Harari e suas 21 lições para o século 21 – Parte I. 2 – Trabalho

Prosseguindo num novo itinerário de exploração dos Novos Pensadores em 2019 vamos continuar a ler e comentar o último livro de Yuval Harari (2018):

HARARI, Yuval (2018). 21 lessons for the 21st century. New York: Spiegel & Grau, 2018.

Vamos usar a tradução brasileira de Paulo Geiger. 21 lições para o século 21. São Paulo: Companhia das Letras, 2018. Para baixar o PDF com o texto integral clique aqui: 21-licoes-para-o-seculo-21-Yuval-Noah-Harari

Já foi publicada a Introdução

Também já foi publicada a Parte I. 1. – Desilusão

As notas em azul – que serão inseridas em breve – servem apenas como provocações para a conversação.

PARTE I

O desafio tecnológico

O gênero humano está perdendo a fé na narrativa liberal que dominou a política global em décadas recentes, justamente quando a fusão da biotecnologia com a tecnologia da informação nos coloca diante das maiores mudanças com que o gênero humano já se deparou.

[…]

2. Trabalho

Quando você crescer, talvez não tenha um emprego

Não temos ideia de como será o mercado de trabalho em 2050. Sabemos que o aprendizado de máquina e a robótica vão mudar quase todas as modalidades de trabalho — desde a produção de iogurte até o ensino da ioga. Contudo, há visões conflitantes quanto à natureza dessa mudança e sua iminência. Alguns creem que dentro de uma ou duas décadas bilhões de pessoas serão economicamente redundantes. Outros sustentam que mesmo no longo prazo a automação continuará a gerar novos empregos e maior prosperidade para todos.

Estaríamos à beira de uma convulsão social assustadora, ou essas previsões são mais um exemplo de uma histeria ludista infundada? É difícil dizer. Os temores de que a automação causará desemprego massivo remontam ao século XIX, e até agora nunca se materializaram. Desde o início da Revolução Industrial, para cada emprego perdido para uma máquina pelo menos um novo emprego foi criado, e o padrão de vida médio subiu consideravelmente (1). Mas há boas razões para pensar que desta vez é diferente, e que o aprendizado de máquina será um fator real que mudará o jogo.

Humanos têm dois tipos de habilidades — física e cognitiva. No passado, as máquinas competiram com humanos principalmente em habilidades físicas, enquanto os humanos se mantiveram à frente das máquinas em capacidade cognitiva. Por isso, quando trabalhos manuais na agricultura e na indústria foram automatizados, surgiram novos trabalhos no setor de serviços que requeriam o tipo de habilidade cognitiva que só os humanos possuíam: aprender, analisar, comunicar e acima de tudo compreender as emoções humanas. No entanto, a IA está começando agora a superar os humanos em um número cada vez maior dessas habilidades, inclusive a de compreender as emoções humanas (2). Não sabemos de nenhum terceiro campo de atividade — além do físico e do cognitivo — no qual os humanos manterão sempre uma margem segura.

E a capacidade de criar (criar o que não existe e que não está determinado pela trajetória de adaptações)? Não seria o caso de pensar na Inteligência Tipicamente Humana? A inteligência que ocorre quando se dá a empatia entre humanos (que é sintônica, sinérgica, simbiôntica)? E não seria também o caso de pensar nas formas de inteligência coletiva ensejadas pela fenomenologia da interação quando as redes são compostas por humanos interagindo? E não seria, por último, o caso de pensar na inteligência que se manifesta a partir do erro (que a IA não admite)?

É crucial entender que a revolução da IA não envolve apenas tornar os computadores mais rápidos e mais inteligentes. Ela se abastece de avanços nas ciências da vida e nas ciências sociais também. Quanto mais compreendemos os mecanismos bioquímicos que sustentam as emoções, os desejos e as escolhas humanas, melhores podem se tornar os computadores na análise do comportamento humano, na previsão de decisões humanas, e na substituição de motoristas, profissionais de finanças e advogados humanos.

Nas últimas décadas a pesquisa em áreas como a neurociência e a economia comportamental permitiu que cientistas hackeassem humanos e adquirissem uma compreensão muito melhor de como os humanos tomam decisões. Constatou-se que todas as nossas escolhas, desde comida até parceiros sexuais, resultam não de algum misterioso livre-arbítrio, e sim de bilhões de neurônios que calculam probabilidades numa fração de segundo. A tão propalada “intuição humana” é na realidade a capacidade de reconhecer padrões (3). Bons motoristas, profissionais de finanças e advogados não têm intuições mágicas sobre trânsito, investimento ou negociação — e sim, ao reconhecer padrões recorrentes, eles localizam e tentam evitar pedestres desatentos, tomadores de empréstimo ineptos e trapaceiros. Também se constatou que os algoritmos bioquímicos do cérebro humano estão longe de ser perfeitos. Eles se baseiam em heurística, atalhos e circuitos ultrapassados, adaptados mais à savana africana do que à selva urbana. Não é de admirar que bons motoristas, profissionais de finanças e advogados às vezes cometam erros bestas.

Isso quer dizer que a IA pode superar o desempenho humano até mesmo em tarefas que supostamente exigem “intuição”. Se pensarmos que a IA tem de competir com os pressentimentos místicos da alma humana, pode parecer impossível. Mas como a IA na realidade tem de competir com redes neurais para calcular probabilidades e reconhecer padrões — isso soa muito menos assustador.

Em especial, a IA pode ser melhor em tarefas que demandam intuições sobre outras pessoas. Muitas modalidades de trabalho — como dirigir um veículo numa rua cheia de pedestres, emprestar dinheiro a estranhos e negociar um acordo — requerem a capacidade de avaliar corretamente as emoções e os desejos de outra pessoa. Será que aquele garoto vai correr para a estrada? Será que o homem de terno pretende pegar meu dinheiro e sumir? Será que aquele advogado vai cumprir suas ameaças ou só está blefando? Quando se pensava que essas emoções e esses desejos eram gerados por um espírito imaterial, parecia óbvio que os computadores nunca seriam capazes de substituir motoristas, banqueiros e advogados humanos. Pois como poderia um computador compreender o divinamente criado espírito humano?

Mas talvez a questão não seja bem “o divinamente criado espírito humano” e sim “a humanamente (ou humano-socialmente) criada alma humana”…

Mas, se essas emoções e esses desejos na realidade não são mais do que algoritmos bioquímicos, não há razão para os computadores não decifrarem esses algoritmos — e até certo ponto, melhor do que qualquer Homo sapiens. O motorista que prevê as intenções de um pedestre, o profissional que avalia a credibilidade de um tomador potencial e o advogado que é sensível ao humor reinante na mesa de negociação não se valem de feitiçaria. Sem que eles saibam, o cérebro deles está reconhecendo padrões bioquímicos ao analisar expressões faciais, tons de voz, movimentos das mãos e até mesmo odores corporais. Uma IA equipada com os sensores certos poderia fazer tudo isso com muito mais precisão e confiabilidade do que um humano.

Será? É o cérebro (do indivíduo) que faz isso ou o cérebro é a interface para uma mente social da pessoa (ou seja, mal-comparando, para uma nuvem de computação)?

Por isso a ameaça de perda de emprego não resulta apenas da ascensão da tecnologia da informação, mas de sua confluência com a biotecnologia. O caminho que vai do escâner de ressonância magnética ao mercado de trabalho é longo e tortuoso, mas ainda assim poderá ser percorrido em poucas décadas. O que os neurocientistas estão aprendendo hoje sobre a amígdala e o cerebelo pode permitir que computadores superem psiquiatras e guarda-costas humanos em 2050.

E a IA não só está em posição de hackear humanos e superá-los no que eram, até agora, habilidades exclusivamente humanas. Ela também usufrui de modo exclusivo de habilidades não humanas, o que torna a diferença entre a IA e um trabalhador humano uma questão qualitativa e não apenas quantitativa. Duas habilidades não humanas especialmente importantes da IA são a conectividade e a capacidade de atualização.

Como humanos são seres individuais, é difícil conectar um ao outro e se certificar de que estão todos atualizados. Em contraste, computadores não são indivíduos, e é fácil integrá-los numa rede flexível. Por isso estamos diante não da substituição de milhões de trabalhadores humanos individuais por milhões de robôs e computadores individuais, mas, provavelmente, da substituição de humanos individuais por uma rede integrada. No que diz respeito à automação, portanto, é errado comparar as habilidades de um único motorista humano com as de um único carro autodirigido, ou as de um único médico humano com as de um único médico de IA. Em vez disso, deveríamos comparar as habilidades de uma coleção de indivíduos humanos com as habilidades de uma rede integrada.

Mas os humanos também formam redes humanos (quer dizer, sociais). Humanos (propriamente ditos) não são seres individuais e sim seres pessoais.

Por exemplo, muitos motoristas não estão familiarizados com todas as regras de trânsito e frequentemente as transgridem. Além disso, como cada veículo é uma entidade autônoma, quando dois deles se aproximam do mesmo cruzamento ao mesmo tempo, os motoristas podem comunicar erroneamente suas intenções e colidir. Carros autodirigidos, em contraste, podem ser conectados entre si. Quando dois desses veículos se aproximam do mesmo cruzamento eles não são duas entidades separadas — são parte de um único algoritmo. As probabilidades de que possam se comunicar erroneamente e colidir são, portanto, muito menores. E, se o Ministério dos Transportes decidir mudar qualquer regra de trânsito, todos os veículos autodirigidos podem ser atualizados com facilidade e exatamente no mesmo momento, e, salvo a existência de algum bug no programa, todos seguirão o novo regulamento à risca (4).

