Quando se fala em tópicos que ainda desafiam os cientistas, poucos podem ser tão intrigantes quanto o cérebro humano. Nossa massa cinzenta é tão complexa e tanta desinformação ronda o assunto que, ainda hoje, muita gente acredita naquele mito de que só usamos 10% do órgão.
No entanto uma boa notícia foi divulgada essa semana: se nós não conseguimos decifrar nossos próprios cérebros, talvez a inteligência artificial possa fazer isso por nós.
Segundo um estudo publicado esta semana na Nature Communications, pesquisadores liderados pelo psicólogo da Universidade da Pensilvânia, Michael Kahana, mostram que os algoritmos capazes de aprender através dos nossos hábitos e ações diárias podem ser usados para decodificar e, em seguida, aumentar a memória humana.
Para fazer isso, será necessário desencadear a entrega de pulsos de eletricidade precisamente cronometrados ao cérebro.
Em outras palavras, os pesquisadores podem usar uma coisa altamente complexa para conseguir desbloquear o potencial de outra ainda mais evoluída e indecifrável. A solução, que por um lado parece sofisticada o suficiente para solucionar o problema, por outro parece o início de um episódio de Black Mirror.
Para chegar nesses resultados, Kahana e seus colegas de estudo tiveram a ajuda de 25 pacientes com epilepsia, cada um dos quais aceitou ter entre 100 e 200 eletrodos implantados em seu cérebro, isso para que fosse possível monitorar a atividade elétrica relacionada às crises.
Aproveitando que os eletrodos já estavam ali, os pesquisadores os usaram para gravar a atividade cerebral durante tarefas que envolviam o uso de memória.
Depois disso o primeiro passo foi perceber o que parece ser o momento exato em que um cérebro memoriza coisas. À medida que os pacientes liam e tentavam internalizar listas de palavras, Kahana e sua equipe reuniam milhares de amostras de impulsos elétricos por segundo de cada um dos eletrodos implantados.
Mais tarde, eles testaram quais dos itens os pacientes lembravam e quais não lembravam, acumulando assim dados sobre os padrões de atividade cerebral associados à lembrança de uma palavra ou ao esquecimento da mesma.
Depois, foi só fazer isso de novo. E de novo. E de novo. Após duas ou três visitas de cada voluntário do teste, eles já haviam coletado dados suficientes para produzir algoritmos específicos àquele paciente que poderia então prever quais as palavras que ele provavelmente lembraria. Tudo com base nas atividades dos eletrodos e nada mais.
E aí está o pulo do gato: esses eletrodos não apenas leem atividade neural, mas também podem estimulá-las. Assim, os pesquisadores tentaram estimular o cérebro a melhorar – ou, como disseram na publicação, “resgatar” – a formação de memórias em tempo real.
A cada poucos segundos, o paciente veria uma nova palavra e o algoritmo recém-treinado decidiria se o cérebro estava pronto para se lembrar disso. “Um sistema inteligente de circuito fechado nos permite registrar o estado do cérebro, analisá-lo e decidir se deve desencadear uma estimulação, tudo em algumas centenas de milissegundos”, diz Kahana.
E se você está se perguntado sobre o mais importante, respondemos: sim, funcionou como o esperado. O sistema dos pesquisadores melhorou a capacidade dos pacientes recuperar as palavras em uma média de 15%.
Estimulação cerebral
Esta não é a primeira vez que o laboratório de Kahana explora os impactos que a estimulação cerebral pode ter na memória. No ano passado, o grupo mostrou que os pulsos de eletrodos pareciam melhorar ou piorar o “recall” das memórias, dependendo do momento em os pesquisadores liberavam os pequenos choques no cérebro.
Nesse estudo, os pacientes obtiveram maiores resultados quando os pesquisadores estimularam regiões do cérebro específicas da memória durante períodos de baixa funcionalidade, ocorrendo o efeito oposto quando a estimulação ocorria durante os tempos de funcionamento.
Foi um achado importante, mas terapeuticamente inútil; os pesquisadores só podiam identificar o vínculo entre a memória e os estados cerebrais após a realização dos testes de memória, quando, na verdade, tudo o que uma pessoa de memória ruim quer é receber os efeitos da estimulação durante o exercício da memorização.
Agora, os pesquisadores parecem ter fechado o ciclo com a ajuda do algoritmo de aprendizagem de máquinas. “Ao invés de usá-lo [o algoritmo de aprendizagem] para identificar imagens de gatos (como feito pelo Google Brain), estamos usando isso para construir um decodificador – algo que pode olhar para a atividade elétrica e dizer se o cérebro está em um estado que é propício para a aprendizagem”, diz Kahana.
Se o cérebro parece estar codificando memórias de forma eficaz, os pesquisadores deixam ele fazer isto sozinho. Se não estiver, o sistema artificial rapidamente entrega pulsos elétricos no local exato para fazer que tudo funcione como esperado.
Algo como um marcapasso, só que para o cérebro.
Não é algo perfeito, mas é, certamente, promissor. A questão agora é se o trabalho futuro nesta área produzirá melhores resultados e aumentará esses 15% de taxa de “recall”. Talvez, se os cérebros dos pacientes tivessem eletrodos mais e mais precisos implantados, os algoritmos poderiam decodificar mais e mais assinaturas neurais, mais específicas e em menores escalas de tempo.
Mais dados de treinamento também podem ajudar, já que a maioria dos pacientes com epilepsia só pode participar de estudos como este por algumas semanas no máximo, o que acaba limitando o tempo que os pesquisadores podem “gastar” com eles.
Como se sabe, um algoritmo de aprendizado de máquina aprimora seus resultados a cada nova atividade do seu objeto de análise (nesse caso, os pontos específicos monitorados pelo cérebro) e, nos últimos estudos de Kahana, o total de informações remetiam a apenas três sessões.
Mas, mesmo com maior resolução e mais dados de treinamento, os cientistas precisarão lidar com as implicações de fazer isso usando um algoritmo opaco para estudar e manipular cérebros (algoritmos que não oferecem uma interface gráfica e só é acessado por meio de sub-rotinas, por exemplo).
Dessa forma, mesmo que o sistema de Kahana possa melhorar o “resgate” de palavras em circunstâncias específicas, ele não sabe exatamente como está melhorando a função. Essa é a natureza do aprendizado da máquina, ela se incrementa a cada nova geração (após um novo contato com novos dados).
A saída encontrada por eles foi utilizar alguns algoritmos mais fáceis de analisar. Para este estudo, por exemplo, os pesquisadores usaram um classificador linear simples, o que lhes permitiu extrair algumas inferências sobre como a atividade em eletrodos individuais pode contribuir para a capacidade de perceber os diferentes padrões de atividade cerebral.
Por fim, ao se pensar no avanço que uma tecnologia do tipo pode causar, outras questões surgem: e se isso for capaz de criar super-cérebros e super-humanos? Seria ético disponibilizar isso às pessoas? Parece a mesma discussão do dilema do carro autônomo que se vê frente a uma batida iminente e precisa decidir se mata os 2 ocupantes do veículo ou 5 pessoas que estão na rua.
Em suma, a inteligência artificial não é tão simples quanto parece.
Ciberia // Oficina da Net
