Sempre achei que as formigas sabiam muito bem o que faziam. Quando marcham de um lado para o outro no balcão de minha cozinha, elas parecem tão confiantes que nunca me passou pela cabeça que não tivessem um plano, nem sabiam para onde iam e o que era preciso fazer. Afinal, se não soubessem, como poderiam organizar rotas, construir formigueiros complexos, montar ataques épicos?
Agora sei que estava errado. As formigas não são, no fim das contas, pequenos e brilhantes engenheiros, arquitetos e soldados - pelo menos não enquanto indivíduos. "Se notarmos uma formiga tentando fazer algo sozinha, ficaremos impressionados com sua estupidez", diz a bióloga Deborah M. Gordon, da Universidade Stanford.
Como se explica, então, o êxito das 12 mil e tantas espécies conhecidas de formiga que sempre prosperaram em nosso planeta? Desde que surgiram, há 140 milhões de anos, alguma coisa elas devem ter aprendido. "As formigas não são inteligentes", diz Deborah. "Mas um formigueiro é outra história." Uma colônia é capaz de resolver problemas inconcebíveis para cada formiga, tal como achar o caminho mais curto para a melhor fonte de comida. Individualmente, as formigas podem ser criaturas estúpidas, mas reunidas em formigueiros reagem ao ambiente com rapidez e eficiência. Ao fazer isso, revelam algo que ficou conhecido de "inteligência de enxame".
O surgimento desse tipo de inteligência está associado a uma questão fundamental na natureza: como se explica que as ações simples de cada indivíduo resultem no comportamento complexo do grupo? Como centenas de abelhas fazem para tomar uma decisão crucial a respeito da colmeia quando muitas delas estão em desacordo? O que permite que um cardume de arenques coordene seus movimentos com tal precisão que consegue mudar de direção em um átimo? As habilidades coletivas desses animais parecem milagrosas até mesmo para os biólogos que dedicam a vida a estudá-los. Durante as últimas décadas, porém, eles vêm acumulando uma série de descobertas intrigantes sobre o assunto.
Um elemento crucial em um formigueiro, por exemplo, é o fato de que ninguém está no comando. Não há nenhum general à frente das formigas-soldados. Não há gerentes controlando as operárias. Quanto à abelha-rainha, sua única função é pôr ovos. Mesmo com meio milhão de formigas, uma colônia funciona muito bem sem nenhum sistema de controle - pelo menos não há nada reconhecível nesse sentido. Em vez disso, o funcionamento da colônia está baseado em incontáveis interações entre as formigas individuais, cada qual seguindo regras práticas muito simples. Os cientistas descrevem sistemas desse tipo como sendo auto-organizados.
Vamos considerar o problema da distribuição de tarefas. No deserto do Arizona, onde Deborah Gordon estuda as formigas-colhedoras-vermelhas, a cada manhã a colônia decide quantas operárias serão enviadas para fora em busca de comida. E essa quantidade pode variar, dependendo das condições de cada dia. Caso as formigas forrageiras tenham topado recentemente com um depósito excepcional de sementes nutritivas, talvez seja preciso enviar mais operárias a fim de transportar o tesouro para o formigueiro. Este foi danificado, na noite anterior, por uma chuva forte? Um grupo adicional precisa ficar e ajudar nos reparos. A mesma formiga pode trabalhar um dia no formigueiro e, no seguinte, levar o lixo para fora dele. A pergunta é: como a colônia consegue fazer tais ajustes se não há ninguém no comando? Deborah sugere uma explicação para isso.
As formigas comunicam-se por meio do toque e do odor. Quando uma delas dá um encontrão em outra, ambas se farejam com suas antenas para ver se pertencem ao mesmo formigueiro e em que tarefas estão empenhadas. (Aquelas que trabalham fora do formigueiro exalam um cheiro diferente das que permanecem no interior.) Antes de deixarem o formigueiro a cada dia, as forrageiras esperam pelo retorno das patrulheiras que saíram de manhã. Assim que estas retornam, elas tocam brevemente com suas antenas nas das forrageiras. "Ao entrar em contato com uma patrulheira, a forrageira tem um estímulo para sair", diz Deborah. "Mas são necessários vários contatos com intervalos inferiores a dez segundos para que ela tome essa decisão."
