Imagine que você está observando um esquilo subir rapidamente em uma árvore. Você pode ver suas patas agarrando a casca, sua cauda equilibrando e seus músculos flexionando. Mas o que você não pode ver é a conversa invisível e ultrarrápida acontecendo dentro do cérebro dele. O sistema nervoso não é apenas um controle remoto enviando sinais simples de "subir" ou "descer"; é uma orquestra complexa regendo um corpo massivo e pesado através de um mundo cheio de gravidade, fricção e surpresas. Cientistas há muito tempo querem entender essa conversa, mas há um problema: você não pode espiar facilmente dentro do cérebro de um animal vivo enquanto ele corre, e você não pode simplesmente pedir a um esquilo para descrever como é a sensação de se equilibrar.

Para resolver isso, os cientistas usam um truque chamado "modelagem neuromecânica". Pense nisso como construir um gêmeo digital do animal — um corpo virtual com músculos, ossos e física que funcionam exatamente como o real. Então, eles tentam ensinar um cérebro de computador (uma rede neural artificial) a controlar esse corpo digital para que ele se mova exatamente como o animal real. O objetivo é fazer a engenharia reversa dos segredos do cérebro ao ver que tipo de "pensamentos" (sinais de controle) são necessários para fazer o corpo digital dançar. No entanto, até agora, construir esses gêmeos digitais era como tentar rodar um supercomputador em uma torradeira: exigia clusters de computadores caros e massivos que apenas grandes empresas de tecnologia podiam pagar, tornando difícil para laboratórios de biologia comuns brincarem com essas ideias.

Surge o MIMIC-MJX, um novo toolkit de código aberto que muda o jogo. Os pesquisadores por trás deste projeto, uma equipe da Harvard, do Instituto Salk e outros, criaram um sistema que permite aos cientistas treinar esses cérebros digitais em uma única placa de vídeo padrão (do tipo encontrada em computadores gamers), em vez de uma sala cheia de servidores. Eles chamam seu framework de "MIMIC-MJX", e ele atua como um mestre imitador. Ele pega filmagens de animais reais se movendo — ratos correndo, moscas andando, vermes contorcendo-se — e as usa para ensinar uma versão virtual desse animal a se mover em uma simulação de física.

Veja como funciona, passo a passo. Primeiro, o sistema observa um vídeo de um animal real e descobre exatamente como suas articulações estão dobrando e onde seus membros estão no espaço. É como pegar um esqueleto 3D e encaixá-lo perfeitamente ao vídeo, mesmo que o vídeo mostre apenas o exterior do pelo ou da pele. Isso é feito usando uma ferramenta chamada stac-mjx, que atua como um tradutor de alta velocidade, transformando pontos de vídeo 2D ou 3D em ângulos precisos de articulação para um corpo virtual.

Uma vez que o corpo virtual sabe o que o animal real fez, a segunda parte do sistema, chamada track-mjx, entra em ação. Este é o "professor". Ele utiliza um método chamado aprendizado por reforço profundo, que é um pouco como treinar um cachorro com petiscos, mas o cachorro é um programa de computador e os petiscos são recompensas matemáticas. O programa tenta mover o animal virtual para corresponder ao vídeo. Se o rato virtual levantar a pata no momento errado, ele recebe uma "pontuação ruim". Se ele corresponder perfeitamente ao vídeo, recebe uma "pontuação boa". Ao longo de milhões de tentativas, o cérebro do computador aprende os comandos musculares exatos necessários para reproduzir o movimento.

O que torna o MIMIC-MJX especial é que ele é rápido e flexível. Os autores o testaram em uma grande variedade de criaturas: um rato, uma mosca-das-frutas, o braço de um camundongo, um inseto bastão e um verme. Eles descobriram que o sistema podia aprender a imitar os movimentos desses animais com uma precisão incrível. Por exemplo, quando treinaram um rato, o rato virtual pôde reproduzir movimentos de andar, levantar-se nas patas traseiras e lamber-se com um erro de apenas cerca de 7 milímetros — aproximadamente a largura de uma borracha de lápis. Ainda mais impressionante, o sistema conseguiu manter o rato virtual se movendo por longos períodos, não apenas por um breve segundo. Nos testes, cerca de 83% dos ratos virtuais conseguiram continuar se movendo por dois minutos inteiros sem cair, embora tenham sido treinados apenas em clipes curtos de 5 segundos. Isso sugere que o sistema aprendeu os princípios do movimento, não apenas memorizou alguns segundos de vídeo.

