Como a IA pode ajudar a descobrir como funciona a memória

Nos últimos anos, a inteligência artificial – ou IA – começou a revolucionar o mundo como o conhecemos: algumas pessoas agora pedem aos chatbots baseados em IA para escrever ensaios e resumir documentos, outras usam assistentes virtuais com tecnologia de IA para enviar mensagens e controlar dispositivos domésticos inteligentes, outros aproveitam a tecnologia para descoberta e desenvolvimento de medicamentos. O neurocientista computacional Friedemann Zenke usa IA para interrogar como o cérebro funciona.

Em um estudo publicado em Neurociência da Natureza, pesquisadores liderados por Zenke – líder do FMI – investigaram como grupos específicos de neurônios ajustam suas conexões em resposta a estímulos externos. O trabalho pode ajudar os neurocientistas a compreender como os neurônios sensoriais, que transportam informações sobre as mudanças no ambiente, dão sentido ao mundo externo.

Zenke e seus colegas usam ferramentas e teorias matemáticas para estudar como as redes de neurônios no cérebro trabalham juntas para aprender e armazenar memórias. Ao desenvolver abordagens para lidar com a complexidade do cérebro humano, a equipe de Zenke cria modelos de redes de neurônios baseados em IA que podem nos dizer coisas úteis sobre o órgão real.

“Todo mundo tem um cérebro, mas não entendemos realmente como ele funciona”, diz Zenke. “Em última análise, nosso objetivo é adquirir alguma forma de compreensão – isso porque antes de chegarmos à doença, temos que entender como funciona o sistema saudável.”

Modelos da mente

Zenke teve um vislumbre antecipado de como seria uma carreira científica. Seu pai, que é biólogo celular, apresentou-o desde cedo ao ambiente de um laboratório biomédico. Durante os finais de semana e férias escolares, Zenke costumava ir trabalhar com o pai. “Lembro-me com carinho de ter colocado o dedo no Vortex quando era criança”, diz Zenke. “Mas mesmo naquela época, eu estava mais fascinado pelos computadores do laboratório.”

Zenke finalmente começou a estudar física e, no final de 2000, passou a trabalhar no ramo da ciência física que investiga os blocos fundamentais da matéria. Embora Zenke achasse o campo fascinante, os prazos dos experimentos eram muito longos. Ele esperava que sua pesquisa pudesse ter um impacto mais imediato.

O florescente campo da neurociência computacional, percebeu ele, estava provocando avanços vertiginosos em nossa compreensão do cérebro. “Foi isso que me fez mudar”, diz ele. Outro aspecto que atraiu Zenke para a neurociência é a sua complexidade. “É provavelmente um dos tópicos de pesquisa mais complexos do momento e requer uma abordagem diversificada”.

Depois de criar o seu próprio grupo no FMI, Zenke começou a estudar como os neurónios individuais contribuem para a formação de memórias – um processo que desempenha um papel vital na aprendizagem, na resolução de problemas e na identidade pessoal. Quando vemos alguém pela primeira vez, por exemplo, o cérebro ativa grupos específicos de neurônios, resultando em um padrão único de atividade neuronal que ajuda a criar uma memória.

Mas a única informação que um neurônio individual possui sobre o mundo externo está na forma de picos elétricos que ele recebe de — e depois transmite para — outros neurônios. “Como um único neurônio contribui para esse cálculo para a memória e o reconhecimento, por exemplo, de alguém que você conheceu?” Zenke diz.

Os pesquisadores de seu grupo abordam essa questão usando diversas abordagens da matemática, ciência da computação e física. As memórias são criadas por mudanças em grupos de neurônios e nas conexões, ou sinapses, entre eles. Assim, os pesquisadores simulam esses grupos de neurônios, ou redes neurais, no computador. Depois, usam abordagens da física para obter uma compreensão teórica do que está acontecendo nas redes. “A física traz o poder da abstração – tentar resumir um problema ao mínimo, às partes mais simples que você pode entender”, diz Zenke.

