Born wired: innate cortical connectivity plus local plasticity is enough to stand, walk and look
Este artigo demonstra que um quadrúpede simulado pode ficar de pé, caminhar em direção a alvos visuais e exibir rastreamento de olhar usando apenas fiação cortical inata e plasticidade baseada em correlação local, sem quaisquer sinais de recompensa globais, gradientes ou loops de treinamento.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo
A maior parte do que consideramos "aprendizado" na inteligência artificial envolve um sistema tentando milhões de variações, falhando e ajustando lentamente suas configurações internas até finalmente obter a resposta correta. É um processo de tentativa e erro, guiado por um objetivo global, como um estudante memorizando um livro didático ao repetir capítulos até que as respostas fixem. Mas a natureza não parece funcionar dessa maneira. Um animal recém-nascido não começa com uma folha em branco; ele chega com um corpo que sabe como ficar de pé e olhos que sabem como rastrear. Isso levanta uma questão fundamental para os cientistas que estudam como o cérebro funciona: quanto do nosso comportamento é verdadeiramente aprendido e quanto está simplesmente incorporado na fiação desde o início? A visão predominante na aprendizagem de máquina moderna sugere que o comportamento complexo requer uma quantidade massiva de dados de treinamento e um ciclo de feedback constante para corrigir erros. No entanto, uma nova linha de investigação questiona se um cérebro poderia nascer com um mapa de conexões pré-desenhado, onde a única regra para a mudança é uma observação simples e local de quais neurônios disparam juntos, sem qualquer necessidade de um professor ou de uma pontuação global.
Um pesquisador chamado Zhiwen Li construiu um cérebro digital para testar exatamente essa ideia. Em vez de treinar um sistema do zero, eles construíram um cérebro simulado com quase 144.000 neurônios e mais de 300.000 conexões específicas que estavam presentes desde o primeiro momento de sua existência. Essas conexões iniciais, que o autor chama de "tabela de instintos", não eram aleatórias; elas foram cuidadosamente projetadas para ligar entradas sensoriais, como ver uma forma vermelha ou sentir o corpo deitado, diretamente a saídas motoras, como os músculos necessários para levantar ou caminhar. Crucialmente, este sistema não tinha um sinal de recompensa, nenhum erro de correção e nenhum ciclo de treinamento. Ele foi simplesmente colocado em um mundo simulado com um corpo de robô de quatro pernas e recebeu a instrução de sobreviver. O resultado foi imediato e surpreendente: quando colocado de barriga para baixo, o robô levantou-se sozinho. Quando mostrado um objeto vermelho, ele caminhou em direção a ele. Essas ações não foram aprendidas através da repetição; foram o resultado direto das conexções pré-programadas disparando na sequência correta.
O experimento foi além para provar que esses comportamentos não eram acidentais. Quando os pesquisadores removeram totalmente a entrada sensorial, o robô colapsou, provando que o comportamento dependia do processamento de informações em tempo real pelo cérebro. Quando eles apagaram as conexões de "instinto" específicas, mas deixaram a fiação de fundo aleatória intacta, o robô não conseguiu nem levantar nem caminhar, confirmando que o comportamento vinha do mapa pré-especificado, e não do acaso. O estudo também mostrou que partes específicas do cérebro eram responsáveis por ações específicas. Ao silenciar um grande grupo de neurônios na área pré-frontal — a parte do cérebro frequentemente associada ao planejamento e tomada de decisão — os pesquisadores descobriram que o robô ainda conseguia reagir a uma tela azul, mas perdeu completamente a capacidade de caminhar em direção a um objeto vermelho. Isso demonstrou que o "pensamento" de caminhar em direção ao objeto vermelho era um padrão específico de atividade naquele grupo de células e, sem ele, o comportamento desaparecia, embora os reflexos básicos permanecessem.
Talvez a descoberta mais impressionante tenha sido que este sistema pôde aprender uma nova habilidade durante sua vida sem qualquer professor externo. Os pesquisadores adicionaram um pequeno grupo de células que agiam como um sinal de recompensa. Quando o robô estava de pé e via um objeto vermelho enquanto ouvia um som específico, esse sinal disparava. Naquele momento, a regra local de mudança do céreio entrou em ação: ela fortaleceu a conexão entre as células que estavam ativas pouco antes do som e as células que estavam ativas quando o som aconteceu. Após esse único evento, o robô aprendeu a caminhar em direção ao objeto vermelho apenas ao ouvir o som, mesmo quando o objeto não estava visível. Esta nova habilidade foi escrita na fiação do cérebro em tempo real, impulsionada apenas pela coincidência de eventos e pela presença do sinal de recompensa, sem que nenhuma função de objetivo global guiasse o processo.
No entanto, o estudo também revelou os limites dessa abordagem. Embora o robô pudesse aprender a caminhar, ele tinha dificuldade em manter-se ereto por longos períodos quando o sinal de recompensa estava ativo por muito tempo. Os loops internos que permitiam ao cérebro manter um pensamento ou um plano também faziam com que ele acumulasse atividade excessiva, eventualmente fazendo o robô tombar. Isso sugere que, embora um cérebro pré-programado com regras locais simples possa gerar comportamentos complexos e até aprender novas associações, ele ainda precisa de uma maneira de esquecer ou reiniciar, um mecanismo que o modelo atual carece. Os pesquisadores também observaram que a própria "tabela de instintos" foi construída usando dados de um sistema de aprendizagem de máquina previamente treinado, o que significa que o repertório inicial de movimentos foi destilado de uma política aprendida antes mesmo de o cérebro ser criado. Essa admissão destaca que o sistema não inventou o caminhar do nada; ele herdou uma biblioteca de movimentos e aprendeu como acioná-los em novos contextos.
O trabalho desafia a ideia de que a inteligência requer um processo de otimização massivo e descendente (top-down). Em vez disso, sugere que uma parte significativa do que um organismo faz é determinada pela arquitetura específica com a qual ele nasce. O cérebro não é um computador vazio esperando por software; é uma máquina com um sistema operacional pré-instalado que pode ser atualizado localmente conforme interage com o mundo. O estudo mostra que, com as conexões iniciais corretas, um sistema pode levantar-se, caminhar e olhar sem nunca ser instruído sobre o que é uma resposta "correta". Não se afirma ter resolvido o mistério da inteligência geral, mas oferece uma demonstração concreta de que o comportamento complexo e direcionado a objetivos pode emergir de um conjunto fixo de regras e de um mecanismo de aprendizagem local simples, desde que a fiação inicial seja a correta. As descobertas sugerem que a escassez na inteligência biológica pode não estar na capacidade de aprender, mas na estrutura inicial que torna o aprendizado possível em primeiro lugar.
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.