5. A VALORIZAÇÃO DO VOCABULÁRIO FISICALISTA E A
5.4. O FUNCIONALISMO E O PROBLEMA DA REPRESENTAÇÃO A
O cálculo e a representação, enquanto fenômenos ou processos materiais são noções que estiveram no cerne do paradigma classicista ou cognitivista. Três proposições principais fariam parte desse paradigma, segundo Adler (1998, p. 28- 29): (a) a possibilidade de descrição do complexo mente/corpo em dois níveis vistos como independentes entre si, sendo um material ou físico, e o outro, informacional
ou funcional; (b) neste segundo nível, os estados internos ou mentais e os processos que conduzem de um estado ao seguinte, que caracterizam o sistema cognitivo humano, são representacionais117; (c) tais representações são fórmulas de linguagem interna ou “mentalês”, semelhantes às da lógica formal, e os processos (simplistas e lineares – que não exigem interpretação) são aqueles qualificados logicamente como efetivos, isto é, redutíveis a um pequeno número de operações primitivas (etapas elementares), executáveis por máquinas. A primeira proposição caracterizaria o funcionalismo como um monismo não reducionista, e a segunda, apresenta seu caráter computacional-representacional.
As primeiras máquinas de calcular do século XVII – nos modelos de Schikard (1623), Pascal (1642) e Leibniz (1673) –, que efetuavam operações aritméticas básicas, passando pelo desenvolvimento dos autômatos do final do século XVIII, capazes de efetuar diferentes sequências de operações e atingir o objetivo de universalidade na (re)produção de qualquer símbolo (como o tear Jacquard, criado em 1805), levam ao desenvolvimento da combinatória dos símbolos, em 1830, com a inacabada máquina analítica de Charles Babbagem, cujo propósito era a mecanização completa da aritmética, que permite a este matemático e filósofo a generalização do controle. A universalidade virtual é assim atingida, deslocando-se o foco das operações de base para a sua organização, cuja chave é a bifurcação condicional (“se C, então fazer A; senão fazer B”). O resultado seria a unificação entre as operações da matéria e os processos mentais mais abstratos. (ADLER, 1998).
Desde o tratado An investigation of the Laws of Thought (1854) de Boole, – em que o valor de verdade das proposições são substituídos por 0 ou 1, a ser calculado pela lógica das proposições, lustrando a possibilidade de combinações finitas de um número infinito de objetos elementares118 –, a díade cálculo- formalização marcaria a lógica contemporânea, iniciada por Frege, ao passo em que ele aplica essa ideia à construção de uma ciência das linguagens formais119, capaz de exprimir qualquer elemento ou processo matemático. O estudo naturalístico
117 Segundo a tese representacionista, estados funcionais (ou informacionais) seriam gerados a partir da
manipulação de símbolos, e, esses estados representacionais seriam “[...] dotados de um conteúdo remetendo a entidades externas (diz-se também que eles são semanticamente avaliáveis)” (ADLER, 1998, p. 28; grifos do autor).
118 No caso, fórmulas do cálculo proposicional.
(lógico-matemático) da linguagem humana, nos moldes da filosofia analítica, ganha espaço, colocando à margem de sua discussão a psicologia. Essa concepção fregeana permitiria a formalização das matemáticas: cálculos passariam a fazer parte do universo da simbolização. Russell busca inserir a matemática em uma lógica sem paradoxos; Hilbert compreende entidades suspeitas como conjuntos e procedimentos infinitos como sequências finitas de símbolos que se aplicam a entidades sensíveis, intuitivas e concretas; e Gödel procura uma definição para procedimento efetivo120 afastando-se da concepção hobbesiana do raciocínio como cálculo, bem como codifica as entidades complexas abstratas (que são fórmulas, ou sequências de instruções) e as demonstrações (provas) formais por números inteiros. (ADLER, 1998).
Com tais contribuições, o matemático britânico Alan Turing, em 1936, cria uma máquina capaz de manipular concretamente símbolos, ou seja, de executar procedimentos ou calcular funções de inteiros, cujas atividades foram consideradas até então como próprias de seres humanos. Embora essa máquina de Turing121 fosse capaz de programar e executar qualquer tarefa, cujos passos necessários pudessem ser descritos claramente, não seria apta a decisões. Uma máquina, que não mais consulta regras, mas tem sua atividade conforme o agenciamento de seus componentes, mediante “uma arquitetura variável modelada pelo sistema de cabos, em tal ou tal máquina especializada”, é construída durante a Segunda Guerra Mundial (ADLER, 1998).
Com a publicação do artigo de Alan Turing no final da década de 50, intitulado Computing Machinery and Intelligence, seria instaurada uma “virada informacional na Filosofia”, que viria a fortalecer o projeto naturalista da mente, uma vez sustentada a tese de que o pensamento, mediante a manipulação de símbolos, seria computação, o que possivelmente permitiria explicar a natureza da inteligência
120 Quer dizer um cálculo em um sentido suficientemente geral (ADLER, 1998, p. 34).
121 A máquina de Turing “[...] podia em princípio executar qualquer cálculo concebível. [...] Só eram necessários
uma fita e um scanner (varredor) para ler o que estava na fita. A fita em si era dividida em quadrados idênticos, cada um dos quais contendo em sua superfície algum tipo de símbolo. Para fins de ilustração, Turing considerou uma máquina que usava o código binário (que contém apenas dois tipos de símbolos, o 0 e o 1), porém a única restrição geral era de que o número de símbolos diferentes não podia ser infinito. A cada passo, dependendo de seu estado interno, a máquina mantém o símbolo que é lido pelo scanner, ou o substitui por outro, e em seguida passa a ler o quadrado à direita, ou à esquerda, ou o mesmo quadrado.” (GARDNER, 2003, p. 32).
humana por meio de modelos mecânicos, como seria o caso da conhecida máquina de Turing (ADAMS, 2003).
Na esteira desse projeto de inscrição do simbólico na materialidade – máquina formal –, em 1938, Claude Shannon, com sua dissertação A Symbolic Analysis os Relay and Switching Circuits, mostrou que circuitos de retransmissão e comutação como os que são encontrados em uma máquina eletrônica poderiam ser expressos em termos de equações do tipo booleano, ou seja, princípios da lógica (verdadeiro/falso) poderiam ser utilizados para descrever os estados “ligado” e “desligado” de interruptores de relés eletromecânicos. Assim, Shannon concluiu que circuitos elétricos poderiam conter operações fundamentais do pensamento. (GARDNER, 2003, p. 159). Segundo Adler (1998, p. 39), a lógica proposicional e a aritmética elementar seriam assim materializáveis em montagens elétricas.
O desafio de se pensar o espírito, a máquina e o cérebro juntos viria a ser uma tarefa da cibernética, desde a sua primeira fase entre os anos de 1943 e 1956. Karl Lashley (1961, p. 11) nomeou de cibernética todo o campo da teoria do controle e da comunicação, seja no animal ou na máquina.
Em 1943, Warren McCulloch e Walter Pitts desenvolvem a ideia de que uma rede finita de neurônios poderia realizar qualquer coisa que seja descrita exaustiva e precisamente por palavras. Em uma discussão científica e filosófica, eles indicam que a mente seja incarnada no tecido cerebral, tal como a lógica proposicional e o cálculo dos predicados são materializáveis em circuitos de elementos simples, chamados por eles de neurônios formais. Norbert Wiener, investigava interdisciplinarmente mecanismos de feedback em autômatos e organismos. Mas foi John von Newmann, no congresso sobre Mecanismos Cerebrais do Comportamento, que ocorreu na Califórnia em 1948, que teria forjado a cibernética mediante analogias entre o cérebro e o computador. Com base nas ideias de Turing, o seu objetivo era compreender por que percebemos o mundo da forma que o fazemos, utilizando-se de analogias entre o sistema nervoso e “máquinas lógicas”. Assim, elaborou a ideia de um programa para instruir a máquina de Turing a se reproduzir, armazenado nela mesma, não sendo mais necessária a substituição do sistema de cabos a cada mudança de tarefa. (GARDNER, 2003, pp. 32-33). Memórias distintas para as instruções e os dados foram previstas e, posteriormente, chegou-se a uma única memória.
Com efeito, esses acontecimentos acirraram a comparação entre a inteligência humana – biológica – e a inteligência artificial, em continuidade, promovida por Herbert Simon e Allen Newell, Marvin Minsky e John McCarthy.
