Quando pensamos em inteligência artificial, normalmente imaginamos algoritmos sofisticados treinados com enormes volumes de dados. Mas um experimento recente mostrou que existe outro caminho para compreender como os sistemas aprendem. Em vez de utilizar códigos complexos, pesquisadores recorreram a tecido cerebral cultivado em laboratório e o colocaram diante de um dos desafios mais tradicionais da engenharia. O resultado abre uma nova perspectiva sobre a capacidade de adaptação das redes biológicas.
Um minicérebro foi colocado diante de um desafio usado para treinar robôs
O chamado pêndulo invertido é considerado um dos testes mais conhecidos da engenharia de controle e do aprendizado por reforço. A tarefa parece simples: manter uma haste equilibrada sobre uma base móvel que se desloca para a esquerda ou para a direita. Na prática, porém, qualquer pequeno desvio cresce rapidamente, exigindo correções contínuas para impedir a queda.
Esse problema é utilizado há décadas para avaliar sistemas de controle, robôs e algoritmos de inteligência artificial justamente porque não admite respostas fixas. O sistema precisa reagir em tempo real a cada mudança de posição.
Agora, pesquisadores da Universidade da Califórnia em Santa Cruz decidiram verificar se um organoide cerebral — um pequeno aglomerado de neurônios cultivados a partir de células-tronco de camundongos — seria capaz de enfrentar esse mesmo desafio.
Esses organoides contêm milhões de neurônios capazes de gerar impulsos elétricos e reorganizar suas conexões conforme recebem estímulos. Para o experimento, os cientistas conectaram o tecido biológico a uma simulação virtual do pêndulo invertido.
O funcionamento ocorreu em circuito fechado. Os sinais elétricos enviados ao organoide representavam a inclinação da haste virtual. Em resposta, a atividade elétrica produzida pelos neurônios era convertida em comandos que movimentavam o carrinho para tentar restabelecer o equilíbrio.
Naturalmente, o sistema não “pensava” nem compreendia a tarefa como um ser humano faria. Ainda assim, ele processava informações em tempo real e ajustava continuamente suas respostas.
O aprendizado surgiu sem algoritmos tradicionais
O aspecto mais interessante do estudo apareceu durante o mecanismo de retroalimentação desenvolvido pelos pesquisadores.
Sempre que o desempenho melhorava, determinados padrões de estimulação elétrica eram reforçados. Aos poucos, a rede neuronal passou a responder de maneira mais eficiente ao desafio.
Segundo os resultados publicados na revista Cell Reports, aproximadamente 46% dos ciclos experimentais ultrapassaram o nível de desempenho estabelecido pelos cientistas. Já os organoides submetidos a estímulos aleatórios ou sem esse mecanismo de feedback praticamente não apresentaram evolução.
Apesar do avanço, os pesquisadores fazem questão de destacar que isso não significa que o organoide tenha desenvolvido consciência, intenção ou compreensão da tarefa.
O experimento demonstra algo diferente: mesmo uma estrutura neuronal extremamente simples possui uma característica fundamental do cérebro, conhecida como plasticidade neural. Em outras palavras, os neurônios conseguem reorganizar suas conexões e modificar seu funcionamento de acordo com os estímulos recebidos.
O aprendizado observado, entretanto, foi temporário. Cerca de 45 minutos após o término da estimulação, o desempenho voltava aos níveis iniciais, indicando que não houve consolidação de memória de longo prazo.
O estudo pode ajudar a compreender doenças e repensar a inteligência
Embora o experimento não tenha sido criado para substituir a inteligência artificial tradicional, ele oferece uma nova ferramenta para investigar como redes biológicas processam informações.
Enquanto os modelos modernos de IA dependem de bilhões de parâmetros matemáticos ajustados durante o treinamento, esse sistema utiliza tecido biológico real, capaz de adaptar sua atividade elétrica naturalmente.
Os pesquisadores acreditam que plataformas desse tipo poderão auxiliar no estudo de doenças neurológicas como Alzheimer, Parkinson e esquizofrenia, permitindo observar como diferentes redes neuronais respondem a estímulos e como determinadas alterações afetam sua capacidade de adaptação.
Além das possíveis aplicações médicas, o trabalho também desperta uma discussão mais ampla sobre o conceito de inteligência.
Se um conjunto relativamente pequeno de neurônios consegue reorganizar sua atividade para controlar um sistema instável, talvez parte do aprendizado não dependa exclusivamente de algoritmos sofisticados, mas também das propriedades físicas que emergem naturalmente em redes biológicas.
Ainda estamos longe de afirmar que um organoide “pensa” ou possui consciência. No entanto, o estudo reforça que a capacidade de aprender pode surgir de formas muito diferentes daquelas que costumamos associar à inteligência artificial atual, ampliando as possibilidades para futuras pesquisas em neurociência e computação.
