01
Não o esperavam
Em 1884 Iliá Repin mostrou ao público um quadro em que não acontece absolutamente nada: um cômodo, luz da janela, uma mesa posta ao fundo, papel de parede gasto, e na porta um homem magro com roupas emprestadas que acabou de entrar vindo da rua. Uma mulher na poltrona começou a se levantar na direção dele e congelou no meio do movimento; o menino à mesa já reconheceu quem entrou, a menina ao lado ainda não, e a tela inteira é construída sobre esses dois segundos entre o reconhecimento e o não reconhecimento, esticados por Repin para sempre.
O quadro se chama Não o esperavam. Quem voltou, de onde e por quanto tempo esteve fora, o espectador não fica sabendo, e o rosto da figura principal o pintor continuou repintando por mais alguns anos, como se ele mesmo não tivesse decidido de todo quem tinha deixado entrar naquele cômodo.
Durante oitenta anos o quadro ficou pendurado como quadro. Nos anos sessenta fizeram dele um instrumento de medida, e o que ele media estava longe de ser pintura.
Alfred Yarbus trabalhava no Instituto de Problemas de Transmissão de Informação, em Moscou, e se dedicava a um ofício cuja descrição faria um contemporâneo estremecer: ele registrava para onde olha um olho vivo, com uma precisão que ninguém tinha alcançado antes dele.
O aparelho estava à altura da tarefa. No globo ocular, com anestesia local, punha-se uma ventosa com um espelhinho minúsculo, um feixe de luz se refletia nele e caía sobre um filme fotográfico em movimento, e cada giro do olho traçava uma linha no filme, enquanto o participante ficava sentado mordendo uma barra para não virar a cabeça e olhava o que lhe mostravam. Hoje a mesma coisa se registra com uma câmera infravermelha a meio metro de distância, e com precisão menor; naquela época a precisão se pagava com o olho do voluntário.
Antes de qualquer pintura, Yarbus descobriu com essa ventosa uma coisa que até hoje me parece a mais estranha da fisiologia da visão. Se uma imagem for fixada de modo que se mova junto com o olho e caia o tempo todo sobre as mesmas células da retina, ela se apaga por completo em poucos segundos, e a pessoa fica sentada de olhos abertos diante de um campo cinza vazio; ou seja, a visão é feita de tal maneira que para ela o imóvel equivale ao ausente: ela funciona só com a mudança, e tudo o que parou ela risca por ser desnecessário.
O olho passa ao cérebro a diferença e zera tudo o que deixou de mudar. Guarde esse hábito: vamos esbarrar nele o livro inteiro, em todos os andares, até a mecânica quântica.
Em seguida Yarbus pegou a tela de Repin e montou um experimento a que os estudiosos da óptica em geral nunca chegam.
A uma mesma pessoa mostravam o mesmo quadro sete vezes seguidas, três minutos de cada vez, e sete vezes gravavam no filme a trajetória do seu olhar; a cada vez mudava um único detalhe: a frase dita ao participante antes da exibição.
Na primeira vez simplesmente o convidavam a olhar. Depois pediam que estimasse quão abastada era a família e determinasse a idade de cada um dos presentes; depois, que adivinhasse o que eles estavam fazendo antes da chegada do visitante, memorizasse a roupa de todos, guardasse na cabeça onde estava cada coisa no cômodo e, por fim, estimasse quanto tempo o recém-chegado tinha passado fora.
Sete perguntas, um quadro, um observador.
O filme devolveu sete desenhos diferentes.
Diferentes de verdade: sete padrões nada parecidos, em que, no fundo, só coincidiam os rostos (para os rostos a pessoa olha em qualquer tarefa), e todo o resto era redesenhado do zero para cada pergunta feita. Bastava perguntar sobre dinheiro, e o olhar ia passear pelos móveis, pelas paredes, pelas roupas; bastava perguntar sobre a idade, e ele se juntava nos rostos e quase não saía mais dali; bastava perguntar onde estava cada coisa, e ele começava a percorrer o cômodo pelo perímetro, como faz alguém que depois vai ter de arrumar os móveis ali de memória.