Mesmo o trânsito caótico (em países como a Índia), fornece evidências de que não é assim. Cada motorista que se conecta com outros motoristas (por exemplo, pela visão e pela buzina) conforma um algoritmo coletivo (social).

Da mesma forma, se a Organização Mundial de Saúde identificar uma nova doença, ou se um laboratório produzir um novo remédio, é quase impossível atualizar todos os médicos humanos no mundo quanto a esses avanços. Em contraste, mesmo que haja 10 bilhões de médicos de IA no mundo — cada um monitorando a saúde de um único ser humano —, ainda se poderá atualizar todos eles numa fração de segundo, e todos serão capazes de dar uns aos outros feedbacks quanto às novas doenças ou remédios. Essa vantagem potencial de conectividade e capacidade de atualização é tão enorme que ao menos em algumas modalidades de trabalho talvez faça sentido substituir todos os humanos por computadores, mesmo que individualmente alguns humanos sejam melhores em seu trabalho do que as máquinas.

Poder-se-ia contrapor que, ao se trocar indivíduos humanos por uma rede de computadores, perderemos as vantagens da individualidade. Por exemplo, se um médico humano fizer um diagnóstico errado, ele não vai matar todos os pacientes do mundo e não vai bloquear o desenvolvimento de todos os novos medicamentos. Em contraste, se todos os médicos são na verdade um único sistema, e se esse sistema comete um erro, os resultados podem ser catastróficos. No entanto, um sistema integrado de computadores pode maximizar as vantagens da conectividade sem perder os benefícios da individualidade. Podem-se rodar muitos algoritmos alternativos na mesma rede, de modo que um paciente numa aldeia remota na selva seja capaz de acessar com seu smartphone não apenas um único médico capacitado, mas cem médicos de IA diferentes, cujos desempenhos relativos são comparados o tempo inteiro. Você não gostou do que o médico da IBM lhe disse? Não tem problema. Mesmo que esteja enfurnado em algum lugar das encostas do Kilimanjaro, você pode contatar facilmente o médico da Baidu para ter uma segunda opinião.

Talvez não. “Ao se trocar indivíduos humanos por uma rede de computadores, perderemos as vantagens da individualidade”. Perderemos a vantagem da pessoalidade…

Os benefícios para a sociedade humana provavelmente serão imensos. A IA em medicina poderia prover serviços de saúde muito melhores e mais baratos a bilhões de pessoas, especialmente para as que hoje não têm acesso algum a esses serviços. Graças a algoritmos de aprendizagem e sensores biométricos, um aldeão pobre num país subdesenvolvido poderia usufruir de uma assistência médica muito melhor usando seu smartphone do que a pessoa mais rica do mundo obtém hoje em dia no mais avançado dos hospitais urbanos (5).

Da mesma forma, veículos autodirigidos poderiam oferecer às pessoas serviços de transporte muito melhores e reduzir a taxa de mortalidade por acidentes de trânsito. Hoje, cerca de 1,25 milhão de pessoas morrem todo ano em acidentes de trânsito (o dobro das mortes causadas por guerra, crime e terrorismo somadas) (6). Mais de 90% desses acidentes são causados por erros humanos: alguém que bebeu e dirigiu, alguém digitando uma mensagem enquanto dirige, alguém que adormeceu ao volante, alguém sonhando acordado em vez de prestar atenção à estrada. A Administração Nacional de Segurança de Trânsito em Estradas dos Estados Unidos estimou que, em 2012, 31% dos acidentes fatais no país envolveram uso abusivo de álcool, 30% envolveram excesso de velocidade e 21% envolveram desatenção do motorista (7). Veículos autodirigidos nunca farão nada disso. Embora tenham seus próprios problemas e limitações, e embora alguns acidentes sejam inevitáveis, espera-se que a substituição de motoristas humanos por computadores reduza mortes e ferimentos na estrada em cerca de 90% (8). Em outras palavras, a mudança para veículos autônomos pode poupar a vida de 1 milhão de pessoas por ano.

Por isso seria loucura bloquear a automação em campos como o do transporte e o da saúde só para proteger empregos humanos. Afinal, o que deveríamos proteger são os humanos — não os empregos. Motoristas e médicos obsoletos simplesmente terão de achar outra coisa para fazer.

O MOZART NA MÁQUINA

Ao menos no curto prazo, a IA e a robótica provavelmente não eliminarão por completo setores inteiros da economia. Trabalhos que requeiram especialização numa faixa estreita de atividades padronizadas serão automatizados. Porém será muito mais difícil substituir humanos por máquinas em tarefas menos padronizadas que exijam o uso simultâneo de uma ampla variedade de habilidades, e que envolvam lidar com cenários imprevisíveis. Tomem-se os serviços de saúde, por exemplo. Muitos médicos concentram-se exclusivamente em processar informação: eles absorvem dados médicos, os analisam e fazem um diagnóstico. Enfermeiras, ao contrário, precisam também de boas habilidades motoras e emocionais para ministrar uma injeção dolorosa, trocar um curativo ou conter um paciente violento. Por isso provavelmente teremos um médico de IA em nosso smartphone décadas antes de termos uma enfermeira-robô confiável (9). É provável que as atividades de cuidado — de enfermos, crianças e idosos — continuem a ser um bastião humano por muito tempo. Realmente, como as pessoas estão vivendo mais e tendo menos filhos, a área de cuidados geriátricos provavelmente será a de crescimento mais rápido no mercado de trabalho humano.

Assim como o cuidado, a criatividade também coloca obstáculos especialmente difíceis para a automação. Não precisamos mais de humanos que nos vendam música — podemos baixá-la da loja da iTunes —, mas compositores, instrumentistas, cantores e DJs ainda são de carne e osso. Nós contamos com sua criatividade não só para produzir música totalmente nova mas também para escolher entre uma desnorteante gama de possibilidades disponíveis.

Entretanto, a longo prazo, nenhuma atividade permanecerá totalmente imune à automação. Até mesmo artistas receberão aviso-prévio. No mundo moderno a arte é comumente associada a emoções humanas. Tendemos a pensar que artistas estão direcionando forças psicológicas internas, e que todo o propósito da arte é conectar-nos com nossas emoções ou inspirar em nós algum sentimento novo. Como consequência, quando avaliamos arte tendemos a julgá-la segundo seu impacto emocional no público. Mas se a arte é definida pelas emoções humanas, o que acontecerá quando algoritmos externos forem capazes de compreender e manipular emoções humanas melhor do que Shakespeare, Frida Kahlo ou Beyoncé?

Todavia, evocar ou invocar emoções humanas não é a mesma coisa que compreendê-las e manipulá-las.

Afinal, emoções não são um fenômeno místico — são resultado de um processo bioquímico. Daí que num futuro não muito distante um algoritmo de aprendizado de máquina será capaz de analisar dados biométricos de sensores em seu corpo, determinar o tipo de sua personalidade e suas variações de humor e calcular o impacto emocional que uma determinada canção — até mesmo uma certa tonalidade — terá sobre você (10).

Duvidoso porquanto o que ele chama de “impacto emocional” depende da maneira (unique) como cada pessoa internaliza a rede à qual está conectada.

De todas as formas de arte, a música é provavelmente a mais suscetível a uma análise de Big Data, porque tanto seus inputs como outputs prestam-se a uma descrição matemática precisa. Os inputs são padrões matemáticos de ondas sonoras, e os outputs são os padrões eletroquímicos de tempestades neurais. Dentro de poucas décadas, um algoritmo capaz de analisar milhões de experiências musicais poderá aprender a prever como determinados inputs resultam em determinados outputs (11).

Suponha que você acabou de ter uma briga horrível com seu namorado. O algoritmo encarregado de seu sistema de som imediatamente vai identificar sua agitação interna e, baseado no que conhece de sua personalidade e da psicologia humana em geral, vai tocar canções sob medida para ressoar com sua mágoa e ecoar sua aflição. Essas canções específicas podem não funcionar bem com outras pessoas, mas são perfeitas para seu tipo de personalidade. Depois de ajudá-lo a entrar em contato com sua tristeza mais profunda, o algoritmo vai então tocar a única canção no mundo que provavelmente vai animar você — talvez porque seu subconsciente a conecta com uma lembrança feliz da infância da qual nem mesmo você tem consciência. Nenhum DJ humano poderia jamais esperar equiparar-se aos talentos dessa IA.

O papel do erro (ou seja, do comportamento aleatório) quase desaparece na narrativa de Harari. Mais ainda vamos voltar a esse ponto.

Talvez você conteste, dizendo que a IA estaria assim eliminando o acaso e nos encerrando num estreito casulo musical, tecido por nossos gostos e desgostos anteriores. E quanto a explorar novos gostos e estilos musicais? Tudo bem. Você poderia ajustar o algoritmo para que 5% de suas escolhas fossem totalmente aleatórias, jogando em seu colo uma gravação de um conjunto de gamelão indonésio, uma ópera de Rossini ou o último sucesso de K-pop. Com o tempo, monitorando suas reações, a IA poderia até mesmo determinar o nível ideal de aleatoriedade que otimizaria a exploração, ao mesmo tempo que evita o enfado, talvez baixando seu nível de acaso a 3% ou elevando para 8%.

Esta observação tem a ver com a última (imediatamente acima). O acaso não pode ser substituído pela alta computação. Se puder, não haverá lugar para a liberdade e, consequentemente, para o humano. Voltaremos a esse ponto.

