Predictive perception via simultaneous learning and inference

Os seres humanos navegam em um mundo que raramente é claro. Ouvimos conversas em salas lotadas, reconhecemos rostos em sombras mutáveis e damos sentido à música mesmo quando o sinal é fraco. Para fazer isso, nossos cérebros não apenas registram o que atinge nossos sentidos; eles adivinham ativamente o que está lá fora, combinando os dados ruidosos que recebemos com o que já esperamos encontrar. Essa ideia, frequentemente chamada de hipótese do cérebro bayesiano, sugere que a percepção é uma forma de constante adivinhação e verificação. No entanto, um grande enigma permaneceu: como o cérebro realiza esses cálculos complexos em tempo real? O mundo natural é vasto e contínuo, e calcular a probabilidade exata de cada estado possível em um espaço como esse é matematicamente impossível para qualquer máquina, quanto mais para uma biológica. Por décadas, cientistas tentaram resolver isso assumindo que o cérebro simplifica o problema de maneiras específicas, seja forçando seus palpites em formas simples e nítidas ou tomando milhares de amostras aleatórias para aproximar a resposta.

Um novo estudo propõe um caminho diferente, um que evita a necessidade dessas simplificações complexas. Em vez de simplificar os palpites do cérebro, os pesquisadores sugerem que o cérebro pode estar simplificando o mundo sobre o qual está adivinhando. Eles argumentam que a percepção frequentemente funciona categorizando a entrada contínua em estados distintos e separados, tal como ouvimos uma melodia como uma série de notas específicas em vez de uma escala deslizante de frequências. Ao tratar o ambiente como um conjunto de passos discretos em vez de um fluxo suave e infinito, o cérebro pode realizar cálculos exatos e perfeitos sem precisar de aproximações. Os pesquisadores construíram um modelo computacional para testar essa ideia, mostrando que um sistema que aprende as regras de como esses estados mudam, enquanto simultaneamente descobre em qual estado se encontra, pode replicar o comportamento humano em situações ruidosas. Essa abordagem sugere que o cérebro pode não precisar ser um mestre de estatísticas complexas para ser um mestre da percepção; ele pode apenas precisar conhecer as regras do jogo e atualizá-las enquanto joga.

Os pesquisadores, liderados por Mahdi Enan e colegas da Universidade de Maastricht, desenvolveram um modelo que chamam de SLIM, que significa Modelo de Aprendizado e Inferência Simultâneos (Simultaneous Learning and Inference Model). A essência de sua ideia é uma mudança em onde reside a complexidade. Em teorias anteriores, pensava-se que o céreão lutava contra a magnitude do número de possibilidades no mundo, por isso precisava restringir suas próprias crenças para fazer a matemática funcionar. O SLIM inverte esse roteiro. Ele assume que o mundo é feito de um número finito de estados, o que torna a matemática de descobrir o estado atual perfeitamente solucionável. O desafio passa a ser aprender como o mundo se move de um estado para o próximo. O modelo faz isso usando uma regra simples e local para atualizar seu mapa interno dessas transições toda vez que faz um palpite. Ele aprende com suas próprias inferências, não apenas de dados sensoriais brutos, permitindo que se adapte quando as regras do ambiente mudam.

Para ver se essa teoria se sustentava, a equipe realizou uma série de simulações computacionais. Eles criaram ambientes virtuais onde as regras de movimento eram ou fixas e previsíveis ou aleatórias e mutáveis. Em seguida, alimentaram o modelo com sinais ruidosos, mimetizando os dados imperfeitos que nossos sentidos recebem. Os resultados foram impressionantes. O modelo aprendeu com sucesso os padrões subjacentes do ambiente, mesmo quando a entrada sensorial estava fortemente distorcida. Quando o ambiente mudava subitamente de um padrão previsível para um caótico, o modelo se adaptava rapidamente, com sua incerteza interna subindo para corresponder à nova realidade. Crucialmente, o modelo conseguia continuar funcionando e fazendo previsões precisas mesmo quando a entrada sensorial tornava-se completamente inútil, baseando-se inteiramente em suas expectativas aprendidas. Isso demonstrou que o sistema podia manter uma visão estável do mundo ao confiar em seu modelo interno quando o mundo exterior silenciava.