Três minutos é um tempo considerável quando a única coisa que se exige de você é olhar um quadro: o olho consegue fazer nesse tempo algumas centenas de fixações. E dessas centenas de fixações, que poderiam ser distribuídas pela tela de qualquer jeito, o participante montava a cada vez uma combinação nova, ajustada à frase ouvida um segundo antes.
Isso foi publicado em 1965 no livro O papel dos movimentos oculares no processo da visão, saiu em inglês dois anos depois, e desde então os desenhos de Yarbus foram reproduzidos, parece, por todo mundo que já teve de dar uma aula sobre atenção.
Costuma-se tirar disso uma conclusão sobre arte: é preciso saber olhar, dizem. Para um filme desses a conclusão é pequena demais.
O que o filme registra é o seguinte. A tela pendurada era sempre a mesma, a luz que caía era a mesma, o olho que trabalhava era o mesmo, e os três minutos eram os mesmos; só mudavam algumas palavras ditas em voz alta antes de mostrarem o quadro à pessoa, e atrás dessas palavras se mudava para outro lugar tudo o que ela acabava vendo.
A imagem que por fim se apresentava a ela tinha sido montada sob encomenda, e a encomenda chegava antes da imagem.
A aritmética disso não é nada alegre. Em três minutos o olho toca em alta resolução uma fração ínfima da tela: as fixações são algumas centenas, cada uma cobre uma mancha da largura de uma palma se você estiver à distância habitual de museu, e todo o espaço entre as fixações passa pela retina com uma qualidade em que os rostos já não se distinguem e as legendas não se leem. O participante, no entanto, está totalmente convencido de que viu o quadro inteiro e, se você perguntar, vai descrever o papel de parede, a mesa, os rostos e a luz da janela; ele nem pensa em mentir, simplesmente completaram para ele o que faltava, e completaram com capricho, a partir de expectativas, da memória e de ideias gerais sobre como são os cômodos.
Costuma-se entender a percepção como recepção: de fora se entrega, os sentidos recebem, o cérebro se entende com o que foi recebido. No filme de Yarbus está registrada a sequência inversa: a pessoa envia um pedido, e o mundo responde exatamente a ele, e tudo o que não foi perguntado chega como uma falsificação barata que lhe apresentam com todo o carinho como original.
Essa história, no entanto, levou uns bons tombos, e é preciso contar isso aqui mesmo, antes que ela comece a soar redonda demais.
Em Yarbus a pergunta determinava a trajetória, e o inverso se impunha: pegue a trajetória de outra pessoa, olhe para ela e você vai dizer qual pergunta fizeram a essa pessoa. Durante meio século isso foi dado como óbvio, e durante o mesmo tempo ninguém se deu ao trabalho de verificar.
Verificaram em 2012. Michelle Greene, Tommy Liu e Jeremy Wolfe mostravam fotos às pessoas por dez segundos, davam uma de quatro tarefas, registravam os movimentos dos olhos e depois soltaram sobre as gravações um classificador, que identificava muito bem qual foto a pessoa estava olhando, reconhecia quase tão bem qual dos participantes estava diante dele e fracassava por completo com a tarefa, ficando no nível do chute. Aumentaram o tempo de exibição para um minuto, e deu o mesmo. Então entregaram as trajetórias a pessoas de carne e osso, pedindo que adivinhassem a tarefa, e as pessoas não se saíram melhor que a máquina. O artigo saiu na Vision Research com o título que merecia: “Reconsiderando Yarbus: um fracasso em prever a tarefa do observador a partir dos padrões de movimento ocular”.
Dois anos depois se viu que o enterro tinha sido precipitado: Ali Borji e Laurent Itti pegaram os mesmos dados, mudaram o método de processamento e extraíram deles a tarefa, dando ao trabalho o título de “Em defesa de Yarbus”, e em paralelo outro grupo percorreu o mesmo caminho e obteve um resultado parecido.
Vale a pena destrinchar essa briga porque ela separa o que é sólido do que se sustenta só na palavra de alguém.