Para checar isso, Deborah e seu colaborador Michael Greene capturaram formigas patrulheiras assim que saíram do formigueiro certa manhã. Após meia hora, simularam o retorno das formigas introduzindo contas de vidro na entrada do formigueiro em intervalos regulares - algumas lambuzadas com odor de patrulheiras, outras com odor de operárias de manutenção e outras sem nenhum odor. Apenas as contas com o cheiro de patrulheiras estimularam a saída das forrageiras. Isso os levou à seguinte conclusão: pela freqüência com que topam com as patrulheiras que vêm de fora, as forrageiras decidem se vale a pena sair. (Se cruzam com as patrulheiras no ritmo certo, então é hora de buscar comida. Caso contrário, é melhor esperar: talvez esteja ventando muito, ou talvez haja um tamanduá esfomeado lá fora.) Uma vez que as formigas começam a sair e a retornar com alimento, outras passam a ajudar também, mas sempre dependendo da freqüência com que encontram forrageiras que voltam carregadas.
"Uma forrageira só volta ao formigueiro quando encontra algo", diz Deborah. "Quanto menos alimento houver, mais tempo é preciso para achá-lo e levá-lo para casa. Quanto mais alimento existe, mais rápido ela retorna. Assim, ninguém decide que aquele é um dia bom para buscar comida. A coletividade acaba fazendo isso, mas não pela decisão individual de alguma formiga."
Assim funciona a inteligência de enxame: criaturas simples seguindo regras simples, cada qual atuando com base em informações locais.
Inspirado pela elegância dessa idéia, o cientista Marco Dorigo, especializado em computação e vinculado à Université Libre em Bruxelas, aproveitou seu conhecimento do comportamento das formigas para criar, em 1991, procedimentos matemáticos destinados à solução de problemas humanos cotidianos muito complexos, tais como a definição de rotas de caminhões e as reservas de passagens em companhias aéreas.
Em Houston, por exemplo, a companhia American Air Liquide adotou uma estratégia baseada nas formigas para resolver um problema empresarial. A empresa produz gases para fins industriais e médicos - nitrogênio, oxigênio, hidrogênio - em uma centena de usinas nos Estados Unidos e precisa entregar seus produtos em 6 mil locais, usando gasodutos, trens e 400 caminhões. Os custos de produção variam de acordo com oscilações regionais nos preços de energia. Em algumas regiões, a desregulamentação do mercado de energia (o preço da eletricidade varia de 15 em 15 minutos em algumas áreas do Texas) torna a situação ainda mais complicada.
"Neste momento, em Houston, um megawatt custa 44 dólares para um cliente industrial", diz Charles N. Harper, que cuida do sistema de entregas da Air Liquide. "Mas na noite passada o preço era 64 dólares, e na segunda, quando entrou a frente fria, 210 dólares!" O problema da companhia era administrar todas essas variáveis.
Com a ajuda do Bios Group (atualmente NuTech Solutions), uma empresa especializada em inteligência artificial, a Air Liquide desenvolveu um modelo digital baseado em algoritmos inspirados no comportamento forrageiro das formigas-argentinas, uma espécie que secreta substâncias químicas conhecidas como "feromônios".
Quando carregam alimentos para o formigueiro, essas formigas deixam uma trilha de feromônio "que indica para as outras formigas onde estas podem conseguir comida", explica Harper. "A trilha de feromônio é reforçada cada vez que passa uma formiga em uma ou outra direção, mais ou menos como uma trilha muito usada no meio da mata. Por isso criamos um programa que envia bilhões de formigas digitais para que descubram onde estão as trilhas de feromônio mais fortes para as rotas de nossos caminhões."