Mas no cérebro, centenas ou milhares de neurónios interagem para formar memórias e, por vezes, abordagens puramente analíticas não são suficientes para compreender como estas células computam a informação. É aí que os pesquisadores recorrem a métodos de aprendizado de máquina para gerar simulações em grande escala. Uma dessas tecnologias é a aprendizagem profunda, que tem sido utilizada em muitos avanços recentes da inteligência artificial, incluindo a condução autónoma.

O aprendizado profundo é baseado em redes neurais que imitam o processamento de informações do cérebro humano, permitindo-lhe “aprender” com grandes quantidades de dados. “Uma rede neural por si só não faz nada de útil, ela só começa a fazer algo útil quando você a treina com um algoritmo”, diz Zenke.

À medida que o algoritmo “alimenta” dados para a rede neural, as conexões dentro da rede mudam, levando a um modelo mais complexo. Esses modelos de redes neurais permitem que os neurocientistas computacionais explorem questões sobre como o cérebro funciona, semelhante ao que os biólogos fazem com os animais vivos.

Circuitos neuronais in-silico

Se os pesquisadores conseguirem projetar modelos de redes neurais com desempenho semelhante ao do cérebro, isso poderá oferecer uma explicação de como o órgão real computa informações e armazena memórias, diz Zenke.

Nos últimos anos, sua equipe desenvolveu descrições matemáticas de como as sinapses mudam através da experiência. Os pesquisadores treinaram uma rede neural de picos, que imita os picos elétricos que os neurônios usam para se comunicarem entre si, e descobriram que essa rede tem algumas semelhanças notáveis ​​com o funcionamento de cérebros reais.

Por exemplo, experiências em modelos animais mostraram que o equilíbrio adequado dos sinais eléctricos excitatórios e inibitórios permite que os neurónios sejam activos em algumas circunstâncias e silenciados noutras. Quando a equipe de Zenke treinou a rede neural para realizar uma tarefa específica – por exemplo, reconhecer palavras faladas de uma frase – os neurônios artificiais da rede desenvolveram um equilíbrio entre entradas excitatórias e inibitórias, sem serem instruídos a fazê-lo. “É aí que o círculo se fecha: o modelo atinge um equilíbrio que podemos encontrar na biologia”, diz ele.

No seu último estudo, Zenke e seus colegas perguntaram como as redes sensoriais representam o mundo externo na atividade neuronal. As redes sensoriais no cérebro normalmente atualizam as suas conexões em resposta a estímulos externos, mas as redes neurais artificiais não o fazem – a menos que dados específicos sejam inseridos nos algoritmos para prever resultados. Os pesquisadores encontraram uma solução simples para esse problema ajustando algumas regras de aprendizagem que ajudam a rede artificial a aprender com as condições existentes.

As regras de aprendizagem anteriores foram derivadas de dados experimentais, mas faltava um aspecto fundamental: a previsão. Assim, a equipe de Zenke desenvolveu regras de aprendizagem que tentam prever futuras entradas sensoriais para cada neurônio. “Esse é o ingrediente chave que parece mudar tudo sobre o que estas redes podem fazer”, diz Zenke. As descobertas podem ajudar os neurocientistas a compreender muitos resultados experimentais obtidos em modelos animais.

No futuro, Zenke planeia criar redes maiores a partir de circuitos neurais conectados – um princípio de design utilizado pelo cérebro – para investigar como os órgãos reais modelam o mundo exterior, por exemplo, para tomar decisões ou avaliar as ações de outras pessoas.

A combinação de circuitos neurais em grandes redes dará aos modelos artificiais uma forma rudimentar de comportamento, o que permitiria a Zenke comparar modelos artificiais com descobertas experimentais de outros pesquisadores, incluindo neurobiólogos do FMI que trabalham com modelos animais. As previsões geradas por modelos alimentados por IA também poderiam ser testadas em animais vivos, fornecendo aos neurocientistas ferramentas adicionais para explorar como o cérebro funciona e encorajando avanços que de outra forma levariam décadas.

“No FMI e em Basileia, temos uma excelente comunidade de neurociências de circuito que proporciona uma atmosfera vibrante e colaborativa”, diz Zenke. “É um lugar fantástico para fazer esse tipo de pesquisa.”