A Lei de Mead

Aquele que recebe de mim uma ideia tem aumentada sua instrução sem que eu tenha diminuído a

minha. Como aquele que acende sua vela na minha recebe luz sem apagar a minha vela.

Moral da história: as ideias são a commodity definitiva da abundância, que se propaga a custo marginal zero. Uma vez criadas, as ideias querem espalhar-se por toda parte, enriquecendo tudo o que tocam. (Na sociedade, essas ideias que se espalham são chamadas de “memes”.)

Mas no mundo dos negócios, as empresas ganham dinheiro criando uma escassez artificial de ideias por meio da lei de propriedade intelectual. Isso é o que patentes, direitos autorais e segredos da indústria são: tentativas de refrear o fluxo natural de ideias para a população em geral por tempo suficiente para lucrar. Eles foram criados para dar aos inventores um incentivo econômico para criar, uma licença para cobrar uma taxa de monopólio por um tempo limitado, de modo que possam receber um retorno sobre o trabalho necessário para gerar a ideia. Mas no final das contas, as patentes expiram e os segredos vazam; as ideias não podem ser refreadas para sempre.

E quanto mais os produtos são feitos de ideias, e não de matéria, mais rapidamente eles barateiam. Essa é a base da abundância que leva ao Grátis no mundo digital, que hoje chamamos apenas de Lei de Moore.

No entanto, isso não se limita aos produtos digitais. Qualquer setor no qual a informação se torna o principal ingrediente tenderá a seguir essa curva de aprendizado composta e acelerar o desempenho ao mesmo tempo em que o preço cai. Veja o exemplo da medicina, que está passando de “não sabemos por que funciona, só que funciona” (existe uma razão para explicar por que falamos da “descoberta” de um medicamento) a um processo que tem início a partir dos primeiros princípios da biologia molecular (“agora sabemos por que isso funciona”). A ciência se baseia em informação, enquanto a eficácia observada não passa de um caso curioso. Uma vez que você compreende os fundamentos, pode criar uma abundância de medicamentos melhores, com mais rapidez.

O preço do sequenciamento de DNA está caindo 50% a cada 1,9 ano, e logo nossa composição genética individual constituirá outra indústria da informação. Cada vez mais serviços médicos e de diagnóstico serão fornecidos por software (que ficam cada vez mais baratos, a ponto de serem grátis), e não por médicos (que ficam cada vez mais caros).

O mesmo se aplica à nanotecnologia, que promete transformar a manufatura em outra indústria da informação, na qual moléculas de projeto customizado são montadas sozinhas. À medida que a energia passa da combustão de combustíveis fósseis à utilização de células fotovoltaicas para converter o sol em eletricidade em grande escala ou ao projeto de enzimas capazes de converter grama em etanol, isso também passará a constituir uma indústria da informação. Em cada caso, indústrias que não têm relação alguma com o processamento de computadores começam demonstrar um crescimento exponencial (e quedas de preço) típico da Lei de Moore, uma vez que também elas passam a ser formadas mais de cérebros do que de músculos.

A LEI DE MEAD

Na verdade, Gordon Moore não cunhou o nome da lei em própria homenagem. Quem fez isso, um professor da Caltech chamado Carver Mead, foi o primeiro a se concentrar nas consequências econômicas da regra da duplicação de Moore para a densidade de transistores: se o poder de computação por determinado custo dobra a cada dois anos, o custo de determinada unidade de poder de computação deve cair pela metade no mesmo período. E o mais importante: ele foi o primeiro a realmente refletir sobre o que isso significava para a forma como pensamos sobre a tecnologia digital e a utilizamos. E percebeu que estávamos pensando de forma completamente equivocada.

No final da década de 1970, Mead era professor de projetos de semicondutores na Caltech, definindo os princípios dos circuitos integrados que passariam a ser conhecidos como Integração em Escala Muito Alta (VLSI – Very Large Scale Integration), que basicamente definiu o mundo da computação como o conhecemos hoje. Como Moore antes dele, ele conseguiu ver que as duplicações no desempenho a cada 18 meses se estenderiam até onde era possível enxergar. Essa tendência era impulsionada não somente pelas curvas padrão de aprendizagem e experiência, mas também pelo que ele chamou de “curva de aprendizado composta”, que é a combinação de curvas de aprendizado e frequentes novas invenções.

Por mais de meio século, os pesquisadores de semicondutores se saíram com uma grande inovação mais ou menos a cada década, levando a indústria novamente à porção de queda íngreme da curva. À medida que um processo de produção se aproxima da cauda de seu ciclo de melhoria de eficiência, o incentivo de inventar algo radicalmente novo e melhor aumenta. E por haver, como disse o físico Richard Feynman, “muito espaço no fundo” do mundo de escala atômica que se revelou com a nova física no final do século XX, os pesquisadores foram capazes de descobrir essas novas formas com uma regularidade quase sinistra.

A cada vez, independentemente de se tratar de um novo material, um novo processo de gravação, uma nova arquitetura de chip ou uma dimensão totalmente nova, como o processamento paralelo, a curva de aprendizado recomeça em sua inclinação mais vertiginosa. Quando combinamos todas essas inovações e curvas de aprendizado por toda a indústria da computação, acabamos com um ritmo de queda de custo jamais visto. Os transistores, como qualquer outra unidade de capacidade de computação, marcham inevitavelmente na direção do preço zero.

O que Mead percebeu é que esse efeito econômico trazia consigo um imperativo moral. Se os transistores estão se tornando baratos demais para medir, deveríamos parar de medi-los e parar de pensar em seu custo. Deveríamos parar de conservá-los com base na premissa de que eles são uma commodity escassa e começar a tratá-los como a commodity abundante que são. Em outras palavras, deveríamos começar a literalmente “desperdiçá-los”.

“Desperdício” é uma palavra suja, e isso era especialmente verdadeiro no mundo da TI da década de 1970. Toda uma geração de profissionais da computação aprendeu que seu trabalho era distribuir com moderação os recursos computacionais. Nos prédios de paredes de vidro da era do mainframe, esses operadores de sistemas exercitavam seu poder escolhendo quais programas poderiam rodar nos dispendiosos computadores de grande porte. Seu papel era conservar transistores e eles não apenas decidiam o que valia a pena, como também incentivavam os programadores a utilizarem, do modo mais econômico possível, o tempo do computador.