As formigas haviam desenvolvido um método eficiente para achar as melhores rotas em suas vizinhanças. A Air Liquide associou a abordagem das formigas a outras técnicas de inteligência artificial de modo a levar em conta todas as permutações entre cronogramas de produção de suas usinas, condições climáticas e rotas de caminhões - milhões de possíveis decisões e resultados por dia. Todas as noites, o modelo computacional é alimentado com previsões de demanda e de custos de produção. "Leva quatro horas para fazer todo o processamento", conta Harper. "Mas todas as manhãs, às 6 horas, temos um esquema para orientar-nos durante o dia."
Para os motoristas, não foi fácil se acostumar com o novo sistema. Em vez de entregarem o gás produzido na usina mais próxima de um cliente, como faziam antes, agora eles têm de carregar os caminhões em qualquer usina que esteja produzindo gás ao menor custo no ponto de entrega, mesmo se fisicamente ela estiver localizada mais longe. "Dirigir mais 150 quilômetros? Para os motoristas, não havia lógica nisso", diz Harper. Para a empresa, porém, a redução de custos foi significativa. "É enorme o ganho. Enorme."
Outras companhias também estão lucrando ao imitar o comportamento das formigas. Na Itália e na Suíça, frotas de caminhões para entrega de leite e laticínios, óleo para o aquecimento doméstico e alimentos em geral também recorrem às regras das formigas forrageiras para determinar as melhores rotas. Na Inglaterra e na França, companhias telefônicas ampliaram o tráfego de chamadas em suas redes depois de programarem as mensagens para que depositem feromônios virtuais em estações de distribuição, tal como as formigas deixam sinais para que suas companheiras encontrem as melhores trilhas.
Nos Estados Unidos, a companhia aérea Southwest Airlines testou um modelo desse tipo para melhorar o atendimento no aeroporto de Phoenix. Com 200 aviões decolando e pousando em duas pistas a cada dia, e usando pontos de embarque e desembarque em três terminais, a empresa queria assegurar que cada aeronave entrasse e saísse do aeroporto no menor tempo possível, mesmo que o vôo estivesse adiantado ou atrasado. "As pessoas não gostam de ficar a apenas 500 metros de um portão de desembarque e ter de esperar até que fique vago", diz Doug Lawson, da Southwest. Ele criou um modelo computacional do aeroporto, atribuindo a cada avião a capacidade de lembrar quanto tempo levou para se aproximar e se afastar de cada portão. Em seguida rodou o modelo de modo a simular a atividade de um dia no aeroporto.
"Os aviões são como formigas em busca do melhor portão", diz ele. Mas em vez de deixar feromônios virtuais ao longo do caminho, cada aeronave lembra-se dos portões mais rápidos e esquece-se dos mais lentos. Após muitas simulações, usando dados verdadeiros para variar os tempos de chegada e partida, cada avião aprendeu a evitar uma espera intolerável na pista. A Southwest ficou tão satisfeita que talvez use um modelo similar para agilizar os balcões de check-in.
Quando se trata de inteligência de enxame, as formigas não são os únicos insetos que têm algo útil a nos ensinar. Em uma pequena ilha no litoral sul do Maine, o biólogo Thomas Seeley vem investigando a extraordinária capacidade das abelhas para tomar boas decisões. Com uma única colmeia abrigando até 50 mil operárias, elas aperfeiçoaram maneiras de resolver as diferenças de opinião entre os indivíduos em benefício da colônia. Se as pessoas pudessem fazer o mesmo em salas de reuniões ou assembléias de condomínio, diz Seeley, evitaríamos muitos desgastes associados à tomada de decisões que afetam nossa vida.
