.
Uma colaboração internacional entre pesquisadores do RIKEN Center for Brain Science (CBS) no Japão, da Universidade de Tóquio e da University College London demonstrou que a auto-organização dos neurônios conforme eles “aprendem” segue uma teoria matemática chamada princípio da energia livre. O princípio previu com precisão como as redes neurais reais se reorganizam espontaneamente para distinguir as informações recebidas, bem como alterar a excitabilidade neural pode interromper o processo. As descobertas, portanto, têm implicações para a construção de inteligências artificiais semelhantes a animais e para a compreensão de casos de aprendizado prejudicado. O estudo foi publicado em 7 de agosto na Natureza Comunicações.
Quando aprendemos a distinguir entre vozes, rostos ou cheiros, redes de neurônios em nossos cérebros se organizam automaticamente para que possam distinguir entre as diferentes fontes de informação que chegam. Esse processo envolve a alteração da força das conexões entre os neurônios e é a base de todo o aprendizado no cérebro. Takuya Isomura da RIKEN CBS e seus colegas internacionais previram recentemente que esse tipo de auto-organização de rede segue as regras matemáticas que definem o princípio da energia livre. No novo estudo, eles colocaram essa hipótese à prova em neurônios retirados do cérebro de embriões de ratos e cultivados em uma placa de cultura em cima de uma grade de minúsculos eletrodos.
Depois de distinguir duas sensações, como vozes, você descobrirá que alguns de seus neurônios respondem a uma das vozes, enquanto outros neurônios respondem à outra voz. Isso é resultado da reorganização da rede neural, que chamamos de aprendizado. Em seu experimento de cultura, os pesquisadores imitaram esse processo usando a grade de eletrodos abaixo da rede neural para estimular os neurônios em um padrão específico que misturava duas fontes ocultas separadas. Depois de 100 sessões de treinamento, os neurônios automaticamente se tornaram seletivos – alguns respondendo fortemente à fonte #1 e muito fracamente à fonte #2, e outros respondendo ao contrário. Drogas que aumentam ou diminuem a excitabilidade dos neurônios interromperam o processo de aprendizado quando adicionadas à cultura de antemão. Isso mostra que os neurônios cultivados fazem exatamente o que se acredita que os neurônios façam no cérebro funcional.
O princípio da energia livre afirma que esse tipo de auto-organização seguirá um padrão que sempre minimiza a energia livre no sistema. Para determinar se esse princípio é a força orientadora por trás do aprendizado da rede neural, a equipe usou os dados neurais reais para fazer engenharia reversa de um modelo preditivo baseado nele. Em seguida, eles alimentaram o modelo com os dados das primeiras 10 sessões de treinamento com eletrodos e os usaram para fazer previsões sobre as próximas 90 sessões. Em cada etapa, o modelo previu com precisão as respostas dos neurônios e a força da conectividade entre os neurônios. Isso significa que simplesmente conhecer o estado inicial dos neurônios é suficiente para determinar como a rede mudaria ao longo do tempo à medida que o aprendizado ocorresse.
“Nossos resultados sugerem que o princípio da energia livre é o princípio auto-organizado das redes neurais biológicas”, diz Isomura. “Ele previu como o aprendizado ocorreu ao receber entradas sensoriais específicas e como foi interrompido por alterações na excitabilidade da rede induzida por drogas”.
“Embora demore algum tempo, em última análise, nossa técnica permitirá modelar os mecanismos do circuito de transtornos psiquiátricos e os efeitos de drogas como ansiolíticos e psicodélicos”, diz Isomura. “Mecanismos genéricos para adquirir os modelos preditivos também podem ser usados para criar inteligências artificiais de próxima geração que aprendem como as redes neurais reais”.
.
