Innerarity e o Corpus Informacional: uma leitura tripartida de “Uma Teoria Crítica da Inteligência Artificial”
Daniel Innerarity, titular da Cátedra de Inteligência Artificial e Democracia do Instituto Universitário Europeu de Florença, publicou em 2025 a obra galardoada com o III Prémio de Ensaio Eugenio Trías, “Una teoría crítica de la inteligencia artificial”.
O livro não pretende ser mais um catálogo de riscos ou promessas da IA, mas uma filosofia política que interroga o que significa «autogoverno democrático» quando decisões, quotidianas e políticas, são cada vez mais delegadas a sistemas algorítmicos.
Este artigo aplica a metodologia tripartida do Corpus Informacional, confirmação, rejeição, complementaridade, ao núcleo filosófico dessa obra, com particular atenção ao primeiro capítulo, «La inteligencia de la inteligencia artificial», onde Innerarity distingue com rigor as propriedades específicas da inteligência humana (senso comum, reflexividade, conhecimento implícito, imprecisão, aprendizagem, corporalidade) das capacidades puramente computacionais dos grandes modelos de linguagem.
O interesse do Corpus Informacional por este texto não é acidental.
Innerarity chega, por via de uma filosofia política e hermenêutica independente, a diagnósticos estruturalmente próximos dos que as teorias nucleares do Corpus (TIT, TRD, OID/U, HEIC) formulam a partir de uma ontologia informacional.
Isso torna o seu ensaio um caso particularmente fértil para o método tripartido: um pensador que não parte do mesmo vocabulário chega, no meu entender, por caminhos distintos, a fronteiras semelhantes e é precisamente nas diferenças residuais que a complementaridade se torna produtiva.
O OBJETO: A CRÍTICA DA RAZÃO ALGORÍTMICA
Innerarity recusa três respostas fáceis ao desafio da IA, a moratória, o código ético e o determinismo tecnológico e propõe uma quarta via: a teoria crítica, entendida não como exortação moralizante mas como «indagação das condições estruturais que possibilitam ou impedem» um bom uso da tecnologia.
A ideologia da razão algorítmica, nesta leitura, não é ocultação deliberada, mas irreflexividade: deixar de perguntar a que tipo de racionalidade responde a racionalidade algorítmica, e assumir que não há alternativa.
O núcleo argumentativo do livro sustenta que a inteligência artificial e a inteligência humana não competem porque não são, na verdade, a mesma espécie de coisa.
A IA processa quantidades massivas de dados preexistentes, deteta padrões e produz respostas estatisticamente prováveis, mas não compreende, não tem sentido do contexto, não sabe que sabe.
Innerarity distingue cinco propriedades específicas da inteligência humana que funcionariam como fronteira estrutural:
(a) o senso comum, essa «compreensão nada sofisticada» do contexto que falha nas máquinas precisamente onde é trivial para os humanos;
(b) a reflexividade ou metaconhecimento, saber que se sabe, ausente de sistemas que têm «inteligência refleja, no reflexiva»;
(c) o conhecimento implícito, herdado de Heidegger e Wittgenstein, que resiste a qualquer tentativa de explicitação total (o “frame problem” de Minsky);
(d) a imprecisão ou inexactidão produtiva, a capacidade humana de gerir ambiguidade, ironia e «problemas de conjunto» (insight problems) que não se resolvem passo a passo;
(e) uma forma de aprendizagem invertida em relação à das máquinas, o paradoxo de Moravec, segundo o qual é fácil dotar um sistema de saber especializado e quase impossível dotá-lo do senso comum de uma criança.
CONFIRMAÇÃO
O Corpus Informacional reconhece no diagnóstico de Innerarity três teses que as suas próprias teorias nucleares já sustentavam por vias independentes.
Primeiro, a tese central de que os grandes modelos de linguagem, tal como hoje configurados, operam sobretudo recombinando conhecimento preexistente, sem abrir genuinamente novos espaços de saber, converge diretamente com a distinção OID/U entre Estabilidade Passiva (EP) e Estabilidade Ativa (EA).
Um modelo treinado sobre um corpus fixo opera dentro de um EP delimitado pelos seus dados e pela sua arquitetura; qualquer output, por mais fluente, é uma reorganização combinatória interna a esse EP, nunca a abertura de um EP genuinamente novo.
A ausência de novidade que Innerarity observa empiricamente é exatamente o que a OID/U prevê estruturalmente para qualquer sistema cujo EP esteja congelado por construção.