Durante a última década, Kirk Visscher e outros cientistas dedicaram-se a estudar as colônias de abelhas comuns para descobrir como elas escolhem um novo lar. No fim da primavera, quando a colmeia atinge sua lotação máxima, a colônia em geral se divide, e a rainha, alguns zangões e cerca de metade das operárias voam por uma pequena distância e agrupam-se em um galho de árvore. Ali as abelhas ficam enquanto uma pequena porcentagem delas sai em busca de novo local para estabelecer a colmeia. O lugar ideal seria uma cavidade em uma árvore, distante do chão, com um pequeno buraco de entrada voltado para o sul e muito espaço interno para os filhotes e o armazenamento de mel.
Para descobrir como as abelhas tomam essa decisão, a equipe de Seeley aplicou pontos de tinta e minúsculos marcadores de plástico para identificar todas as 4 mil abelhas em cada um dos vários enxames pequenos que levaram para a ilha Appledore, onde está instalado o Laboratório Marinho dos Baixios. Ali, em uma série de experimentos, eles soltaram cada um dos enxames para que localizassem caixas que haviam sido deixadas em um dos lados da ilha, que tem cerca de 1 quilômetro de extensão e, embora seja coberta de arbustos, quase não tem árvores ou outros lugares para as colmeias.
Em um dos experimentos, os cientistas prepararam cinco caixas, das quais quatro não eram grandes o bastante e apenas uma tinha o tamanho ideal. As abelhas exploradoras logo descobriram as cinco caixas. Quando voltaram ao enxame, cada uma delas realizou uma dança que incentivava outras exploradoras a darem uma olhada. (Essas danças incluem um código com indicações da localização de uma caixa.) E a intensidade da dança refletia o entusiasmo da abelha exploradora com o local. Pouco tempo depois, dezenas de exploradoras sacolejavam suas perninhas, algumas para uma das caixas, outras para as outras, e logo viam-se pequenas nuvens de abelhas em volta de todas as caixas.
O momento decisivo não ocorreu diante do agrupamento principal de abelhas, mas junto às caixas, para onde voaram as exploradoras. Assim que a quantidade de abelhas diante do buraco de uma caixa chegava a 15 - um limite confirmado por outros experimentos -, elas se davam conta de que o quórum mínimo havia sido alcançado, e voltavam para o enxame principal com a novidade. "Era uma corrida", diz Seeley. "Qual local seria o primeiro a atrair 15 abelhas?"
As exploradoras vindas da caixa escolhida então dispersavam-se pelo enxame, avisando que era hora de mudança. Assim que se aqueceram, todas as abelhas decolaram juntas para o novo lar - exatamente a melhor das cinco caixas.
As regras usadas pelas abelhas para chegar a uma decisão - buscar várias opções, estimular a livre competição entre as idéias e recorrer a um mecanismo eficaz para restringir as escolhas - deixaram Seeley tão impressionado que agora ele as aplica no departamento que chefia na Universidade Cornell. "Usei o que havia aprendido para conduzir as reuniões do departamento", conta ele. A fim de não chegar a uma reunião já com uma opinião formada, ouvir apenas o que a confirmava e pressionar os outros para que a adotassem, Seeley solicita ao grupo que identifique todas as possibilidades, que troquem idéias durante algum tempo e, em seguida, façam uma votação secreta. "Isso é exatamente o que fazem as abelhas do enxame, proporcionando ao grupo um tempo para que surjam as melhores idéias."
Na verdade, quase todo grupo que seguir as regras das abelhas vai-se tornar mais inteligente, argumenta James Surowiecki, autor do livro A Sabedoria das Multidões. Investidores no mercado de ações e cientistas em um projeto de pesquisa podem ser grupos inteligentes, diz ele, sempre que seus membros sejam diversificados, com opiniões próprias e recorrerem a algum mecanismo - uma votação, um leilão, um rateio - para chegar a uma decisão coletiva.
Um exemplo são os apostadores em corridas de cavalos. Por que eles são tão bons para prever o resultado de um páreo? No momento em que os cavalos dão a largada, as cotações exibidas no painel de apostas mútuas - calculadas sobre a média de todas as apostas feitas - quase sempre antecipam o resultado: os cavalos mais apostados normalmente chegam na frente, aqueles com vantagem imediatamente inferior terminam o páreo em segundo lugar, e assim por diante. O motivo disso, segundo Surowiecki, é que o sistema de apostas mútuas é um mecanismo quase perfeito para aproveitar a sabedoria da multidão.
