62 | A PRODUÇÃO DO MUNDO .

PROBLEMAS LOGÍSTICOS E SÍTIOS CRÍTICOS PROBLEMAS | 63

TRÊS MIL ANOS DE RITUAIS

ALGORÍTMICOS: A EMERGÊNCIA DA
INTELIGÊNCIA ARTIFICIAL A PARTIR
DA COMPUTAÇÃO DO ESPAÇO1

Matteo Pasquinelli
1. Recompondo um Deus desmembrado
Num fascinante mito da cosmogénese dos antigos Vedas,
conta-se que o deus Prajapati foi feito em pedaços no ato da
criação do universo. Após o nascimento do mundo, o deus
supremo é encontrado desmembrado, desfeito. No ritual
Agnicayana correspondente, os devotos hindus recompõem
simbolicamente o corpo fragmentado do deus através da
construção de um altar de acordo com um plano geométrico
2
elaborado. O altar de fogo consiste no alinhamento de mi-
lhares de tijolos de forma e tamanhos exatos para criar o perfil
de um falcão. Cada tijolo é numerado e colocado, enquanto
o respetivo mantra é recitado, seguindo-se instruções passo a
passo. Cada camada do altar é construída no topo da anterior,
adaptando-se à mesma área e formato. Resolvendo o enigma
lógico que é a chave do ritual, cada camada deve manter a
mesma forma e área das contíguas, mas usando uma con-
figuração de tijolos diferente. Por fim, o altar do falcão deve
estar virado a leste, como um prelúdio do voo simbólico do

1 Texto original: Matteo Pasquinelli, “3000 Years of Algorithmic Rituals: The Emergence of AI
from the Computation of Space,” e-flux journal #101, June 2019. Tradução de Cláudia Figuei-
redo.
2 O indologista e filósofo da linguagem holandês Frits Staal documentou o ritual Agnicayana
durante uma expedição a Kerala, Índia, em 1975. Ver Frits Staal, AGNI: The Vedic Ritual of the
Fire Altar, vol. 1–2 (Asian Humanities Press, 1983).
64 | A PRODUÇÃO DO MUNDO . PROBLEMAS LOGÍSTICOS E SÍTIOS CRÍTICOS
deus reconstruído em direção ao sol nascente — um exemplo
de reincarnação divina por meios geométricos.
O ritual Agnicayana é descrito nos Shulba Sutras com-
postos em cerca de 800 a.C. na Índia para o registo de uma
tradição oral muito mais antiga. Os Shulba Sutras ensinam
a construção de altares de formas geométricas específicas,
destinados a assegurar os favores dos deuses: por exemplo,
sugerem que «todos os que desejem destruir inimigos pre-
sentes e futuros devem construir um altar-fogo em forma de
3 6
um losango». A complexa forma de falcão do Agnicayana
evoluiu gradualmente a partir de uma composição esque-
mática de apenas sete quadrados. Na tradição védica, diz-se
que os espíritos vitais Rishi criaram sete Purusha (entida-
des cósmicas ou pessoas) quadrangulares que em conjunto
compunham um só corpo, sendo desta forma que Prajapati
emergiria uma vez mais. Embora o historiador de arte Wi-
lhelm Worringer defendesse, em 1907, que a arte primordial
nascera na linha abstrata encontrada na pintura das cavernas,
pode assumir-se que o gesto artístico irrompe também atra-
vés da composição de segmentos e de frações, introduzindo
4
formas e técnicas geométricas de crescente complexidade.
Nos seus estudos sobre a matemática védica, o matemático
italiano Paolo Zellini descobriu que o ritual Agnicayana foi
utilizado para transmitir técnicas de aproximação geomé-
trica e de crescimento incremental — por outras palavras,
técnicas algorítmicas — comparáveis aos cálculos modernos
5
de Leibniz e de Newton. O Agnicayana é um dos mais
antigos rituais documentados praticados ainda hoje na Índia
3 Kim Plofker, «Mathematics in India», in Victor J. Katz (ed.) The Mathematics of Egypt, Mesopo-
tamia, China, India, and Islam (Princeton [NJ]: Princeton University Press, 2007).
4 Ver Wilhelm Worringer, Abstraction and Empathy: A Contribution to the Psychology of Style (Los
Angeles: Ivan R. Dee, 1997).
