Canonical decision computations underlie behavioral and neural signatures of cooperation in primates

Este estudo demonstra que o córtex pré-frontal dorsomedial de marmosetos integra dinamicamente pistas sociais, como o olhar e a variabilidade das ações do parceiro, através de um processo de acumulação de evidências para guiar decisões cooperativas, estabelecendo um mecanismo neural multi-nível que conecta a computação canônica ao comportamento cooperativo em um ambiente natural.

O essencial

O Segredo da Cooperação: Como o Cérebro de Macacos Decide Quando Agir Juntos

Imagine que você e um amigo estão tentando abrir uma porta pesada juntos. Se você empurrar muito cedo, a porta não abre. Se empurrar muito tarde, também não funciona. Vocês precisam empurrar exatamente ao mesmo tempo.

Como vocês sabem o momento certo? Vocês olham para o amigo, leem a expressão dele, sentem a tensão no ar e decidem o momento exato de fazer força.

Este estudo científico descobriu como o cérebro faz essa "leitura" mental em tempo real, usando macacos-prego (marmosets) como sujeitos de teste. Os cientistas descobriram que o cérebro não é apenas um "observador passivo"; ele funciona como um contador de evidências que só funciona quando você está olhando para o seu parceiro.

Aqui está a história, passo a passo:

1. O Jogo: A Dança do Puxão

Os macacos estavam em uma sala com duas alavancas. Para ganhar um suco gostoso, eles precisavam puxar suas alavancas quase ao mesmo tempo (dentro de uma janela de 1 segundo).

• O Desafio: Eles não podiam ficar parados esperando um comando. Eles tinham que decidir sozinhos, em movimento livre, quando era a hora de puxar.
• A Estratégia: Os macacos usavam o olhar. Eles olhavam para o rosto do parceiro para saber se ele estava prestes a puxar.

2. A Analogia da "Chuva de Evidências"

A parte mais genial da descoberta é como o cérebro processa essa informação. Os cientistas compararam o processo a uma baldes de água sendo enchidos.

• O Balde (A Decisão): O cérebro do macaco tem um "balde" mental. Quando o balde enche até a borda, o macaco puxa a alavanca.
• A Água (A Evidência Social): A "água" que enche o balde são as informações que o macaco recebe ao olhar para o amigo.
• A Torneira (O Olhar): Aqui está o truque: A torneira só abre quando o macaco está olhando para o amigo.
  • Se o macaco olha para o amigo e vê que ele está estável e previsível (pouca "agitação"), a água cai rápido e o balde enche rápido (decisão rápida).
  • Se o macaco olha e o amigo está agitado, confuso ou imprevisível (muita "variação"), a água cai gota a gota, ou até para. O macaco espera mais tempo para ter certeza.

Em resumo: O cérebro acumula informações sobre o parceiro apenas enquanto mantém contato visual. Se você desvia o olhar, a contagem para.

3. O Cérebro: A Fábrica de Decisões

Os cientistas colocaram sensores minúsculos e sem fio na cabeça dos macacos para ler o cérebro deles, especificamente em uma área chamada Córtex Pré-Frontal Dorsomedial (dmPFC). Pense nessa área como o "gerente de operações" da cooperação.

Eles descobriram três coisas incríveis sobre os neurônios (as células do cérebro) nessa área:

• O "Rampa" de Atividade: Quando o macaco está prestes a tomar uma decisão, a atividade dos neurônios sobe como uma rampa.
  • Se a rampa é íngreme (sobe rápido), o macaco decide rápido.
  • Se a rampa é lenta, o macaco demora mais.
• O Termômetro da Confiança: A velocidade dessa rampa dependia diretamente de quão "confiável" era o olhar do amigo. Quanto mais previsível o amigo parecia, mais íngreme a rampa ficava.
• O Histórico de Erros: Se o macaco falhava na tentativa anterior (não conseguiu o suco), a "base" da rampa mudava. O cérebro ficava mais "tenso" ou motivado para tentar de novo, ajustando o ponto de partida da próxima decisão.

4. A Geometria da Sucesso

Os cientistas também olharam para o cérebro como um todo (não apenas um neurônio, mas a orquestra inteira).

