The Model Thinker

1. Modelos Simplificam a Realidade para Revelar Verdades

É praticamente inegável que o objetivo supremo de toda teoria é tornar os elementos básicos irredutíveis tão simples e poucos quanto possível, sem abrir mão da representação adequada de um único dado da experiência.

A simplificação é fundamental. Modelos não são réplicas perfeitas do mundo, mas representações simplificadas que destacam relações-chave e forças causais. Ao eliminar detalhes desnecessários, os modelos nos permitem focar nos elementos essenciais que impulsionam um fenômeno. Essa simplificação possibilita a análise lógica e a geração de hipóteses testáveis.

Três tipos de modelos. Modelos podem ser simplificações do mundo, analogias matemáticas ou construções exploratórias e artificiais. Independentemente da forma, os modelos devem ser tratáveis, ou seja, simples o suficiente para permitir análise lógica. Essa tratabilidade nos ajuda a extrair insights, formular hipóteses e projetar soluções.

Todos os modelos são imperfeitos. Por simplificarem, os modelos necessariamente omitem detalhes e fazem suposições que não são perfeitamente verdadeiras. Contudo, isso não invalida sua utilidade. Ao considerar vários modelos, cada um com suas simplificações e pressupostos, podemos obter uma compreensão mais abrangente de fenômenos complexos.

2. Muitos Modelos Oferecem Sabedoria por Meio de Perspectivas Diversas

Para se tornar sábio, é preciso ter modelos na cabeça. E é preciso organizar sua experiência — tanto vicária quanto direta — nessa rede de modelos.

Sabedoria pela multiplicidade. A abordagem do pensamento com múltiplos modelos defende o uso de um conjunto de modelos para compreender fenômenos complexos. Essa ideia parte do princípio de que a sabedoria surge da multiplicidade de perspectivas, permitindo-nos enxergar o mundo sob diferentes ângulos e apreciar sua complexidade inerente.

Contra a tradição. Essa abordagem contraria o método tradicional de confiar em um único modelo para um problema específico. Embora modelos únicos possam ser úteis, eles são limitados por suas suposições e simplificações. Ao trabalhar com muitos modelos, superamos essas limitações e construímos uma compreensão mais refinada.

Construindo uma rede de modelos. Ao aprender e aplicar diversos modelos de diferentes disciplinas, começamos a formar nossa própria rede de entendimento. Essa rede nos permite perceber como processos causais se sobrepõem e interagem, possibilitando compreender a complexidade que caracteriza nossos mundos econômico, político e social.

3. A Abundância de Dados Exige Pensamento Baseado em Modelos

Temos fatos, dizem. Mas fatos não são tudo; pelo menos metade da batalha consiste em como se faz uso deles!

Dados não são uma solução mágica. Embora a era do big data ofereça acesso sem precedentes à informação, ela não substitui o pensamento crítico e o raciocínio baseado em modelos. Dados isolados não explicam por que algo aconteceu nem o que acontecerá no futuro.

Modelos organizam e interpretam dados. Precisamos de modelos para dar sentido aos fluxos intensos de dados que inundam nossas telas. Modelos fornecem um arcabouço para organizar e interpretar dados, permitindo identificar padrões, testar hipóteses e fazer previsões.

Modelos aprimoram a tomada de decisão. Sem modelos, as pessoas sofrem de limitações cognitivas, como dar peso excessivo a eventos recentes e ignorar taxas base. Modelos esclarecem pressupostos, promovem o pensamento lógico e aproveitam o big data para testar relações causais, conduzindo a decisões melhores.

4. Racionalidade, Regras e Adaptação Orientam a Modelagem Humana

Ainda não é possível apontar uma única teoria do comportamento humano que tenha sido formulada e testada com sucesso em diversos contextos.

Modelar o comportamento humano é desafiador. Pessoas são diversas, influenciadas socialmente, sujeitas a erros, intencionais, adaptativas e dotadas de agência. Essas características dificultam a criação de modelos simples e universais do comportamento humano.

Três abordagens para modelar pessoas. Podemos modelar as pessoas como atores racionais que fazem escolhas ótimas, como atores baseados em regras que seguem normas fixas ou adaptativas, ou como uma combinação de ambos. A escolha depende do contexto e dos objetivos do modelo.

Racionalidade como referência. Mesmo que as pessoas nem sempre ajam racionalmente, o modelo do ator racional serve como um parâmetro útil para avaliar comportamentos e desenhar políticas. Ele nos ajuda a identificar ineficiências potenciais e a entender como as pessoas podem reagir a incentivos.

5. Distribuições Quantificam Variação e Diversidade

Talvez a verdade dependa de uma caminhada ao redor do lago.

Distribuições capturam variação. Uma distribuição representa matematicamente a variação (diferenças dentro de um tipo) e a diversidade (diferenças entre tipos) por meio de distribuições de probabilidade definidas sobre valores numéricos ou categorias.

Distribuições normais surgem de somas. O teorema do limite central explica a prevalência das distribuições normais, afirmando que a soma de muitas variáveis aleatórias independentes tende a ser aproximadamente normal. Isso explica por que alturas, pesos e notas frequentemente seguem uma curva em forma de sino.

Distribuições orientam decisões. Conhecer a forma de uma distribuição permite fazer previsões melhores, desenhar políticas mais eficazes e tomar ações mais informadas. Por exemplo, entender a distribuição dos tamanhos de terremotos ajuda a preparar-se para a probabilidade de eventos grandes.

