Os humanos vêm tentando entender como o cérebro funciona e como ele adquire informações há séculos. Embora os neurocientistas agora tenham uma boa compreensão de como as diferentes partes do cérebro funcionam e qual é sua função, muitas questões permanecem sem resposta; assim, ainda falta uma teoria unificada da neurociência.
Nos últimos anos, cientistas da computação vêm tentando criar ferramentas computacionais que recriam artificialmente as funções e processos do cérebro humano. Novas teorias da neurociência esclarecendo como o cérebro faz previsões podem ajudar a aprimorar significativamente essas ferramentas para que elas repliquem funções neurais de maneiras cada vez mais realistas.
Pesquisadores do Centro Canadense de Neurociência Comportamental em Lethbridge, Canadá, realizaram recentemente um estudo sobre como a investigação de neurônios individuais aprende e faz previsões sobre o futuro. Suas descobertas, publicadas na Nature Machine Intelligence, sugerem que a capacidade de neurônios individuais de prever sua atividade futura pode oferecer um novo mecanismo de aprendizado.
“A neurociência está agora no estágio em que a biologia estava antes de Darwin”, disse Artur Luczak, um dos pesquisadores que realizaram o estudo, ao TechXplore. “Tem uma miríade de observações detalhadas, mas nenhuma teoria explicando as conexões entre elas. Assim, a grande busca na neurociência é encontrar princípios unificadores para explicar como o cérebro funciona. Nosso trabalho teve como objetivo contribuir para essa busca.”
Usando equações matemáticas, Luczak e seus colegas demonstraram que as capacidades preditivas de neurônios individuais poderiam fornecer um novo mecanismo de aprendizado, que poderia ser replicado em máquinas. Segundo os pesquisadores, esse processo de aprendizado pode ter origem metabólica, pois os neurônios podem precisar minimizar sua própria atividade sináptica, enquanto maximizam seu impacto no suprimento sanguíneo local, recrutando outros neurônios.
“Você aprendeu que nuvens escuras preveem chuva, pois isso ajuda você a ficar seco e, assim, economizar sua energia térmica”, explicou Luczak. “Da mesma forma, os neurônios podem aprender que a quantidade X de atividade de entrada é geralmente seguida por uma quantidade Y de atividade. Ajustando as sinapses para minimizar a surpresa – ou seja, a diferença entre a atividade real e a esperada – os neurônios podem economizar energia sendo ativos apenas tanto quanto necessário. Mostramos que a regra de aprendizagem preditiva surge naturalmente, como consequência da maximização da energia metabólica por um neurônio.”
Em seu artigo, Luczak se refere a esse mecanismo de aprendizado como o “princípio do neurônio preguiçoso”. A equipe ainda não tem certeza sobre os mecanismos exatos que podem permitir que um único neurônio faça previsões, mas eles acreditam que eles podem estar ligados à sinalização de cálcio (ou seja, um processo que envolve o uso de íons de cálcio para se comunicar e conduzir processos intercelulares).
“Curiosamente, nossos resultados também sugerem que a atividade cerebral espontânea (por exemplo, durante o sono) fornece ‘dados de treinamento’ para os neurônios aprenderem a prever X de Y”, disse Luczak.
O estudo recente realizado por essa equipe de pesquisadores pode ter muitas implicações interessantes, tanto para o campo da neurociência quanto para o aprendizado de máquina. No geral, suas descobertas sugerem que um mecanismo preditivo que sustenta o funcionamento de neurônios individuais pode desempenhar um papel crucial na aprendizagem.
“No futuro, essa ideia também pode ajudar a criar redes neurais artificiais mais poderosas para resolver problemas desafiadores da vida real”, disse Luczak. “Acredito que a regra de aprendizagem preditiva que revelamos é um passo importante para encontrar uma teoria unificadora do cérebro. No entanto, são necessários mais passos para conseguir isso, e estamos animados para continuar essa jornada”.
Publicado em 01/03/2022 10h08
Artigo original:
Estudo original: