← Últimos artigos
🤖 AI

Evolutionary Recurrent Decision Model in Developing Adaptive and Maladaptive Behaviors

Este artigo apresenta o Modelo de Decisão Recorrente Evolutivo (ERDM), um arcabouço de aprendizado por reforço computacional que demonstra como comportamentos adaptativos e mal-adaptativos, tais como a desamparo aprendido e a agressão, emergem naturalmente da racionalidade limitada e do desajuste evolutivo em ambientes simulados, oferecendo uma nova ferramenta para a compreensão da psicopatologia.

Autores originais: Andrew Hu

Publicado 2026-08-26
📖 7 min de leitura🧠 Leitura aprofundada

Autores originais: Andrew Hu

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

A mente humana é um produto de um tempo profundo, moldada por milhões de anos de evolução para resolver os problemas específicos de sobrevivência na savana africana. Durante a maior parte da nossa história, nossos ancestrais enfrentaram perigos físicos imediatos: um predador na grama alta, uma escassez de alimentos ou um conflito com um grupo rival. Seus cérebros evoluíram para reagir rapidamente a essas ameaças, priorizando a segurança imediata e o status social. No entanto, o mundo em que vivemos hoje é vastamente diferente. Enfrentamos estressores crônicos como empregos exigentes, pressão das redes sociais e hierarquias sociais complexas que não se assemelham aos perigos que nossos ancestrais conheciam. Essa lacuna entre o ambiente para o qual nossos cérebros foram construídos e o ambiente que realmente habitamos é conhecida como desajuste evolutivo. É uma teoria principal para explicar por que tantas pessoas lutam contra a ansiedade, a depressão e outros desafios de saúde mental hoje. Nossos mecanismos de sobrevivência ancestrais, projetados para surtos curtos de perigo, podem se tornar maladaptativos quando acionados pelas pressões constantes e abstratas da vida moderna.

Para entender como esses padrões de fiação antiga podem falhar em um mundo moderno, um pesquisador chamado Andrew Hu desenvolveu uma simulação de computador chamada Modelo de Decisão Recorrente Evolutivamente. Em vez de estudar pacientes humanos diretamente, o que levanta preocupações éticas e limita a capacidade de testar causas específicas, o estudo criou agentes digitais. Esses agentes não são programados com emoções humanas ou pensamentos complexos; são sistemas de aprendizado simples projetados para sobreviver em um mundo virtual que mimetiza os desafios de nossos ancestrais. Os pesquisadores queriam ver se, ao colocar esses agentes simples em ambientes que eram ou seguros ou cheios de traumas severos e repetidos, eles desenvolveriam naturalmente comportamentos que se assemelham a transtornos de saúde mental humanos. O objetivo era determinar se condições como a desamparo aprendido ou a agressividade são sinais de um cérebro quebrado ou se são, na verdade, respostas racionais e lógicas a uma situação impossível.

A simulação colocou esses agentes digitais em um mundo onde eles tinham que fazer escolhas constantes para sobreviver. Eles enfrentavam três tipos de situações recorrentes: ameaças de predadores ou inimigos, oportunidades de caçar ou coletar alimentos e chances de formar alianças com outros. Para sobreviver, os agentes tinham que equilibrar três necessidades concorrentes: manter sua integridade física, manter uma posição dominante para se protegerem e construir relacionamentos de cuidado para apoiar sua comunidade. Os agentes aprendiam através de tentativa e erro, recebendo recompensas por ações que os mantinham vivos e penalidades por aquelas que os colocavam em perigo. Os pesquisadores executaram milhares de simulações, algumas em ambientes calmos e estáveis e outras em condições severas projetadas para imitar experiências adversas na infância graves, onde as ameaças eram frequentes, intensas e muitas vezes inevitáveis.

Os resultados mostraram que os agentes não simplesmente colapsaram quando o ambiente se tornou hostil. Em vez disso, eles desenvolveram estratégias distintas e complexas que espelhavam comportamentos humanos do mundo real. Nos ambientes seguros, os agentes aprenderam a ser flexíveis, alternando entre lutar, fugir e cooperar conforme a situação exigia. No entanto, quando os agentes foram expostos às condições de alta adversidade, seu comportamento mudou de maneiras previsíveis. Alguns agentes, particularmente aqueles programados para priorizar a dominância e a proteção, começaram a exibir sinais de desamparo aprendido. Este é um estado onde um indivíduo para de tentar mudar suas circunstâncias porque aprendeu que suas ações não têm efeito sobre o resultado. Na simulação, isso não foi um erro ou uma falha do sistema; foi uma conclusão lógica. Quando cada ação possível levava a um resultado negativo, a escolha mais racional para o agente era parar de agir inteiramente. Isso sugere que o que frequentemente chamamos de transtorno de saúde mental pode ser, na verdade, uma estratégia de sobrevivência que faz todo o sentido em um contexto de perigo avassalador e inescapável.