Outra possível objeção seria quanto a não ser claro como o algoritmo estabelece seu objetivo emocional. Se você acabou de brigar com seu namorado, o algoritmo deveria tentar deixá-lo triste ou alegre? Deveria seguir uma escala rígida de emoções “boas” e emoções “ruins”? Talvez haja momentos na vida em que é bom ficar triste? A mesma pergunta poderia, é claro, ser dirigida a músicos e DJs humanos. Mas com um algoritmo há muitas soluções interessantes para esse quebra-cabeça.

Uma opção é deixar isso por conta do cliente. Você pode avaliar suas emoções da maneira que quiser, e o algoritmo seguirá seus ditames. Se você quiser chafurdar na autocomiseração ou dar saltos de alegria, o algoritmo obedecerá a sua orientação. De fato, o algoritmo pode aprender a reconhecer seus desejos mesmo sem que você esteja explicitamente consciente deles.

Ou então, se você não confia em você mesmo, poderá instruir o algoritmo a seguir a recomendação de algum psicólogo no qual você confia. Se seu namorado terminar com você, o algoritmo poderá te conduzir através das cinco etapas oficiais do luto, primeiro te ajudando a negar o que aconteceu tocando “Don’t Worry, Be Happy”, de Bobby McFerrin, depois incitando sua raiva com “You Oughta Know”, de Alanis Morissette, incentivando-o a barganhar com “Ne me quitte pas”, de Jacques Brel, e “Come Back and Stay”, de Paul Young, deixando-o no fundo do poço da depressão com “Someone Like You”, de Adele, e finalmente ajudando você a aceitar a situação com “I Will Survive”, de Gloria Gaynor.

O passo seguinte é o algoritmo começar a experimentar com as próprias canções e melodias, mudando-as ligeiramente para que se adaptem a seus caprichos. Talvez você não goste de um determinado trecho de uma canção que, de resto, é excelente. O algoritmo sabe disso porque seu coração pula uma batida e seus níveis de ocitocina caem ligeiramente sempre que você ouve essa parte que o aborrece. O algoritmo poderia reescrever ou editar as notas que incomodam.

No longo prazo, algoritmos podem aprender a compor melodias inteiras, tocando as emoções humanas como se fossem um teclado de piano. Usando seus dados biométricos, os algoritmos poderiam até mesmo produzir melodias personalizadas, que só você, no universo inteiro, saberia apreciar.

Diz-se que as pessoas se conectam com a arte porque se veem nela. Isso pode levar a resultados surpreendentes e um tanto sinistros se e quando, digamos, o Facebook começar a criar arte baseada em tudo o que sabe sobre você. Se seu namorado te der o fora, o Facebook vai te fazer um agrado com uma canção personalizada sobre aquele babaca em particular e não sobre a pessoa desconhecida que partiu o coração de Adele ou de Alanis Morissette. A canção até o fará se lembrar de incidentes reais do relacionamento de vocês, dos quais ninguém mais no mundo tem conhecimento.

É claro que a arte personalizada pode não pegar, porque as pessoas continuarão a preferir sucessos dos quais todo mundo gosta. Como dançar ou cantar com alguém uma música que só você conhece? Mas os algoritmos poderiam se mostrar mais adaptáveis produzindo sucessos globais do que produzindo raridades personalizadas. Ao usar enormes bases de dados biométricas geradas a partir de milhões de pessoas, o algoritmo poderia saber quais botões bioquímicos acionar para produzir um sucesso global que faria todo mundo rebolar como louco nas pistas de dança. Se arte de fato tem a ver com inspirar (ou manipular) emoções humanas, poucos (se é que algum) músicos humanos terão a oportunidade de competir com um algoritmo desses, porque não podem se equiparar a ele na compreensão do principal instrumento que está tocando: o sistema bioquímico humano.

Aqui parece estar subsumida a hipótese de que os fenômenos de rede são a soma dos fenômenos individuais. Este é o ponto.

Resultará tudo isso em grandes obras de arte? Depende da definição de arte. Se a beleza está na verdade nos ouvidos de quem ouve, e se o cliente tem sempre razão, então os algoritmos biométricos têm a oportunidade de produzir a melhor arte da história. Se arte tem a ver com algo mais profundo do que emoções e deve expressar uma verdade que fica além de nossas vibrações bioquímicas, pode ser que algoritmos biométricos não sejam bons artistas. Mas a maioria dos humanos tampouco é. Para entrar no mercado de arte e substituir muitos compositores e intérpretes os algoritmos não teriam de começar superando logo Tchaikovsky. Bastaria que fossem melhores que Britney Spears.

Mas a questão é que a arte cria novas realidades (novas possibilidades existenciais), que depois poderão ser imitadas pela vida…

NOVOS EMPREGOS?

A perda de muitos trabalhos tradicionais, da arte aos serviços de saúde, será parcialmente compensada pela criação de novos trabalhos humanos. Um clínico geral que diagnostica doenças conhecidas e administra tratamentos de rotina provavelmente será substituído pela IA médica. Mas, justamente por causa disso, haverá muito mais dinheiro para pagar médicos e assistentes de laboratório humanos que façam pesquisas inovadoras e desenvolvam novos medicamentos ou procedimentos cirúrgicos (12).

A IA poderia ajudar a criar novos empregos humanos de outra maneira. Em vez de os humanos competirem com a IA, poderiam concentrar-se nos serviços à IA e na sua alavancagem. Por exemplo, a substituição de pilotos humanos por drones eliminou alguns empregos, mas criou muitas oportunidades novas em manutenção, controle remoto, análise de dados e segurança cibernética. As Forças Armadas dos Estados Unidos precisam de trinta pessoas para operar cada drone Predator ou Reaper sobrevoando a Síria, enquanto a análise das informações coletadas por ele ocupa pelo menos mais oitenta pessoas. Em 2015 a Força Aérea dos Estados Unidos não contava com uma quantidade suficiente de humanos treinados para preencher todas essas posições, e enfrentava, ironicamente, uma crise para tripular suas aeronaves não tripuladas (13).

Se for assim, é possível que o mercado de trabalho em 2050 se caracterize pela cooperação, e não pela competição, entre humanos e IA. Em campos que vão do policiamento à atividade bancária, equipes formadas por humanos e IA poderiam superar o desempenho tanto de humanos quanto de computadores. Depois que o programa de jogar xadrez da IBM Deep Blue derrotou Gary Kasparov em 1997, os humanos não pararam de jogar xadrez. Ao contrário, graças a treinadores de IA, mestres do xadrez humanos ficaram ainda melhores, e ao menos por um período equipes formadas por humanos e IA, conhecidas como “centauros”, venceram no xadrez tanto humanos como computadores. A IA poderia, da mesma forma, ajudar a formar os melhores detetives, investidores e soldados da história (14).

O problema com todos esses novos empregos, no entanto, é que eles provavelmente exigirão altos níveis de especialização, e não resolverão, portanto, os problemas dos trabalhadores não qualificados que estão desempregados. A criação de novos empregos humanos pode mostrar-se mais fácil do que retreinar humanos para preencher esses empregos. Em ciclos de automação anteriores, as pessoas podiam passar de um trabalho padronizado de baixa qualificação a outro com facilidade. Em 1920, um trabalhador agrícola dispensado devido à mecanização da agricultura era capaz de achar um novo emprego numa fábrica de tratores. Em 1980, um operário de fábrica desempregado poderia trabalhar como caixa num supermercado. Essas mudanças de ocupação eram possíveis porque a mudança do campo para a fábrica e da fábrica para o supermercado só exigiam um retreinamento limitado.

Em 2050, porém, um caixa ou um operário da indústria têxtil que perder seu emprego para um robô dificilmente estará apto a começar a trabalhar como oncologista, como operador de drone ou como parte de uma equipe humanos-IA num banco. Não terão as habilidades necessárias. Na Primeira Guerra Mundial fazia sentido enviar milhões de recrutas despreparados para carregar metralhadoras e morrer aos milhares. Suas habilidades individuais tinham pouca importância. Hoje, apesar da escassez de operadores de drone e de analistas de dados, a Força Aérea dos Estados Unidos não está disposta a preencher essas lacunas com ex-funcionários do Walmart. Não quer correr o risco de um recruta inexperiente confundir uma festa de casamento no Afeganistão com uma conferência de alto nível do Talibã.

Como consequência, apesar do aparecimento de muitos novos empregos humanos, poderíamos assim mesmo testemunhar o surgimento de uma nova classe de “inúteis”. Poderíamos de fato ficar com o que há de pior nos dois mundos, sofrendo ao mesmo tempo de altos níveis de desemprego e de escassez de trabalho especializado. Muita gente poderia compartilhar do destino não dos condutores de carroça do século XIX — que passaram a ser taxistas —, mas dos cavalos do século XIX, que foram progressivamente expulsos do mercado de trabalho (15).

Além disso, nenhum dos empregos humanos que sobrarem estará livre da ameaça da automação, porque o aprendizado de máquina e a robótica continuarão a se aprimorar. Um caixa do Walmart de quarenta anos de idade desempregado que graças a esforços sobre-humanos consegue se reinventar como piloto de drone poderá ter de se reinventar novamente dez anos depois, quando a pilotagem de drones poderá também ter sido automatizada. Essa volatilidade também dificultará a organização de sindicatos e a garantia de direitos trabalhistas. Se hoje muitos novos empregos em economias avançadas já envolvem trabalho temporário sem proteção, trabalho de freelancer e tarefas isoladas realizadas só uma vez (16) como sindicalizar uma profissão que prolifera e desaparece em uma década?

