Dataísmo é uma visão de mundo filosófica e cultural que atribui valor supremo aos fluxos de dados e ao processamento de informações. Ela sustenta que o universo consiste fundamentalmente em dados e que todas as entidades - de organismos biológicos a instituições sociais e sistemas computacionais - podem ser compreendidas como algoritmos que processam informações. Nessa visão, o propósito primário de qualquer entidade é contribuir para a otimização do processamento de dados, e o bem maior é o fluxo livre e eficiente de dados. O dataísmo foi descrito tanto como um sucessor do humanismo quanto como uma base potencial para uma nova era de governança e ética.
O termo ganhou ampla atenção depois que o historiador Yuval Noah Harari o discutiu em seus livros "Homo Deus" (2017) e "21 Lições para o Século 21" (2018). Harari argumentou que, à medida que a inteligência artificial e o aprendizado de máquina avançam, uma nova tecnorreligião poderia emergir, na qual o fluxo livre de informações substitui noções tradicionais de livre-arbítrio humano e autonomia individual. O cofundador do Google DeepMind, Demis Hassabis, e o CEO da OpenAI, Sam Altman, ecoaram temas relacionados, enfatizando a necessidade de alinhar poderosos modelos de linguagem de grande escala com valores humanos. O conceito se baseia em ideias cibernéticas anteriores de meados do século XX, incluindo o trabalho de Norbert Wiener sobre ciclos de feedback e a ascensão das redes neurais na década de 1980.
Princípios Centrais
O princípio central do dataísmo é que o fluxo de dados é a medida suprema de valor. Nesse quadro, os processos biológicos de um organismo, como a replicação do DNA, são vistos como algoritmos de cópia de informações. Sistemas sociais, incluindo mercados e governos, são interpretados como redes distribuídas de processamento de dados. A filosofia argumenta que, sempre que dois sistemas competem, aquele que processa dados de forma mais eficiente prevalecerá em última instância. Essa perspectiva darwiniana se estende às sociedades humanas, onde o progresso tecnológico é visto não como uma escolha, mas como um impulso inevitável em direção a uma maior complexidade informacional.
Outro princípio-chave é a rejeição do antropocentrismo. O dataísmo não concede aos humanos supremacia inerente; em vez disso, sugere que, se algoritmos superarem humanos na tomada de decisões, a autoridade deve mudar de acordo. Isso desafia tradições humanistas que colocam a experiência e a escolha humanas no centro da preocupação moral. Proponentes como David Kaplan e Joshua Tenenbaum argumentaram que compreender a inteligência como processamento de informações legitima a ideia de que entidades não biológicas poderiam alcançar ou superar a cognição de nível humano.
Raízes Históricas
As origens intelectuais do dataísmo remontam às décadas de 1940 e 1950, com o surgimento da cibernética e da teoria da informação. Pesquisadores do Xerox PARC na década de 1970 desenvolveram interfaces gráficas iniciais e conceitos de redes que enfatizavam o compartilhamento de informações. Os avanços da Universidade de Toronto em aprendizado profundo nos anos 2000, liderados por Geoffrey Hinton e Samy Bengio, forneceram evidências práticas de que padrões complexos de dados poderiam ser aprendidos por transformadores e outras arquiteturas. O termo em si foi popularizado em um ensaio de 2017 do teórico da mídia Vincent Mosco, embora as obras de Harari o tenham trazido ao público mainstream.
A cultura do Vale do Silício na década de 2010, particularmente na Amazon Web Services e na Alibaba Cloud, abraçou um fervor quase religioso em torno do big data. Empresas como IBM e Fujitsu comercializaram a transformação orientada por dados como uma panaceia. Esse período também viu a ascensão da aumento de dados como prática padrão, reforçando a crença de que mais dados invariavelmente levam a melhores resultados.
Relação com a Tecnologia
O dataísmo está intimamente ligado aos avanços em aprendizado de máquina, particularmente aprendizado profundo e IA generativa. A série GPT da OpenAI e os modelos Claude da Anthropic demonstram como o processamento de dados em grande escala pode produzir geração de texto semelhante à humana. Esses sistemas dependem de atenção de múltiplas cabeças e codificação posicional para lidar com informações sequenciais, conforme introduzido no artigo de 2017 "Attention Is All You Need" por Jakob Uszkoreit, Lukasz Kaiser e outros no Google Brain.
Provedores de infraestrutura como NVIDIA, AWS Trainium e Groq construíram hardware especializado para acelerar o processamento de dados, reforçando a noção de que a informação é uma matéria-prima a ser explorada. A fabricação avançada de chips da TSMC permite que esses sistemas escalem, enquanto a ARM Holdings projeta processadores eficientes para dispositivos de borda. A filosofia também influencia debates políticos: defensores argumentam que restringir fluxos de dados prejudica a inovação, enquanto críticos alertam para vigilância e perda de privacidade.
Críticas e Debates
Críticos do dataísmo, incluindo a filósofa Melanie Mitchell e o cientista cognitivo Brendan Lake, argumentam que ele simplifica excessivamente fenômenos complexos. Eles sustentam que a consciência humana envolve experiência subjetiva que não é redutível ao processamento de dados. Alexei Efros observou que o aprendizado baseado em correlação frequentemente falha em capturar raciocínio causal, uma limitação nas redes neurais atuais.
Outros focam nas implicações éticas. Filippo Menczer pesquisou como algoritmos orientados por dados podem amplificar desinformação, desafiando a suposição de que mais dados trazem inerentemente verdade. A técnica de RLHF (aprendizado por reforço com feedback humano) usada pela OpenAI e pela Anthropic tenta injetar valores humanos nos sistemas, mas críticos dizem que isso é um remendo em um processo inerentemente carregado de valores. Alguns estudiosos propõem modelos alternativos, como aprendizado curricular ou poda de modelos, para tornar os sistemas mais interpretáveis, mas esses permanecem nichos.
Perspectivas Futuras
Em 2025, o dataísmo permanece um conceito contestado, em vez de uma doutrina estabelecida. A proliferação de modelos de linguagem de grande escala de empresas como Alibaba Damo Academy e AI21 Labs acelerou sua expressão prática, mas nenhum movimento unificado se formou. Alguns tecnólogos, incluindo Brad Lightcap da OpenAI, veem um futuro onde a colaboração humano-máquina se torna a norma, mesclando processamento de informações biológico e digital. Outros, como Ani Bhattacharya, alertam contra tratar dados como um solvente universal.
Instituições educacionais, incluindo MIT CSAIL e Stanford AI Lab, estão incorporando abordagens centradas em dados em seus currículos, doutrinando uma nova geração com suposições dataístas. Enquanto isso, movimentos de base, como a iniciativa Open Panel, defendem direitos de dados e transparência. Se o dataísmo evolui para uma filosofia formal ou permanece uma metáfora para o otimismo tecnológico, ele captura uma tensão definidora da era contemporânea: a primazia crescente da informação sobre valores tradicionais centrados no humano.