsos até a corda espinhal, a qual conduz a informação até o tálamo. Neste momento a dor é detectada: quando a informação atinge o tálamo.
1.9.5 Ênfase de estatística
Ignora que o modelo é um modo de representação e que nem todos os seus traços correspondem a características do objeto. Todo modelo apresenta traços que são irrelevantes em relação ao isomorfismo, em virtude do qual ele se constitui um modelo: de uma certa forma, a insuficiência aqui é o inverso da insuficiência de super-simplificação, porque ao invés de excluir, inclui no modelo aspectos que efetivamente não estão lá.
A evidência em favor de uma teoria, por mais forte que seja, não constitui prova da existência física de um modelo particular dessa teoria, capaz de representa-la em todos os seus traços. A leitura gráfica pode exceder-se a ponto de resultar em identificação completa de uma teoria com seu modelo, confusão facilitada pelo emprego que leva a aplicar a palavra ‘modelo’ indiscriminadamente, a modelos semânticos formais e interpretativos. Entende-se, então, erroneamente, que a teoria diz respeito aos objetos do
31 Segundo Teixeira, um neurocientista poderia pesquisar a dor a partir desta perspectiva materialista. No entanto,
algumas questões continuam não respondidas. “Digamos que após algumas investigações ele conclua que o estado mental correspondente a sentir que uma determinada dor ocorre sempre que as fibras-C do sistema nervoso forem estimuladas. Ora, será que podemos afirmar que ‘estimular as fibras-C’ significa explicar o que é sentir uma determinada dor? Até que ponto a descrição de uma dor como ‘estimulação de fibras-C’ realmente expressa os aspectos subjetivos e conscientes envolvidos em sentir uma determinada dor? Ou, em outras palavras, será que a descrição ‘estimular as fribras-C’ poderia expressar o que significa uma determinada dor?” (Teixeira, 2000, p.21).
sistema que constitui o modelo interpretativo, com todas as suas propriedades, independentemente de elas integrarem ou não a estrutura relevante (Kaplan, 1972, p.292).
A Teoria da Informação incorre na ênfase de estatística. A teoria foi fundada por C. E. Shannon32 (1948) e é entendida como um ramo da teoria da probabilidade, assim como da matemática estatística. Visa trabalhar principalmente com sistemas de comunicação, transmissão e compreensão de dados, codificação e criptografia. Shannon desenvolveu a teoria de que a comunicação é fundamentalmente um problema matemático alicerçado rigorosamente na estatística.
1.9.6 Ênfase pictórica
Similaridades existem em uma dada perspectiva, que depende de um específico modo de representação. Só em suas propriedades estruturais um modelo se assemelha àquilo que ele reflete. Para Kaplan, é comum não compreendermos uma questão básica sobre as propriedades endógenas de um sistema: “só são endógenas com relação à perspectiva que o refere a um segundo sistema, de sorte que um possa servir de modelo para o outro. Em perspectivas diferentes, adequadas a outros contextos ou a outros ‘níveis’ de análises, poderão tornar-se relevantes propriedades muito diversas” (Kaplan, 293). A ênfase pictórica toma o modelo não como uma metáfora científica, mas como enunciado literal e quanto mais fundamentada e comum for a metáfora, maior será o risco de ela ser tomada literalmente.
Pensemos: ‘é isto’, em vez de: ‘assemelha-se a isto’. Há sempre semelhanças a apontar. Buscamos aquelas que favoreçam o avanço da investigação ou que de alguma maneira venham a permitir, digamos, previsão ou controle. Mas o fato de ser útil não transforma a semelhança em identidade, e mesmo a identidade parcial depende do ponto de vista (Kaplan, 1972, p.294).
Uma das funções da teoria é a unificação e a sistematização, mas não é necessário que isso se faça pela escolha do modelo como um retrato, por semelhança perfeita.
32 Há um consenso que a disciplina da Teoria da Informação se originou com a publicação do artigo The Mathematical Theory of Communication de Claude E. Shannon, em 1948. Não temos a intenção de aqui
explicitarmos completamente a teoria de Shannon, mas apenas a característica do modelo para o desenvolvimento dessa teoria. O importante é que esse modelo predominantemente estatístico disponibilizou aos engenheiros da comunicação um modo de determinar a capacidade de um canal de comunicação em termos de ocorrência de bits. Vale destacar que teoria não se preocupou (pelo menos prioritariamente) com a semântica dos dados, mas sim com os aspectos relacionados à perda de informação na compressão e na transmissão de mensagens com “ruído” no canal.
Para exemplificar a ênfase pictórica na utilização dos modelos, tomemos o estudo do cérebro por ressonância magnética funcional (RMF). Num experimento de RMF, determinado número de imagens são adquiridas durante o período de estimulação, proveniente de uma tarefa cognitiva. Outro número de imagens é, também, adquirido durante o período de ausência do estímulo em questão. A descrição aqui é de um experimento simples que adquire imagens ora durante estimulação, ora imagens durante repouso. A partir das imagens obtidas nestas duas condições, é possível identificar quais áreas do cérebro possuem variação do sinal magnético que se correlaciona com a função repouso e estimulação.