Da mesma forma, equipes centauros formadas por humanos e computadores provavelmente serão caracterizadas por um constante cabo de guerra entre humanos e computadores, em vez de se acomodarem numa parceria duradoura. Equipes formadas apenas por humanos — como a de Sherlock Holmes e dr. Watson — normalmente desenvolvem hierarquias e rotinas permanentes que duram décadas. Mas um detetive humano que fizer uma equipe com o sistema Watson de computadores da IBM (que se tornou famoso depois de vencer o programa de perguntas Jeopardy!) vai descobrir que toda rotina é um convite à ruptura, e toda hierarquia um convite à revolução. O parceiro de ontem pode se metamorfosear no superintendente de amanhã, e todos os protocolos e manuais terão de ser reescritos a cada ano (17).

Um olhar mais atento ao mundo do xadrez poderia indicar para onde as coisas estão se dirigindo no longo prazo. É verdade que durante vários anos após a derrota de Kasparov para o Deep Blue a cooperação humano-computador floresceu no xadrez. Mas em anos recentes os computadores ficaram tão bons no xadrez que seus colaboradores humanos perderam o valor, e logo poderão se tornar totalmente irrelevantes.

Em 7 de dezembro de 2017 um marco crucial foi atingido não quando um computador derrotou um humano no xadrez — isso não era novidade —, mas quando o programa AlphaZero, do Google, derrotou o programa Stockfish 8. Stockfish 8 foi o computador campeão mundial de xadrez de 2016. Tinha acesso a séculos de experiência humana acumulada no xadrez, bem como a décadas de experiências de computadores. Era capaz de calcular 70 milhões de posições por segundo. Em contraste, o AlphaZero calculava apenas 80 mil posições por segundo, e seus criadores humanos jamais lhe ensinaram estratégias de xadrez — nem mesmo aberturas ordinárias. Em vez disso, o AlphaZero jogava contra si mesmo, utilizando os mais recentes princípios de autoaprendizado de máquina. Não obstante, em cem partidas contra o Stockfish 8, o AlphaZero venceu 28 e empatou 72. Não perdeu nenhuma. Como o AlphaZero não tinha aprendido nada de qualquer humano, muitos dos movimentos e estratégias vencedores pareciam não convencionais aos olhos humanos. Agora podem ser considerados criativos, se não simplesmente geniais.

Dá para imaginar quanto tempo o AlphaZero levou para aprender xadrez do zero, preparar-se para o jogo contra o Stockfish e desenvolver seus instintos de gênio? Quatro horas. Não é um erro de digitação. Durante séculos, o xadrez foi considerado uma das glórias supremas da inteligência humana. O AlphaZero passou da ignorância total à maestria criativa em quatro horas, sem a ajuda de qualquer orientação humana (18).

O AlphaZero não é o único software imaginativo que existe. Agora, muitos programas vencem rotineiramente jogadores humanos de xadrez não só em capacidade de cálculo, mas até mesmo em “criatividade”. Em torneios de xadrez só para humanos, os juízes estão sempre de olho em jogadores que tentam trapacear com a ajuda de computadores. Um dos modos de pegar essas trapaças é monitorar o nível de originalidade demonstrado pelos jogadores. Se fizerem um movimento muito criativo no tabuleiro, os juízes em geral vão suspeitar de que não pode ser um movimento humano — deve ser um movimento feito por um computador. Pelo menos no xadrez, a criatividade já é marca registrada de computadores, e não de humanos! Se o xadrez é o nosso canário das minas de carvão, estamos devidamente avisados que o canário está morrendo. O que está ocorrendo hoje com equipes de jogadores de xadrez formadas por humanos e IA poderia ocorrer no futuro com equipes humanos-IA em policiamento, medicina e atividade bancária (19).

Consequentemente, a criação de novos empregos e o retreinamento de pessoas para ocupá-los serão um processo recorrente. A revolução da IA não será um único divisor de águas após o qual o mercado de trabalho vai se acomodar num novo equilíbrio. Será, sim, uma torrente de rupturas cada vez maiores. Já hoje poucos empregados esperam permanecer no mesmo emprego por toda a vida (20). Em 2050 não apenas a ideia de “um emprego para a vida inteira” mas até mesmo a ideia de “uma profissão para a vida inteira” parecerão antidiluvianas.

Mesmo se fosse possível inventar novos empregos e retreinar a força de trabalho constantemente, cabe a nós perguntar se um humano mediano terá a energia e a resistência necessárias para uma vida de tantas mudanças. Mudanças são sempre estressantes, e o mundo frenético do início do século XXI gerou uma epidemia global de estresse (21). Será que as pessoas serão capazes de lidar com a volatilidade do mercado de trabalho e das carreiras individuais? Provavelmente vamos precisar de técnicas de redução de estresse ainda mais eficazes — desde medicamentos, passando por psicoterapia e meditação — para evitar que a mente do Sapiens entre em colapso. Uma classe “inútil” pode surgir em 2050 devido não apenas à falta absoluta de emprego ou de educação adequada, mas também devido à falta de energia mental.

A maior parte disso é apenas especulação, claro. No momento em que escrevo — início de 2018 —, a automação acabou com muitos setores da economia, mas não resultou em desemprego massivo. Na verdade, em muitos países, como os Estados Unidos, o nível de desemprego é um dos mais baixos da história. Ninguém sabe com certeza qual impacto o aprendizado de máquina e a automação terão em diversas profissões, e é dificílimo estimar o cronograma dos desenvolvimentos mais importantes, em especial quando dependem tanto de decisões políticas e tradições culturais quanto de inovações puramente tecnológicas. Assim, mesmo depois que veículos autodirigidos provarem ser mais seguros e mais baratos do que motoristas humanos, políticos e consumidores poderão impedir essa mudança durante anos, talvez décadas.

Contudo, não podemos ser complacentes. É perigoso simplesmente supor que surgirão novos empregos para compensar quaisquer perdas. O fato de isso ter acontecido em ciclos anteriores de automação não é garantia nenhuma de que vai acontecer de novo nas condições muito diferentes do século XXI. As potenciais rupturas social e política são tão alarmantes que, mesmo que a probabilidade de desemprego sistêmico em massa seja baixa, devemos levá-la a sério.

No século XIX a Revolução Industrial criou novas condições e problemas com os quais nenhum dos modelos sociais, econômicos e políticos existentes era capaz de lidar. O feudalismo, o monarquismo e as religiões tradicionais não estavam adaptados para administrar metrópoles industriais, o êxodo de milhões de trabalhadores ou a natureza instável da economia moderna. Consequentemente, o gênero humano teve de desenvolver modelos totalmente novos — democracias liberais, ditaduras comunistas e regimes fascistas — e foi preciso mais de um século de guerras e revoluções terríveis para pôr esses modelos à prova, separar o joio do trigo e implementar as melhores soluções. O trabalho infantil nas minas de carvão dickensianas, a Primeira Guerra Mundial e a Grande Fome Ucraniana de 1932-3 representam apenas uma pequena parte do tributo pago pelo gênero humano por esse aprendizado.

No século XXI, o desafio apresentado ao gênero humano pela tecnologia da informação e pela biotecnologia é indubitavelmente muito maior do que o desafio que representaram, em época anterior, os motores a vapor, as ferrovias e a eletricidade. E, considerando o imenso poder destrutivo de nossa civilização, não podemos mais nos dar ao luxo de ter mais modelos fracassados, guerras mundiais e revoluções sangrentas. Desta vez, os modelos fracassados podem resultar em guerras nucleares, monstruosidades geradas pela engenharia genética e um colapso completo da biosfera. Portanto, temos de fazer melhor do que fizemos ao enfrentar a Revolução Industrial.

DA EXPLORAÇÃO À IRRELEVÂNCIA

As soluções potenciais cabem em três categorias principais: o que fazer para impedir a perda de empregos; o que fazer para criar empregos novos; e o que fazer se, apesar de nossos melhores esforços, a perda de empregos superar consideravelmente a criação de empregos.

Impedir por completo a perda de empregos é uma estratégia pouco atraente e provavelmente indefensável, porque significa abrir mão do imenso potencial positivo da IA e da robótica. No entanto, os governos podem decidir retardar o ritmo da automação para reduzir seu impacto e dar tempo para reajustes. A tecnologia nunca é determinista, e o fato de que algo pode ser feito não quer dizer que deva ser feito. A legislação pode bloquear com sucesso novas tecnologias mesmo se forem comercialmente viáveis e economicamente lucrativas. Por exemplo, durante muitas décadas tivemos tecnologia para criar um mercado de órgãos humanos completo, com “fazendas de corpos” humanos em países subdesenvolvidos e uma demanda quase insaciável de compradores abastados. Essas fazendas de corpos poderiam valer centenas de bilhões de dólares. Mas a lei proíbe o livre comércio de partes do corpo humano, e, embora exista um mercado negro de órgãos, é muito menor e circunscrito do que se poderia esperar (22).

