Contra o Hiperbolismo

Temos uma tendência persistente a prever o extremo, seja ele catastrófico ou utópico. De A Bomba Populacional, de Paul Ehrlich, à promessa eterna de energia ilimitada da fusão nuclear, o debate público vive entre dois polos: colapso iminente ou salvação tecnológica. É isso que eu chamo de hiperbolismo. Ele distorce o que o público entende e atrapalha decisões racionais sobre política e sobre onde colocar recursos.

Este ensaio deve muito ao trabalho do cientista e historiador da energia Vaclav Smil, em particular a Perils of Long-Range Energy Forecasting (2000), Numbers Don’t Lie (2020) e Invention and Innovation (2023). Smil insiste que números são o melhor remédio contra o pensamento desejoso, e eu concordo com ele. Muitos dos exemplos e boa parte da estrutura do argumento vêm dele. A organização, a escolha do que destacar e as conclusões são minhas, e as fontes estão no final.

O problema das previsões de longo prazo

O problema não é a ambição de olhar para o futuro. Isso é necessário para planejar e se preparar. O problema está nos métodos e na confiança que se deposita em previsões pontuais. Olhando décadas de previsões sobre energia, ambiente e tecnologia, vejo quatro falhas que se repetem.

A primeira é agregar demais. Quando um modelo junta numa mesma variável coisas muito diferentes, como recursos facilmente substituíveis e recursos insubstituíveis, ou poluentes de vida curta e resíduos de vida longa, a variável fica ampla a ponto de perder o significado analítico. É uma das críticas de Smil a modelos globais como o de Os Limites do Crescimento (Meadows et al., 1972).

A segunda é encadear suposições. Para parecer mais realista, o modelo ganha uma cadeia cada vez mais longa de suposições, e a incerteza se compõe em vez de se cancelar. Se cada suposição tem 80% de chance de estar certa, cinco encadeadas já derrubam a confiança no conjunto para cerca de um terço. O resultado é um edifício matemático de aparência sofisticada sobre uma fundação cada vez mais instável.

A terceira é extrapolar em linha reta. Projetar a tendência recente, seja de população, consumo ou adoção de tecnologia, ignora as contramedidas, as adaptações e os mecanismos de feedback que costumam aparecer quando os problemas ficam visíveis. A quarta é ignorar a dinâmica dos sistemas: loops de feedback negativo, substituições e respostas adaptativas que modelos lineares não capturam.

O histórico dos catastrofistas

O registro dos exageros pessimistas é longo. Na década de 1970, estudos como o Workshop sobre Estratégias Alternativas de Energia (1977) e um relatório da CIA (1979) projetaram que a oferta mundial de petróleo não acompanharia a demanda em poucas décadas, e a produção continuou crescendo. Smil mostra que as previsões de consumo de energia dos Estados Unidos para o ano 2000, feitas entre 1960 e 1979, ficaram muito acima do que de fato aconteceu. Ehrlich (1968) escreveu que centenas de milhões de pessoas morreriam de fome nos anos 1970, e o que se viu foi uma produção de alimentos crescendo mais rápido do que a população, que praticamente dobrou desde então, com mortes por fome em queda forte. E existe o caso extremo de Harold Camping, que marcou o arrebatamento para 1994 e, depois, duas vezes para 2011.

Por que esse tipo de previsão persiste? Minha impressão é que ele cumpre funções psicológicas e sociais. Cenários apocalípticos geram atenção e financiamento que uma avaliação medida não gera. Eles dão clareza moral, com bem e mal bem separados. E, quando falham, é comum ajustar o cronograma ou dizer que o aviso evitou o desastre, em vez de rever o método.

E o lado dos tecno-otimistas

Os otimistas erram de forma simétrica. Costumam assumir que a tecnologia de avanço vai aparecer exatamente quando for necessária, ignorando que a descoberta científica é imprevisível e que levar uma tecnologia à escala leva décadas. Extrapolam curvas tecnológicas positivas sem olhar para limites físicos: uma célula fotovoltaica de junção única, por exemplo, tem um limite teórico de eficiência perto de 33%. Acreditam que o mercado sempre vai achar substituto para o que ficar escasso, o que ignora propriedades únicas de certos materiais e o tempo que uma substituição leva.

Um caso típico é o da energia nuclear. Em 1954, Lewis Strauss falou numa energia tão barata que não valeria a pena medir. Hoje a nuclear responde por algo em torno de 9% da eletricidade mundial. A fusão repete o padrão: há décadas ela é descrita como algo a trinta anos de distância. A física básica é bem entendida, mas os desafios de engenharia são enormes, com materiais que precisam resistir a bombardeio de nêutrons e temperaturas extremas, e o cronograma do ITER foi adiado várias vezes. Em honestidade, o resultado de ganho de energia obtido pela National Ignition Facility em 2022 foi um marco real. Só que um marco científico está longe de ser uma usina que compete com as renováveis, cujo custo despencou.

Outra forma sutil de otimismo é a fé em eficiência como salvação ambiental. Ganhos de eficiência são bons, mas esbarram no paradoxo de Jevons (1865), em que tornar um serviço mais barato pode aumentar o consumo total, e nos efeitos de rebote, que consomem parte da economia esperada. Também há a ideia de desacoplar crescimento econômico e impacto ambiental. Já houve desacoplamento absoluto de emissões em alguns países, mas, segundo a revisão de Haberl et al. (2020), não na velocidade nem na escala necessárias.