Sólido é que a pergunta recorta de novo a trajetória do olhar: Yarbus mediu isso, outros reproduziram muitas vezes, e nenhum dos que discutiam pôs isso em dúvida.
Frágil se revelou a leitura inversa, quando se tenta reconstruir a própria pergunta a partir da trajetória: o sinal é fraco e depende do método de processamento, da duração da exibição e de quanto as tarefas diferiam entre si. De quebra veio à tona um detalhe que explica metade da discussão. Yarbus tinha três minutos e um quadro com enredo, que exige ser examinado, e o experimento que o refutava tinha dez segundos e fotos comuns; em dez segundos o olho faz duas ou três dezenas de fixações, e quaisquer duas estratégias conseguem, nesse tempo, fazer mais ou menos a mesma coisa, percorrendo o que mais chama a atenção.
O resultado, para ser honesto, é duplo. A observação funciona como pedido: verificado e bem firme. O pedido pode ser reconstruído a partir do resultado da observação: questão em aberto, e a resposta depende de quanto tempo você deu ao observador e de quão diferentes eram as coisas que lhe perguntaram.
Tudo o que foi dito aconteceu com uma pessoa que tinha uma ventosa no olho. Mas a condição que gerou essa história não tem relação nenhuma com a biologia: o participante de Yarbus escolhia para onde olhar só porque não conseguia olhar em detalhe para tudo ao mesmo tempo. O campo é grande, os meios são finitos, então é preciso seleção, e toda seleção precisa de uma regra pela qual é feita. A regra acabou sendo a pergunta.
Veja agora de que é feita essa construção: meios finitos, entrada excessiva e a necessidade de decidir que parte da entrada examinar em detalhe. Nesse conjunto não sobrou nada de vivo, de humano ou de visual, e isso significa que qualquer sistema em que se juntem as mesmas três condições vai cair na mesma posição, e adiante vamos esbarrar nela em lugares onde não se espera: na memória, que reescreve a lembrança a cada acesso, no ambiente, que deixa a um sistema quântico um punhado de estados estáveis, na evolução, que gasta bilhões de anos testando e joga fora quase tudo o que fez.
E também nas máquinas que construímos nos últimos vinte anos negando-lhes sistematicamente o direito à pergunta: damos a elas a imagem inteira, com qualidade uniforme, até o último pixel da periferia, e depois nos espantamos que não vejam o óbvio. Vamos tratar disso no décimo segundo capítulo, quando houver material suficiente; por enquanto basta notar que uma pessoa de quem tirassem a pergunta, deixando só a imagem, não se sairia melhor.
Yarbus, aliás, não tinha nada disso em mente. Ele se dedicava à fisiologia da visão e resolvia os seus próprios problemas: como são organizados os saltos do olho, o que acontece com uma imagem imóvel, como funciona a zona central da retina. Ninguém no Instituto de Problemas de Transmissão de Informação dos anos sessenta discutia orçamentos computacionais e a estrutura da observação.
Essa é, de modo geral, a melhor recomendação que um resultado pode ter: dados colhidos para uma pergunta e que continuam funcionando para outra mostram que você topou com algo além das próprias expectativas. Os experimentos que ficam em pior situação são os montados desde o começo para confirmar uma ideia bonita; em geral eles a confirmam.
Por fim, duas palavras para não se empolgar demais. Daqui decorre algo mais modesto e mais desagradável que o batido “a pessoa só vê o que quer”: da tela pendurada à sua frente, só uma fração minúscula chega ao exame detalhado, escolhida por uma regra que você não escolheu e da qual em geral não tem consciência, e todo o resto é completado para você, e completado muito bem: a costura não aparece, e em toda a sua vida você nunca a tateou.
A pergunta de que este livro se ocupa, vista do cômodo de Repin, é assim. Se a observação é um pedido, quem o formula e por qual regra; quanto ele custa; e o que acontece com um sistema que aprendeu a fazê-lo a si mesmo.
Comecemos pelo custo, porque ele foi medido e se expressa em watts.