• Nas tentativas bem-sucedidas, o caminho que a atividade neural fazia no cérebro era suave e organizado (como um rio fluindo).
• Nas tentativas falhas, o caminho era tortuoso e confuso (como um rio cheio de pedras e redemoinhos).
  Isso mostra que a cooperação não é só sobre "fazer a ação", mas sobre como o cérebro se organiza internamente para chegar a essa ação.

Por que isso é importante para nós?

Este estudo é como um manual de instruções para a inteligência social.

1. Não é mágica, é matemática: A cooperação complexa (como trabalhar em equipe, dirigir no trânsito ou conversar) segue regras matemáticas precisas no nosso cérebro.
2. O Olhar é a Chave: Descobrir que a "contagem" de informações só acontece quando olhamos para o outro explica por que é tão difícil cooperar em uma chamada de vídeo com o vídeo desligado ou em uma conversa por texto. Perdemos o fluxo de evidências.
3. Aplicações Futuras: Entender isso pode ajudar a tratar problemas sociais (como no autismo, onde a leitura de sinais sociais é difícil) e até a criar robôs e IAs que saibam cooperar com humanos de forma natural, não apenas seguindo comandos rígidos.

Em suma: O cérebro humano (e de macacos) é uma máquina de acumular provas. Mas, para a cooperação funcionar, essa máquina precisa de um interruptor especial: o contato visual. Sem olhar nos olhos, a contagem para, e a decisão de agir juntos fica em suspenso.

Resumo técnico

Título

Cálculos decisórios canônicos subjacentem a assinaturas comportamentais e neurais da cooperação em primatas.

1. O Problema e o Contexto

A cooperação social bem-sucedida exige a integração dinâmica de pistas sociais, como o olhar (gaze), para inferir intenções e tomar decisões coordenadas. Embora os mecanismos de acumulação de evidências (evidence accumulation) estejam bem estabelecidos em tarefas perceptivas e baseadas em valor (envolvendo áreas como o córtex pré-frontal dorsolateral e a área intraparietal lateral), duas lacunas fundamentais permaneciam:

1. Não se sabia se a acumulação de evidências é um mecanismo computacional conservado que se estende à cognição social complexa.
2. A maioria dos estudos anteriores dependia de tarefas altamente restritas e com animais imobilizados, deixando incerto se esses processos operam durante interações sociais naturais e não restritas.

O objetivo deste estudo foi investigar os mecanismos neurais que transformam pistas sociais ativas (especificamente o olhar) em variáveis de decisão que guiam a cooperação em um ambiente naturalista.

2. Metodologia

Os autores empregaram uma abordagem multimodal combinando comportamento naturalista, modelagem computacional e neurofisiologia:

• Sujeitos e Tarefa: Dois macacos-pigmeu (marmosets) foram gravados em pares (díadas) realizando uma tarefa de cooperação mútua. Eles precisavam puxar alavancas simultaneamente (dentro de uma janela de 1 segundo) para receber uma recompensa. A tarefa foi realizada em um ambiente livre, sem restrição de cabeça, permitindo interações naturais.
• Aquisição de Dados Comportamentais:
  • Uso de rastreamento facial sem marcadores (DeepLabCut e Anipose) para extrair 8 variáveis comportamentais contínuas (orientação do olhar, velocidade linear e angular, distâncias relativas ao parceiro e à alavanca).
  • Definição de "trials" (tentativas) baseadas no início do movimento do ator (velocidade linear do rosto) até a ação de puxar.
  • Definição de "olhar social" como a probabilidade de o ator olhar para o rosto do parceiro.
• Modelagem Computacional (Decisão):
  • Aplicação de um Modelo de Difusão com Deriva (Drift-Diffusion Model - DDM) hierárquico bayesiano.
  • Comparação de quatro modelos concorrentes para testar como o olhar modula a integração de informações do parceiro. O modelo vencedor foi um modelo "gated" pelo olhar, onde a evidência social é acumulada apenas durante períodos de olhar social.
  • A "evidência social" foi definida como a variabilidade (desvio padrão) das ações do parceiro (resumidas pelo primeiro componente principal - PC1) durante os períodos de olhar. Menor variabilidade indicava maior previsibilidade e, portanto, maior evidência.
• Gravações Neurais:
  • Implante de um sistema de gravação sem fio personalizado e modular no Córtex Pré-Frontal Dorsomedial (dmPFC) dos macacos atores.
  • Gravação de atividade de unidades únicas (490 neurônios de um animal, 464 do outro) durante a tarefa.
  • Análise de tuning neuronal usando Modelos Lineares Generalizados (GLM) para classificar neurônios como "reativos" ou "preditivos" e para identificar neurônios com "seletividade mista" (codificando simultaneamente ação própria, olhar e ações do parceiro).
• Análise de Dinâmica Populacional:
  • Reconstrução de trajetórias neurais no espaço de estados (usando os 3 primeiros componentes principais) para analisar a geometria das trajetórias (tortuosidade) em relação à evidência social e ao sucesso da cooperação.

