1. Humanos e máquinas (tradicionais e que aprendem)

Há diferenças substantivas entre vida orgânica, à base de carbono, que caracteriza os humanos, e a chamada vida artificial, ancorada no silício, peculiar das máquinas que aprendem.

Máquinas que aprendem, por sua vez, diferem dos computadores tradicionais, os quais funcionam, principalmente, utilizando linguagens, conceitos e procedimentos usuais de inferências lógicas. Nas máquinas de aprendizado profundo, a introdução das redes neurais e a ênfase em reconhecimentos de padrões tornam o sistema bem mais complexo e, aparentemente, mais eficiente em diversas aplicações.

Em sistemas baseados em redes neurais, o acompanhamento pleno do processo, pelos próprios programadores, finda sendo, muitas vezes, relativamente mais difícil do que costumava ser na programação tradicional. Isso tem induzido especulações acerca de uma eventual consciência e autodeterminação das máquinas, também confundida com uma talvez consciência.

Tais mudanças, mais do que frutos da qualquer quebra conceitual simples, são resultados de uma nova realidade, onde a capacidade computacional é absurdamente maior e contando agora com bancos de dados inimagináveis anteriormente. Esses ingredientes, na escala que existem hoje, simplesmente não estavam disponíveis há uma década. Somados a isso, consideremos o impulso recente da ciência dos algoritmos, propiciando um instrumental muito mais sofisticado do que tínhamos à disposição há poucos anos.

Ao adotar as redes neurais, o próprio sistema se autorregula permanentemente, via erros e acertos, dispensando parametrizações, inferências lógicas e inicializações prévias. As decisões, a cada iteração, são embasadas em bancos de dados construídos ao longo do próprio processo, sugerindo, por vezes,  uma, ainda obscura, interpretação de independência.

O funcionamento das máquinas de aprendizado profundo é lastreado no conhecimento humano já disponível, fazendo uso de sua surpreendente capacidade de gerar produtos inovadores. Entre eles modelos de linguagens que simulam humanos, especialmente os modelos de linguagem LLMs (em inglês, Large Language Models), a exemplo da versão mais recente, o ChatGPT-4, que têm causado espanto em muitos.

2. Campos em disputa (força física, cognição e metacognição)

O motivo da apreensão justificada é que o Homo sapiens é dotado de alguns predicados essenciais, entre eles, a força física, a cognição e a metacognição. Se um dia, em tempos já distantes, nós humanos, nos acostumamos a abandonarmos a perspectiva de enfrentar as máquinas em termos de força física, mais recentemente, tivemos o desafio de reconhecer que em alguns aspectos relevantes da cognição estamos sendo, igualmente, ultrapassados por elas. Restando aos humanos, a esperança de permanecermos competitivos, dado estar relacionado a características eminentemente humanas, no campo da metacognição.

Cognição diz respeito aos processos mentais envolvidos na aquisição e no uso do conhecimento. Metacognição, por sua vez, envolve, essencialmente, refletir sobre a própria reflexão. Desta forma, monitorando e regulando os seus pensamentos, emoções, comportamentos, e, no limite, avaliando o próprio desempenho. Assim, se cognição se associa ao aprender, a metacognição diz respeito, principalmente, ao aprender a aprender.

Assim, na abordagem metacognitiva, a aprendizagem via a autorreflexão e a capacidade de implementar autoajustes desempenham papeis centrais, viabilizando a capacidade de aprender a aprender continuamente, ao longo de toda a vida. Nesse sentido, mais relevante do que o que foi aprendido é, para o educando, ampliar a consciência acerca de como ele aprende, via uma linguagem comunal com a qual todos se comunicam. O domínio progressivo do contexto, dos meios e das metodologias de aprendizagem, características individuais de cada aluno, desempenham um papel transcendente ao conteúdo, procedimentos e técnicas a serem aprendidos. Portanto, a metacognição propicia uma abordagem bastante diversa do enfoque cognitivo clássico, tanto para aprender como para resolver problemas ou tomar decisões.

