A hipótese crítica do cérebro sugere que as redes neurais funcionam melhor quando as conexões não são muito fracas ou muito fortes.
Nas últimas décadas, uma ideia chamada hipótese crítica do cérebro tem ajudado os neurocientistas a entender como o cérebro humano funciona como uma central de processamento de informações. Ele postula que o cérebro está sempre oscilando entre duas fases, ou modos, de atividade: uma fase aleatória, onde é quase inativo, e uma fase ordenada, onde é hiperativo e à beira de uma convulsão. A hipótese prevê que entre essas fases, em um ponto ideal conhecido como ponto crítico, o cérebro tem um equilíbrio perfeito entre variedade e estrutura e pode produzir os padrões de atividade mais complexos e ricos em informações. Esse estado permite que o cérebro otimize várias tarefas de processamento de informações, desde a realização de cálculos até a transmissão e armazenamento de informações, tudo ao mesmo tempo.
Para ilustrar como as fases da atividade no cérebro – ou, mais precisamente, a atividade em uma rede neural como o cérebro – podem afetar a transmissão de informações através dele, podemos jogar um simples jogo de adivinhação. Imagine que temos uma rede com 10 camadas e 40 neurônios em cada camada. Os neurônios da primeira camada ativarão apenas os neurônios da segunda camada, os da segunda camada ativarão apenas os da terceira camada e assim por diante. Agora, vou ativar um certo número de neurônios na primeira camada, mas você só poderá observar o número de neurônios ativos na última camada. Vamos ver o quão bem você pode adivinhar o número de neurônios que ativei em três intensidades diferentes de conexões de rede.
Primeiro, vamos considerar conexões fracas. Nesse caso, os neurônios normalmente são ativados independentemente uns dos outros e o padrão de atividade da rede é aleatório. Não importa quantos neurônios eu ative na primeira camada, o número de neurônios ativados na última camada tenderá a zero porque as conexões fracas amortecem a propagação da atividade. Isso torna nosso jogo de adivinhação incrivelmente difícil. A quantidade de informações sobre a primeira camada que você pode aprender com a última camada é praticamente nula.
Em seguida, vamos considerar conexões fortes – certamente esta configuração transmitirá bem as informações? Na verdade, não vai. Quando um neurônio fortemente conectado está ativo, ele ativa vários outros neurônios, espalhando a atividade até que quase todos os neurônios na camada final estejam ativos. A atividade passa, mas essa saturação não permite que você adivinhe com precisão se eu ativei um neurônio na primeira camada ou todos os 40. A amplificação eliminou a maior parte dessa informação.
Finalmente, vamos considerar o caso “crítico” intermediário, onde o número de conexões está entre os dois exemplos anteriores. Evitamos as armadilhas de ser excessivamente amortecido ou amplificado, e o número de neurônios ativados é praticamente preservado nas camadas. Se eu ativar 12 neurônios na primeira camada, você poderá ver de nove a 15 neurônios ativos na última camada. Você pode deduzir o número que ativei – não perfeitamente, mas pelo menos com certa precisão.
Podemos quantificar com precisão essa capacidade de adivinhar melhor como uma medida da transmissão de informações. Se eu escolhesse um número de 1 a 40 e você perguntasse “É menor que 20?” e eu respondi que sim, você teria cortado o intervalo de suas suposições pela metade. Essa redução da incerteza é equivalente a um bit de informação. Você poderia cortar o intervalo pela metade novamente e obter mais informações perguntando “É maior que 10?” No ponto crítico, você pode adivinhar com mais precisão qual foi o estímulo, então é possível transmitir mais bits de informação.