Retardar o ritmo das mudanças pode nos dar tempo para a criação de novos empregos capazes de substituir a maior parte das perdas. Porém, como já observado, o empreendedorismo econômico terá de ser acompanhado por uma revolução na educação e na psicologia. Pressupondo que os novos empregos não serão apenas sinecuras públicas, provavelmente exigirão altos níveis de especialização, e, à medida que a IA continua a se aperfeiçoar, os empregados humanos terão de adquirir constantemente novas habilidades e mudar de profissão. Governos terão de intervir, tanto no subsídio a um setor de educação vitalício quanto na garantia de uma rede de proteção para os inevitáveis períodos de transição. Se um ex-piloto de drone de 41 anos de idade leva três anos para se reinventar como designer de mundos virtuais, provavelmente vai precisar de muita ajuda do governo para sustentar a si e a sua família durante esse período. (Esse tipo de esquema está sendo implantado pioneiramente na Escandinávia, cujos governos seguem o lema “proteger trabalhadores, não empregos”.) Porém, mesmo que a ajuda do governo seja suficiente, não sabemos se bilhões de pessoas serão capazes de se reinventar repetidamente sem perder o equilíbrio mental. Portanto, se apesar de todos os nossos esforços um percentual significativo do gênero humano for excluído do mercado de trabalho, teremos de explorar novos modelos de sociedades pós-trabalho, de economias pós-trabalho e de política pós-trabalho. O primeiro passo é reconhecer que os modelos sociais, econômicos e políticos que herdamos do passado são inadequados para lidar com tal desafio.

Tome, por exemplo, o comunismo. Quando a automação ameaça abalar os fundamentos do sistema capitalista, pode-se supor que o comunismo seja capaz de retornar. Mas o comunismo não foi feito para explorar esse tipo de crise. O comunismo do século XX supôs que a classe trabalhadora fosse vital para a economia, e os pensadores comunistas tentaram ensinar ao proletariado como traduzir seu imenso poder econômico em poder político. O plano político comunista conclamava a uma revolução da classe trabalhadora. Que relevância teriam esses ensinamentos se as massas perdessem seu valor econômico e precisassem lutar contra a sua irrelevância, mais do que contra a exploração? Como se começa uma revolução da classe trabalhadora se não há classe trabalhadora?

Alguém poderá alegar que humanos nunca se tornarão economicamente irrelevantes, porque, mesmo que não consigam competir com a IA no mercado de trabalho, sempre serão necessários como consumidores. No entanto, não temos certeza se a economia do futuro vai precisar de nós, mesmo como consumidores. Máquinas e computadores poderiam fazer isso também. Em teoria, pode-se ter uma economia na qual uma corporação de mineração produz e vende ferro para uma corporação de robótica, a corporação de robótica produz e vende robôs para a corporação de mineração, que extrai mais ferro, que é usado para produzir mais robôs, e assim por diante. Essas corporações podem crescer e se expandir até os pontos mais distantes da galáxia e todas precisam de robôs e computadores — não precisam de humanos nem mesmo para comprar seus produtos.

Hoje computadores e algoritmos já são clientes, além de produtores. Na bolsa de valores, por exemplo, algoritmos estão se tornando os mais importantes compradores de títulos, ações e commodities. Da mesma forma, na publicidade, o cliente mais importante de todos é um algoritmo: o mecanismo de busca do Google. Quando as pessoas projetam páginas da internet, frequentemente procuram agradar mais ao algoritmo de busca do Google do que a qualquer ser humano.

Algoritmos obviamente não têm consciência, assim, ao contrário de consumidores humanos, não são capazes de usufruir daquilo que compram, e suas decisões não são modeladas por sensações e emoções. O algoritmo de busca do Google não é capaz de experimentar um sorvete. No entanto, algoritmos selecionam coisas com base em seus cálculos internos e preferências integradas, e essas preferências cada vez mais modelam nosso mundo. O algoritmo de busca do Google tem um gosto muito sofisticado no que concerne a classificar as páginas de vendedores de sorvete na internet, e os vendedores de sorvete mais bem-sucedidos do mundo são aqueles que o algoritmo do Google coloca no topo da lista — não os que produzem o sorvete mais gostoso.

Sei disso por experiência pessoal. Quando publico um livro, os editores pedem-me que escreva uma descrição curta, que usam para publicidade on-line. Mas eles têm um especialista que adapta o que escrevi ao gosto do algoritmo do Google. O especialista lê o meu texto e diz: “Não use esta palavra — use aquela”. Sabemos que se conseguirmos atrair a atenção do algoritmo, é certo que atrairemos a dos humanos.

Assim, se humanos não são necessários nem como produtores nem como consumidores, o que vai salvaguardar sua sobrevivência física e seu bem-estar psicológico? Não podemos esperar que a crise irrompa com toda a força antes de começarmos a buscar as respostas. Será tarde demais. Para lidar com as rupturas tecnológicas e econômicas inéditas do século XXI, precisamos desenvolver novos modelos sociais e econômicos o quanto antes. Esses modelos deveriam ser orientados pelo princípio de que é preciso proteger os humanos e não os empregos. Muitos empregos são uma faina pouco recompensadora, que não vale a pena salvar. Ser caixa não é o sonho de vida de ninguém. Deveríamos nos focar em prover as necessidades básicas das pessoas e em proteger seu status social e sua autoestima.

Um modelo novo que atrai cada vez mais atenção é o da renda básica universal (RBU). A RBU propõe que os governos tributem os bilionários e as corporações que controlam os algoritmos e robôs, e usem o dinheiro para prover cada pessoa com um generoso estipêndio que cubra suas necessidades básicas. Isso protegerá os pobres da perda de emprego e da exclusão econômica, enquanto protege os ricos da ira populista (23).

Uma ideia relacionada a isso propõe ampliar o âmbito de atividades humanas consideradas “empregos”. Atualmente, bilhões de mães e pais cuidam de seus filhos, vizinhos cuidam uns dos outros e cidadãos organizam comunidades sem que qualquer dessas valiosas atividades seja reconhecida como emprego. Talvez precisemos mudar uma chave em nossa mente, e nos dar conta de que cuidar de uma criança é sem dúvida o emprego mais importante e desafiador do mundo. Assim, não haverá escassez de trabalho mesmo que computadores e robôs substituam todos os motoristas, gerentes de banco e advogados. A questão, é claro, é quem vai avaliar e pagar por esses empregos recém-reconhecidos? Supondo que bebês de seis meses não pagarão salários a suas mães, o governo provavelmente terá de se responsabilizar por isso. Supondo também que vamos querer que esses salários cubram as necessidades básicas de uma família, o resultado final será algo não muito diferente da renda básica universal.

Uma outra opção é o subsídio público de serviços básicos universais, no lugar da renda. Em vez de dar dinheiro às pessoas, que então poderiam comprar o que quisessem, o governo poderia subsidiar educação, saúde e transporte gratuitos, entre outros serviços. Essa é, na verdade, a visão utópica do comunismo. O plano comunista de promover a revolução proletária talvez esteja obsoleto, mas quem sabe ainda deveríamos visar a realizar o objetivo comunista por outros meios?

Hahaha…

Pode-se discutir se é melhor fornecer às pessoas uma renda básica universal (o paraíso capitalista) ou serviços básicos universais (o paraíso comunista). Ambas as opções têm vantagens e desvantagens. Mas não importa qual paraíso você escolha, o problema real está em definir o que “universal” e “básico” realmente significam.

O QUE É UNIVERSAL?

Quando as pessoas falam de um auxílio básico universal — em forma de renda ou de serviços —, em geral estão se referindo a um auxílio básico nacional. Até agora, todas as iniciativas de RBU têm sido estritamente nacionais ou municipais. Em janeiro de 2017, a Finlândia começou uma experiência de dois anos, provendo 560 euros por mês a 2 mil finlandeses desempregados, independentemente de encontrarem ou não emprego. Experiências semelhantes estão em curso na província canadense de Ontário, na cidade italiana de Livorno e em diversas cidades holandesas (24). (Em 2016 a Suíça realizou um referendo sobre a criação de um programa de renda básica nacional, mas os votantes rejeitaram a ideia) (25).

No entanto, o problema com tais programas nacionais e municipais é que as principais vítimas da automação provavelmente não vivem na Finlândia, em Ontário, em Livorno ou em Amsterdam. A globalização fez as pessoas num país dependerem totalmente dos mercados de outros países, mas a automação poderia desfazer grande parte dessa rede global de comércio, com consequências desastrosas para as conexões mais fracas. No século XX, países em desenvolvimento carentes de recursos naturais progrediram economicamente sobretudo com os salários baixos de seus trabalhadores não qualificados. Hoje em dia, milhões de bengaleses ganham a vida produzindo camisas e as vendendo a clientes nos Estados Unidos, enquanto o ganha-pão de outras pessoas em Bangalore é lidar com as reclamações dos clientes americanos em centrais de teleatendimento (26).

Mas com a ascensão da IA, de robôs e impressoras 3-D, o trabalho não qualificado e barato torna-se muito menos importante. Em vez de fabricar uma camisa em Dacca e despachá-la para os longínquos Estados Unidos, pode-se comprar o código on-line da camisa na Amazon e imprimi-la em Nova York. As lojas da Zara e da Prada na Quinta Avenida poderiam ser substituídas por centros de impressão em 3-D no Brooklyn, e algumas pessoas talvez queiram ter uma impressora em casa. Depois, em vez de ligar para serviços de atendimento ao consumidor em Bangalore para reclamar de sua impressora, você poderia conversar com um representante de IA na nuvem do Google (cujo sotaque e tom de voz podem se modelados segundo sua preferência). Os operários e operadores de SAC recém-desempregados em Dacca e em Bangalore não têm a instrução necessária para virarem estilistas ou programadores — então como vão sobreviver?

Se a IA e as impressoras 3-D realmente substituírem esses bengaleses e bangalorianos, a renda que antes fluía para o sul da Ásia agora encherá os cofres de uns poucos gigantes tecnológicos na Califórnia. Em vez de um crescimento econômico que melhore as condições em todo o mundo, veremos uma nova e imensa riqueza criada em nichos de alta tecnologia, como o Vale do Silício, enquanto muitos países em desenvolvimento vão à ruína.