Alguns críticos da inteligência artificial, especialmente da aprendizagem profunda ancorada em redes neurais, destacam que, embora o sistema seja adequado para realizar descrição e previsão de eventos, haveria uma impossibilidade prática de as máquinas gerarem explicação mais profundas dos eventos, característica esta, por enquanto, tipicamente humana.

Ousando uma analogia ainda preliminar, ao que parece teríamos uma correspondência entre as habilidades de descrever e de prever, atualmente abrangidas, com muito sucesso, pelas máquinas, com a cognição. Por sua vez, a área associada à explicação, de forma geral bem mais complexa, estabeleceria uma conexão com a cognição. Neste sentido, a metacognição representaria a derradeira fronteira de uma simbólica batalha entre humanos, que criam máquinas, e máquinas, as quais, lembremos, são desenvolvidas por humanos.

3. Educação metacognitiva e a esperança competitiva

Quanto a como enfrentar esses desafios contemporâneos, por certo, não há uma resposta única, muito menos plenamente satisfatória. Porém, todas as eventuais reflexões sobre o tema apontam para educação dos humanos (humanos que aprendem) como sendo um dos alicerces básicos capaz de lidar com essas novas circunstâncias.

A revolução digital em curso, em especial na fase da adoção crescente da robótica e da inteligência artificial, tem modificado rápida e profundamente o mundo do trabalho e, consequentemente, os perfis dos profissionais demandados. Essa radical transformação representa ao mesmo tempo um enorme desafio e a abertura de espaços gigantescos em termos de novas oportunidades.

Boa parte dos ofícios e dos serviços de rotina deixarão de existir na forma como nós os conhecemos hoje. Muitas habilidades técnicas, até recentemente valorizadas, passarão a não ser mais necessárias ou serão subvalorizadas. Por outro lado, habilidades metacognitivas, nelas incluídas as socioemocionais e comportamentais, por serem tipicamente humanas (por enquanto), tendem a ser, progressivamente, mais valorizadas.

Entre essas habilidades metacognitivas, além da capacidade singular de aprender a aprender ao longo de toda a vida, destacam-se:  saber trabalhar em equipe, cuidar das pessoas ao seu redor, resolver problemas mais complexos, estar estimulado para explorar elementos de criatividade e de inovação, exercitar pensamentos críticos e analíticos, dominar a conjugação de firmeza de propósitos com disciplina e flexibilidade e fazer uso de todas as formas de empatia, especialmente a compaixão (entender o outro por se colocar no lugar do outro e fazer algo em função disso).

O enorme desafio no campo da educação contemporânea é que os nossos sistemas educacionais (incluindo as metodologias adotadas, a mentalidade da maior parte do corpo docente, modelos de gestão etc.), até recentemente, priorizaram a transferência de conhecimento, a memorização e os testes padronizados. Ao mesmo tempo que, infelizmente, se caracterizam por menosprezar, em geral, cultivar ou priorizar o aprender a aprender e a habilidades específicas centradas no ser humano.

            Em suma, nesse campo derradeiro da batalha entre humanos e máquinas, nossa maior ferramenta é educação. Dentro dela há que se explorar os enfoques e abordagens metacognitivos, elementos essenciais tanto quanto à diferenciação como de eventual vantagem competitiva. Se triunfaremos ao final, ainda não sabemos, mas se não focarmos em educação metacognitiva, certamente caminhamos para mais uma derrota, enquanto espécie. Neste caso, vencidos por máquinas que, paradoxalmente, nós mesmos criamos.

Escrito em coautoria com Gabriel Goldmeier,Doutor em Educação pela Cidadania pelo Institute of Education, UCL, UK.

Agradecimentos: Os autores agradecem a Leonardo Chatain pelas discussões e contribuições.