A mesma sensação de que um cérebro crítico está “perfeito” também explica por que outras tarefas devem ser otimizadas. Por exemplo, considere o armazenamento de informações, que é conduzido pela ativação de grupos de neurônios chamados de montagens. Em uma rede subcrítica, as conexões são tão fracas que poucos neurônios são acoplados, de modo que apenas alguns pequenos conjuntos podem se formar. Em uma rede supercrítica, as conexões são tão fortes que quase todos os neurônios são acoplados entre si, o que permite apenas uma grande montagem. Em uma rede crítica, as conexões são fortes o suficiente para muitos grupos de neurônios de tamanho moderado se acoplar, mas fracas o suficiente para impedir que todos se unam em um conjunto gigante. Esse equilíbrio leva ao maior número de montagens estáveis, maximizando o armazenamento de informações.
E isso não é apenas teoria ou simulação: experimentos em redes isoladas de neurônios e em cérebros intactos confirmaram muitas dessas previsões. Além disso, vimos esses benefícios surgirem em muitas espécies diferentes, em tartarugas, gatos e até humanos. A maioria desses estudos se concentrou na parte externa do cérebro, conhecida como córtex, embora alguns tenham incluído regiões subcorticais também. No geral, os estudos mostraram que essas redes operam perto do ponto crítico.
Apesar da onipresença desse fenômeno, é possível interrompê-lo. Por exemplo, quando um olho de um rato é coberto, seu córtex visual é afastado do ponto crítico e transmite informações de forma mais errática. (O córtex parece se ajustar a essa mudança e retorna espontaneamente ao ponto crítico depois de dois dias.) Da mesma forma, quando os humanos são privados de sono, seus cérebros tornam-se supercríticos, embora uma boa noite de sono possa levá-los de volta ao ponto crítico. Parece, portanto, que os cérebros se inclinam naturalmente para operar perto do ponto crítico, talvez da mesma forma que o corpo mantém a pressão sanguínea, a temperatura e os batimentos cardíacos em uma faixa saudável, apesar das mudanças no ambiente. Esse insight é importante para entender a saúde neurológica: novas pesquisas sugeriram que doenças cerebrais como a epilepsia estão associadas à incapacidade de operar perto do ponto crítico ou de retornar a ele depois de afastado.
Então, por que essa visão do cérebro crítico ainda é apenas uma hipótese? Embora as evidências a seu favor sejam boas, ainda estão em discussão. A alegação de que o córtex opera perto do ponto crítico é abrangente, abrangendo o processamento ideal de informações, saúde neurológica e uma aplicação quase universal em todas as espécies. A necessidade de um exame minucioso não é surpreendente.
As primeiras críticas apontaram que provar que uma rede estava próxima do ponto crítico exigia testes estatísticos aprimorados. O campo respondeu de forma construtiva, e esse tipo de objeção raramente é ouvido hoje em dia. Mais recentemente, alguns trabalhos mostraram que o que antes era considerado uma assinatura de criticidade também pode ser resultado de processos aleatórios. Os pesquisadores ainda estão investigando essa possibilidade, mas muitos deles já propuseram novos critérios para distinguir entre a criticidade aparente do ruído aleatório e a verdadeira criticidade das interações coletivas entre os neurônios.
Enquanto isso, nos últimos 20 anos, a pesquisa nessa área tornou-se cada vez mais visível. A amplitude dos métodos usados para avaliá-la também aumentou. As maiores questões agora se concentram em como operar perto do ponto crítico afeta a cognição e como entradas externas podem levar uma rede a se mover em torno do ponto crítico. Idéias sobre criticidade também começaram a se espalhar além da neurociência. Citando alguns dos artigos originais sobre criticidade em redes neurais vivas, os engenheiros mostraram que redes auto-organizadas de interruptores atômicos podem ser feitas para operar perto do ponto crítico, de modo que computam muitas funções de maneira otimizada. A comunidade de deep learning também começou a estudar se operar perto do ponto crítico melhora as redes neurais artificiais.
A hipótese crítica do cérebro ainda pode estar errada ou incompleta, embora as evidências atuais a apoiem. De qualquer forma, a compreensão que ele fornece está gerando uma avalanche de perguntas e respostas que nos dizem muito mais sobre o cérebro – e a computação em geral – do que sabíamos antes.
Publicado em 06/02/2023 09h43
Artigo original: