A Drosophila Whole-Connectome Network Can Learn Human-Designed Cognitive Tasks
Este estudo demonstra que a fiação anatômica fixa de um conectoma de *Drosophila* macho serve como um substrato computacional eficaz para o aprendizado de tarefas cognitivas projetadas por humanos, tais como adição limitada e linguagem relacional fundamentada, superando significativamente reconfigurações de redes aleatórias.
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
O cérebro humano é frequentemente descrito como o objeto mais complexo do universo conhecido, uma teia emaranhada de bilhões de células que nos permite pensar, mover e falar. Durante décadas, cientistas tentaram mapear essa fiação, criando diagramas detalhados chamados conectomas que mostram exatamente quais neurônios estão conectados a quais. Esses mapas são geralmente estudados para entender como o cérebro controla o corpo, como uma mosca vê uma flor ou como um humano levanta uma xícara. Mas uma nova linha de investigação faz uma pergunta mais ousada: se você pegar o diagrama de fiação física de um cérebro e usá-lo como o esqueleto para um programa de computador, esse programa pode aprender coisas que o animal nunca evoluiu para fazer? É um teste para saber se a forma específica das conexões biológicas detém um poder secreto que as conexões aleatórias não possuem.
Pesquisadores do Instituto de Ciência e Tecnologia da Coreia decidiram testar essa ideia usando o sistema nervoso completo de uma única mosca-das-frutas macho. Eles pegaram o mapa publicamente disponível do cérebro desta mosca, que contém mais de 166.000 neurônios e quase 26 milhões de conexões, e o usaram como a estrutura fixa para uma rede artificial. Eles não tentaram simular os pensamentos ou movimentos reais da mosca. Em vez disso, treinaram esse esqueleto biológico para resolver duas tarefas que nada têm a ver com moscas-das-frutas: somar números e compreender uma linguagem simples sobre eventos sensoriais. Na primeira tarefa, a rede tinha que aprender a somar dois números, onde a soma nunca excedia cem. Na segunda, ela tinha que ouvir uma descrição de duas sensações físicas, como uma pressão forte em uma perna seguida por um movimento fraco, e então corresponder corretamente essa descrição ao evento, mesmo quando a ordem dos eventos era invertida.
Para ver se a fiação específica da mosca importava, os cientistas criaram um grupo de controle. Eles pegaram o mesmo número de neurônios e conexões, mas embaralharam os elos aleatoriamente, mantendo apenas o número de conexões que cada neurônio possuía. Isso criou um cérebro "reconfigurado" que era estatisticamente semelhante, mas carecia das vias evoluídas específicas da mosca real. Quando treinaram a rede da mosca real na tarefa de adição, ela obteve sucesso com alta precisão, acertando a resposta correta em quase 93 por cento dos novos problemas que nunca havia visto antes. As redes aleatórias, reconfiguradas, tiveram dificuldades significativas, alcançando apenas cerca de 68 por cento de precisão. A diferença foi substancial, sugerindo que o arranjo específico do cérebro da mosca forneceu uma vantagem oculta para aprender matemática, embora a própria mosca não faça matemática.
Os resultados foram ainda mais impressionantes com a tarefa de linguagem. Aqui, a rede tinha que conectar entradas sensoriais a palavras, aprendendo que um padrão específico de sinais significava "pressão forte" e que isso acontecia "antes" de um "movimento fraco". Os pesquisadores testaram a rede de quatro maneiras diferentes, alterando onde a informação sensorial entrava no cérebro e onde as palavras saíam, para garantir que os resultados não fossem apenas um acaso de uma configuração específica. Em todos esses testes, a rede construída sobre o cérebro real da mosca superou consistentemente as versões reconfiguradas. No teste mais difícil, que exigia que a rede emparelhasse corretamente uma cena com sua descrição e também a cena invertida com sua descrição invertida, o cérebro real alcançou uma pontuação de aproximadamente 62 por cento, enquanto as versões aleatórias tiveram uma média de 44 por cento. Em uma comparação maior envolvendo vinte diferentes reconfigurações aleatórias, o cérebro real da mosca ficou em primeiro lugar, vencendo todas elas.
Crucialmente, o estudo mostrou que essa vantagem não se tratava apenas de ter o número certo de conexões. Os pesquisadores descobriram que o sucesso do cérebro real dependia fortemente do alinhamento entre as entradas sensoriais e as partes específicas do cérebro às quais elas estavam conectadas. Quando eles embaralharam os sinais sensoriais para que a entrada não correspondesse mais à fiação natural do cérebro, o desempenho do cérebro real colapsou, caindo de cerca de 61 por cento para apenas 19 por cento. Isso provou que a estrutura do cérebro não era apenas um recipiente genérico para o aprendizado; era uma máquina especializada onde a localização física das entradas importava profundamente. As redes aleatórias, carecendo desse alinhamento específico, não puderam se recuperar da confusão.
As descobertas sugerem que a maneira como um cérebro é fiações contém um modelo reutilizável para o aprendizado, um viés indutivo que ajuda a resolver problemas de forma eficiente. Isso não significa que o cérebro da mosca seja um computador universal que pode fazer qualquer coisa. A rede ainda precisou ser treinada do zero, e não pôde aprender sem as entradas sensoriais corretas. No entanto, o estudo demonstra que o arranjo biológico das arestas em um conectoma é mais do que apenas um registro do passado de um animal; é uma arquitetura funcional que pode ser reaproveitada para tarefas cognitivas desenhadas por humanos. As vias específicas que evoluíram para uma mosca navegar em seu mundo também servem, coincidentemente, para fornecer uma vantagem inicial para um computador tentando aprender aritmética e linguagem, uma descoberta que desafia a ideia de que a fiação biológica é útil apenas para os comportamentos para os quais originalmente evoluiu.
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.