"Quem já foi a uma corrida sabe que ali encontra um grupo muito diversificado, fanáticos que passam o dia perscrutando as listas diárias de páreos, gente que sabe algo a respeito de alguns tipos de cavalo, e outros que apostam de maneira aleatória, como a mulher que gosta apenas de cavalos pretos", diz ele. Tal como as abelhas empenhadas em tomar uma decisão, os apostadores reúnem todos os tipos de informação, discordam uns dos outros e distilam o juízo coletivo ao fazerem suas apostas.
Por isso é raro ganhar com apostas em azarões.
Em um parque ao lado da Casa Branca, em Washington, D.C., costumam-se observar pombos revoluteando sobre o tráfego. Cedo ou tarde, as aves descansam nos beirais dos edifícios em volta do parque. Aí ocorre algo que os lança de novo em acrobacias aéreas sincronizadas.
Essas aves não têm um líder. Nenhum pombo diz aos outros o que fazer. Em vez disso, eles prestam muita atenção nos pombos vizinhos, cada qual seguindo regras simples à medida que circulam pelo céu. Essas regras constituem outro tipo de inteligência de enxame - um tipo que tem menos a ver com a tomada de decisões do que com a coordenação precisa de movimentos.
Craig Reynolds, um pesquisador na área de computação gráfica, ficou muito interessado em conhecer tais regras. Por isso, em 1986, criou um programa, enganosamente simples, de manipulação de objetos chamados passaróides (boids). Nessa simulação, esses objetos genéricos, similares a aves, receberam cada qual três instruções: 1) evite empurrar os passaróides vizinhos, 2) voe na direção geral dos passaróides próximos, e 3) mantenha-se junto aos passaróides próximos. O resultado, quando visualizado em uma tela de computador, foi uma simulação convincente do comportamento de um bando de aves, incluindo movimentos verossímeis e imprevistos.
Na época, Reynolds pesquisava maneiras de representar animais de forma realista em programas de TV e filmes. (Batman - O Retorno, de 1992, usou essa abordagem para mostrar um enxame de morcegos e um exército de pingüins.) Ao demonstrar a capacidade de modelos auto-organizados mimetizar o comportamento de enxames, Reynolds também abria caminho para os engenheiros especializados em robótica. Um grupo de robôs capaz de coordenar suas ações como um bando de aves poderia apresentar vantagens significativas em relação a um robô isolado. Distribuído por uma grande área, tal grupo poderia funcionar como uma potente rede de sensores móveis, coletando informações ao longo de um âmbito extenso. Se o grupo encontrasse algo inesperado, poderia fazer ajustes e reagir com rapidez, mesmo se cada robô individualmente não fosse muito sofisticado, do mesmo modo como as formigas são capazes de explorar várias opções por tentativa e erro. Se um membro do grupo apresentasse algum defeito, outros poderiam tomar seu lugar. E, o mais importante, o controle de todo o grupo seria descentralizado.
Já em Bruxelas, na Bélgica, a equipe do cientista Marco Dorigo vem conduzindo um projeto europeu para a criação de um "enxaminóide", um grupo de robôs interconectados com habilidades complementares: "robôs-pés", que arrastam coisas pelo chão; "robôs-mãos", que escalam paredes e manipulam objetos; e "robôs-olhos", que sobrevoam a área e transmitem informações para as outras unidades.
Os militares estão muito interessados nesses projetos. Em 20 de janeiro de 2004, pesquisadores soltaram um enxame de 66 pequenos robôs em um prédio de escritórios desocupado em Fort A. P. Hill, um centro de treinamento militar próximo a Fredericksburg, na Virgínia. O objetivo: encontrar alvos ocultos no edifício.
