Um novo estudo da Escola de Engenharia Grainger da Universidade de Illinois em Urbana-Champaign mostra que o córtex sensorial mais antigo do cérebro não é apenas responsável por “receber passivamente” informações, mas desempenha um papel ativo inesperado no processo de tomada de decisão. Esta descoberta desafia o modelo clássico de processamento hierárquico e passo a passo do cérebro que há muito domina o mainstream. A equipe de pesquisa acredita que este método de organização neural interativo bidirecional mais dinâmico deverá fornecer uma nova inspiração para o baixo consumo de energia e a arquitetura de inteligência artificial de alta eficiência no futuro.
A visão tradicional é que o processo de tomada de decisão do cérebro geralmente segue um caminho hierárquico unidirecional "de baixo para cima": a informação entra nas áreas sensoriais iniciais, como visão, audição ou somatossensorial, e é gradualmente transmitida ao córtex de associação de nível superior e ao córtex frontal e, finalmente, a integração e a tomada de decisão são concluídas nesses "centros de ordem superior". É com base neste entendimento que a maioria dos sistemas de inteligência artificial, como as redes neurais convolucionais, adotam uma estrutura hierárquica semelhante, vendo a inteligência como o resultado da informação sendo processada camada por camada ao longo de uma direção fixa e "emitindo decisões" no nível superior. No entanto, à medida que a compreensão da inteligência natural se aprofunda, mais e mais estudiosos começaram a questionar este modelo simplificado de "linha de montagem".
Esta pesquisa foi liderada por Yurii Vlasov, professor do Departamento de Engenharia Elétrica e de Computação da Universidade de Illinois, e o artigo foi publicado no Proceedings of the National Academy of Sciences (PNAS). A equipe de pesquisa optou por reexaminar o cérebro a partir de um nível de sistema, vendo-o como um sistema de “inteligência natural” moldado pela evolução, enfatizando os ciclos de feedback e o fluxo bidirecional de informações entre diferentes áreas do cérebro, em vez de uma cadeia de processamento serial unidirecional. Sob esta estrutura, a tomada de decisão é vista como o resultado da interação contínua e da co-emergência entre múltiplas regiões do cérebro, e não como uma instrução "emitida unidirecionalmente" por regiões de ordem superior.
Uma característica distintiva da inteligência natural é a alta eficiência e economia de energia: ao completar tarefas complexas de percepção, cognição e tomada de decisão, o consumo de energia do cérebro humano é muito menor do que o da maioria dos sistemas de inteligência artificial atuais. Para compreender a origem desta eficiência, a equipa de investigação não se limita a um determinado módulo funcional, mas parte da arquitectura global e examina a colaboração entre diferentes áreas. Vlasov disse que a compreensão de como o cérebro organiza os cálculos de tomada de decisão no nível arquitetônico deverá ajudar a comunidade de engenharia a projetar sistemas de inteligência artificial de próxima geração que sejam mais eficazes, mais economizadores de energia e "mais inteligentes".
Em termos de desenho experimental específico, os investigadores concentraram-se nas primeiras fases de processamento do cérebro, ou seja, nas áreas responsáveis pela sensação e percepção. Eles conduziram experimentos em ratos, permitindo que os animais se movessem em um corredor de realidade virtual, sentindo o ambiente através de seus tentáculos e tomando decisões perceptivas sobre virar à esquerda ou à direita. Durante esse processo, os pesquisadores registraram a atividade dos neurônios em uma grande área do cérebro do rato, prestando especial atenção ao padrão de resposta do córtex somatossensorial primário (S1).
Os resultados foram inesperados: os sinais relacionados com a tomada de decisões foram claramente capturados no córtex somatossensorial primário, que tem sido tradicionalmente visto como “apenas processando sensações básicas”. Isto mostra que o processo de tomada de decisão não é iniciado apenas na “parte posterior” do córtex de ordem superior, mas que as representações óbvias da tomada de decisão já são aparentes na fase de processamento sensorial, na vanguarda do cérebro. Por outras palavras, a área sensorial inicial não se limita a empacotar e carregar “dados brutos”, mas está envolvida na codificação de escolhas de acção num momento muito precoce.
Análises posteriores descobriram que a atividade do córtex somatossensorial primário não ocorre isoladamente, mas é significativamente modulada pelo feedback de áreas cerebrais de ordem superior. Este sinal de feedback de cima para baixo, juntamente com a entrada sensorial de baixo para cima, molda o padrão de atividade neural em S1. Pode-se observar que o cérebro não avança linearmente ao longo de um único caminho "da percepção à tomada de decisão", mas troca continuamente informações por meio de ciclos de feedback entre vários níveis para completar a interpretação das informações externas e a escolha do comportamento.
Vlasov apontou que a “codificação neural” do cérebro ainda é como uma linguagem indecifrada, mas a compreensão desses ciclos de feedback e interações dinâmicas no nível do sistema já pode fornecer uma inspiração valiosa para o projeto de redes neurais artificiais. A inteligência artificial atual ainda apresenta deficiências óbvias ao nível da tomada de decisões. No entanto, a inteligência natural pode completar cálculos com um consumo de energia muito inferior ao dos sistemas de hardware modernos sob as mesmas tarefas ou até mais complexas. A experiência arquitetônica por trás disso é digna da comunidade de engenharia “aprender com a natureza”.
Embora este trabalho ainda não seja suficiente para fornecer diretamente um plano de engenharia para a construção de uma “IA melhor”, a equipa de investigação acredita que fornece uma perspetiva a partir da qual se pode repensar a inteligência artificial. Ao estudar sistematicamente como o cérebro organiza e processa a informação, espera-se que os investigadores resumam um conjunto de princípios transferíveis para orientar a melhoria da inteligência artificial em termos de arquitectura, eficiência energética e mecanismos de tomada de decisão. Os futuros sistemas de IA podem precisar romper com a estrita estrutura de camadas e comunicação unidirecional e, em vez disso, introduzir feedback mais dinâmico e estruturas de interação paralelas semelhantes aos cérebros biológicos.
Em seguida, a equipe de Vlasov planeja continuar acompanhando as mudanças na atividade cerebral na dimensão temporal, concentrando-se no estudo da dinâmica temporal rápida da atividade neural. Eles estão desenvolvendo novas ferramentas para medir e analisar sinais neurais com maior precisão, tentando descobrir como os ciclos de feedback estão envolvidos na tomada de decisões a partir de dados com maior resolução temporal. Na sua opinião, só vendo como estes ciclos de feedback são ativados no tempo e como são formados e reconstruídos entre diferentes níveis de processamento poderemos realmente compreender o funcionamento da inteligência natural e transformá-la na base de design para uma nova geração de arquitetura de inteligência artificial.