Heterogeneous self-couplings enable scale-invariant memory and cognitive flexibility without criticality

O cérebro humano é um mestre do tempo. Ele pode reagir a um súbito flash de luz em uma fração de segundo, mas também pode manter um pensamento complexo em mente por minutos ou tecer uma história que se desenrola ao longo de anos. Essa capacidade de operar em velocidades tão vastamente diferentes não é um erro; é uma característica fundamental de como pensamos, aprendemos e nos adaptamos. Durante décadas, cientistas se perguntaram como uma rede de bilhões de neurônios consegue acompanhar eventos do passado distante enquanto ainda responde ao momento presente. Uma teoria proeminente sugeria que o cérebro deve constantemente pairar na borda de uma linha tênue entre a ordem e o caos, um estado conhecido como criticidade, para alcançar essa flexibilidade. No entanto, novas pesquisas desafiam essa visão de longa data, propondo que o cérebro pode alcançar sua notável contagem de tempo e adaptabilidade através de um mecanismo mais simples e robusto: uma diversidade de velocidades integrada em seus próprios circuitos.

Em um estudo publicado em outubro de 2026, os pesquisadores Francesco Damiani, Gabriele Di Antonio e seus colegas da Universidade Pompeu Fabra e do Istituto Superiore di Sanità, em Roma, exploraram essa possibilidade usando um modelo computacional de uma rede neural. Eles construíram um sistema que imita a estrutura do cérebro, mas introduziram um tipo específico de variação: em vez de cada parte da rede se comportar exatamente da mesma forma, eles deram a cada unidade uma força diferente de autoconexão. Na linguagem do modelo, algumas unidades estão fortemente conectadas a si mesmas, tornando-as lentas para mudar seu estado, enquanto outras estão fracamente conectadas, permitindo que reajam rapidamente. A equipe descobriu que essa simples mistura de unidades rápidas e lentas foi suficiente para criar um sistema que lembra o passado em uma ampla gama de escalas de tempo, sem precisar ser ajustado a uma borda crítica.

Os pesquisadores descobriram que, quando essas unidades são organizadas com a mistura certa de autoconexões, a memória da rede não desaparece de uma forma previsível e uniforme. Em vez disso, a memória de entradas passadas decai lenta e constantemente, seguindo um padrão onde a informação do passado distante ainda exerce uma influência tênue no presente. Isso é o que os cientistas chamam de memória invariante de escala. Significa que o sistema pode lidar com informações que chegam em qualquer velocidade, seja uma série rápida de cliques ou uma conversa lenta e prolongada, sem precisar ser reconfigurado. O modelo mostrou que esse decaimento de memória em lei de potência, frequentemente visto na atividade cerebral real, pode emergir naturalmente da diversidade das conexões internas da rede, em vez de exigir que todo o sistema seja equilibrado precariamente no limiar do caos.

Para testar se essa memória era realmente útil, a equipe submeteu seu modelo a uma série de desafios cognitivos. Primeiro, deram a ele uma tarefa de memória de curto prazo, na qual deveria lembrar uma sequência de seis sinais diferentes apresentados em velocidades variadas. Uma rede padrão, onde todas as partes são idênticas, teve dificuldades conforme os sinais vinham mais rápidos ou mais lentos, esquecendo rapidamente o que havia visto. Uma rede ajustada para a borda da estabilidade teve um desempenho melhor, mas era frágil. Em contraste, o modelo com diversas autoconexões lembrou a sequência de forma robusta, independentemente do tempo. Ele conseguiu manter o primeiro sinal tão bem quanto o último, mesmo quando os intervalos entre eles eram vinte vezes mais longos que a velocidade de uma única unidade. Isso demonstrou que a mistura de velocidades permitiu que a rede mantivesse um registro estável do passado sem perder sua capacidade de reagir ao agora.