5 Para uma resenha das implicações matemáticas do ritual Agnicayana, ver Paolo Zellini, La
matematica degli dèi e gli algoritmi degli uomini (Milão: Adelphi, 2016). Traduzido como The
Mathematics of the Gods and the Algorithms of Men (Londres: Penguin, 2019).
PROBLEMAS | 65
e um exemplo primordial da cultura algorítmica.
Mas como podemos definir um ritual tão antigo quan-
to o Agnicayana como algorítmico? Para muitos, a leitura
de culturas antigas através do paradigma das mais recentes
tecnologias pode parecer um ato de apropriação cultural.
Contudo, alegar que as técnicas de conhecimento abstra-
tas e as metalinguagens artificiais pertencem unicamente
ao Ocidente moderno e industrial não só é historicamente
impreciso, como se trata de um ato implícito de colonialis-
mo epistémico face a culturas de outros lugares e tempos. O
matemático francês Jean-Luc Chabert observou que «os al-
goritmos têm estado presentes desde o início dos tempos,
existindo já bem antes de ter sido cunhada uma palavra
especial para os descrever. Os algoritmos são simplesmente
um conjunto de instruções passo a passo, destinadas a serem
executadas de modo bastante mecânico, para que se obtenha
7
algum resultado desejado». Nos dias de hoje, alguns veem
os algoritmos como uma inovação tecnológica recente que
executa princípios matemáticos abstratos. Pelo contrário, os
algoritmos encontram-se entre as mais antigas práticas ma-
teriais, antecipando muitas ferramentas humanas e todas as
máquinas modernas:
Os algoritmos não se reduzem à matemática… Os babilónios
usaram-nos para decidir questões jurídicas, professores de Latim usa-
ram-nos para afinar a gramática, e foram usados em todas as culturas
para prever o futuro, para decidir tratamentos médicos ou para preparar
comida… Por isso, falamos de receitas, regras técnicas, processos, proce-
dimentos, métodos, etc., usando a mesma palavra para nos referirmos a
situações diferentes. Os chineses, por exemplo, usam a mesma palavra,
6 Ver Frits Staal, «Artificial Languages Across Sciences and Civilizations», Journal of Indian Phi-
losophy 34, no. 1–2 (2006).
7 Jean-Luc Chabert, «Introduction», in Jean-Luc Chabert (ed.) A History of Algorithms: From the
Pebble to the Microchip (Londres: Springer, 1999), 1.
66 | A PRODUÇÃO DO MUNDO . PROBLEMAS LOGÍSTICOS E SÍTIOS CRÍTICOS
shu (que significa regra, processo ou estratagema) na matemática e
nas artes marciais… No final, o termo algoritmo acabou por significar
qualquer processo de cálculo sistemático, ou seja, um processo que pode
ser desempenhado automaticamente. Hoje em dia, principalmente de-
vido à influência da computação, a ideia de finitude entrou no signifi-
cado do algoritmo como elemento essencial, distinguindo-o de noções
8
mais vagas tais como processo, método ou técnica.
Antes da consolidação da matemática e da geometria, as
civilizações antigas eram já grandes máquinas de segmen-
tação social que marcavam os corpos humanos e os territó-
rios com abstrações que se mantiveram operativas durante
milénios, e continuam a manter-se. Abordando também o
trabalho do historiador Lewis Mumford, Gilles Deleuze e
Félix Guattari apresentaram uma lista destas velhas técnicas
de abstração e de segmentação social: «tatuar, excisar, incisar,
9
entalhar, escarificar, mutilar, cercar e iniciar.» Os números
eram já componentes das «primitivas máquinas abstratas»
de segmentação social e de territorialização que fariam a
cultura humana emergir: o primeiro censo documentado,
por exemplo, ocorreu por volta de 3800 a.C. na Mesopotâ-
mia. Formas lógicas elaboradas a partir de formas sociais, os
números emergiram materialmente através do trabalho e de
rituais, da disciplina e do poder, de marcação e de repetição.
Durante os anos setenta, o campo da etnomatemática co-
meçou a promover uma rutura face aos círculos platónicos
da matemática de elite, revelando o sujeito histórico por trás
10
da computação. A questão política no centro do atual de-
bate acerca da computação e da política dos algoritmos é,
8 Jean-Luc Chabert «Introduction», 1–2.
9 Gilles Deleuze and Félix Guattari, Anti-Oedipus: Capitalism and Schizophrenia (Nova Iorque
Viking, 1977), 145.
