Uma frase falsa pode carregar mais informação do que uma frase verdadeira. Isso soa absurdo até percebermos que, em Matemática, “informação” não significa necessariamente conhecimento, verdade ou qualidade. Muitas vezes significa apenas surpresa.
Há palavras que usamos no cotidiano e que mudam de significado quando entram na Matemática. “Aleatório” é uma delas. “Infinito” também. “Informação” talvez seja uma das mais perigosas, porque parece intuitiva demais.
Quando dizemos que recebemos uma informação, normalmente queremos dizer que aprendemos alguma coisa. Se alguém afirma que amanhã vai chover e a previsão estiver correta, sentimos que recebemos conhecimento útil. Se a afirmação for inventada, tendemos a dizer que aquilo “não é informação”.
A teoria matemática da informação usa a palavra de outro jeito. Para ela, uma mensagem pode ser muito informativa mesmo sendo falsa, absurda ou completamente inútil. O que importa, em primeiro lugar, é quão inesperada ela era antes de chegar.
A surpresa pode ser medida
Considere um evento A com probabilidade P(A). Uma maneira clássica de medir a quantidade de informação associada à ocorrência desse evento é:
A base 2 faz com que a unidade seja o bit. Se algo tinha probabilidade 1/2, sua ocorrência fornece 1 bit de informação. Se a probabilidade era 1/8, obtemos 3 bits. Um evento com probabilidade 1/1024 corresponde a 10 bits.
Quanto menos provável o evento, maior a surpresa. E quanto maior a surpresa, maior a quantidade de informação nesse sentido técnico.
Agora vem a parte desconfortável: a fórmula não pergunta se o evento é verdadeiro, moralmente aceitável, importante ou sensato. Ela pergunta apenas quão improvável era.
Uma mentira improvável pode ser “mais informativa”
Imagine duas mensagens.
A primeira diz: “O Sol nasceu hoje pela manhã”. É verdadeira, mas quase totalmente previsível. A segunda diz: “Uma tartaruga foi eleita síndica de um prédio de cinquenta andares”. Provavelmente é falsa — mas é muito mais inesperada.
Em linguagem cotidiana, a primeira contém conhecimento e a segunda contém bobagem. Em linguagem estatística, a segunda pode provocar uma redução muito maior de incerteza simplesmente porque, antes de ouvi-la, quase ninguém atribuiria probabilidade relevante àquela combinação de palavras e acontecimentos.
Essa diferença ajuda a entender por que precisamos separar informação estatística de verdade semântica.
Algo parecido apareceu no artigo Um único número pode conter uma biblioteca infinita?. Ali, a questão era distinguir “conter dados” de “ser capaz de recuperar conhecimento”. Aqui, a distinção é ainda mais incômoda: uma mensagem pode ser surpreendente sem ser verdadeira.
O problema não é a matemática. É o significado que colocamos nela
Claude Shannon construiu sua teoria para estudar transmissão de sinais. O objetivo era responder perguntas como: quantos símbolos precisamos transmitir? Quanto uma mensagem pode ser comprimida? Qual é a capacidade de um canal? Quanto ruído podemos tolerar?
Para essas perguntas, o significado da mensagem pode ser irrelevante. Uma sequência de bits precisa chegar ao destino corretamente, seja ela a representação de um poema, de uma fotografia ou de uma lista de compras.
A quantidade média de incerteza de uma fonte pode ser expressa pela entropia:
Se uma fonte produz quase sempre a mesma coisa, ela é altamente previsível e sua entropia é baixa. Se distribui sua probabilidade entre muitas alternativas, a incerteza aumenta.
Isso não significa que uma fonte de alta entropia seja “melhor”. Um gerador de caracteres aleatórios pode produzir enorme imprevisibilidade e absolutamente nenhuma sabedoria.
Por que o absurdo chama tanto a atenção?
Nosso cérebro também reage à surpresa. Uma manchete banal compete mal com algo que viola expectativas. O inesperado pede explicação. Ele quebra o padrão que estávamos usando para prever o mundo.
Esse mecanismo é útil. Se eu atravesso todos os dias uma rua tranquila e, de repente, encontro um caminhão atravessado na pista, é bom que meu sistema perceptivo trate aquilo como prioridade. O problema aparece quando confundimos capacidade de chamar atenção com probabilidade de ser verdadeiro.
É a mesma família de erro discutida em A média pode estar certa — e ainda assim contar a história errada: um número ou um sinal pode ser tecnicamente correto e, mesmo assim, não sustentar a conclusão que queremos extrair dele.
Antes de continuar, vale assistir ao vídeo abaixo. Nele, desenvolvo exatamente essa provocação: por que conteúdos falsos podem parecer tão carregados de informação quando olhamos apenas para surpresa e imprevisibilidade?
Informação muda decisões — e isso é outra coisa
No problema de Monty Hall, uma informação aparentemente pequena muda radicalmente a decisão porque ela foi produzida por um protocolo específico. O apresentador sabe onde está o prêmio e não abre uma porta qualquer.
A mensagem só ganha sentido quando conhecemos o processo que a produziu.
Esse ponto é crucial fora dos jogos probabilísticos. Quando recebemos uma afirmação, não deveríamos perguntar apenas “isso é surpreendente?”. Deveríamos perguntar também: de onde veio? Que mecanismo produziu essa mensagem? Que evidência permitiria verificá-la? O emissor tinha acesso aos fatos? Há possibilidade de erro? Há incentivo para exagerar?
A teoria da informação mede com precisão uma parte do problema. A epistemologia — o estudo do conhecimento — começa justamente onde essa medida termina.
E a inteligência artificial?
Modelos de linguagem tornam essa distinção ainda mais interessante. Eles trabalham com distribuições de probabilidade sobre sequências: dadas certas palavras, algumas continuações são mais prováveis que outras.
Uma resposta muito previsível pode ser estatisticamente pouco informativa. Uma resposta inesperada pode parecer criativa. Mas nenhuma dessas propriedades garante que a resposta esteja correta.
Por isso, fluência e verdade são dimensões diferentes. Um texto pode ser elegante, surpreendente e coerente — e ainda assim conter um erro factual.
Essa é uma das questões centrais do meu livro Inteligência Artificial: criando o futuro ou perdendo o controle?, disponível para compra no Clube de Autores. O livro discute justamente o risco de confundir produção linguística convincente com compreensão e conhecimento.
Talvez estejamos fazendo a pergunta errada
Quando alguém diz que vivemos numa “era da informação”, talvez a frase seja matematicamente verdadeira e intelectualmente incompleta.
Nunca produzimos tantos sinais, textos, imagens e números. Mas aumentar a quantidade de informação não garante aumentar a quantidade de conhecimento. Informação pode reduzir incerteza estatística; conhecimento exige interpretação, contexto, evidência e alguma relação confiável com o mundo.
Uma sociedade pode ser inundada por mensagens e continuar mal informada.
E talvez essa seja a provocação mais importante: quando algo nos surpreende, estamos aprendendo — ou apenas sendo surpreendidos?
Deixe um comentário