6. Leis de Potência Evidenciam o Impacto de Grandes Eventos

Portanto, tentamos tratar o mesmo problema com vários modelos alternativos, cada um com simplificações diferentes, mas com uma suposição biológica comum. Assim, nossa verdade é a interseção de mentiras independentes.

Leis de potência incluem grandes eventos. Distribuições de lei de potência, também chamadas de distribuições de cauda longa, são caracterizadas por muitos eventos pequenos e poucos eventos muito grandes. São comuns em fenômenos sociais e naturais, como tamanhos de cidades, vendas de livros e magnitudes de terremotos.

Feedbacks geram leis de potência. Leis de potência surgem da não independência, frequentemente na forma de feedbacks positivos. O efeito Mateus, em que quem tem mais recebe ainda mais, é um motor chave dessas distribuições.

Leis de potência afetam equidade e risco. Distribuições de cauda longa podem aumentar a desigualdade, pois poucos indivíduos ou entidades capturam uma parcela desproporcional das recompensas. Também elevam o risco de eventos catastróficos, exigindo preparação para resultados extremos.

7. Modelos Lineares Oferecem Base para Compreender Relações

A lógica cuida de si mesma; tudo o que precisamos é observar e ver como ela faz isso.

Linearidade simplifica a análise. Modelos lineares assumem uma relação constante entre variáveis, facilitando sua estimação e interpretação. São um ponto de partida para entender fenômenos complexos.

Regressão revela relações. A regressão linear é uma técnica estatística para ajustar uma linha aos dados, revelando o sinal, a magnitude e a significância da relação entre variáveis.

Linearidade tem limites. Embora úteis, modelos lineares são limitados pela simplicidade. Muitas relações do mundo real são não lineares, exigindo modelos mais sofisticados para capturar sua complexidade.

8. Modelos Não Lineares Capturam Dinâmicas Complexas

Conhecer a realidade significa construir sistemas de transformações que correspondam, mais ou menos adequadamente, à realidade.

Não linearidade reflete a realidade. Modelos não lineares capturam relações em que o efeito de uma variável sobre outra não é constante. Podem apresentar retornos decrescentes, crescentes, limiares e outros comportamentos complexos.

Concavidade e convexidade moldam resultados. Funções côncavas exibem retornos decrescentes e levam à aversão ao risco, enquanto funções convexas apresentam retornos crescentes e incentivam a busca por risco.

Modelos revelam condições. Ao explorar modelos não lineares, descobrimos as condições sob as quais certos resultados são prováveis. Por exemplo, modelos de crescimento mostram a importância da inovação para sustentar o crescimento econômico a longo prazo.

9. Valor e Poder Surgem da Posição e da Contribuição

O grande fim da vida não é o conhecimento, mas a ação.

Valor e poder são mensuráveis. Modelos ajudam a quantificar o valor e o poder de atores individuais dentro de um sistema. Essas medidas permitem entender como recursos são alocados e como decisões são tomadas.

Valor de Shapley mede contribuição. O valor de Shapley é uma medida da contribuição marginal média de um ator para um grupo, oferecendo uma forma de avaliar sua importância para o coletivo.

Modelos orientam a ação. Compreendendo as fontes de valor e poder, podemos desenhar instituições e políticas que promovam eficiência, justiça e outros resultados desejados.

10. Redes Conectam e Limitam Sistemas

A pluralidade nunca deve ser postulada sem necessidade.

Redes são onipresentes. Redes são uma característica fundamental de muitos sistemas, conectando pessoas, organizações e entidades em teias complexas de relações.

A estrutura da rede importa. A estrutura de uma rede, medida por grau, comprimento de caminho, coeficiente de agrupamento e estrutura comunitária, pode influenciar profundamente seu comportamento.

Modelos revelam efeitos de rede. Modelos de rede ajudam a entender fenômenos como o paradoxo da amizade, os seis graus de separação e a propagação de informação e influência.

11. Modelos de Contágio Explicam Difusão e Influência

O objetivo supremo de toda teoria é tornar os elementos básicos irredutíveis tão simples e poucos quanto possível, sem abrir mão da representação adequada de um único dado da experiência.

Modelos de contágio capturam difusão. Modelos de transmissão, difusão e contágio ajudam a entender como informações, tecnologias, comportamentos, crenças e doenças se espalham por uma população.

Transmissão molda adoção. A forma da curva de adoção, seja em forma de r ou de S, depende do modo de transmissão, com modelos de transmissão produzindo curvas em r e modelos de difusão gerando curvas em S.

Modelos orientam intervenções. Compreendendo a dinâmica do contágio, podemos desenhar intervenções mais eficazes para promover resultados desejáveis, como estratégias de vacinação ou adoção de novas tecnologias.

12. Design de Mecanismos Molda Resultados Institucionais

A lógica cuida de si mesma; tudo o que precisamos é observar e ver como ela faz isso.

Instituições estruturam interações. Instituições, como mercados, sistemas de votação e hierarquias, fornecem um arcabouço para comunicação, tomada de decisão e alocação de recursos.

Design de mecanismos otimiza instituições. O design de mecanismos é um quadro para criar instituições que alcancem resultados desejados, considerando os incentivos e informações dos participantes.

Modelos revelam trade-offs. Aplicando princípios do design de mecanismos, identificamos os trade-offs inerentes a diferentes projetos institucionais e escolhemos os mecanismos que melhor atingem nossos objetivos.