Mas quando isso acontecer ainda existirão países (tal como hoje existem)?

É claro que algumas economias emergentes — inclusive Índia e Bangladesh — poderiam avançar rápido o bastante e se juntar ao time vencedor. Se tiverem tempo suficiente, os filhos e netos de trabalhadores da indústria têxtil e de operadores de centrais de teleatendimento poderiam tornar-se engenheiros e empreendedores que constroem e possuem computadores e impressoras 3-D. Mas o tempo dessa transição está se esgotando. No passado, o trabalho barato e não qualificado serviu como ponte segura para atravessar a divisão econômica global, e, mesmo que o avanço de um país fosse lento, ele poderia esperar um dia chegar ao outro lado. Adotar as medidas corretas era mais importante do que progredir rapidamente. Mas agora a ponte está balançando, e pode desabar. Os que já a atravessaram — e foram promovidos do trabalho barato para as indústrias de alta especialização — provavelmente ficarão bem. Mas os que ficarem para trás poderão se ver encalhados no lado errado do abismo, sem meios para atravessá-lo. O que você fará quando ninguém precisar de sua mão de obra barata não qualificada, e você não tiver os recursos para criar um bom sistema de educação e retreiná-la? (27)

Qual será o destino dos retardatários? É possível que os eleitores americanos aceitem que os impostos pagos pela Amazon e pelo Google por seus negócios nos Estados Unidos sejam usados para oferecer estipêndios ou serviços gratuitos a mineiros desempregados na Pensilvânia e a taxistas sem trabalho em Nova York. No entanto, os eleitores americanos aceitariam que esses impostos fossem enviados para sustentar pessoas desempregadas em lugares que o presidente Trump definiu como “países de merda”? (28) Se você acredita nisso, deve acreditar também que Papai Noel e o coelhinho da Páscoa resolverão o problema.

O QUE É BÁSICO?

O objetivo do auxílio básico universal é o atendimento às necessidades humanas básicas, mas não existe uma definição aceita para isso. Do ponto de vista puramente biológico, um Sapiens precisa de 1,5 mil a 2,5 mil calorias por dia para sobreviver. Tudo o que exceder isso é luxo. Mas, além e acima dessa linha de pobreza biológica, toda cultura na história definiu necessidades adicionais como sendo “básicas”. Na Europa medieval, o acesso a serviços religiosos na igreja era considerado mais importante que o alimento, porque cuidava da alma eterna, e não do corpo efêmero. Na Europa atual, serviços de educação e de saúde decentes são considerados necessidades humanas básicas, e há quem alegue que até mesmo o acesso à internet hoje é essencial a todo homem, mulher e criança. Se em 2050 o Governo Mundial Unido concordar em taxar Google, Amazon, Baidu e Tencent para oferecer ajuda básica a todo ser humano na Terra — tanto em Dacca como em Detroit —, o que será considerado “básico”?

Por exemplo, o que uma educação básica deve incluir: ler e escrever apenas, ou também programar computadores e tocar violino? Seis anos de ensino fundamental, ou até o doutorado? E quanto à saúde? Se em 2050 os avanços da medicina possibilitarem retardar os processos de envelhecimento e estender significativamente a duração da vida humana, os novos tratamentos estarão disponíveis para 10 bilhões de humanos no planeta, ou só para uns poucos bilionários? Se a biotecnologia habilitar os pais a aprimorar seus filhos, isso será considerado uma necessidade humana básica, ou veremos o gênero humano dividir-se em diferentes castas biológicas, com super-humanos ricos desfrutando de capacidades que superam as de Homo sapiens pobres?

Não importa como definamos “necessidades humanas básicas”, se todos desfrutarem delas gratuitamente, elas deixarão de ser um problema, e então as ferrenhas competições e lutas políticas estarão focadas em luxos não básicos — sejam elegantes carros autodirigidos, acesso a parques de realidade virtual ou corpos incrementados pela bioengenharia. Mas, se as massas de desempregados não dispuserem de ativos econômicos, é difícil ver como poderiam algum dia esperar obter tais luxos. Consequentemente, a brecha entre os ricos (diretores da Tencent e acionistas do Google) e os pobres (os que dependem da renda básica universal) poderia se tornar não apenas maior, mas intransponível.

Daí que mesmo que um programa de auxílio universal garanta às pessoas pobres, em 2050, serviços de saúde e educação muito melhores que os de hoje, elas ainda poderão estar extremamente raivosas com a desigualdade global e a falta de mobilidade social. As pessoas sentirão que o sistema está contra elas, que o governo só atende aos super-ricos e que o futuro será ainda pior para eles e seus filhos (29).

O Homo sapiens simplesmente não é programado para se satisfazer. A felicidade humana depende menos de condições objetivas e mais de nossas próprias expectativas, daquilo que esperamos obter. As expectativas, contudo, tendem a se adaptar às condições, inclusive à condição de outras pessoas. Quando as coisas melhoram, as expectativas inflam, e consequentemente até mesmo uma melhora dramática das condições podem nos deixar tão insatisfeitos quanto antes. Se o auxílio básico universal visa a melhorar as condições objetivas de uma pessoa mediana em 2050, ele tem uma boa probabilidade de sucesso. Porém, se visa a fazer as pessoas ficarem subjetivamente mais satisfeitas com seu quinhão e evitar o descontentamento social, é provável que fracasse.

Para atingir seus objetivos de fato, o auxílio básico universal terá de ser suplementado por ocupações dotadas de sentido, dos esportes à religião. O experimento sobre como viver uma vida plena num mundo de pós-trabalho realizado em Israel talvez seja o mais bem-sucedido até hoje. Cerca de 50% dos homens judeus ultraortodoxos daquele país não trabalham. Dedicam a vida a estudar as escrituras sagradas e a realizar ritos religiosos. Eles e suas famílias não morrem de fome em parte porque as mulheres costumam trabalhar, e em parte porque o governo os provê de generosos subsídios e serviços gratuitos, assegurando que não lhes faltem as necessidades básicas da vida. É o auxílio básico universal avant la lettre (30).

Embora sejam pobres e desempregados, esses homens judeus ultraortodoxos manifestam altos níveis de satisfação, pesquisa após pesquisa. Isso se deve à força de seus laços comunitários, assim como ao profundo significado que atribuem ao estudo das escrituras e aos ritos religiosos. Um quarto pequeno cheio de homens judeus discutindo o Talmude é capaz de gerar mais alegria, envolvimento e insight do que um enorme estabelecimento têxtil cheio de operários que trabalham duro em más condições e por baixos salários. Em pesquisas globais de satisfação com a vida, Israel em geral está perto do topo, graças em parte à contribuição dessas pessoas pobres e sem emprego (31).

Israelenses seculares reclamam bastante de que os ultraortodoxos não contribuem o bastante para a sociedade e vivem do trabalho duro de outras pessoas. Eles tendem também a alegar que o modo de vida ultraortodoxo é insustentável, sobretudo porque as famílias ultraortodoxas têm em média sete filhos (32). Cedo ou tarde, o Estado não será capaz de sustentar tantas pessoas desempregadas, e os ultraortodoxos terão de trabalhar. Mas pode ser exatamente o contrário. À medida que a IA e robôs puserem os humanos fora do mercado de trabalho, os judeus ultraortodoxos podem passar a ser vistos como o modelo do futuro, e não como um fóssil do passado. Não quer dizer que todos se tornarão judeus ortodoxos e irão para as ieshivas estudar o Talmude. Mas na vida de todas as pessoas a busca por um significado e uma comunidade pode suplantar a busca por emprego.

Se conseguirmos combinar uma rede de segurança econômica universal com comunidades fortes e ocupações dotadas de sentido, perder nossos empregos para os algoritmos pode na verdade mostrar-se uma bênção. No entanto, a perda do controle sobre nossa vida é um cenário muito mais assustador. Não obstante o perigo de desemprego em massa, o que deveria nos preocupar ainda mais é a transferência da autoridade de humanos para algoritmos, o que poderia destruir qualquer fé remanescente na narrativa liberal e abrir o caminho para o surgimento de ditaduras digitais.

Notas

1. Gregory R. Woirol, The Technological Unemployment and Structural Unemployment Debates (Westport: Greenwood Press, 1996, pp. 18-20); Amy Sue Bix, Inventing Ourselves out of Jobs? America’s Debate over Technological Unemployment, 1929-1981 (Baltimore: Johns Hopkins University Press, 2000, pp. 1-8). Joel Mokyr, Chris Vickers e Nicolas L. Ziebarth, “The History of Technological Anxiety and the Future of Economic Growth: Is This Time Different?” (Journal of Economic Perspectives, v. 29, n. 3, pp. 33-42, 2015). Joe Mokyr, The gifts of Athena: Historical Origins of the Knowledge Economy (Princeton: Princeton University Press, 2002, pp. 255-7). David H. Autor, “Why Are There Still So Many Jobs? The History and the Future of Workplace Automation” (Journal of Economic Perspectives, v. 29, n. 3, pp. 3-30, 2015). Melanie Arntz, Terry Gregory e Ulrich Zierahn, “The Risk of Automation for Jobs in OECD Countries” (OECD Social, Employment and Migration Working Papers, n. 189, 2016). Maria Cristina Piva e Marco Vivarelli, “Technological Change and Employment: Were Ricardo and Marx Right?” (iza Institute of Labor Economics, Discussion Paper N. 10471, 2017).