10 Ver Ubiratàn D’Ambrosio, «Ethno Mathematics: Challenging Eurocentrism», in Arthur B.
Powell e Marilyn Frankenstein (eds.), Mathematics Education (Nova Iorque: State University of
New York Press, 1997).
PROBLEMAS | 67
em última instância, muito simples, como Diane Nelson nos
11
recorda: Quem conta? Quem calcula? Os algoritmos e as
máquinas não calculam para si próprios; calculam sempre
para alguém, para instituições ou mercados, para indústrias
ou exércitos.
2. O que é um algoritmo?
O termo «algoritmo» deriva da latinização do nome do
académico persa Khwarizmi. O seu tratado Sobre o Cálculo
com Numeração Hindu, escrito em Bagdade no século ix, é
o responsável pela introdução da numeração hindu no Oci-
dente, bem como das novas técnicas de cálculo correspon-
dentes, nomeadamente os algoritmos. De facto, a palavra
medieval latina «algorismus» referia-se aos procedimentos e
atalhos usados para resolver as quatro operações matemáticas
fundamentais — adição, subtração, multiplicação e divisão –
com numerais hindus. Mais tarde, o termo «algoritmo» viria
a significar metaforicamente qualquer procedimento lógico
feito passo a passo e tornou-se o centro da lógica computa-
cional. No geral, podemos distinguir três etapas na história
do algoritmo: na Antiguidade, o algoritmo pode ser reconhe-
cido em procedimentos e rituais codificados para atingir um
objetivo específico e transmitir regras; na Idade Média, era o
nome de um procedimento auxiliar em operações matemá-
ticas; nos tempos modernos, o algoritmo qua procedimento
lógico, tornou-se completamente mecanizado e automatiza-
do por máquinas e, depois, por computadores digitais.
Olhando as práticas antigas, tais como o ritual Agnicaya-
na e as regras de cálculo hindus, podemos esboçar uma de-
finição básica de algoritmo compatível com a ciência infor-
mática moderna: (1) um algoritmo é um diagrama abstrato
11 Diane M. Nelson, Who Counts? The Mathematics of Death and Life After Genocide (Durham:
Duke University Press, 2015).
68 | A PRODUÇÃO DO MUNDO . PROBLEMAS LOGÍSTICOS E SÍTIOS CRÍTICOS
que surge da repetição de um processo, da organização do
tempo, do espaço, do trabalho e das operações — não é uma
regra inventada a partir de cima, mas que emerge de baixo;
(2) um algoritmo é a divisão deste processo em passos fini-
tos, de forma a executá-lo e a controlá-lo eficientemente; (3)
um algoritmo é a solução para um problema, uma invenção
para superar os constrangimentos da situação: qualquer al-
goritmo é um truque; (4) mais importante, um algoritmo é
um processo económico, pois deve empregar a menor quan-
tidade de recursos em termos de espaço, tempo e energia,
adaptando-se aos limites da situação.
Atualmente, entre as capacidades em expansão da inteli-
gência artificial (IA), existe uma tendência para percecionar
os algoritmos como uma aplicação ou imposição de ideias
matemáticas abstratas sobre dados concretos. Pelo contrário,
a genealogia do algoritmo demonstra que a sua forma emer-
giu de práticas materiais, de uma divisão mundana do espaço,
do tempo, do trabalho e das relações sociais. Procedimentos
rituais, rotinas sociais e organização do espaço e do tempo
são a fonte dos algoritmos e, neste sentido, eles existiram an-
tes mesmo do surgimento de sistemas culturais complexos
como a mitologia, a religião e, especialmente, a linguagem.
Em termos de antropogénese, pode dizer-se que foram os
processos algorítmicos codificados em práticas sociais e ri-
tuais que fizeram emergir os números e as tecnologias nu-
méricas e não o contrário. A computação moderna, olhando
apenas para a sua genealogia industrial nas fábricas estudadas
por Charles Babbage e por Karl Marx, evoluiu gradualmente
do concreto para formas crescentemente abstratas.
3. O surgimento da aprendizagem automática como
espaço computacional
Em 1957, no Cornell Aeronautical Laboratory em Buf-
falo, Nova Iorque, o cientista cognitivo Frank Rosenblatt in-
PROBLEMAS | 69
ventou e construiu a Perceptron, a primeira rede neural artifi-
cial operativa — a avó de todas as matrizes de aprendizagem
12
automática, na época classificada como segredo militar. O
primeiro protótipo da Perceptron era um computador ana-
lógico composto por um dispositivo de entrada de 20 x 20
fotocélulas (designadas como «retina») ligado através de ca-
bos a uma camada de neurónios artificiais que terminavam
numa só saída (uma lâmpada acendendo on e off para signi-
ficar zero ou um). A «retina» da Perceptron gravava formas
simples, como letras e triângulos, e transmitia sinais elétricos
a uma multitude de neurónios que calculariam o resultado
de acordo com uma lógica de limiar. A Perceptron era uma
espécie de máquina fotográfica que podia ser ensinada a re-
conhecer uma forma específica, ou seja, a tomar uma decisão
com uma margem de erro (o que faz dela uma máquina inte-
ligente). A Perceptron foi o primeiro algoritmo de aprendiza-
gem automática, um «classificador binário» básico que podia
determinar se um padrão se enquadrava numa determinada
classe ou não (se a imagem inserida era um triângulo ou não,
um quadrado ou não, etc.). Para conseguir isto, a Perceptron
ajustou progressivamente os valores dos seus nós de forma
a converter a entrada de uma grande quantidade de dados
numéricos (uma matriz espacial de quatrocentos números)
numa saída binária simples (zero ou um). A Perceptron daria
o resultado um se a imagem de entrada fosse reconhecida
dentro de uma classe específica (um triângulo, por exemplo);
caso contrário, daria o resultado zero. De início, foi necessá-
rio um operador humano para treinar a Perceptron a apren-
der as respostas corretas (alterando manualmente a saída
para zero ou para um), na expectativa de que a máquina,
com base nestas associações supervisionadas, reconhecesse
12 Frank Rosenblatt, «The Perceptron: A Perceiving and Recognizing Automaton», Technical Re-
port, 85-460-1, Cornell Aeronautical Laboratory, 1957.
70 | A PRODUÇÃO DO MUNDO . PROBLEMAS LOGÍSTICOS E SÍTIOS CRÍTICOS
corretamente formas similares no futuro. A Perceptron foi
desenhada não para memorizar, mas para aprender a poten-
cialmente reconhecer qualquer padrão.
A matriz de 20 x 20 fotorreceptores da primeira Percep-
tron foi o princípio de uma revolução silenciosa na compu-
tação (que viria a tornar-se no paradigma hegemónico no
início do século xxi com o advento da «aprendizagem pro-
funda», uma técnica de aprendizagem automática). Embora
inspirada nos neurónios biológicos, de um ponto de vista es-
tritamente lógico a Perceptron marcou não uma viragem bio-
mórfica na computação, mas antes uma viragem topológica;
significou o aparecimento do paradigma do «espaço com-
putacional» ou «espaço autocomputacional». Esta viragem
introduziu uma segunda dimensão espacial no paradigma
da computação que tinha, até então, apenas uma dimensão
linear (ver a máquina de Turing, que lê e escreve zero e um
ao longo de uma fita de memória linear). Esta viragem to-
pológica, que consiste no centro do que, hoje em dia, as pes-
soas percecionam como IA, pode ser mais modestamente
descrita como a passagem de um paradigma de informação
passiva para um de informação ativa. Ao invés de possuir
uma matriz visual processada por um algoritmo descenden-
te (como qualquer outra imagem editada atualmente por
um programa de software gráfico), na Perceptron os pixéis da
matriz visual são processados de uma forma ascendente e de
acordo com a sua disposição espacial. As relações espaciais
da informação visual moldam a operação do algoritmo que
as processa.
Devido à sua lógica espacial, o ramo da informática ori-
ginalmente dedicado às redes neurais foi designado «geo-
metria computacional». O paradigma do espaço compu-
tacional, ou do espaço autocomputacional, partilha raízes
comuns com os estudos dos princípios de auto-organização
que se encontravam no centro da cibernética do pós-Segun-
PROBLEMAS | 71
da Guerra Mundial, tais como os autómatos celulares de
John von Neumann (1948) e o Rechnender Raum de Konrad
13
Zuse (1967). Os autómatos celulares de von Neumann são
aglomerados de pixéis, percecionados como pequenas célu-
las numa rede, que mudam de estado e se movem de acordo
com as suas células vizinhas, compondo figuras geométricas
semelhantes a formas de vida em desenvolvimento. Os au-
tómatos celulares têm sido usados para estimular a evolução
e para estudar a complexidade dos sistemas biológicos, mas
eles permanecem algoritmos em estado finito confinados a
um universo bastante restrito. Konrad Zuse (que construiu
o primeiro computador programável, no ano de 1938, em
Berlim) tentou estender a lógica dos autómatos celulares à
Física e a todo o universo. A sua ideia de «rechnender Raum»,
ou espaço de cálculo, é um universo que é composto por uni-
dades discretas que se comportam de acordo com o com-
portamento das unidades vizinhas. O último ensaio de Alan
Turing, A Base Química da Morfogénese (publicado em 1952,
dois anos antes da sua morte), também pertence à tradição
14
das estruturas autocomputacionais . Turing considerava as
moléculas presentes nos sistemas biológicos como atores au-
tocomputacionais capazes de explicar estruturas ascenden-
tes complexas, tais como os padrões tentaculares na hidra, as
formas espiraladas nas plantas, a gastrulação nos embriões,
15
o mosqueado na pele dos animais e a filotaxia nas flores.
