Escolher um trajecto de um ponto ao outro e descobrir novos caminhos (e atalhos) são tarefas comuns para o cérebro de mamíferos, seja o de um turista a visitar uma cidade, o de uma pessoa à procura do interruptor numa sala às escuras, ou o de um roedor em busca da próxima refeição. Mas é um processo cujos detalhes ainda não são inteiramente conhecidos pela ciência. Uma experiência agora divulgada com um sistema de inteligência artificial, que foi capaz de se orientar e de encontrar novos caminhos num ambiente virtual, veio reforçar descobertas já existentes sobre o funcionamento cerebral durante aquelas tarefas de navegação. E o resultado é também uma demonstração de que a proximidade entre algumas técnicas de inteligência artificial e o cérebro pode ser um instrumento útil para as neurociências.

Escolher um trajecto de um ponto ao outro e descobrir novos caminhos (e atalhos) são tarefas comuns para o cérebro de mamíferos, seja o de um turista a visitar uma cidade, o de uma pessoa à procura do interruptor numa sala às escuras, ou o de um roedor em busca da próxima refeição. Mas é um processo cujos detalhes ainda não são inteiramente conhecidos pela ciência. Uma experiência agora divulgada com um sistema de inteligência artificial, que foi capaz de se orientar e de encontrar novos caminhos num ambiente virtual, veio reforçar descobertas já existentes sobre o funcionamento cerebral durante aquelas tarefas de navegação. E o resultado é também uma demonstração de que a proximidade entre algumas técnicas de inteligência artificial e o cérebro pode ser um instrumento útil para as neurociências.

A experiência é detalhada nesta quinta-feira na revista Nature, num artigo científico assinado por investigadores da University College de Londres e da DeepMind, a empresa de inteligência artificial britânica que é propriedade do Google. A equipa recorreu a redes neuronais, uma tecnologia de inteligência artificial inspirada no cérebro, e também a técnicas de aprendizagem profunda, que permitem às máquinas aprenderem a desempenhar determinadas tarefas sem que tenham sido explicitamente programadas para isso. Foi com estas tecnologias, por exemplo, que a DeepMind desenvolveu algoritmos capazes de se tornarem, em pouco tempo, melhores do que os humanos no complexo jogo de Go, mesmo sem qualquer conhecimento prévio que não as regras do jogo.

Na experiência agora publicada, os investigadores treinaram agentes de inteligência artificial (software que actua de forma autónoma) para localizar a sua própria posição e encontrar o caminho de um ponto a outro num espaço virtual em que múltiplos percursos eram possíveis. Para isso, usaram simulações de percursos de roedores em busca de comida. Essas simulações incluíram informação sobre a actividade cerebral associada à posição do animal que acontece em certos neurónios (chamados células de posicionamento). Estas células são um dos componentes de uma espécie de GPS do cérebro, um sistema cuja descoberta foi distinguida em 2014 com um Nobel da Medicina. Ao longo do processo de aprendizagem das máquinas, surgiu nas redes neuronais uma forma de representação do espaço que é semelhante ao segundo componente daquele sistema de orientação: as chamadas células de grelha, que estabelecem um padrão hexagonal (como favos de mel) e que ajudam os animais a criar uma representação interna do espaço exterior. Tal como os roedores, também os computadores – sem que tivessem tido instruções nesse sentido – mapearam o espaço com este tipo de padrão. 

A razão por que os computadores nesta experiência desenvolveram um funcionamento semelhante ao do cérebro não é conhecida: uma das características destas redes neuronais é que os processos pelos quais chegam a determinados resultados não são inteiramente observáveis, mesmo por quem as cria. “Descobrimos que representações em grelha emergiram espontaneamente dentro da rede, mostrando uma convergência impressionante com os padrões de actividade neuronal observados em mamíferos à procura de comida, e consistentes com a noção de que as células de grelha fornecem uma codificação eficiente do espaço”, observou um dos investigadores responsáveis pelo estudo, Andrea Banino, numa nota que acompanhou a divulgação do artigo.

A representação do espaço semelhante à das células de grelha revelou-se também uma forma de descobrir novos caminhos e de chegar mais rapidamente ao objectivo. Quando os investigadores alteravam o espaço virtual (por exemplo, abrindo uma passagem anteriormente fechada), só os agentes de inteligência artificial que usavam esta representação do espaço eram capazes de descobrir os atalhos.

Esta experiência, defendeu Banino, indica que será possível lançar luz sobre alguns dos mistérios do cérebro sem ter de estudar cérebros biológicos. “Tudo o que pensamos, que recordamos e que sentimos está de alguma forma codificado nos nossos cérebros. Para perceber isto, temos de aprender como olhar para conjuntos de neurónios, medir a sua actividade e relacionar isto com os nossos comportamentos. Contudo, isto é muito difícil de fazer com cérebros biológicos. Com este novo artigo, julgo que estamos a começar a disponibilizar uma potencial abordagem nova usando aprendizagem profunda”, afirmou o investigador. “Se pudermos melhorar estes modelos artificiais, podemos potencialmente usá-los para melhor entender as outras funcionalidades do cérebro.”