Os pesquisadores levaram o teste um passo adiante, pedindo ao modelo que resolvesse um clássico enigma de flexibilidade cognitiva conhecido como Teste de Classificação de Cartas de Wisconsin. Nesta tarefa, uma pessoa deve classificar cartas com base em uma regra, como combinar por cor ou por forma. A regra muda inesperadamente, e a pessoa deve descobrir a nova regra com base no feedback, como um sinal de erro. Isso requer manter o contexto atual em mente enquanto se está pronto para mudar de marcha instantaneamente. O modelo teve sucesso nesta tarefa ao usar suas unidades rápidas para tomar decisões imediatas baseadas nas cartas que via, enquanto suas unidades lentas, com autoconexão, atuavam como um reservatório estável para manter a regra atual em mente. Quando ocorria um erro, a rede podia mudar seu estado interno para um novo "atrator", efetivamente mudando sua regra sem a necessidade de reestruturar toda a sua arquitetura.

Uma parte crucial do estudo foi comparar essa abordagem com outras formas de criar diferentes velocidades em uma rede. A equipe construiu um segundo modelo onde as unidades tinham velocidades diferentes porque foram construídas com constantes de tempo distintas, uma forma comum de simular diversidade. Embora este segundo modelo também pudesse resolver o enigma, ele exigiu mudanças muito maiores e mais drásticas em suas conexões para aprender as regras. O modelo com diversas autoconexões, no entanto, aprendeu a tarefa com apenas pequenos ajustes em sua estrutura existente. Isso sugere que ter um cenário integrado de diferentes velocidades e estados estáveis é uma maneira mais eficiente para um sistema aprender e se adaptar. Permite que a rede recrute capacidades pré-existentes em vez de construir novas do zero toda vez que uma situação muda.

As descobertas também lançam luz sobre um grande debate na neurociência em relação à criticidade. Por anos, muitos cientistas acreditaram que, para um cérebro ser flexível e poderoso, ele deve operar próximo a um ponto crítico, um estado onde está perfeitamente equilibrado entre ser muito rígido e muito caótico. As novas simulações sugerem que isso não é estritamente necessário. Os pesquisadores mostraram que seu modelo permanecia em um estado subcrítico estável — significando que estava seguramente longe do caos — mas ainda assim produzia a dinâmica complexa e livre de escala e o comportamento flexível que se pensava serem fontes exclusivas da criticidade. Isso implica que o cérebro pode não precisar caminhar em uma corda bamba para funcionar bem; em vez disso, pode contar com a rica e variada dinâmica criada pela sua própria diversidade estrutural.

O estudo oferece uma nova maneira de pensar sobre como o c completo é organizado. Sugere que o córtex pode ser uma hierarquia de redes, onde níveis inferiores lidam com entradas sensoriais rápidas e imediatas e níveis superiores lidam com contextos lentos e complexos. Essa hierarquia poderia surgir simplesmente porque a força das autoconexões aumenta à medida que você sobe na cadeia de processamento do cérebro. As áreas mais altas teriam naturalmente mais unidades lentas e estáveis, capazes de manter ideias e regras abstratas, enquanto as áreas mais baixas teriam unidades mais rápidas para reações rápidas. Este único princípio de variar as autoconexões poderia explicar tanto a capacidade do cérebro de integrar informações ao longo de períodos longos quanto sua capacidade de pensamento complexo e abstrato.

Em última análise, este trabalho fornece uma alternativa convincente à ideia de que o poder do cérebro vem de um delicado equilíbrio de caos. Em vez disso, aponta para a força da diversidade. Ao simplesmente possuir partes que se movem em diferentes velocidades e retêm informações por diferentes períodos de tempo, uma rede neural pode desenvolver naturalmente a habilidade de lembrar o passado, adaptar-se a novas regras e processar informações em múltiplas escalas de tempo. As simulações dos pesquisadores mostram que esse mecanismo é robusto, eficiente e capaz de sustentar o tipo de comportamento flexível que define a vida inteligente, tudo isso sem a necessidade de o sistema ser ajustado a uma borda crítica. O cérebro, ao que parece, é menos como um equilibrista em uma corda bamba e mais como um coro de vozes, cada uma cantando no seu próprio ritmo, criando uma harmonia que é ao mesmo tempo estável e infinitamente adaptável.