Deslizando pela entrada principal, os robôs, medindo cerca de 30 centímetros, giraram para um lado e para o outro com suas três rodas, e mais pareciam insetos gigantes. Cada unidade dispunha de oito sensores, que evitavam as colisões com as paredes e os demais robôs. À medida que o grupo se dispersava, vasculhando uma sala após a outra, cada robô buscava determinados objetos por meio de uma pequena câmera, como as usadas em computadores. Quando um robô topava com outro, eles trocavam informações por meio de uma rede sem fio: "Já explorei essa parte do prédio. Pode olhar no outro lado."
No fundo de uma das salas, um robô identificou algo suspeito: uma bola rosada em um armário aberto (o enxame havia sido treinado para localizar tudo o que fosse cor-de-rosa). O robô enviou uma imagem para seu supervisor humano. Logo vários outros robôs aproximaram-se e formaram um círculo em torno do intruso rosado. Em apenas meia hora, todos os seis objetos escondidos foram achados. A equipe responsável pelo experimento o considerou um sucesso.
A demonstração fazia parte do projeto Centibots, uma investigação para saber se um grupo de até uma centena de robôs poderia ser útil em missões militares. Se isso for viável, equipes de robôs poderiam um dia ser enviadas a um povoado hostil para eliminar terroristas ou localizar reféns, a um edifício destruído por terremoto em busca de vítimas ou ao longo de fronteiras, para identificar invasores.
Na natureza, os animais deslocam-se em grupos numerosos. Enquanto membros de um grupo grande, como um bando, um cardume ou uma manada, cada indivíduo aumenta suas chances de detectar predadores, encontrar comida, achar um parceiro ou seguir uma rota de migração. Para esses animais, coordenar seus movimentos uns com os outros pode ser uma questão de vida e morte.
Quando um predador ataca um cardume, os peixes são capazes de se dispersar seguindo padrões que tornam quase impossível a perseguição de qualquer peixe individual.
Em terra, os animais em grupo agem de modo similar, como observou em 2003 o biólogo Karsten Heuer, quando ele e sua mulher, Leanne Allison, acompanharam uma imensa manada de renas durante cinco meses. Percorrendo mais de 1,5 mil quilômetros com os animais, o casal documentou a migração desde o hábitat de inverno no Território do Yukon, no norte do Canadá, até as áreas em que nascem os filhotes no Refúgio Nacional da Fauna Selvagem do Ártico, no Alasca. "Quando a manada se movia, era como uma multidão de dominós tombando ao mesmo tempo e mudando de direção", explica o biólogo. "Era como se cada animal soubesse o que seu vizinho iria fazer, assim como o vizinho deste, e assim por diante. Não havia antecipação ou reação. Não havia causa e efeito. Apenas acontecia."
Certo dia, quando a manada afunilou para atravessar uma estreita passagem junto à linha das árvores, Karsten e Leanne notaram a aproximação de um lobo. A manada reagiu com uma clássica estratégia defensiva de enxame. "Assim que o lobo chegou a certa distância das renas, a manada ficou em alerta máximo", diz Karsten. "Todos os animais ficaram parados, vigilantes e atentos." Quando se aproximou mais 100 metros, o lobo ultrapassou outro limiar. "A rena mais próxima dele virou-se e saiu em disparada, e essa reação percorreu toda a manada como uma onda, fazendo com que todos os animais corressem. Os tempos das reações criaram outros efeitos. Os animais mais próximos ao lobo, na parte de trás da manada, davam a impressão de um tapete desfiando-se - o que, do ponto de vista do lobo, deve ter sido extremamente confuso." O lobo perseguia uma rena após a outra, perdendo terreno a cada mudança de alvo. No fim, a manada escapou no horizonte, enquanto o lobo ofegava e engolia neve.
As manobras evasivas da manada não revelaram pânico, e sim precisão. Cada rena sabia o momento de correr e a direção a tomar, mesmo que não soubesse exatamente o motivo. Não havia um líder. Cada animal apenas seguia regras simples aperfeiçoadas ao longo de milhares de anos sofrendo ataques de lobos.