Os pesquisadores também testaram se esse arcabouço simples poderia capturar a capacidade do cérebro de lidar com diferentes escalas de tempo. No mundo real, percebemos padrões imediatos, como uma batida de tambor, mas também estruturas mais longas, como o ritmo de uma música. A equipe construiu uma versão hierárquica de seu modelo, com uma camada aprendendo transições de curto prazo e outra camada aprendendo padrões de longo prazo. Quando apresentaram ao modelo sequências que seguiam uma regra local, mas violavam uma regra global, o modelo produziu sinais de erro distintos em cada nível, espelhando como o cérebro humano responde a surpresas locais versus globais. Isso sugeriu que o mesmo mecanismo básico de aprendizado e inferência poderia explicar a percepção complexa e de múltiplas camadas sem a necessidade de sistemas separados e especializados para diferentes escalas de tempo.

Para ir além das simulações, a equipe aplicou seu modelo a dados humanos reais de dois experimentos auditivos. No primeiro estudo, os participantes ouviram um tom específico escondido em um ruído de fundo. Às vezes, um som precedente dava uma pista sobre qual tom viria a seguir e, às vezes, não dava. Sabe-se que os humanos detectam tons esperados de forma mais rápida e precisa do que os inesperados. O modelo SLIM, ajustado aos participantes individuais, reproduziu esse comportamento perfeitamente. Ele mostrou taxas de acerto ("hit rates") mais altas para tons esperados e tempos de reação mais longos para tons inesperados, exatamente como as pessoas no estudo. O modelo também gerou uma medida de "surpresa" que se correlacionava com o tempo que os participantes levavam para responder, sugerindo que a sensação de surpresa é um subproduto direto da tentativa do cérebro de atualizar seu modelo interno.

O segundo experimento adicionou uma camada de complexidade ao introduzir uma pista ambígua — um som que não dava nenhuma pista sobre o que viria a seguir. Isso permitiu que os pesquisadores separassem os benefícios da expectativa dos custos da surpresa. Novamente, o modelo coincidiu com os dados humanos. Os participantes tiveram o melhor desempenho quando tinham uma expectativa clara, o pior quando não tinham expectativa, e um desempenho intermediário quando a pista era ambígua. Os cálculos internos do modelo de expectativa e surpresa acompanharam essas mudanças comportamentais com alta precisão. Ao analisar os dados, os pesquisadores descobriram que a medida do modelo sobre o quão surpreendente era um som, baseada no que havia aprendido a esperar, podia explicar as diferenças individuais na capacidade das pessoas de detectar os tons. Isso forneceu evidências sólidas de que a habilidade do cérebro de aprender a estrutura estatística de seu ambiente é o motor principal dessas vantagens perceptivas.

O estudo desafia a visão predominante de que o cérebro deve depender de métodos complexos e aproximados para lidar com a incerteza do mundo. Em vez disso, sugere que, ao tratar a percepção como um processo de categorizar o mundo em estados discretos, o c na pode realizar cálculos exatos usando regras de aprendizado simples e locais. Essa abordagem não exige que o cérebro assuma uma forma específica para suas crenças ou que execute milhares de amostragens aleatórias para encontrar a resposta. Ele simplesmente aprende as transições entre estados e as atualiza em tempo real. Embora o modelo funcione melhor em ambientes com um número gerenciável de estados, os pesquisadores argumentam que este arcabouço oferece uma explicação poderosa e biologicamente plausível de como navegamos em um mundo ruidoso. Mostra que a capacidade do cérebro de prever o futuro pode não vir de matemática complexa, mas de um processo simples e contínuo de aprender as regras do presente.