Newell se encarregou de elaborar uma linguagem complexa de processamento da informação (de “nível mais alto”) – ou “linguagem de processamento de listas” – traduzível para a linguagem da máquina. Simon simulou em detalhes uma prova dos Principia Mathematica de Whitehead e Russell, que consistia em um sistema de dedução matemática para a lógica proposicional. O resultado foi o programa Logic Theorist, rodado no computador Johnniac da Rand, que, analogamente à solução de problemas por seres humanos, conseguiu executar a primeira prova completa de teoremas122, a partir de métodos como substituição de fórmulas por definições, modus ponens123 e destacamento (detachment), mediante o qual o programa trabalha de algo já provado para algo não provado, chegando a apresentar supostos momentos de aparente insight. Newell e Cliff Shaw resolveram o problema da alocação de armazenamento da informação em uma memória limitada de computador, rotulando cada área de armazenamento. Diferentemente dos pesquisadores do círculo de McCulloch, cujo enfoque se dava sobre os microscópicos circuitos neuronais, esse grupo de pesquisadores acreditava que a conceitualização da solução de problemas deveria ocorrer em um nível macroscópico. Sua ambição culminou na criação do General Problem Solver – GPS (Solucionador Geral de Problemas), uma espécie de simulador de um espectro do comportamento simbólico humano, que poderia resolver uma diversidade de problemas, tais como:
demonstrar teoremas, jogar xadrez ou resolver problemas como enigma missionário-canibal, a torre de Hanói e criptaritmética – um diabólico fundidor de mentes onde as letras representam números e as somas ou produtos das palavras geram ainda outras palavras (GARDNER, 2003, p. 163).
Marvin Minski e John McCarthy, do Massachusetts Institute of Technology (MIT), trilham por caminhos semelhantes. Minski compreende que toda
122 O programa Logic Theorist conseguiu provar 38 dos 52 teoremas apresentados no capítulo 2 dos Principia
Mathematica, da autoria de Whitehead e Russell, segundo os quais seria possível derivar toda a verdade matemática utilizando axiomas e regras de inferência da lógica formal.
123 Uma forma silogística de raciocínio, onde se “a implica b” é verdadeiro, e “b implica c” é verdadeiro, então
sentença corresponde a uma equação em um programa, que, para analisar a sintaxe, bastaria que recebesse informações sobre certas palavras. Motivados pelas concepções de seu professor, T. G. Evans e Daniel Bobrow, levam a inteligência artificial a novos caminhos. Em 1960, o primeiro criou um programa que resolvia analogias de tipo visual, convertendo a descrição em formas simbólicas utilizadas em um problema numérico de analogia; para executar esse tipo de tarefa, a máquina tinha um milhão de bits de memória. Bobrow adaptou os trabalhos sobre solução de problemas ao domínio linguístico. A relação entre listas e lógicas viria a ser estabelecida mais utilmente por John McCarthy, com a criação da útil linguagem de processamento de listas – LISP, segundo a qual programas e dados são estruturados como listas, tendo em vista que a linguagem seria vista como ocupando-se da manipulação de listas. Além disso, McCarthy e Patrick Hayes indicavam um sistema para a compreensão da linguagem, a partir do uso de um substrato formal de cálculo de predicados. Os atos que constituem a inteligência poderiam “ser reduzidos a um conjunto de relações lógicas ou axiomas que podem ser expressos com precisão em termos matemáticos” (GARDNER, 2003, p. 170).
Esses avanços demonstravam os poderes dos programas computacionais e entusiasmava partidários da Inteligência Artificial Forte, cujo otimismo se manifestava em discussões filosóficas, que vislumbravam soluções para os mais antigos e árduos problemas.
Para Putnam, a máquina de Turing e a posterior invenção do computador deveriam chegar dissolver o clássico problema mente-corpo, uma vez que diferentes programas, consistindo de operações lógicas (software), poderiam ser independentes em relação ao arranjo material na qual fossem implementados (hardware). Em Minds and Machines (1960), Putnam desenvolveu o conceito de função adaptado ao da máquina de Turing, a partir do qual propõe que estados mentais são estados funcionais realizados por estados cerebrais. O cérebro seria um suporte físico para as realizações da mente, cujos estados poderiam se realizar em humanos, animais ou em qualquer outro arranjo físico que cumprisse a função de um dado estado mental. Para Putnam (1960, p. 371; tradução nossa),
em particular, a ‘descrição lógica’ de uma máquina de Turing não inclui qualquer especificação da natureza física desses ‘estados’ – ou, de fato, da natureza física da máquina como um todo [...]. Em outras palavras, uma
dada ‘máquina de Turing’ é uma máquina abstrata que pode ser fisicamente realizada de um número quase infinito de forma diferentes.