Segundo, o catálogo de propriedades humanas específicas, senso comum, reflexividade, conhecimento implícito, corporalidade, lê-se, à luz da HEIC, como uma enumeração fenomenológica do termo relacional R na fórmula C = f(D, I, R).
Os sistemas atuais dispõem de D (dados) em abundância e de I (capacidade de integração computacional) crescente, mas carecem estruturalmente de R, o termo relacional, contextual e corporalizado que a HEIC identifica como condição não substituível por acumulação de D ou de I.
A fórmula de Innerarity, «inteligente mas no sábia», é uma reformulação, em vocabulário de filosofia política, do limiar qualitativo que a HEIC já postulava: mais dados e mais cálculo não fecham, por si, a distância até C.
Terceiro, o exemplo de Searle da sala chinesa, alguém que traduz sem saber chinês, seguindo regras sintáticas sem acesso ao significado, é uma ilustração perfeita de um handshake informacional que nunca transita de IPR (Informação Potencialmente Revelável) para IAR (Informação Atualmente Revelada), na terminologia da TRD/SHI.
O sistema manipula símbolos com perfeita competência sintática, mas a revelação semântica, o momento em que a informação potencial se converte em informação efetivamente actualizada para um agente, simplesmente não ocorre.
A distinção de Innerarity entre «saber» e «saber que se sabe» é, do ponto de vista do Corpus, a distinção entre um sistema que processa IPR em circuito fechado e um sistema capaz de completar o handshake até à IAR reflexiva.
REJEIÇÃO
Rejeita três pontos em que a argumentação de Innerarity, apesar do seu rigor, fecha prematuramente questões que o Corpus Informacional mantém estruturalmente abertas.
Primeiro, Innerarity conclui, no limite do seu capítulo sobre conhecimento implícito, que «o que nos distingue das máquinas não é a inteligência, mas a vida», uma corporalidade biológica erigida em fronteira última e, implicitamente, intransponível.
O Corpus rejeita esta formulação como fecho prematuro.
O axioma de Extensão Sistémica, já mobilizado no artigo sobre a Redução Objetiva Orquestrada, e o próprio construto VICS (Vestígio Informacional Constitutivo Sintético), sustentam que a questão relevante não é se o substrato é biológico, mas se um sistema, de qualquer substrato, pode adquirir uma camada pré-experiencial constitutiva e não-fungível, análoga ao GEP/AEA.
Isto continua, para já, empiricamente por demonstrar; mas tratá-lo como metafisicamente fechado por definição, como faz Innerarity, é uma petição de princípio que a arquitetura teórica do Corpus não subscreve.
Segundo, a caracterização da «ideologia» da razão algorítmica como simples irreflexividade coletiva, deixar de perguntar é, do ponto de vista da BID (Bloco Informacionalmente Dinâmico), insuficiente como explicação estrutural.
Não se trata apenas de um défice de atenção reflexiva reversível pelo simples «mais pensar» que Innerarity recomenda como remédio; trata-se de fechos institucionais já consumados, decisões regulatórias, infraestruturas de dados, contratos sociais técnicos, que, uma vez actualizados, deixam de ser reversíveis pela sua própria natureza informacional.
Reduzir o problema a um défice cognitivo coletivo subestima o custo de fixação (CFB, na terminologia já usada a propósito da edição genética do PCSK9) que cada decisão algorítmica não revista acumula irreversivelmente sobre o EP subsequente das sociedades.
Terceiro, a distinção de Roitblat entre «problemas graduais» (path problems) e «problemas de conjunto» (insight problems), que Innerarity adota sem reservas para explicar por que a IA falha nos segundos, é aceite como dicotomia discreta.
O Corpus rejeita esta discretização: a OID/U trata o EP como um gradiente contínuo de possibilidades, não como uma partição binária de domínios.
Um problema não é «gradual» ou «de conjunto» por natureza fixa, mas ocupa uma posição variável num espectro de exigência relacional, o que a secção seguinte procura formalizar.
COMPLEMENTARIDADE – O ÍNDICE DE DÉFICE RELACIONAL (IDR)
Complementa propondo um novo constructo que formaliza, em termos quantificáveis, a fronteira que Innerarity descreve apenas qualitativamente.
Se a distinção binária entre problemas graduais e problemas de conjunto é insuficiente, e se a HEIC já identifica R como o termo estruturalmente ausente nos sistemas algorítmicos, o Corpus Informacional propõe um novo constructo: o Índice de Défice Relacional (IDR).
