Durante a AI Week de Milão, o Professor Waldo Lockwin chamou a atenção para um conceito frequentemente negligenciado, mas revolucionário para o desenvolvimento da inteligência artificial: a possibility theory.
Uma alternativa à abordagem probabilística tradicional, capaz de modelar a incerteza de uma forma mais próxima ao pensamento humano.
Em um mundo dominado por algoritmos que se baseiam em dados, frequências e estatísticas, a possibility theory propõe uma lógica fundamentada em conjuntos, palavras e ambiguidade. Um paradigma que pode se revelar fundamental para as futuras AI que realmente desejam compreender a linguagem natural, o contexto e as nuances da realidade.
Sumário
O que é a possibility theory?
A possibility theory (teoria da possibilidade) surge como uma extensão da lógica fuzzy, oferecendo uma ferramenta matemática para lidar com a incerteza não em termos de frequência, como faz a probabilidade, mas em termos de compatibilidade com a informação disponível.
Em termos simples: a probabilidade responde à pergunta: “com que frequência ocorre X?”
A possibilidade responde à pergunta: “quão plausível é X neste contexto?”
Essa distinção é crucial para construir sistemas AI que se baseiam em palavras vagas, intuições humanas ou cenários onde os dados são parciais, incertos ou subjetivos.
Um exemplo real: oncologia e inteligência artificial
Em sua apresentação na AI Week, Lockwin contou que usou a possibility theory para desenvolver um modelo de radioterapia personalizada para tumores. O objetivo era administrar a menor quantidade de radiação capaz de destruir uma massa tumoral, baseando-se em descrições qualitativas fornecidas pelos médicos, como “dose mínima” ou “efeito máximo”.
Essas expressões não podem ser traduzidas diretamente em números ou percentuais. Mas podem ser representadas através de conjuntos fuzzy e modelos possibilísticos, que levam em conta as múltiplas interpretações e a subjetividade da linguagem.
O resultado? Um sistema mais flexível, humano e adaptativo em comparação a um modelo rígido baseado exclusivamente em probabilidades estatísticas.
Por que é relevante para a AI de hoje (e de amanhã)
No cenário atual, dominado pelo machine learning e pelas redes neurais profundas, está se abrindo um debate sobre como tornar a inteligência artificial mais interpretável, confiável e semântica.
Aqui entra em jogo a possibility theory:
- 🔹 Linguagem natural: As AI modernas, como os grandes modelos linguísticos (LLM), frequentemente se deparam com conceitos sutis e ambíguos. Os modelos possibilísticos podem oferecer uma estrutura mais coerente para lidar com termos como “muito”, “quase”, “talvez”, “bastante”.
- 🔹 Tomada de decisão: Em contextos como finanças, medicina ou condução autônoma, onde as decisões se baseiam em sinais contraditórios ou informações incompletas, a abordagem possibilística pode ser mais robusta do que a probabilidade clássica. Um exemplo é o uso da inteligência artificial em medicina.
- 🔹 Ética e responsabilidade: Uma AI que explica “por que escolheu aquela decisão” em termos de possibilidades e alternativas é potencialmente mais transparente e aceitável aos olhos do ser humano, como discutido no papel futuro da AI no direito.
Possibilidade vs probabilidade: dois mundos em confronto
| Aspeto | Probabilidade | Possibilidade |
|---|---|---|
| Baseada em | Frequências, dados históricos | Coerência com conhecimento atual |
| Tipo de lógica | Estatística | Lógica fuzzy / conjuntos difusos |
| Aplicações típicas | Previsões, gestão de risco | Interpretação, decisões humanas |
| Gestão da incerteza | Quantitativa | Qualitativa e descritiva |
Não se trata de uma substituição, mas de uma integração: possibilidade e probabilidade podem coexistir para dar vida a AI mais completas, capazes de enfrentar o mundo real em sua complexidade, como destacado neste estudo.
Possibility theory
No grande debate sobre a inteligência artificial, a possibility theory representa um caminho alternativo e complementar à probabilidade. É menos conhecida, menos utilizada, mas potencialmente mais próxima do modo como os seres humanos raciocinam.
Como demonstrado na AI Week 2025, essa teoria não é apenas filosofia: tem aplicações concretas, funciona e pode fazer a diferença nos setores mais delicados, como a saúde ou a automação crítica.
Em uma época em que pedimos à AI não apenas para calcular, mas também para compreender, talvez seja hora de dar uma chance à possibilidade.