Nem todo alerta que não se cumpriu estava errado

Aqui preciso ser cuidadoso, porque é fácil trapacear. Alerta que não se cumpriu não é automaticamente alerta errado. A camada de ozônio é o melhor exemplo: a ameaça foi levada a sério, o Protocolo de Montreal veio, e a recuperação está em curso (PNUMA/OMM, 2022). O mesmo vale em parte para a chuva ácida, que perdeu força depois de regulação sobre emissões. Nesses casos, a previsão alarmista ajudou a evitar o que previa. E, mesmo em Os Limites do Crescimento, a história é mais complicada do que o rótulo de previsão fracassada: os autores apresentavam cenários, não profecias, e uma comparação posterior com três décadas de dados achou o cenário de continuidade surpreendentemente próximo da realidade (Turner, 2008). Hiperbolismo é um problema, mas usar os alertas que falharam como prova de que todo alerta é exagerado é a mesma falha com sinal trocado.

O clima é o caso em que essa cautela mais importa. O consenso científico, resumido pelo IPCC (2023), é que o aquecimento é real, causado por atividades humanas, e que os riscos crescem a cada incremento adicional de temperatura. Isso não é apocalipse nem invenção. O que decide o futuro é o conjunto de escolhas que fazemos, e é por isso que eu prefiro falar em faixas de cenários do que em um número único.

O que fazer no lugar do hiperbolismo

Em vez de perseguir previsões pontuais que inevitavelmente se mostram erradas, acho melhor planejar com base em cenários que reconheçam a incerteza: explorar faixas plausíveis de resultados, em vez de prever um valor; identificar ações que continuem boas em vários futuros possíveis; incorporar feedback para corrigir a rota quando novas informações chegarem; e preferir políticas que funcionem razoavelmente bem em muitos cenários a políticas ótimas só sob suposições específicas.

Também há o que melhorar em quem prevê. Os modelos precisam deixar claras as suas suposições e os seus dados, de modo que possam ser replicados. Previsores devem ser responsabilizados por pontuação regular e por análises do que deu errado, algo que o trabalho de Tetlock e Gardner (2015) mostra ser possível. As equipes precisam ser diversas, para evitar pensamento de grupo. E tanto os tomadores de decisão quanto o público precisam de mais educação em probabilidade e estatística.

O hiperbolismo tem custos reais. Cenários extremos podem levar a compromissos precipitados com uma solução antes da análise, ou ao superinvestimento em tecnologias não comprovadas. Podem justificar gastos enormes com eventos de baixa probabilidade enquanto problemas mais banais e certos ficam de lado. Geram ansiedade, em particular entre os jovens que acreditam estar diante de ruína iminente. E, quando previsões extremas falham repetidamente, a confiança em especialistas e em instituições se desgasta.

Onde me coloco

A alternativa ao hiperbolismo não é a aceitação passiva das tendências atuais, e sim uma gestão adaptativa baseada em monitoramento contínuo, planejamento de cenários e experimentação de políticas. Números continuam sendo o antídoto contra o pensamento desejoso, mas só quando são parte de métodos rigorosos que reconhecem os próprios limites.

Temos desafios duros pela frente, em especial o do clima, talvez o problema mais difícil que já enfrentamos, e precisamos nos ater ao que a ciência nos diz. Posso ser considerado um futurista, um tecno-otimista e às vezes fantasioso, mas, acima de tudo, sou um cientista. O futuro não é tão sombrio quanto os pessimistas alegam nem tão brilhante quanto os otimistas prometem. Ele é, como o presente, complexo e desafiador, e administrável na medida em que fizermos o trabalho. Isso não rende manchetes nem pedidos de financiamento, mas oferece algo mais valioso: uma base realista para navegar num futuro incerto.

Referências

• Ehrlich, P. R. (1968). The Population Bomb. Ballantine Books.
• Haberl, H., et al. (2020). A systematic review of the evidence on decoupling of GDP, resource use and GHG emissions, part II: synthesizing the insights. Environmental Research Letters, 15(6), 065003.
• IPCC (2023). Climate Change 2023: Synthesis Report. Contribution of Working Groups I, II and III to the Sixth Assessment Report. Genebra: IPCC.
• Jevons, W. S. (1865). The Coal Question. Macmillan.
• Meadows, D. H., Meadows, D. L., Randers, J., & Behrens III, W. W. (1972). The Limits to Growth. Universe Books.
• PNUMA/OMM (2022). Scientific Assessment of Ozone Depletion: 2022. Organização Meteorológica Mundial.
• Smil, V. (2000). Perils of long-range energy forecasting: reflections on looking far ahead. Science, 289(5477), 259–260.
• Smil, V. (2020). Numbers Don’t Lie: 71 Stories to Help Us Understand the Modern World. Viking.
• Smil, V. (2023). Invention and Innovation: A Brief History of Hype and Failure. MIT Press.
• Strauss, L. L. (1954). Discurso à National Association of Science Writers, Nova York, 16 de setembro de 1954.
• Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The Art and Science of Prediction. Crown.
• Turner, G. M. (2008). A comparison of The Limits to Growth with 30 years of reality. Global Environmental Change, 18(3), 397–411.