Os americanos não conseguem concordar sobre armas. Não há debate sobre isto porque rejeitamos os factos uns dos outros e estamos cansados dos argumentos uns dos outros. Pouco mais de metade da nação quer que as armas sejam regulamentadas de forma mais rigorosa porque mais regulamentação significa menos armas, o que significa menos violência armada. Quase metade da resposta é simples: o Supremo Tribunal estabeleceu o direito individual de portar armas na Segunda Emenda. Legislar a proibição ou confisco de armas significaria alterar a Constituição, o que não foi fácil para os seus redatores. Isso nunca, jamais acontecerá.
Parece que estamos presos. Como questão política, as armas tornaram-se parte das intermináveis e áridas guerras culturais da América, com tribos vermelhas e azuis a lutar por vantagens políticas e culturais. Mas e se encontrarmos um compromisso? A economia e a aprendizagem automática oferecem uma resposta que é potencialmente aceitável para os americanos de ambos os campos.
Jason Pontin (@jason_pontin) é colaborador da WIRED. Ele é sócio sênior da Flagship Pioneering, uma empresa com sede em Boston que cria, constrói e financia empresas que resolvem problemas de saúde, nutrição e sustentabilidade. De 2004 a 2017, foi editor-chefe e editor da MIT Technology Review. Anteriormente, ele foi editor da Red Herring, uma revista de negócios popular durante o boom das pontocom. Pontin não escreve sobre as empresas do portfólio da Flagship ou seus concorrentes.
Os economistas falam por vezes de “externalidades negativas” – falhas de mercado em que todos os custos das transacções são suportados por terceiros. A poluição ambiental é uma externalidade porque a sociedade suporta os custos associados à degradação ambiental. O economista britânico do século XX, Arthur Pigou, que descreveu formalmente as externalidades, também propôs uma solução: os chamados “impostos Pigou”, nos quais os governos cobram aos produtores ou consumidores uma taxa para reduzir a oferta de produtos ofensivos e, por vezes, pagam por melhorias. Os impostos Pigouvianos têm sido usados para reduzir o consumo de cigarros ou melhorar a qualidade do ar e são a receita preferida dos economistas para reduzir as emissões de gases com efeito de estufa. Mas não funcionam perfeitamente porque os governos têm dificuldade em estimar o custo das externalidades.
A violência armada também é uma externalidade negativa. A escolha de milhões de americanos de comprar armas resulta em custos não recuperados para a sociedade sob a forma de crimes, suicídios, assassinatos e tiroteios em massa. Um imposto fixo sobre armas seria um instrumento contundente: reduziria a violência armada apenas aumentando tanto o custo de possuir armas que quase ninguém seria capaz de possuí-las legalmente, levando a um crescente mercado negro de armas e provavelmente a um aumento no crime. Contudo, as seguradoras são muito boas na avaliação dos riscos e responsabilidades associados às escolhas individuais; o seguro poderia abordar as externalidades da violência armada de uma forma mais inteligente e ágil.
Aqui está uma proposta de compromisso: os estados deveriam exigir que os proprietários de armas obtivessem uma licença e pagassem seguro, assim como hoje os proprietários de automóveis devem obter uma licença e um seguro. A Blue America retirará suas alegações de que as armas e seus mercados deveriam ser legalmente restringidos, exceto para restrições que exigem consentimento muito amplo (como a exigência de verificação de antecedentes para a compra de qualquer arma). Praticamente qualquer pessoa poderá possuir praticamente qualquer arma ou combinação Em troca, a América Vermelha concordaria que os proprietários de armas deveriam pagar uma parte justa dos custos totais associados às suas escolhas. Este compromisso exigiria que os proprietários de armas fossem mais responsáveis, respeitando ao mesmo tempo os seus direitos de possuir armas. Isso satisfaria aqueles que quer menos armas porque a contabilização verdadeira do custo de posse de armas reduzirá a procura, as seguradoras beneficiarão de novos clientes e as vítimas ou as suas famílias poderão receber uma compensação parcial pelo seu sofrimento.
A idéia dos estados a obrigar armas a comprar seguro não novo: em 2009, a Assembléia Geral de Illinois discutiu a questão do “seguro dos proprietários de armas de fogo”, mas o debate não trouxe resultados especiais. Como todas as propostas para combater a violência usando armas de fogo, essa proposta atendeu à objeção. Os críticos afirmam que os criminosos não pagarão seguro ou serão forçados a pagar por isso no momento da compra, e não posteriormente. Quando os legisladores de meia dúzia dos Estados Unidos, incluindo Califórnia, Connecticut e Nova York, consideraram esse conceito depois de filmar na Escola Primária Sandy Hook em 2012, as seguradoras temiam que suas políticas cobrem apenas acidentes ou ações não intencionais; Eles temiam que as empresas tivessem que desenvolver novas políticas de “guard a-chuva” que possam não funcionar. Mas uma das reivindicações freqüentemente expressas da Associação Nacional de Infantaria pode ser rejeitada: o seguro de armas não será uma restrição preliminar que imponha custos injustificados da lei constitucional. A inteligência artificial e a análise de dados podem definir os preços dos seguros, para que a arma não se torne exorbitante para muitos americanos.
Os riscos reais que estudam sempre levaram em consideração muitos fatores quando ajudaram as seguradoras a determinar o custo da política. O seguro de carro, as casas e a vida podem variar dependendo da idade, estado de saúde, registro criminal, emprego, local de residência e muitos outros fatores. Mas, nos últimos anos, o aprendizado de máquina e o analista de dados proporcionaram aos atuados novas oportunidades de previsão. De acordo com Yanna Lekun, diretora de inteligência artificial no Facebook e o principal inventor da importante técnica de aprendizado chamada um pacote: “Os sistemas de aprendizado profundo permitem criar os melhores modelos estatísticos se você tiver uma quantidade suficiente de dados. Eles podem ser usados para avaliar Riscos e redes neurais adesivas podem ser muito boas na previsão, porque podem levar em consideração uma longa janela de valores passados ”.