2. Veja, por exemplo, a IA superando o homem: em condições de voo, e especialmente em simulações de combate aéreo: Nicholas Ernest et al., “Genetic Fuzzy Based Artificial Intelligence for Unmanned Combat Aerial Vehicle Control in Simulated Air Combat Missions” (Journal of Defense Management, v. 6, n. 1, pp. 1-7, 2016); sobre tutoria inteligente e sistemas de ensino: Kurt VanLehn, “The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems” (Educational Psychologist, v. 46, n. 4, pp. 197-221, 2011); negociação algorítmica: Giuseppe Nuti et al., “Algorithmic Trading” (Computer, v. 44, n. 11, pp. 61-9, 2011); planejamento financeiro, gerência de portfólios etc.: Arash Baharammirzaee, “A Comparative Survey of Artificial Intelligence Applications in Finance: Artificial Neural Networks, Expert System and Hybrid Intelligent Systems” (Neural Computing and Applications, v. 19, n. 8, pp. 1165-95, 2010); análise de dados complexos em sistemas médicos e produção de diagnóstico e tratamento: Marjorie Glass Zauderer et al., “Piloting IBM Watson Oncology within Memorial Sloan Kettering’s Regional Network” (Journal of Clinical Oncology, v. 32, n. 15, e17653, 2014); criação de textos originais em linguagem natural a partir de maciça quantidade de dados: Jean-Sébastien Vayre et al., “Communication Mediated through Natural Language Generation in Big Data Environments: The Case of Nomao” (Journal of Computer and Communication, v. 5, pp. 125-48, 2017); reconhecimento facial: Florian Schroff, Dmitry Kalenichenko e James Philbin, “FaceNet: A Unified Embedding for Face Recognition and Clustering” (ieee Conference on Computer Vision and Pattern Recognition — CVPR, pp. 815-23, 2015); direção de veículos: Cristiano Premebida, “A Lidar and Vision-based Approach for Pedestrian and Vehicle Detection and Tracking” (ieee Intelligent Transportation Systems Conference, 2007).

3. Daniel Kahneman, Thinking, Fast and Slow [Rápido e devagar, duas formas de pensar] (Nova York: Farrar, Straus & Giroux, 2011). Dan Ariely, Predictably Irrational (Nova York: Harper, 2009). Brian D. Ripley, Pattern Recognition and Neural Networks (Cambridge: Cambridge University Press, 2007). Christopher M. Bishop, Pattern Recognition and Machine Learning (Nova York: Springer, 2007).

4. Seyed Azimi et al., “Vehicular Networks for Collision Avoidance at Intersections” (sae International Journal of Passenger Cars — Mechanical Systems, v. 4, pp. 406-16, 2011). Swarun Kumar et al., “CarSpeak: A Content-Centric Network for Autonomous Driving” (sigcom Computer Communication Review, v. 42, pp. 259-70, 2012). Mihail L. Sichitiu and Maria Kihl, “Inter-Vehicle Communication Systems: A Survey” (ieee Communications Surveys & Tutorials, p. 10, 2008). Mario Gerla, Eun-Kyu Lee e Giovanni Pau, “Internet of Vehicles: From Intelligent Grid to Autonomous Cars and Vehicular Clouds” (ieee World Forum on Internet of Things — wf-iot, pp. 241-6, 2014).

5. David D. Luxton et al., “Health for Mental Health: Integrating Smartphone Technology in Behavioural Healthcare” (Professional Psychology: Research and Practice, v. 42, n. 6, pp. 505-12, 2011). Abu Saleh Mohammad Mosa, Illhoi Yoo e Lincoln Sheets, “A Systematic Review of Healthcare Application for Smartphones” (bmc Medical Informatics and Decision Making, v. 12, n. 1, p. 67, 2012). Karl Frederick Braekkan Payne, Heather Wharrad e Kim Watts, “Smartphone and Medical Related App Use among Medical Students and Junior Doctors in the United Kingdom (UK): A Regional Survey” (bmc Medical Informatics and Decision Making, v. 12, n. 1, p. 121, 2012). Sandeep Kumar Vashist, E. Marion Schneider e John H. T. Loung, “Commercial Smartphone-Based Devices and Smart Applications for Personalised Healthcare Monitoring and Management” (Diagnostics, v. 4, n. 3, pp. 104-28, 2014). Maged N. Kamel Bouls et al., “How Smartphones Are Changing the Face of Mobile and Participatory Healthcare: An Overview, with Example from eCAALYX” (BioMedical Engineering OnLine, v. 10, n. 24, 2011. Disponível em:
<https://doi.org/10.1186/1475-925X-10-24>. Acesso em: 30 jul. 2017. Paul J. F. White, Blake W. Podaima e Marcia R. Friesen, “Algorithms for Smartphone and Tablet Image Analysis for Healthcare Applications” (ieee Access, v. 2, pp. 831-40, 2014).

6. World Health Organization, Global Status Report on Road Safety 2015 (2016); “Estimates for 2000-2015, Cause-Specific Mortality”. Disponível em:
<http://www.who.int/healthinfo/global_burden_disease/estimates/en/index1.html>. Acesso em: 6 set. 2017.

7. Para uma pesquisa sobre a causa de acidentes automobilísticos nos Estados Unidos, veja: Daniel J. Fagnant e Kara Kockelman, “Preparing a Nation for Autonomous Vehicles: Opportunities, Barriers and Policy Recommendations” (Transportation Research Part A: Policy and Practice, v. 77, pp. 167-81, 2015); para uma pesquisa em âmbito mundial, veja, por exemplo: OECD/ITF, Road Safety Annual Report 2016 (Paris: OECD Publishing, 2016). Disponível em: <http://dx.doi.org/10.1787/irtad-2016-en>. Acesso em: 6 set. 2017.

8. Kristofer D. Kusano e Hampton C. Gabler, “Safety Benefits of Forward Collision Warning, Brake Assist, and Autonomous Braking Systems in Rear-End Collisions” (ieee Transactions on Intelligent Transportation Systems, v. 13, n. 4, pp. 1546-55, 2012); James M. Anderson et al., Autonomous Vehicle Technology: A Guide for Policymakers (Santa Monica: RAND Corporation, 2014, esp. pp. 13-5); Daniel J. Fagnant e Kara Kockelman, “Preparing a Nation for Autonomous Vehicles: Opportunities, Barriers and Policy Recommendations” (Transportation Research Part A: Policy and Practice, v. 77, pp. 167-81, 2015); Jean-Francois Bonnefon, Azim Shariff e IyadRahwan, “Autonomous Vehicles Need Experimental Ethics: Are We Ready for Utilitarian Cars?”, (arXiv, pp. 1-15, 2015). Para sugestões de redes interveiculares para evitar colisões, veja: Seyed R. Azimi et al., “Vehicular Networks for Collision Avoidance at Intersections” (sae International Journal of Passenger Cars — Mechanical Systems, v. 4, n. 1, pp. 406-16, 2011); Swarun Kumar et al., “CarSpeak: A Content-Centric Network for Autonomous Driving” (sigcom Computer Communication Review, v. 42, n. 4, pp. 259-70, 2012); Mihail L. Sichitiu e Maria Kihl, “Inter-Vehicle Communication Systems: A Survey” (ieee Communications Surveys & Tutorials, v. 10, n. 2, 2008); Mario Gerla et al., “Internet of Vehicles: From Intelligent Grid to Autonomous Cars and Vehicular Clouds” (ieee World Forum on Internet of Things
— wf-iot, pp. 241-6, 2014).

9. Michael Chui, James Manyika e Mehdi Miremadi, “Where Machines Could Replace Humans — and Where They Can’t (Yet)” (McKinsey Quarterly, 2016). Disponível em: <http://www.mckinsey.com/business-functions/digital- mckinsey/our-insights/where-machines-could-replace-humans-and-where-they-cant-yet>. Acesso em: 1 mar. 2018.

10. Wu Youyou, Michal Kosinski e David Stillwell, “Computer-based Personality Judgments Are More Accurate Than Those Made by Humans” (PANS, v. 112, pp. 1036-8, 2014).

11. Stuart Dredge, “AI and Music: Will We Be Slaves to the Algorithm?” (The Guardian, Londres, 6 ago. 2017). Disponível em: <https://www.theguardian.com/technology/2017/aug/06/artificial-intelligence-and-will-we-be-slaves- to-the-algorithm>. Acesso em: 15 out. 2017. Para uma visão geral de métodos, veja: Jose David Fernández e Francisco Vico, “AI Methods in Algorithmic Composition: A Comprehensive Survey” (Journal of Artificial Intelligence Research, v. 48, pp. 513-82, 2013).

12. Eric Topol, The Patient Will See You Now: The Future of Medicine is in Your Hands (Nova York: Basic Books, 2015). Robert Wachter, The Digital Doctor: Hope, Hype and Harm at the Dawn of Medicine’s Computer Age (Nova York: McGraw-Hill Education, 2015). Simon Parkin, “The Artificially Intelligent Doctor Will Hear You Now” (mit Technology Review, 2016). Disponível em: <https://www.technologyreview.com/s/600868/the-artificially-intelligent- doctor-will-hear-you-now/>. James Gallagher, “Artificial intelligence ‘As good As Cancer Doctors’” (BBC, Londres, 26 jan. 2017). Disponível em: <http://www.bbc.com/news/health-38717928>. Acesso em: 19 jun. 2018.

13. Kate Brannen, “Air Force’s Lack of Drone Pilots Reaching ‘Crisis’ Levels” (Foreign Policy, 15 jan. 2015). Disponível em: <http://foreignpolicy.com/2015/01/15/air-forces-lack-of-drone-pilots-reaching-crisis-levels/>. Acesso em: 19 jun. 2018.

