IA reconhece objetos com atalhos diferentes do cérebro
Crédito: clickpetroleoegas.com.br
Crédito: <a href="https://clickpetroleoegas.com.br/a-ia-funciona-como-o-cerebro-humano-novo-teste-mostra-que-maquinas-usam-atalhos-diferentes-para-reconhecer-objetos-rpc95/?utm_source=rss&utm_medium=rss&utm_campaign=a-ia-funciona-como-o-cerebro-humano-novo-teste-mostra-que-maquinas-usam-atalhos-diferentes-para-reconhecer-objetos-rpc95" rel="nofollow noopener noreferrer" target="_blank">clickpetroleoegas.com.br</a>

Uma equipe liderada pelo professor Kohitij Kar e pela pós-doutoranda Sabine Muzellec, da Universidade de York, decidiu inverter a lógica de uma década de pesquisas em neurociência computacional. Por dez anos, neurocientistas usaram redes neurais artificiais, que são programas criados para identificar padrões e objetos em fotos, para estudar a visão biológica. A aposta era simples: se o programa imita a resposta neural, ambos trabalham igual. Agora, o chamado teste de predição reversa revelou que essa semelhança é apenas superficial.

Como funciona o teste de predição reversa

Em vez de apenas observar se o computador antecipava o comportamento das células cerebrais, os cientistas fizeram o oposto. Mediram se os sinais reais registrados nos neurônios conseguiam explicar o que ocorria dentro dos sistemas computacionais. O experimento avaliou 1.320 fotos naturais e imagens sintéticas realistas com dez elementos conhecidos: urso, elefante, rosto, maçã, carro, cachorro, cadeira, avião, pássaro e zebra. Os itens apareciam em diferentes cenários internos e externos.

Os autores também adicionaram 300 imagens extras com os mesmos dez objetos em formatos distintos, incluindo contornos, desenhos, representações simplificadas e versões artísticas. O estudo foi publicado na revista científica Nature Machine Intelligence. Essa variedade de estímulos permitiu testar a robustez da relação entre máquina e biologia em múltiplos contextos visuais.

Resultados mostram falha no caminho inverso

Os resultados mostraram que a semelhança entre máquina e biologia acontece apenas na superfície. Os programas acertaram ao prever a atividade dos neurônios, células que transmitem sinais elétricos e químicos pelo sistema nervoso. No caminho inverso, porém, os dados biológicos falharam em prever boa parte dos mecanismos internos das máquinas. Quando os cientistas compararam neurônios de dois cérebros diferentes, essa falha não apareceu, provando que o problema está nos algoritmos.

“Embora os modelos de IA consigam prever os neurônios que registramos no cérebro de forma bastante precisa, o cérebro não consegue prever com a mesma precisão muitas das características internas do modelo”, explica Kohitij Kar. Na prática, o computador chega ao mesmo resultado visual usando atalhos e estratégias internas que a biologia não utiliza. O estudo apontou ainda que apenas as partes da IA alinhadas aos neurônios preveem bem o comportamento humano.

Impacto na pesquisa em neurociência

A descoberta exige cautela de cientistas que usam programas computacionais para planejar experimentos e investigar transtornos neurológicos ou psicológicos. Muitos estudos partem da ideia de que o computador processa dados exatamente como uma pessoa. Se a base tecnológica opera de modo distinto, conclusões sobre o comportamento humano podem sair distorcidas. Segundo Sabine Muzellec, modelos antes vistos como cópias fiéis dependem de componentes internos ausentes no cérebro de primatas.

O alerta também atinge outras frentes da neurociência. Algoritmos parecidos já auxiliam pesquisas sobre audição, linguagem e movimento corporal, áreas que agora precisam revisar o quanto essas ferramentas realmente explicam o sistema nervoso. A transição para uma abordagem mais crítica pode evitar interpretações equivocadas em estudos clínicos e experimentais.

Ajuste fino em vez de abandono

Os pesquisadores não defendem o abandono das redes neurais artificiais, mas o ajuste fino delas. Ao separar quais peças do código batem com os sinais biológicos, torna-se possível construir programas mais fiéis à realidade. O grupo de Kar aplica essa melhoria em pesquisas sobre o autismo. O trabalho usa modelos do cérebro neurotípico — termo que define padrões neurológicos considerados comuns na população — como referência para entender diferenças na percepção.

Com sistemas mais precisos, os cientistas esperam avançar no estudo de condições como o próprio autismo e o transtorno de estresse pós-traumático. O foco deixa de ser apenas acertar a resposta e passa a incluir o método usado. Essa mudança de paradigma pode levar a ferramentas computacionais que reflitam melhor os processos biológicos subjacentes.

Ferramentas públicas para auditoria

Para acelerar essa mudança, a equipe da Universidade de York disponibilizou gratuitamente um conjunto público de ferramentas de teste. Desenvolvedores de todo o mundo já podem baixar o material para auditar seus próprios sistemas de visão. A iniciativa promove transparência e colaboração na área, permitindo que outros laboratórios verifiquem a fidelidade biológica de seus modelos. Com isso, a comunidade científica pode avançar de forma mais segura no uso de inteligência artificial para entender o cérebro humano.

Fonte