Podendo ter as mesmas funções, estados físicos e estados mentais seriam funcionalmente correspondentes, de forma que os estados mentais devessem ser definidos por seu papel funcional entre o input (entrada de informações) e o output (saída de informações). Essa ideia deu origem à metáfora computacional, segundo a qual o nível de análise do cérebro seria análogo ao nível do hardware (máquina), e o nível de análise da mente seria análogo ao nível do software (programa). Dito de outro modo,
os fenômenos cognitivos dependem dos mecanismos cerebrais no sentido em que se pode dizer, por analogia, que o tratamento da informação por um programa informático depende do detalhe dos circuitos eletrônicos do computador sobre o qual ele é, num dado momento, executado” (IMBERT, 1998, p. 57).
Entretanto, como esse papel funcional – multiplamente realizável – poderia ocorrer (ou ser instanciada, encarnada ou realizada) em um substrato que não fosse físico-químico, outro sistema, supostamente, poderia exercer as mesmas funções do cérebro humano, características da inteligência consciente. Assim, o cérebro e o computador seriam considerados funcionalmente isomórficos, ficando em segundo plano a questão sobre a organização interna que permite a ambos tal desempenho. O pensar seria desempenhar um conjunto de funções expressas em um comportamento compreendido como inteligente, bem como o
o conjunto de instruções constituintes de um programa – um algoritmo, como é conhecido – que especifica que passos devem ser dados no processamento da informação também é claramente um exemplo de função. Dados são enviados ao computador que então, de acordo com o algoritmo particular que está sendo usado, transforma-os em um output. (MASLIN, 2009, p. 130)
Nessa versão simples do funcionalismo (da Máquina de Turing), o que importa é um fator abstrato: a função, que não é nem física e nem não-física. Inputs, outputs e relações com outros estados mentais esgotariam a caracterização formal de um estado mental, uma vez que este não seria nada a mais e nem a menos do que uma função. O filósofo americano Ned Block (1980, p. 72) explica que nessa versão,
cada sistema tendo estados mentais é descrito por pelo menos uma tabela de Máquina de Turing de um certo tipo e cada estado mental do sistema é idêntico a um dos estados de tabela da máquina especificado pela tabela da máquina.
Em outras palavras, cada tipo de estado mental é um estado consistindo numa disposição para agir de certas maneiras e de ter determinados estados mentais com as mesmas disposições.
Os estados mentais são identificados com a totalidade dos estados da Máquina de Turing que são eles próprios implicitamente definidos por uma tabela da máquina que explicitamente menciona inputs e outputs descritos de forma não mentalista (BLOCK, 1980, p. 64).
A título de especificação das características fundamentais do paradigma funcionalista, Dennett (1998) apresenta três teses: (a) a tese computacional, para a qual cognição é processamento de informação; (b) a tese representacional, para a qual pensamentos são representações mentais; (c) a tese semântica, segundo a qual representações mentais referem-se às coisas do mundo.
Os teóricos funcionalistas sustentam que estados mentais são definidos em virtude das relações causais que desempenham (sua função entre input e output) no sistema cognitivo (cérebro) do qual fazem parte, portanto, são estados físicos. Em tese, ao independer de uma constituição físico-química de um sistema, os estados mentais poderiam assim ser multiplamente realizáveis em sistemas fisicamente diversos dos nossos.
De fato, o principal objetivo do funcionalismo contemporâneo, que se desenvolveu essencialmente como uma reação ao behaviorismo lógico e à teoria da identidade, é transformar propriedades mentais em propriedades naturais de tipo substancial, porque elas não especificam do que uma entidade é feita, mas sim o que ela faz, qual a função que ela preenche (ROY et al., 1999, p. 71).
Utilizando-se da compreensão externalista do comportamento, o funcionalismo contemporâneo emergiu e se caracterizou por atribuir ao estímulo, que causaria o comportamento de forma neutra, a conformidade aos estados funcionais do sistema. O que então causaria os estados mentais, geralmente compreendidos pela psicanálise como sendo internos a um sujeito, seria agora
relativo ao funcionamento de cada tipo de sistema, podendo se tratar tanto do cérebro quanto de uma máquina; o funcionamento de ambos seria semelhante, uma vez que suas relações de causalidade também o fossem. Dessa maneira, em tese, qualquer estrutura material complexa poderia imitar as funções do organismo biológico, mesmo sendo materialmente distinto deste e não possuindo seus estados mentais. Em busca de um suporte lógico, tal ideia viria a desencadear as realizações da Inteligência Artificial (IA), na década de 60 e no início dos anos 70, quando são exibidas máquinas capazes de realizar cálculos altamente complexos, demonstrar teoremas automaticamente, vencer campeões mundiais do jogo de xadrez, etc. O programa conhecido por Inteligência Artificial Forte teria como objetivo principal a construção de um mecanismo que operasse de modo semelhante à cognição humana, de modo a facilitar a sua compreensão. Para os pesquisadores adeptos a esse programa, o computador tratava-se de um sistema cognitivo. Já para os adeptos da perspectiva que ficou conhecida como visão fraca, os programas “inteligentes” tratar-se-iam de meios para testar hipóteses sobre operações cognitivas humanas (GARDNER, 2003).
