Cisne Negro. Quantas vezes você já ouviu falar de Cisne Negro? Infelizmente não tem nada a ver com Natalie Portman, mas é um termo muito mais "absoluto". Descreve um evento extremamente improvável, mas que se ocorrer pode causar transtornos gigantescos. Dois exemplos acima de tudo? A crise financeira de 2008 e... tudo o que vimos desde 2020.
Por definição, ninguém vê um cisne negro chegando, senão que cisne negro seria? Imprevisível. Ponto. Mas os pesquisadores de Stanford não são do tipo que param na primeira (nem na centésima) dificuldade, e por isso estão tentando mudar as coisas. Eles estão construindo um método computacional para tentar prever quando o próximo evento "imprevisível" ocorrerá.
Podemos prever um cisne negro?
“Esse trabalho é empolgante porque é uma oportunidade de pegar o conhecimento e as ferramentas computacionais que estamos construindo no laboratório e usá-los na realidade. Para entender melhor (e até mesmo prever) o que acontece no mundo ao nosso redor”, diz. bo wang, professor assistente de bioengenharia em Stanford e autor sênior do estudo.
Publicado em PLOS Computational Biology, o método é baseado em sistemas naturais e pode ser útil em pesquisas ambientais e de saúde. (Aplicações em outros campos com eventos de cisne negro, como economia e política, podem vir logo depois.)
"Os métodos de previsão existentes dependem de dados passados para prever os futuros", diz Wang. "E é por isso que eles tendem a prever o previsível, não o imprevisível como um cisne negro." O novo método, inspirado pelo pesquisador Sam Bray, que trabalha no laboratório de Wang, insere um elemento desconhecido na equação. Ele assume que estamos vendo apenas uma parte do mundo e tenta descobrir o que está faltando.
A ciência do imprevisível
Bray vinha estudando comunidades microbianas há anos e durante esse tempo observou alguns eventos em que um micróbio explodiu na população, eliminando seus rivais. Bray e Wang se perguntaram se isso também poderia acontecer fora do laboratório e, em caso afirmativo, se poderia ser previsto.
Para descobrir, os dois não só precisavam encontrar sistemas ecológicos nos quais esse cisne negro já havia ocorrido, mas esses sistemas também precisavam ter grandes e detalhadas quantidades de dados, tanto sobre os próprios eventos quanto sobre o ecossistema.
Para o desenvolvimento do método, três conjuntos de dados de sistemas naturais foram escolhidos: medições de algas, cracas e mexilhões na costa de Kiwi tirada mensalmente por 20 anos; níveis de plâncton do Mar Negro, tirada duas vezes por semana durante oito anos; e um estudo de Harvard que ele realizou medições de carbono desmatadas de uma floresta a cada meia hora desde 1991.
Os pesquisadores processaram todos esses dados usando física estatística. Especificamente, eles usaram modelos desenvolvidos para avalanches e outros sistemas naturais com flutuações físicas de curto prazo, extremas e não anunciadas, as mesmas qualidades que distinguem um evento semelhante a um cisne negro. Tomando essa análise, eles desenvolveram um método para prever um evento de cisne negro.
Um preditor de cisne negro! Funciona?
O método pretende ser aberto a variáveis como espécie e escala de tempo, permitindo trabalhar mesmo com dados de menor qualidade. Armado com fragmentos mostrando apenas variações mínimas, o método previu com precisão o evento do cisne negro. Funcionou, sim.
Wang e Bray esperam ampliar esse "preditor" para outros campos onde um cisne negro pode ocorrer: economia, epidemiologia e física. O trabalho une um campo emergente de algoritmos de inteligência artificial e modelos computacionais voltados para eventos extremos, incluindo aqueles destinados a prever incêndios florestais, auxiliar na busca e resgate no mar e otimizar a resposta a emergências.