O IDR mede, para um dado domínio de decisão, a distância entre a capacidade que um sistema algorítmico pode oferecer em D (volume e qualidade de dados disponíveis) e I (capacidade de integração computacional) e o nível de R, termo relacional, contextual, corporalizado, genuinamente requerido para que a decisão nesse domínio seja adequadamente atualizada.
Formalmente, IDR = R_requerido − f(D, I), onde f(D, I) representa o contributo que dados e integração computacional conseguem, de facto, oferecer para preencher a exigência relacional do domínio.
Três axiomas
- Axioma da Suficiência D·I em Domínios de Baixo IDR: em domínios onde R_requerido é próximo de zero (regras fixas, universos fechados, problemas graduais como o xadrez, o Go ou a navegação por satélite), o aumento de D e de I é suficiente para uma atualização adequada; a delegação algorítmica nestes domínios é epistemicamente legítima e frequentemente superior à decisão humana isolada;
- Axioma da Insuficiência Estrutural em Domínios de Alto IDR: em domínios onde R_requerido é elevado (juízo ético, deliberação política, ambiguidade linguística, problemas de conjunto), nenhum aumento de D ou de I fecha o IDR; o défice só se reduz pela introdução de R propriamente dito, isto é, por um agente capaz de atualização relacional e contextual, o que hoje corresponde, empiricamente, a intervenção humana;
- Axioma da Externalização Oculta do IDR: quando uma decisão é delegada num sistema apesar de um IDR elevado, o défice relacional não desaparece: é deslocado, tornando-se invisível, para (i) trabalho humano residual de interpretação não reconhecido como tal, ou (ii) risco estrutural acumulado ao nível do EP, que se manifesta mais tarde como falha sistémica em vez de erro pontual atribuível.
Este terceiro axioma retoma, num novo domínio, o padrão já identificado no artigo sobre o custo ambiental do bit: a tendência para individualizar ao nível do EA (o utilizador, o programador, o cidadão) aquilo que é estruturalmente um custo do EP (a arquitetura do sistema, a ausência de desenho institucional para a deliberação algorítmica).
O IDR não resolvido por desenho é, tipicamente, resolvido, mal, por atribuição de culpa a jusante.
PREVISÃO TESTÁVEL
O IDR gera uma previsão falsificável que retoma, e generaliza, um dado empírico que o próprio Innerarity cita a propósito do xadrez: os melhores resultados não são obtidos por computadores nem por humanos isoladamente, mas por equipas humano-computador («centauros»).
Se o IDR está corretamente formulado, o ganho de desempenho atribuível à complementaridade humano-máquina, medido em domínios ordenados ex-ante pelo seu IDR estimado (do mais baixo – xadrez, Go, tradução literal, diagnóstico por imagem em contextos bem definidos, ao mais alto, mediação de conflitos, deliberação política, crítica literária, decisões clínicas em contextos ambíguos), deverá correlacionar-se positivamente e de forma monótona com o IDR do domínio: o ganho da parceria humano-máquina deverá ser marginal ou nulo (podendo mesmo inverter-se a favor da máquina isolada) em domínios de IDR baixo, e crescente em domínios de IDR alto.
Uma correlação nula ou negativa entre IDR estimado e ganho de complementaridade refutaria o constructo tal como aqui formulado.
CONCLUSÃO
Una teoría crítica de la inteligencia artificial chega, por via de uma filosofia política independente das teorias nucleares do Corpus Informacional, a um diagnóstico estruturalmente compatível com a distinção EP/EA da OID/U, com o termo relacional R da HEIC e com o modelo de handshake IPR→IAR da TRD/SHI.
O Corpus confirma o núcleo desse diagnóstico, rejeita o seu fecho antecipado da questão da corporalidade e a sua leitura demasiado discreta dos tipos de problema, e complementa-o com o Índice de Défice Relacional, um instrumento que pretende transformar uma fronteira hoje descrita apenas qualitativamente numa variável mensurável, capaz de orientar tanto a investigação empírica sobre complementaridade humano-máquina como o desenho institucional da delegação algorítmica que Innerarity reclama para a democracia contemporânea.
NOTA BIBLIOGRÁFICA
INNERARITY, Daniel. Una teoría crítica de la inteligencia artificial. Barcelona: Galaxia Gutenberg, 2025. III Prémio de Ensaio Eugenio Trías. ISBN 978-84-10317-18-5.
vitor.lima@crivosoft.pt
