O pensamento contemporâneo sistémico sobre mente e conhecimento

A Teoria Geral de Sistemas surgiu com os trabalhos do biólogo austríaco Ludwig von Bertalanffy, publicados entre 1950 e 1968. Esta teoria proporcionou a produção de mais teorias e formulações conceptuais que permitiram criar condições de aplicação na realidade empírica. Existe uma nítida tendência para a integração entre as ciências naturais e sociais que levaram ao rumo de uma teoria dos sistemas. Ora, essa teoria de sistemas facilitou uma maneira mais abrangente de estudar os campos não físicos do conhecimento científico, especialmente as ciências sociais. Essa teoria de sistemas, ao desenvolver princípios unificadores que atravessam verticalmente os universos particulares das diversas ciências envolvidas, aproxima-nos do objetivo da unidade da ciência.

A importância da Teoria Geral de Sistemas é significativa tendo em vista a necessidade de se avaliar a organização como um todo e não somente em departamentos ou setores. O mais importante ou tanto quanto é a identificação do maior número de variáveis possíveis, externas e internas que, de alguma forma, influenciam em todo o processo existente na organização. A Teoria dos Sistemas começou a ser aplicada na Administração, principalmente em função da necessidade de uma síntese e uma maior integração das teorias anteriores. Os sistemas vivos, sejam indivíduos ou organizações, são analisados como "sistema abertos", mantendo um continuo intercâmbio de matéria/energia/informação com o ambiente. Humberto Maturana foi outro cientista que deu continuidade e completude à teoria de Bertalanffy.

As teorias de Ludwig von Bertalanffy e Humberto Maturana continuam válidas. Mas foram reinterpretadas e ampliadas com a atual revolução cognitiva (IA, neurociência, ciência da complexidade, ciências computacionais). A Teoria Geral de Sistemas, é, portanto, uma criação de Ludwig von Bertalanffy. Sistemas vivos, sociais e cognitivos devem ser entendidos como totalidades organizadas. O todo não se reduz à soma das partes. Existem padrões comuns em biologia, psicologia, sociologia e tecnologia. Hoje, modelos de IA, cérebro e sociedade são vistos como sistemas dinâmicos interconectados, exatamente como Bertalanffy propôs.

Humberto Maturana (com Francisco Varela) criou o conceito de Autopoiesis – Sistemas vivos são auto-produtores de conhecimento que não é cópia do mundo, mas construção do observador que faz parte do sistema observado. Muito influente em: Second-order Cybernetics; Constructivism; Enactive Cognition; Embodied Cognition. Hoje, muitas teorias cognitivas afirmam que: mente não está só no cérebro; mente emerge da interação corpo-ambiente; conhecimento é ativo, não passivo; Isso está muito próximo de Maturana.

Apesar de alguns considerarem excessivamente construtivista, mesmo assim, as teorias desses cientistas continuam influentes. As teorias de Bertalanffy e Maturana não ficaram ultrapassadas. Foram absorvidas pela ciência da complexidade e pela ciência cognitiva moderna. A revolução atual aproxima-se mais deles do que do mecanicismo clássico. Em certo sentido, a revolução cognitiva atual confirma que a mente, a vida e a sociedade são sistemas auto-organizadores — exatamente como Bertalanffy e Maturana sugeriram. A ciência atual está a regressar a ideias sistémicas, mas com matemática, computação e biologia mais avançadas.

A IA clássica, entre os anos 1950-1990, era simbólica, assente na lógica formal em que Alan Turing se tornou o seu mentor icónico. Hoje a IA (deep learning, redes neurais) é baseada em Artificial Neural Network, Deep Learning e Reinforcement Learning. Aprendizagem por interação, adaptação, emergência e não linearidade. Isto parece muito mais com autopoiese, sistemas dinâmicos e acoplamento estrutural. Mas há uma diferença importante: IA atual não é autopoiética no sentido de Maturana. Não se autoproduz biologicamente e não tem corpo próprio (na maioria dos casos).

Hoje, Karl Friston, é notável em Predictive Processing e Free Energy Principle. O cérebro é um sistema que minimiza surpresa e mantém a sua organização. Isto é extremamente próximo de autopoiese, sistemas abertos e auto-organização. O Free Energy Principle diz algo parecido com Maturana: um sistema vivo mantém a sua identidade através da regulação das suas interações. A diferença está em que Maturana fala em linguagem biológica e Friston fala em linguagem matemática: menos mecanicismo; mais sistemas dinâmicos; mais auto-organização; mais corpo-ambiente; mais emergência. Ou seja, a revolução cognitiva atual está mais próxima de Bertalanffy e Maturana do que a revolução cognitiva dos anos 60.

Karl Friston é um dos neurocientistas mais influentes das últimas décadas. Ele propôs uma das teorias mais ambiciosas atuais sobre mente, cérebro e vida: o Free Energy Principle. Muitos consideram que esta teoria é uma espécie de ponte moderna entre Bertalanffy & Maturana, a teoria da informação e a neurociência computacional. Este neurocientista britânico, trabalha com neuroimagem, teoria da informação e modelos matemáticos do cérebro. É muito citado em neurociência. Principais áreas: Theoretical Neuroscience; Computational Neuroscience; Cognitive Science (explicar o cérebro, a mente e os seres vivos com um único princípio matemático).

O Free Energy Principle (ideia central) – O princípio diz, de forma simplificada: todo o sistema vivo mantém a sua organização minimizando a surpresa. Ou, mais tecnicamente: um sistema que sobrevive precisa de reduzir a incerteza sobre o seu ambiente. O nome vem da teoria da informação, não da termodinâmica. A ideia liga-se a: Information Theory; Bayesian Inference; Entropy; Self-Organization. O cérebro não reage ao mundo, prevê o mundo. O que fazemos o tempo todo: prever o que vai acontecer; comparar previsão com realidade; corrigir o erro. Se o erro é pequeno → estabilidade. Se o erro é grande → aprendizagem. Isso é muito parecido com: autopoiese (manter organização); sistemas abertos (Bertalanffy); acoplamento estrutural (Maturana).

Na ligação com IA moderna, Free Energy Principle liga-se a aprendizagem bayesiana; redes neurais; reinforcement learning; modelos generativos. Exemplos: ChatGPT → modelo generativo; redes neurais → previsão de padrões; robótica → controlo preditivo. Mas Friston vai mais além: um ser vivo não apenas aprende, mas age para tornar o mundo previsível. Isto chama-se: Active Inference. Ou seja: perceçpão = prever; ação = reduzir o erro; vida = manter coerência.

Ainda assim, a teoria é muito controversa. Muito abstrata, difícil de testar. Ao pretender explicar tudo corre o risco de explicar nada; Matemática extremamente complexa. Alguns dizem: é a teoria de tudo da neurociência. Outros dizem: é filosofia com equações. O ponto mais profundo, que liga com a revolução cognitiva, é que a mente não é separada do corpo. O corpo não é separado do ambiente. Conhecer é regular interação. A Vida luta contra o Caos. A neurociência mais matemática atual está a convergir com as teorias sistémicas de Bertalanffy e Maturana.