A Drosophila connectome prior enables adaptable embodied control
Este estudo demonstra que o uso do conectoma cerebral de *Drosophila* adulta como um prior estrutural fixo para o controle incorporado permite uma adaptabilidade e robustez superiores através de diversas tarefas de locomoção, morfologias corporais e complexidades ambientais em comparação com redes neurais artificiais padrão.
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 inteligência não é apenas algo que acontece dentro de um cérebro; é uma conversa entre um corpo e o mundo. Para um animal se mover, seu sistema nervoso deve constantemente traduzir o que ele sente e vê em ações que o mantenham equilibrado e avançando. Esse processo, conhecido como controle incorporado, é incrivelmente difícil porque o mundo nunca é estático. Uma criatura deve ajustar seus passos quando o chão se torna irregular, virar bruscamente quando um predador aparece ou acelerar quando sente alimento. Embora engenheiros tenham construído robôs que podem caminhar sobre terrenos acidentados, eles frequentemente dependem de programas de computador complexos que são treinados especificamente para um formato de corpo ou um tipo de ambiente. Se você mudar as pernas do robô ou a textura do chão, o programa muitas vezes falha. Isso levanta uma questão fundamental para os cientistas: será que a maneira específica como um sistema nervoso biológico é conectado confere a ele uma habilidade especial de adaptação que os sistemas artificiais não possuem? Para descobrir, pesquisadores recorreram à mosca-das-frutas, uma criatura cujo sistema nervoso foi mapeado com detalhes minuciosos, até cada conexão entre suas células nervosas.
Os pesquisadores pegaram o mapa completo de conexões do cérebro de uma mosca-das-frutas adulta, conhecido como conectoma, e o usaram como o "cérebro" fixo para uma simulação computacional de uma mosca digital. Esta mosca digital tinha um corpo com seis pernas, sensores para sentir o chão e músculos para se mover. A equipe não reconfigurou o mapa cerebral; em vez disso, mantiveram as conexões exatamente como são na natureza e apenas ensinaram a mosca a ler seus sensores e a enviar sinais para seus músculos. Eles então submeteram essa mosca digital a uma série de testes, pedindo que ela caminhasse em terreno plano, escalasse blocos de altura crescente, virasse em diferentes direções e mudasse sua velocidade. Eles compararam essa mosca, que utilizava o mapa cerebral natural, contra uma mosca digital controlada por um programa de inteligência artificial padrão projetado para aprender do zero.
Quando as moscas caminhavam em terreno plano a uma velocidade constante, ambas desempenhavam igualmente bem. Isso mostrou que o mapa cerebral natural não era inerentemente superior para tarefas simples e imutáveis. No entanto, no momento em que a situação mudava, a diferença tornava-se clara. Quando a mosca digital teve que subir blocos de quase meio milímetro de altura, a mosca com o mapa cerebral natural atravessou-os com sucesso muito mais vezes do que a artificial. Ela também se moveu de forma mais suave, com menos movimentos bruscos, e foi melhor em acompanhar mudanças de velocidade, como quando solicitada a acelerar ou desacelerar em um padrão específico. Quando a mosca precisava virar, o mapa cerebral natural permitia que ela reorientasse seu corpo de forma mais precisa e com menos movimento desperdiçado. O programa artificial lutava para fazer esses ajustes, muitas vezes ultrapassando o alvo ou perdendo o equilíbrio.
Para entender por que o mapa natural funcionou melhor, os pesquisadores olharam dentro da simulação para ver como a informação fluía. Eles descobriram que, quando a mosca encontrava um obstáculo difícil, o mapa cerebral natural ativava espontaneamente vias específicas que conectavam os sensores das pernas aos comandos motores. Essas vias, que incluem neurônios que carregam sinais ascendentes do corpo e outros que carregam comandos descendentes do cérebro, pareciam trabalhar juntas de uma forma coordenada que o programa artificial não conseguia replicar. O sistema natural parecia possuir uma flexibilidade intrínseca, permitindo recrutar as partes certas da rede para a tarefa em questão sem precisar ser explicitamente instruído para isso. Além disso, os pesquisadores descobriram que o mapa cerebral natural era mais robusto a pequenos erros ou mudanças em suas configurações, sugerindo que sua estrutura cria uma base estável para o aprendizado de novos comportamentos.
A parte mais impressionante do estudo veio quando os pesquisadores testaram se essa vantagem se mantinha quando o próprio corpo mudava. Eles pegaram o exato mesmo mapa cerebral fixo da mosca e o conectaram aos corpos de animais simulados muito diferentes: uma formiga de quatro pernas, um robô de duas pernas, um tripé de três pernas e um hexápode de seis pernas. Em todos os casos, o mapa cerebral que evoluiu para uma mosca ajudou os novos corpos a se moverem melhor do que os programas artificiais. A vantagem foi especialmente clara quando os animais tinham que navegar em labirintos complexos. À medida que os labirintos se tornavam mais difíceis, com mais curvas e becos sem saída, o controlador baseado no cérebro da mosca tornava-se cada vez melhor em encontrar o caminho em comparação com os controladores artificiais. Mesmo que o cérebro da mosca fosse projetado para um inseto de seis pernas, ele ajudou um robô de duas pernas a manter-se em pé e uma formiga de quatro pernas a correr mais rápido e de forma mais direta. O estudo sugere que a conexão específica do cérebro da mosca contém um princípio geral de adaptabilidade que pode ser transferido através de diferentes formatos de corpo.
Este trabalho não afirma que podemos simplesmente copiar o cérebro de uma mosca e colocá-lo em qualquer robô. As simulações mostraram que a fiação natural fornece um ponto de partida forte, ou um "prior", que torna o aprendizado de novos movimentos mais fácil e confiável. Os programas artificiais ainda precisavam aprender a ler os sensores e mover os músculos de seus novos corpos, mas aprenderam muito mais rápido e desempenharam melhor quando começaram com o mapa cerebral da mosca do que quando começaram do zero. Os resultados sugerem que a evolução moldou os sistemas nervosos não apenas para realizar tarefas específicas, mas para fornecer uma estrutura flexível que possa lidar com as mudanças inesperadas do mundo real. Ao usar o cérebro da mosca-das-frutas como guia, os pesquisadores demonstraram que a maneira como os neurônios estão conectados importa tanto quanto os próprios neurônios, oferecendo um novo modelo para construir máquinas que possam se adaptar a um mundo em constante mudança.
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.