Esse é o atrativo maravilhoso da inteligência de enxame. Quer falemos a respeito de formigas, abelhas, pombos ou renas, os elementos do comportamento inteligente de grupo - controle descentralizado, reação a indícios locais, regras práticas - acabam por formar uma eficiente estratégia para se lidar com situações complexas.
"Nem sequer sabemos tudo o que podemos fazer com isso", diz Eric Bonabeau, cientista-chefe da Icosystem Corporation, em Cambridge, Massachusetts. "Não estamos acostumados a resolver problemas descentralizados de maneira também descentralizada. Não é possível controlar o aumento de tráfego instalando placas e sinais por todos os lados. Por outro lado, a idéia de fazer com que o tráfego seja um sistema que organiza a si mesmo é algo muito animador."
Grupos sociais e políticos já adotaram táticas rudimentares de enxame. Há oito anos, durante os protestos em massa em Seattle, os militantes antiglobalização usaram celulares para difundir informações a respeito da movimentação da polícia, transformando uma multidão descontrolada em uma "massa inteligente", capaz de dispersar-se e reunir-se como um cardume de peixes.
As mudanças mais importantes talvez estejam ocorrendo na internet. Um exemplo é a maneira como o Google usa a inteligência de grupo para encontrar o que procuramos. Quando digitamos algo na página do Google, o motor de busca vasculha bilhões de páginas da web nos índices de seus servidores a fim de localizar as mais pertinentes. Em seguida, ele as classifica de acordo com a quantidade de outras páginas que estão vinculadas a elas, considerando tais remissões como se fossem votos (os sites mais populares recebem votos especiais, pois provavelmente sua confiabilidade é maior.) As páginas que recebem mais votos são listadas em primeiro lugar nos resultados da busca. Dessa maneira, segundo o Google, "a inteligência coletiva da web é usada para determinar a importância da página".
A Wikipedia, a enciclopédia colaborativa de livre acesso, também se revelou um enorme sucesso, exibindo milhões de artigos em mais de 200 línguas que tratam de todos os temas possíveis, e cada qual pode ser editado por qualquer pessoa. "Agora é possível que uma enorme quantidade de gente pense conjuntamente de maneiras que jamais poderíamos imaginar poucas décadas atrás", diz Thomas Malone, do novo Centro de Inteligência Coletiva do Instituto de Tecnologia de Massachusetts (MIT, na sigla em inglês).
Tais idéias ressaltam uma importante verdade a respeito da inteligência coletiva: as multidões tendem a ser sábias apenas quando seus membros individuais agem com responsabilidade e tomam suas próprias decisões. Não há grupo inteligente se seus membros apenas imitam uns aos outros ou esperam que alguém lhes diga o que fazer. Quando um grupo se mostra inteligente, seja ele composto de formigas ou de advogados, é preciso que cada membro cumpra com sua parte. Para aqueles de nós que às vezes se perguntam se de fato vale a pena reciclar aquela garrafa para amenizar o impacto sobre o ambiente, o pressuposto básico é que nossos atos fazem diferença, mesmo que isso não esteja tão claro para nós.
Vamos imaginar uma abelha movendo-se no interior da colmeia. Se esta for atingida por um vento gelado, a abelha tremerá a fim de aquecer-se e, com isso, ajudar a aquecer os filhotes ao seu lado. Ela não sabe que centenas de operárias em outras partes da colmeia fazem a mesma coisa, naquele exato instante, em benefício da próxima geração. "Assim como você e eu, uma abelha nunca tem idéia do quadro mais amplo", diz Thomas Seeley, o especialista em abelhas. "Nenhum de nós sabe o que a sociedade como um todo necessita, mas olhamos ao redor e notamos: estão precisando de um voluntário na escola, ou no asilo de idosos, ou em uma campanha política."
Se você quer um modelo de comportamento solidário em um mundo complexo, poderia começar olhando o que fazem as abelhas.