3. Principais Contribuições e Resultados

A. Comportamento e Modelagem

• Acumulação Dependente de Olhar: O modelo DDM que permitia a integração de evidências do parceiro apenas durante o olhar social (Modelo M1) foi o que melhor explicou os tempos de resposta e as escolhas dos animais.
• Natureza da Evidência Social: O coeficiente para a variabilidade das ações do parceiro foi significativamente negativo. Isso indica que os animais acumulam evidências baseadas na previsibilidade do parceiro. Ações mais ruidosas/variáveis (baixa previsibilidade) reduziam a taxa de deriva (drift rate), tornando a decisão mais lenta e difícil.
• Representação Holística: A decisão não dependia de uma única variável (como a velocidade do parceiro), mas de uma representação multidimensional holística das ações do parceiro (PC1).

B. Correlatos Neurais no dmPFC

• Seletividade Mista e Preditiva: O dmPFC contém uma subpopulação significativa de neurônios "triples-encoding" que codificam simultaneamente a ação própria, o olhar e as ações do parceiro. Crucialmente, essa subpopulação era enriquecida em sinais preditivos (ocorrendo antes da ação), sugerindo um papel na antecipação e planejamento, e não apenas na reação.
• Mapeamento para Parâmetros do DDM:
  • Taxa de Deriva (Drift Rate - $v$): A inclinação (slope) da atividade de disparo pré-pull (ramping) dos neurônios do dmPFC mapeava diretamente para a taxa de deriva do modelo. Inclinações mais íngremes correspondiam a tempos de resposta mais rápidos e maior evidência social.
  • Ponto de Partida (Starting Point - $z$): A taxa de disparo basal (durante o tempo não decisório) mapeava para o viés inicial. Este viés era modulado pelo resultado da tentativa anterior: falhas anteriores aumentavam a taxa basal, sugerindo um ajuste motivacional ou de alerta pós-erro.
• Dinâmica Populacional: A geometria das trajetórias neurais populacionais (medida pela tortuosidade) correlacionava-se negativamente com a força da evidência social. Trajetórias mais diretas (menos variáveis) estavam associadas a maior evidência social e ocorriam predominantemente em tentativas bem-sucedidas. Em tentativas falhas, essa relação desaparecia.

4. Significado e Conclusão

Este estudo estabelece um mecanismo neural multi-nível para a cooperação em primatas:

1. Validação de um Mecanismo Canônico: Demonstra que a acumulação de evidências, um princípio computacional clássico da neurociência da decisão, é o mecanismo subjacente à tomada de decisão social complexa em contextos naturais.
2. Papel do dmPFC: Identifica o dmPFC como um nó central que integra informações sociais ativamente amostradas (via olhar) com o planejamento da própria ação, transformando essas pistas em variáveis de decisão.
3. Ativação Ativa vs. Passiva: Destaca que a integração de informações sociais não é passiva; ela é "gated" (controlada) pelo olhar ativo, permitindo que o cérebro filtre e integre apenas as informações relevantes no momento certo.
4. Implicações Futuras: O framework metodológico (gravações sem fio em animais livres + modelagem computacional) oferece uma nova via para estudar déficits sociais em psiquiatria e para projetar sistemas de inteligência artificial cooperativa mais robustos.

Em resumo, o trabalho revela como o cérebro de primatas transforma a observação ativa de um parceiro social em uma decisão coordenada, utilizando um processo de acumulação de evidências dinâmico e dependente do contexto, codificado diretamente na atividade de rampa e na geometria das trajetórias do dmPFC.