Os pesquisadores também mostraram que este sistema funciona com diferentes tipos de "corpos". Alguns animais em seu estudo, como o rato e a mosca, eram controlados por motores simples de "torque" (força de torção), enquanto outros, como o braço do camundongo e o verme, usavam modelos de "músculos" mais complexos que imitam como os músculos reais se esticam e contraem. O MIMIC-MJX lidou com ambos os tipos com sucesso, provando que pode se adaptar a diferentes realidades biológicas.

Uma das partes mais empolgantes do artigo é como eles usaram esses "imitadores" treinados para realizar experimentos que seriam impossíveis na vida real. Eles pegaram o controlador de baixo nível (a parte que sabe como mover os músculos), congelaram-no e então anexaram um novo e simples cérebro por cima para ensinar ao animal um novo truque. Eles pediram ao rato virtual para correr a uma velocidade específica ou para escapar de um buraco em forma de tigela. O rato virtual, guiado pelo controlador MIMIC-MJX, aprendeu essas novas tarefas rapidamente e moveu-se de uma maneira muito natural. Em contraste, quando tentaram treinar um robô do zero sem esse fundamento de "imitação", ele falhou completamente ou moveu-se de uma forma brusca e não natural. Isso sugere que o sistema MIMIC-MJX capturou algo fundamental sobre como os animais se movem, criando um "prior" ou uma base de comportamento natural que torna o aprendizado de coisas novas muito mais fácil.

O artigo também espiou dentro do "cérebro" de seus controladores virtuais para ver o que eles estavam pensando. Ao analisar os dados fluindo através da rede, descobriram que o sistema organizava o movimento em padrões simples e de baixa dimensionalidade. Para a mosca-das-frutas, os "pensamentos" sobre caminhar formavam um loop circular limpo nos dados, representando o ritmo dos passos. Para o braço do camundongo, os dados mostraram que o cérebro estava comprimindo movimentos complexos em algumas variáveis principais, de forma muito semelhante a como um humano poderia pensar "alcançar a xícara" em vez de calcular cada pequeno espasmo muscular.

No entanto, os autores são cuidadosos ao notar o que este sistema não é. Eles afirmam explicitamente que, embora o sistema possa reproduzir o movimento perfeitamente, os sinais elétricos específicos que ele gera para fazê-lo não são necessariamente os mesmos sinais que o cérebro de um animal real utiliza. Porque existem muitas maneiras de mover um membro (um problema conhecido como os graus de liberdade de Bernstein), o computador pode encontrar uma solução diferente daquela que o animal encontrou. O sistema é uma simulação válida de como o corpo poderia se mover, mas não prova como o animal realmente pensa. É uma ferramenta poderosa para gerar hipóteses, não uma resposta final.

Além disso, o sistema depende da qualidade dos modelos de corpo digitais. Se os músculos ou ossos do rato virtual não forem construídos corretamente, a imitação falhará. Os autores admitem que construir esses modelos de corpo detalhados ainda é um trabalho difícil e demorado que os pesquisadores precisam fazer por conta própria para novas espécies. Eles também simplificaram parte da física, como ignorar a resistência do ar ou a forma complexa como o pelo interage com o chão, para manter as simulações rápidas.

Apesar dessas limitações, o MIMIC-MJX representa uma mudança significativa na forma como a neurociência pode ser feita. Ao tornar essas simulações poderosas acessíveis a qualquer laboratório com um computador padrão, ele abre as portas para milhares de pesquisadores realizarem "experimentos virtuais". Eles podem testar como um sistema nervoso pode se adaptar a um novo ambiente, o que acontece se um músculo específico for removido ou como ocorre o aprendizado, tudo sem precisar capturar um único animal. Isso transforma o animal virtual em um sujeito prático e manipulável, unindo a realidade desordenada da biologia com a precisão limpa da ciência da computação. O artigo conclui que este é um passo crucial em direção a um futuro onde a "neurociência virtual" seja uma parceira padrão dos experimentos do mundo real, ajudando-nos finalmente a decodificar a complexa dança entre o cérebro e o corpo.