13 John von Neumann e Arthur W. Burks, Theory of Self Reproducing Automata (Champaign: Uni-
versity of Illinois Press, 1966); Konrad Zuse, «Rechnender Raum», Elektronische Datenverarbe-
itung, vol. 8 (1967). Em livro: Rechnender Raum (Friedrich Vieweg & Sohn, 1969). Traduzido
como Calculating Space (MIT Technical Translation, 1970).
14 Alan Turing, «The Chemical Basis of Morphogenesis», Philosophical Transactions of the Royal
Society of London, 237, no. 641 (1952).
15 Deve ser notado que no livro de Marvin Minsky e Seymor Papert, publicado em 1969, Percep-
trons (que atacou apenas superficialmente a ideia de redes neurais, mas que, ainda assim, provo-
cou o designado primeiro «inverno da IA», parando todo o financiamento para a investigação
em redes neurais) os autores diziam apresentar uma «introdução à geometria computacional».
Marvin Minsky e Seymour Papert, Perceptrons: An Introduction to Computational Geometry
(Cambridge, Massachusetts: MIT Press, 1969).
72 | A PRODUÇÃO DO MUNDO . PROBLEMAS LOGÍSTICOS E SÍTIOS CRÍTICOS
Os autómatos celulares de von Neumann e o espaço
computacional de Zuse são intuitivamente fáceis de per-
ceber como modelos espaciais, ao passo que a rede neural
de Rosenblatt apresenta uma topologia mais complexa que
requer mais atenção. De facto, as redes neurais utilizam uma
estrutura de combinações extremamente complexas, o que
provavelmente faz delas os algoritmos mais eficientes para a
aprendizagem automática. Diz-se que as redes neurais «re-
solvem qualquer problema», o que significa que elas podem
aproximar-se da função de qualquer padrão de acordo com
o Teorema da Aproximação Universal (se dotadas de cama-
das de neurónios e de recursos computacionais suficientes).
Todos os sistemas de aprendizagem automática, incluindo
as máquinas de vetores de suporte, as cadeias de Markov,
as redes de Hopfield, as máquinas de Boltzmann e as redes
neurais convolucionais — para enumerar apenas alguns —
começaram como modelos de geometria computacional.
Neste sentido, elas fazem parte de uma antiga tradição de
16
ars combinatória.
4. A automatização do trabalho visual
Mesmo no final do século xx, ninguém pensaria jamais
em designar um camionista como trabalhador cognitivo, um
intelectual. No início do século xxi, a utilização da apren-
dizagem automática no desenvolvimento de veículos autó-
nomos levou a um novo entendimento das competências
manuais, como a condução, mostrando como a mais valiosa
componente do trabalho, em termos gerais, nunca foi mera-
mente manual, mas também social e cognitiva (bem como
16 Ver o trabalho do monge catalão do século xii Ramon Llull, assim como as suas rodas girató-
rias. Nas ars combinatória, um elemento de computação segue uma instrução lógica de acordo
com a sua relação com outros elementos e não de acordo com instruções externas ao sistema.
Ver também Amador Vega, Peter Weibel e Siegfried Zielinski (eds.), DIA-LOGOS: Ramon
Llull’s Method of Thought and Artistic Practice (Minneapolis: University of Minnesota Press,
2018).
PROBLEMAS | 73
percetiva, um aspeto do trabalho ainda por situar algures
entre o manual e o cognitivo). Que tipo de trabalho desem-
penham os condutores? Que tarefa humana irá a IA registar
com os seus sensores, imitar com os seus modelos estatísti-
cos e substituir com a automatização? A melhor forma de
responder a esta questão é olhando para o que a tecnologia
automatizou com sucesso, assim como para as atividades em
que não logrou fazê-lo.
O projeto industrial para automatizar a condução tornou
claro (muito mais do que milhares de livros sobre econo-
mia política) que o trabalho da condução é uma atividade
consciente que segue regras codificadas e convenções so-
ciais espontâneas. Porém, se a competência da condução
pode ser traduzida num algoritmo, será porque a condu-
ção possui uma estrutura lógica e inferencial. A condução
é uma atividade lógica, tal como o trabalho é uma atividade
lógica em termos gerais. Este postulado ajuda a resolver a
banal disputa em torno da separação entre trabalho ma-
17
nual e trabalho intelectual. É um paradoxo político que
o desenvolvimento empresarial dos algoritmos da IA para
a automatização tenha tornado possível o reconhecimento
de uma componente cognitiva do trabalho, negligenciada
pela teoria crítica durante muito tempo. Qual a relação en-
tre trabalho e lógica? Esta torna-se uma questão filosófica
crucial para a era da IA.
Um veículo autónomo automatiza todas as microdeci-
sões que um condutor tem de tomar numa estrada movi-
17 Em particular, uma atividade lógica ou inferencial não tem de ser necessariamente conscien-
te ou cognitiva para ser eficaz (este é um ponto crucial num projeto de computação como a
mecanização do «trabalho mental»). Ver o trabalho de Simon Schaffer e de Lorraine Daston
sobre esta questão. Mais recentemente, Katherine Hayles sublinhou o domínio de ampla cog-
nição não consciente na qual estamos todos implicados. Simon Schaffer, «Babbage’s Intelli-
gence: Calculating Engines and the Factory System», Critical inquiry 21, no. 1 (1994); Lorraine
Daston, «Calculation and the Division of Labor, 1750–1950», Bulletin of the German Historical
Institute, no. 62 (Primavera de 2018); Katherine Hayles, Unthought: The Power of the Cognitive
Nonconscious (Chicago: University of Chicago Press, 2017).
74 | A PRODUÇÃO DO MUNDO . PROBLEMAS LOGÍSTICOS E SÍTIOS CRÍTICOS
mentada. As suas redes neurais artificiais aprendem, ou seja,
imitam e copiam as correlações humanas entre a perceção
visual do espaço viário e as ações mecânicas de controlo do
veículo (conduzir, acelerar, parar) enquanto decisões éticas
tomadas em de milésimos de segundo quando os perigos
surgem (para segurança das pessoas dentro e fora do veícu-
lo). Torna-se claro que o trabalho de condução requer altas
competências cognitivas que não podem ser deixadas ao im-
proviso ou ao instinto, mas também que a rápida tomada de
decisão e a resolução de um problema são possíveis graças a
hábitos e a um treino que não são completamente conscien-
tes. Conduzir continua a ser também uma atividade essen-
cialmente social que segue, ao mesmo tempo, regras codifi-
cadas (com condicionamentos legais) e regras espontâneas,
incluindo um código cultural tácito que qualquer condutor
deve subscrever. Conduzir em Mumbai — foi dito muitas
vezes — não é o mesmo que conduzir em Oslo.
Obviamente, conduzir implica um intenso trabalho de per-
ceção. De facto, muito do trabalho parece principalmente per-
cetivo por natureza, através de atos de decisão e de cognição
18
contínuos que ocorrem num piscar de olhos. A cognição
não pode ser completamente dissociada de uma lógica es-
pacial, e muitas das vezes segue uma lógica espacial nas suas
construções mais abstratas. Ambas as observações — que a
perceção é lógica e que a cognição é espacial — encontram-
-se, sem alarde, empiricamente provadas pelos algoritmos da
IA usados na condução autónoma, que constroem modelos
para inferir estatisticamente o espaço visual (codificados
como vídeo digital de um cenário de estrada 3D). Além dis-
so, o condutor que a IA introduz em carros autónomos e em
drones não é um condutor individual, mas, sim, um trabalha-
18 De acordo com ambas teorias, a de Gestalt e a do estudioso da semiótica Charles Sanders
Peirce, a visão requer sempre cognição; mesmo um pequeno ato de perceção é inferencial — i.e.,
tem a forma de uma hipótese.
PROBLEMAS | 75
dor coletivo, um cérebro social que navega a cidade e o mun-
19
do. Olhando apenas para o projeto empresarial de veículos
autónomos, é evidente que a IA se constrói sobre informação
coletiva que codifica uma produção coletiva de espaço, tem-
po, trabalho e relações sociais. A IA imita, substitui e emerge
de uma divisão organizada do espaço social (primeiramente de
acordo com um algoritmo material e não com a aplicação de
fórmulas ou análises matemáticas abstratas).
5. A memória e a inteligência do espaço
Paul Virilio, o filósofo francês da velocidade, ou da dro-
mologia, foi também um teórico do espaço e da topologia,
pois ele sabia que a tecnologia acelera a perceção do espa-
ço, tanto quanto transforma a do tempo. Curiosamente, o
título do livro de Virilio, A Máquina de Visão, foi inspirado
pela Perceptron de Rosenblatt. Com a erudição clássica de
um pensador do século xx, Virilio traçou uma linha nítida
entre as técnicas antigas de memorização baseadas na espa-
cialização, como o Método de Loci, e a moderna memória
informática enquanto matriz espacial:
Cícero e os antigos teóricos da memória acreditavam que era pos-
sível consolidar a memória natural com o treino certo. Eles inventaram
um sistema topográfico, o Método de Loci, uma mnemónica imagética
que consistia na seleção de uma sequência de lugares, localizações, que
podiam ser facilmente ordenados no tempo e no espaço. Por exemplo,
pode-se imaginar deambular pela casa, escolhendo como loci diversas
mesas, uma cadeira vista de uma entrada, um parapeito, uma marca
numa parede. De seguida, o material a ser lembrado é codificado em
imagens discretas e cada uma dessas imagens é inserida na ordem
apropriada dentro dos vários loci. Para memorizar um discurso, trans-
19 Os condutores de autocarros escolares nunca granjearão o mesmo fascínio académico que os
pilotos de aviões e drones com a sua «cognição em ambiente selvagem». Não obstante, deve
reconhecer-se que o seu trabalho dá perspetivas cruciais na ontologia da IA.
76 | A PRODUÇÃO DO MUNDO . PROBLEMAS LOGÍSTICOS E SÍTIOS CRÍTICOS
formam-se os pontos principais em imagens concretas e «situa-se»
mentalmente cada um dos pontos na ordem de cada locus sucessivo. No
momento de proferir o discurso, tudo o que é necessário fazer é recor-
dar as partes da casa por ordem.
A transformação do espaço, das coordenadas topológi-
cas e das proporções geométricas numa técnica de memória
deve ser considerada equivalente à mais recente transforma-
ção do espaço coletivo numa fonte de inteligência mecânica.
No final do seu livro, Virilio reflete sobre o estatuto da ima-
gem na era das «máquinas da visão», tais como a Perceptron,
ressoando um aviso sobre a iminente era da IA enquanto a
«industrialização da visão»: «Agora os objetos percecionam-
-me», escreveu o pintor Paul Klee nos seus Notebooks. Esta
surpreendente afirmação tornou-se recentemente um facto
objetivo — a verdade. Afinal, não se falará sobre produzir
uma «máquina da visão» num futuro próximo — uma má-
quina capaz não só de reconhecer os contornos das formas,
mas também de interpretar por completo o campo visual?
Não se falará também sobre a nova tecnologia da visiónica: a
possibilidade de alcançar a visão cega por meio da qual uma
câmara de vídeo seria controlada por computador? Tal tec-
nologia seria usada na produção industrial e no controlo de
mercadorias; e talvez também na robótica militar.
Agora que se prepara o caminho para a automatização
da perceção, para a inovação da visão artificial, delegando
a análise da realidade objetiva numa máquina, talvez seja
apropriado lançar outro olhar sobre a natureza da imagem
virtual… Hoje em dia é impossível falar sobre o desenvolvi-
mento do audiovisual… sem apontar para a nova industria-
lização da visão, para o crescimento de um verdadeiro mer-
cado na perceção sintética e para todas as questões éticas que
este implica… Não devemos esquecer que toda a ideia por
trás da Perceptron seria a de encorajar a emergência de uma
PROBLEMAS | 77
quinta geração de «sistemas periciais», por outras palavras,
uma inteligência artificial que poderia ser mais enriquecida
20
apenas através da aquisição de órgãos de perceção.