A possível implementação de propriedades mentais em diferentes substratos permitiria o estudo empírico da cognição pela analogia entre propriedades mentais (funcionando em organismos biológicos) e propriedades funcionais de máquinas computacionais, assegurando certa autonomia da investigação do mental em relação a pesquisas neurocientíficas, estas ainda com um longo caminho pela frente (KIM, 1998). A teoria da identidade entre tokens resguardaria uma maior complexidade aos estados mentais, que teriam uma relação causal também entre si, não sendo explicados pela mera relação de entradas de informações do meio físico externo enquanto estímulos (input) e saída de informações do organismo ou máquina enquanto (output), além de acabar favorecendo o funcionalismo na sua vertente de análise da máquina computacional.
Apesar disso, não se afirmar que o computador faz mais do que combinar símbolos. Por mais que uma teoria madura do cálculo agregue contribuições ao cognitivismo, este ainda não contaria com uma teoria consistente da representação.
No campo da filosofia, grande parte das pesquisas124, desenvolvidas durante a década de 1980, foi motivada a tornar a representação menos enigmática e destina-se a saber sobre a natureza da relação de representação125; se essa união dependeria de outros signos e seus referentes; além do indivíduo, que outros fatores estariam implicados nesse laço; como tais elos são estabelecidos, mantidos e transmitidos; se haveria uma intencionalidade originária envolvida no processo de interpretação; se este laço é biológico, se seria inteligível e compatível com as noções já sabidas sobre sistemas biológicos e como seria colocada em prova essa variante aceitável da teoria evolutiva articulada à função evolutiva de nossa organização cognitiva; etc. (ADLER, 1998, pp. 40-42).
Além disso, no quadro geral em que se desenvolve uma teoria da cognição, busca-se também um sistema de símbolos apropriado à explicação e o sistema da lógica moderna torna-se o mais privilegiado, agregando a inteligência artificial clássica.
Nesse sentido, Fodor (2001) insiste que a melhor e mais elegante metáfora ou ferramenta heurística da mente e do cérebro seria propriamente a de um computador, no qual o funcionamento de certas capacidades mentais, como a cognição, ocorre mecanicamente de acordo com procedimentos estabelecidos no interior da máquina. Esse filósofo cognitivista é otimista em relação à existência de um meio de explicar como os estados de um sistema físico, como o cérebro, podem se referir ou representar outros estados de coisas do mundo. Apoiando-se na tese representacionista de que estados funcionais são gerados a partir da manipulação de símbolos, Fodor, em seu clássico Language of Thougth (1975), busca sustentar que estados internos são representacionais (intencionalidade), sendo seus conteúdos manipuláveis (proposições) segundo regras formais de computador, a partir das quais podem ser compreendidos. Nessa visão cognitivista, nossos estados mentais (internos) seriam estados representacionais simbólicos, associados numa sequência de outros símbolos dentro de algum tipo de linguagem do pensamento – batizada por Fodor de “mentalês” –, o que seria análogo à linguagem da máquina; e processos mentais seriam transformações lógicas dessa cadeia de símbolos. Estes
124 Como Intentionality (1983) de Searle, Language, Thought, and Other Biological Categories (1984) de Milikan,
The Intentional Stance (1987) de Dennett, Psychosemantics (1987) e A Theory of Content (1991) de Fodor, Thoughts (1986) de Peacocke, Explaining Behaviour (1988) de Dretske, Meaning and Mental Representation de (1989) Cummins e Representation and Reality (1989) de Putnam.
não seriam compostos por palavras como as inscritas em qualquer língua natural falada, mas por estados computacionais neurosinápticos do cérebro, combinados analogamente a palavras, assim compartilhando várias propriedades com as línguas naturais. O sistema representacional de um organismo mediaria a relação entre estímulos (inputs) e respostas (outputs). Enquanto uma ação realizada por um