O estudo também revelou que o tipo de estratégia que um agente desenvolvia dependia fortemente de seu foco primário de sobrevivência. Agentes projetados para priorizar o cuidado social e a construção de relacionamentos positivos tenderam a se tornar mais retraídos e evitativos quando confrontados com o trauma. Eles pararam de buscar ajuda ou de formar novos vínculos, isolando-se efetivamente para minimizar o risco de danos adicionais. Em contraste, agentes focados em dominância e proteção mostraram um padrão diferente. Embora tenham inicialmente tentado lutar ou exercer controle, as ameaças constantes e incontroláveis eventualmente os forçaram a um estado de internalização de angústia. Curiosamente, a simulação mostrou que a agressividade não necessariamente aumentava diante do trauma. Em vez disso, os agentes mudaram seu comportamento; a luta constante que funcionava em condições mais brandas tornou-se arriscada demais, levando a um colapso na inação ou a um aumento agudo nas expectativas negativas sobre o futuro.

Uma das descobertas mais impressionantes foi que, mesmo quando dois agentes começavam com a exata mesma programação e enfrentavam exatamente o mesmo ambiente severo, eles nem sempre terminavam com o mesmo resultado. Os pesquisadores descobriram dois subgrupos distintos emergindo do caos: um grupo resiliente e um grupo vulnerável. A diferença entre eles residia em um fator crucial: a qualidade de seus relacionamentos. Agentes que conseguiram formar conexões saudáveis e de apoio com outros eram muito menos propensos a cair no desamparo aprendido, mesmo nas piores condições. Os dados mostraram um forte vínculo entre ter laços sociais positivos e manter a capacidade de agir. Por outro lado, agentes que falharam em construir essas conexões eram muito mais propensos a ficar presos em um estado de desesperança. Isso destaca um fator de proteção que é bem conhecido na psicologia humana, mas que foi aqui demonstrado como um mecanismo de sobrevivência fundamental emergindo de regras simples.

O estudo também desafiou a ideia de que a inatividade diante do trauma é sempre a mesma coisa. Os pesquisadores descobriram que os agentes distinguiam entre dois tipos de "não fazer nada". Um era a falta de motivação, onde o agente simplesmente não conseguia encontrar nenhuma ação que valesse o esforço. O outro era uma avaliação de risco calculada, onde o agente reconhecia que qualquer movimento possível era perigoso e optava por congelar. A simulação sugeriu que, em ambientes de alta ameaça, os agentes eram movidos pelo medo do risco, e não pela falta de desejo de recompensa. Essa distinção é importante porque implica que diferentes tipos de trauma podem levar a diferentes tipos de paralisia, e tratá-los pode exigir abordagens distintas.

Em última análise, esta pesquisa sugere que muitos comportamentos que rotulamos como maladaptativos ou patológicos são, na verdade, os resultados previsíveis de uma mente racional tentando navegar em um mundo que se tornou perigoso demais para gerenciar. Os agentes na simulação não estavam quebrados; eles estavam respondendo logicamente a um desajuste entre seus instintos de sobrevivência e o ambiente que foram forçados a suportar. Quando o mundo é hostil demais, parar é uma escolha racional. Quando o custo da conexão é alto demais, retirar-se é uma escolha racional. O estudo não afirma ter resolvido o mistério da doença mental, nem sugere que esses modelos computacionais sejam réplicas perfeitas do cérebro humano. No entanto, ele fornece uma nova e poderosa maneira de olhar para o comportamento humano, mostrando que o que parece ser uma falha da mente pode ser, na verdade, uma adaptação bem-sucedida, embora dolorosa, a um mundo que não se ajusta mais ao design de nossos ancestrais. Ao compreender esses mecanismos, podemos começar a ver as lutas de saúde mental não apenas como defeitos internos, mas como respostas compreensíveis aos ambientes que criamos.

Afogado em artigos na sua área?

Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.

Experimentar Digest →