Entrenchment in Human Exploration: A Future-Path Model of Early Convergence

Os seres humanos enfrentam constantemente uma escolha fundamental: devemos manter o que sabemos que funciona ou devemos tentar algo novo para ver se é melhor? Este dilema, conhecido pelos cientistas como o compromisso entre exploração e explotação (exploration-exploitation tradeoff), é o motor do aprendizado. Quando exploramos, reunimos informações sobre o mundo; quando exploramos para aproveitar (exploit), usamos essa informação para obter a melhor recompensa. Idealmente, equilibramos esses dois impulsos, amostrando o suficiente para encontrar a melhor opção e, então, estabelecendo-nos para desfrutá-la. No entanto, em muitas situações, as pessoas parecem parar de procurar cedo demais. Elas fixam-se numa escolha que não é, de facto, a melhor e continuam a fazê-la, mesmo quando existem opções melhores disponíveis. Esta persistência obstinada, que os investigadores chamam de "enraizamento" (entrenchment), sugere que os nossos cérebros podem estar a simular o futuro de uma forma que nos prende a hábitos subótimos.

Um novo estudo de Shinji Nakazato, da Universidade de Ciência de Tóquio, oferece uma explicação nova para o porquê de isto acontecer. A investigação propõe que, quando avaliamos as nossas escolhas atuais, não olhamos apenas para a recompensa imediata. Em vez disso, realizamos uma simulação mental das nossas decisões futuras, imaginando o que faremos a seguir. Crucialmente, o estudo sugere que realizamos esta simulação enquanto mantemos as nossas crenças atuais fixas, como se nunca fôssemos aprender ou atualizar as nossas opiniões no futuro. Este atalho mental cria um tipo específico de incerteza sobre o nosso caminho futuro. O modelo mostra que, quando o horizonte temporal é longo — ou seja, quando restam muitas decisões a tomar — esta incerteza simulada cresce o suficiente para nos fazer abandonar a melhor opção conhecida e derivar para opções piores. As descobertas desafiam a ideia de que os seres humanos estão sempre a tentar maximizar as suas recompensas, sugerindo, em vez disso, que as nossas próprias simulações internas do futuro nos podem levar ao erro.

Para testar esta ideia, o investigador analisou dados de dois tipos diferentes de experiências onde as pessoas jogavam jogos envolvendo escolhas repetidas. Numa série de experiências, conhecidas como tarefa de Wilson, os participantes enfrentavam um jogo simples de duas opções. Os investigadores controlaram cuidadosamente o jogo para que o conhecimento dos participantes sobre as opções fosse idêntico no início de uma decisão, mas o número de turnos futuros que teriam de jogar variava. Em alguns casos, os participantes sabiam que tinham apenas um turno restante; noutros, sabiam que tinham seis turnos restantes. Se as pessoas estivessem simplesmente a tentar encontrar a melhor opção, o seu comportamento deveria ser o mesmo em ambos os casos, porque o seu conhecimento era o mesmo. No entanto, os dados mostraram uma diferença clara: quando os participantes sabiam que tinham mais turnos restantes, eram significativamente mais propensos a escolher a opção que não era a melhor. Este resultado foi tão forte que não pôde ser explicado pelas teorias padrão de como as pessoas aprendem, nem pela ideia de que estavam apenas a ser mais cuidadosas ou curiosas. O único modelo que conseguiu reproduzir este padrão específico foi o baseado na simulação do "caminho futuro", onde o decisor imagina as suas escolhas futuras sem antecipar que aprenderá algo novo.

O estudo foi mais longe para distinguir este comportamento de outras formas de exploração. Às vezes, as pessoas escolhem uma opção pior de propósito para recolher mais informações sobre a melhor possibilidade possível; isto é chamado de exploração dirigida. Para verificar se as escolhas obstinadas do estudo eram uma forma de exploração inteligente ou apenas um bloqueio, o investigador analisou um segundo jogo mais complexo, jogado num grelha com muitos pontos possíveis. Neste jogo, o verdadeiro melhor ponto era conhecido pelos investigadores. A análise revelou que, quando as pessoas tomavam escolhas não otimizadas nas situações de longo horizonte, estavam predominantemente a mover-se para pontos que eram genuinamente piores, não em direção ao melhor ponto. Elas não estavam a explorar para encontrar o ótimo; estavam a derivar para longe dele. Isto confirmou que o comportamento era, de facto, "enraizamento", um ciclo de auto-reforço onde uma pessoa fica presa numa escolha subótima porque a sua simulação mental do futuro faz com que essa escolha pareça mais atraente do que realmente é.

A investigação também examinou como o tamanho do conjunto de escolhas afeta este comportamento. No jogo da grelha, os participantes tinham de escolher entre 30 ou 121 pontos diferentes. O modelo previu que ter mais opções aumentaria a incerteza na simulação mental do futuro, tornando ainda mais provável que as pessoas ficassem presas numa escolha má. Os dados apoiaram isto: à medida que o número de opções disponíveis aumentava, a taxa de persistência numa escolha não otimizada também aumentava. Além disso, o estudo descobriu que, quando a diferença de valor entre a melhor opção e a segunda melhor opção era muito clara, as pessoas eram menos propensas a ficar presas. Mas quando a lacuna era pequena, ou quando o futuro parecia distante, a tendência para persistir numa escolha medíocre tornava-se mais forte.

Estas descobertas pintam um quadro da tomada de decisão humana que é menos sobre cálculo frio e mais sobre as limitações da nossa imaginação. O estudo sugere que os nossos cérebros nem sempre estão a olhar para a frente para otimizar o nosso futuro; às vezes, estão a olhar para a frente e a ver uma névoa de possibilidades que faz com que o caminho atual, familiar, pareça mais seguro, mesmo quando não leva a lado nenhum. Ao simular os nossos "eus" futuros como se nunca fôssemos mudar de opinião, criamos inadvertidamente uma barreira ao aprendizado. A investigação não afirma que isto seja uma falha na inteligência humana, mas sim uma característica estrutural de como processamos o tempo e a incerteza. Mostra que o próprio mecanismo que usamos para planear as nossas vidas — imaginar o que faremos a seguir — pode ser, por vezes, o que nos impede de encontrar o melhor caminho a seguir. Os resultados foram robustos através de milhares de tentativas e mantiveram-se verdadeiros mesmo quando os investigadores descartaram outras explicações, como erros simples ou uma preferência geral pela variedade.

Em última análise, o artigo fornece um quadro matemático que captura este tipo específico de estagnação. Mostra que a probabilidade de fazer uma escolha não otimizada aumenta à medida que o tempo restante cresce e à medida que o número de opções se expande. Isto é o oposto do que as teorias tradicionais de aprendizagem racional preveem, que sugerem que ter mais tempo deve ajudar as pessoas a encontrar a melhor solução. O estudo confirma que, para os aprendizes humanos, ter mais tempo pode, na verdade, tornar mais provável que nos conformemos com menos. A investigação deixa aberta a questão de como exatamente o céreio calcula esta incerteza futura, mas estabelece firmemente que a forma como imaginamos as nossas escolhas futuras é um poderoso motor do nosso comportamento presente, capaz de nos prender em padrões que não são do nosso interesse.