14. Tyler Cowen, Average is Over: Powering America Beyond the Age of the Great Stagnation (Nova York: Dutton, 2013). Brad Bush, “How Combined Human and Computer Intelligence Will Redefine Jobs” (TechCrunch, 2016). Disponível em: <https://techcrunch.com/2016/11/01/how-combined-human-and-computer-intelligence-will- redefine-jobs/>. Acesso em: 19 jun. 2018.

15. Ulrich Raulff, Farewell to the Horse: The Final Century of Our Relationship (Londres: Allen Lane, 2017). Gregory Clark, A Farewell to Alms: A Brief Economic History of the World (Princeton: Princeton University Press, 2008, p. 286). Margo DeMello, Animals and Society: An Introduction to Human-Animal Studies (Nova York: Columbia University Press, 2012, p. 197). Clay McShane e Joel Tarr, “The Decline of the Urban Horse in American Cities” (Journal of Transport History, v. 24, n. 2, pp. 177-98, 2003).

16. Lawrence F. Katz e Alan B. Krueger, “The Rise and Nature of Alternative Work Arrangements in the United States, 1995-2015” (National Bureau of Economic Research, 2016). Peter H. Cappelli e J. R. Keller, “A Study of the Extent and Potential Causes of Alternative Employment Arrangements” (ilr Review, v. 66, n. 4, pp. 874-901, 2013). Gretchen M. Spreitzer, Lindsey Cameron e Lyndon Garrett, “Alternative Work Arrangements: Two Images of the New World of Work” (Annual Review of Organizational Psychology and Organizational Behavior, v. 4, pp. 473-99, 2017). Sarah A. Donovan, David H. Bradley e Jon O. Shimabukuru, “What Does the Gig Economy Mean for Workers?” (Washington, DC: Congressional Research Service, 2016). Disponível em: <https://fas.org/sgp/crs/misc/R44365.pdf>. Acesso em: 11 fev. 2018. “More Workers Are in Alternative Employment Arrangements” (Pew Research Center, 28 set. 2016). Disponível em: <http://www.pewsocialtrends.org/2016/10/06/the-state-of-american-jobs/st_2016-10- 06_jobs-26/>. Acesso em: 11 fev. 2018.

17. David Ferrucci et al., “Watson: Beyond Jeopardy!” (Artificial Intelligence, v. 199-200, pp. 93-105, 2013).

18. “Google’s AlphaZero Destroys Stockfish in 100-Game Match” (Chess.com, 6 dez. 2017). Disponível em:
<https://www.chess.com/news/view/google-s-alphazero-destroys-stockfish-in-100-game-match>. Acesso em: 11 fev. 2018. David Silver et al., “Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm” (arXiv, 2017). Disponível em: <https://arxiv.org/pdf/1712.01815.pdf>. Acesso em: 2 fev. 2018. Veja também Sarah Knapton, “Entire Human Chess Knowledge Learned and Surpassed by DeepMind’s AlphaZero in Four Hours” (Telegraph, 6 dez. 2017). Disponível em: <http://www.telegraph.co.uk/science/2017/12/06/entire-human-chess- knowledge-learned-surpassed-deepminds-alphazero/>. Acesso em: 11 fev. 2018.

19. Cowen, Average is Over, op. cit.; Tyler Cowen, “What are Humans Still Good for? The Turning Point in Freestyle Chess May Be Approaching” (2013). Disponível em:
<http://marginalrevolution.com/marginalrevolution/2013/11/what-are-humans-still-good-for-the-turning-point-in- freestyle-chess-may-be-approaching.html>. Acesso em: 19 jun. 2018.

20. Maddalaine Ansell, “Jobs for Life Are a Thing of the Past. Bring On Lifelong Learning” (The Guardian, 31 maio 2016). Disponível em: <https://www.theguardian.com/higher-education-network/2016/may/31/jobs-for-life-are-a- thing-of-the-past-bring-on-lifelong-learning>. Acesso em: 19 jun. 2018.

21. Alex Williams, “Prozac Nation Is Now the United States of Xanax” (New York Times, 10 jun. 2017). Disponível em: <https://www.nytimes.com/2017/06/ 10/style/anxiety-is-the-new-depression-xanax.html>. Acesso em: 19 jun. 2018.

22. Simon Rippon, “Imposing Options on People in Poverty: The Harm of a Live Donor Organ Market” (Journal of Medical Ethics, v. 40, pp. 145-50, 2014). I. Glenn Cohen, “Regulating the Organ Market: Normative Foundations for Market Regulation” (Law and Contemporary Problems, v. 77, 2014). Alexandra K. Glazier, “The Principles of Gift Law and the Regulation of Organ Donation” (Transplant International, v. 24, pp. 368-72, 2011). Megan McAndrews e Walter E. Block, “Legalizing Saving Lives: A Proposition for the Organ Market” (Insights to A Changing World Journal, pp. 1-17, 2015).

23. James J. Hughes, “A Strategic Opening for a Basic Income Guarantee in the Global Crisis Being Created by AI, Robots, Desktop Manufacturing and BioMedicine”. (Journal of Evolution & Technology, v. 24, pp. 45-61, 2014); Alan Cottey, “Technologies, Culture, Work, Basic Income and Maximum Income” (ai & Society, v. 29, pp. 249-57, 2014).

24. Jon Henley, “Finland Trials Basic Income for Unemployed” (The Guardian, 3 jan. 2017). Disponível em:
<https://www.theguardian.com/world/2017/jan/03/finland-trials-basic-income-for-unemployed>. Acesso em: 1 mar. 2018.

25. “Swiss Voters Reject Proposal to Give Basic Income to Every Adult and Child” (The Guardian, 5 jun. 2017). Disponível em: <https://www.theguardian.com/world/2016/jun/05/swiss-vote-give-basic-income-every-adult-child- marxist-dream>. Acesso em: 19 jun. 2018.

26. Isabel Hunter, “Crammed into Squalid Factories to Produce Clothes for the West on Just 20p a Day, the Children Forced to Work in Horrific Unregulated Workshops of Bangladesh” (Daily Mail, 1 dez. 2015). Disponível em: <http://www.dailymail.co.uk/news/article-3339578/Crammed-squalid-factories-produce-clothes-West-just-20p- day-children-forced-work-horrific-unregulated-workshops-Bangladesh.html>. Acesso em: 15 out. 2017. Chris Walker e Morgan Hartley, “The Culture Shock of India’s Call Centers” (Forbes, 16 dez. 2012). Disponível em:
<https://www.forbes.com/sites/morganhartley/2012/12/16/the-culture-shock-of-indias-call-centres/#17bb61d372f5>. Acesso em: 15 out. 2017.

27. Klaus Schwab e Nicholas Davis, Shaping the Fourth Industrial Revolution (World Economic Forum, 2018, p. 54). Sobre estratégias de desenvolvimento a longo prazo, veja Ha-Joon Chang, Kicking Away the Ladder: Development Strategy in Historical Perspective [Chutando a escada: Desenvolvimento em perspectiva histórica] (Londres: Anthem Press, 2003).

28. Lauren Gambini, “Trump Pans Immigration Proposal as Bringing People from “Shithole Countries’” (The Guardian, 12 jan. 2018). Disponível em: <https://www.theguardian.com/us-news/2018/jan/11/trump-pans- immigration-proposal-as-bringing-people-from-shithole-countries>. Acesso em: 11 fev. 2018.

29. Para a ideia de que uma melhora absoluta nas condições poderia vir junto com um aumento na desigualdade relativa, veja especialmente Thomas Piketty, Capital in the Twenty-First Century [O capital no século XXI] (Cambridge, MA: Harvard University Press, 2013).

30. “2017 Statistical Report on Ultra-Orthodox Society in Israel” (Israel Democracy Institute e Jerusalem Institute for Israel Studies, 2017). Disponível em: <https://en.idi.org.il/articles/20439>. Acesso em: 1 jan. 2018. Melanie Lidman, “As Ultra-Orthodox Women Bring Home the Bacon, Don’t Say the F-Word” (Times of Israel, 1 jan. 2016). Disponível em: <https://www.timesofisrael.com/as-ultra-orthodox-women-bring-home-the-bacon-dont-say-the-f- word/>. Acesso em: 15 out. 2017.

31. Melanie Lidman, “As Ultra-Orthodox Women Bring Home the Bacon, Don’t Say the F-Word” (Times of Israel, 1 jan. 2016). Disponível em: <https://www.timesofisrael.com/as-ultra-Orthodox-women-bring-home-the-bacon-dont- say-the-f-word/>. Acesso em: 15 out. 2017. “Statistical Report on Ultra-Orthodox Society in Israel” (Israel Democracy Institute e Jerusalem Institute for Israel Studies, v. 18, 2016). Disponível em: <https://en.idi.org.il/media/4240/shnaton- e_8-9-16_web.pdf>. Acesso em: 15 out. 2017. Quanto ao índice de felicidade, Israel foi recentemente classificado em 11o lugar entre 38 países pela oecd: “Life Satisfaction” (oecd Better Life Index). Disponível em:
<http://www.oecdbetterlifeindex.org/topics/life-satisfaction/>. Acesso em: 15 out. 2017.

32. “2017 Statistical Report on Ultra-Orthodox Society in Israel” (Israel Democracy Institute e Jerusalem Institute for Israel Studies, 2017). Disponível em: <https://en.idi.org.il/articles/20439>. Acesso em: 1 jan. 2018.