6. Conclusão
Se considerarmos a antiga geometria do ritual Agnicaya-
na, a matriz computacional da primeira rede neural Percep-
tron e o complexo sistema de navegação dos veículos autó-
nomos, estas diferentes lógicas espaciais talvez possam, em
conjunto, clarificar o algoritmo como uma forma emergente,
mais do que tecnológica a priori. O ritual Agnicayana é um
exemplo de algoritmo emergente, na medida em que co-
difica a organização de um espaço social e ritual. A função
simbólica do ritual é a reconstrução do deus através de meios
terrenos; esta prática de reconstrução simboliza também a
expressão dos muitos no interior do um (ou o cálculo do um
através dos muitos). A função social do ritual é a de ensinar
competências básicas de geometria e de construir edifícios
21
sólidos . O ritual Agnicayana é uma forma de pensamento
algorítmico que segue a lógica de uma geometria computa-
cional primordial e direta.
A Perceptron é também um algoritmo emergente que
codifica de acordo com uma divisão do espaço, especifica-
mente uma matriz espacial de informação visual. A matriz
dos fotorreceptores da Perceptron define um campo fechado
e processa um algoritmo que calcula informações de acor-
do com a sua relação espacial. Também aqui o algoritmo
aparece como um processo emergente — a codificação e
cristalização de um procedimento, de um padrão, após a sua
20 Virilio, The Vision Machine ..., 76.
21 Como, entre outros autores, Stall e Zellini notaram, estas competências também incluem o
designado teorema de Pitágoras, útil para o desenho e construção de edifícios, o que demonstra
que era já conhecido na antiga Índia (provavelmente transmitido através das civilizações meso-
potâmias).
78 | A PRODUÇÃO DO MUNDO . PROBLEMAS LOGÍSTICOS E SÍTIOS CRÍTICOS
repetição. Todos os algoritmos da aprendizagem automática
são processos emergentes nos quais a repetição de padrões
similares «ensinam» a máquina e fazem com que o padrão
22
surja como uma distribuição estatística.
Os veículos autónomos são um exemplo de algoritmos
complexos emergentes, uma vez que eles se desenvolvem
a partir de uma sofisticada construção do espaço, nomea-
damente o ambiente viário enquanto instituição social de
códigos de trânsito e de regras espontâneas. Os algoritmos
dos veículos autónomos, depois de registarem estas regras
espontâneas e os códigos de trânsito de um determinado
local, procuram prever acontecimentos inesperados que
possam ocorrer numa estrada movimentada. No caso dos
veículos autónomos, a utopia empresarial da automatização
faz evaporar o condutor humano, esperando que o espaço
visual do cenário da estrada dite por si só como deve ser
navegado o mapa.
O ritual Agnicayana, a Perceptron, e os sistemas de IA dos
veículos autónomos são todos, de maneiras diferentes, for-
mas de autocomputação do espaço e algoritmos emergentes
(e todos eles, provavelmente, formas de invisibilização do
trabalho).
A ideia de espaço computacional, ou de espaço auto-
computado, evidencia, em particular, que os algoritmos da
aprendizagem automática e a IA são sistemas emergentes,
baseados numa divisão mundana e material do espaço, do
tempo, do trabalho e das relações sociais. A aprendizagem
automática emerge de redes que são a continuação de antigas
abstrações e rituais relacionados com a marcação de territó-
rios e corpos, contagem de pessoas e bens; neste sentido, a
aprendizagem automática surge essencialmente de uma divi-
22 De facto, mais do que ser a máquina a aprender, são a informação e as suas relações espaciais que
ensinam.
PROBLEMAS | 79
são alargada do trabalho social. Apesar da forma como é fre-
quentemente enquadrada e criticada, a inteligência artificial
não é, na verdade, artificial ou estranha. No habitual processo
mistificador da ideologia, parece ser um deus ex machina que
desce ao mundo como no teatro antigo. Mas isto oculta o
facto de que ela emerge da inteligência deste mundo.
O que as pessoas designam como IA é, na verdade, um
longo processo histórico de cristalização do comportamen-
to coletivo, de informações pessoais e de trabalho individual
em algoritmos privatizados, que são utilizados para a auto-
matização de tarefas complexas: da condução à tradução, do
reconhecimento de objetos à composição musical. Tal como
as máquinas da era industrial se desenvolveram a partir da
experimentação, do saber fazer e do labor dos trabalhadores
especializados, engenheiros e artesãos, os modelos estatísti-
cos da IA desenvolveram-se a partir da informação produ-
zida pela inteligência coletiva. O que é o mesmo que dizer
que a IA surge como uma enorme máquina de imitação da
inteligência coletiva. Qual a relação entre inteligência arti-
ficial e inteligência humana? É a divisão social do trabalho.