Um único neurônio não é uma simples mudança. É uma potência.
Uma nova pesquisa inverte o roteiro sobre como entendemos as unidades de processamento do cérebro. Durante décadas, a ciência presumiu que a nossa vantagem cognitiva vinha da grande escala. Você conhece a lógica: 100 bilhões de neurônios. Trilhões de conexões. Hardware maior equivale a maior inteligência.
Mas um estudo recente publicado no Proceedings of the National Academy of Sciences (PNAS) sugere que essa suposição está desatualizada. O verdadeiro segredo? A complexidade computacional dos neurônios humanos é muito mais profunda do que se pensava anteriormente.
Uma célula cerebral pode realizar cálculos que rivalizam com uma rede neural artificial profunda. Não as unidades simplificadas da IA atual, mas as unidades complexas e em camadas.
Isso muda todo o cenário da neurociência. Se a inteligência não se trata apenas de quantidade, mas de qualidade por célula, temos que observar de onde realmente se originam a linguagem, a matemática e até mesmo a imaginação. Eles podem começar dentro de um único microchip solitário em seu córtex.
O “microchip” dentro da sua cabeça
Os neurônios do córtex humano – a camada externa responsável pelo pensamento de ordem superior – estão se comportando mais como processadores sofisticados. Eles não apenas transmitem sinais como uma brigada de baldes. Eles analisam. Eles combinam. Eles computam.
Pesquisadores da Universidade Hebraica, liderados pelos Profs. Idan Segev e Mickey Londan se uniram a cientistas do Edmond and Lily SafraCenter for Brain Sciences (ELSC) para provar isso. Eles incluíram a colaboração do Prof. Chris de Kock da Universidade Livre de Amsterdã.
“As pessoas costumam pensar em um neurônio como um botão liga-desliga”, explicou Segev. “O que mostramos é que um único neurônio humano é em si um dispositivo de computação extraordinariamente sofisticado.”
Pense desta forma: uma lâmpada acende ou não. Um neurônio cortical humano? Ele pesa os dados recebidos, considera o contexto de seus dendritos e toma uma decisão calculada que imita um modelo de IA multicamadas.
Como eles testaram
Você não pode simplesmente medir o tamanho de uma célula e adivinhar seu QI. Um neurônio maior nem sempre significa um neurônio mais inteligente.
A equipe precisava de uma métrica. Então eles construíram gêmeos digitais.
Usando modelagem computacional e IA, eles tentaram replicar o comportamento de neurônios biológicos usando redes neurais artificiais (RNAs). Foi um jogo de imitação.
- Eles pegaram um neurônio biológico.
- Eles alimentaram-no com insumos.
- Eles assistiram ao resultado.
- Em seguida, eles tentaram treinar uma rede de IA para reproduzir exatamente esse resultado.
Aqui está o chute: neurônios simples de outros mamíferos eram fáceis de copiar. Uma rede de IA pequena e superficial poderia imitar seu comportamento com facilidade.
Neurônios corticais humanos? Isso foi difícil.
A IA precisava ser significativamente mais profunda, mais elaborada e muito mais complexa para reproduzir com precisão os padrões de disparo de uma célula humana. Quanto mais difícil era copiar o neurônio, mais poder computacional ele possuía.
Por que os cérebros humanos vencem
Os dados são claros: os neurônios corticais humanos requerem redes artificiais mais complexas para imitá-los do que os de outros mamíferos.
Por que? Tudo se resume à estrutura. Especificamente, as árvores dendríticas. Estas são as estruturas semelhantes a ramos que recebem sinais. Os neurônios humanos têm árvores dendríticas complexas e ricamente ramificadas, com propriedades elétricas distintas.
Esta não é apenas fiação passiva. Ele permite que o neurônio analise combinações de sinais em vez de apenas adicioná-los linearmente.
Uma célula pode operar como um sistema em camadas com capacidades comparáveis a uma rede neural profunda.
Essa capacidade explica por que podemos distinguir detalhes sutis, como a diferença entre um gato e um cachorro em uma imagem, ou compreender conceitos matemáticos abstratos. Não estamos apenas contando neurônios. Estamos aproveitando o poder de processamento avançado de cada célula individual.
O que isso significa para a inteligência artificial
Isto não é apenas curiosidade acadêmica. Tem enormes implicações para o design da IA inspirada no cérebro.
A maioria dos modelos atuais de aprendizado de máquina depende de unidades artificiais simplificadas. Eles os empilham em camadas profundas, esperando que surja a complexidade coletiva. É uma abordagem de força bruta.
Se quisermos construir sistemas verdadeiramente avançados, talvez precisemos olhar para dentro. Em direção à biologia.
Os futuros modelos de IA poderiam usar componentes artificiais que imitam a complexidade computacional dos neurônios humanos. Em vez de unidades idiotas, idiotas e idiotas empilhadas, imagine unidades de processamento inteligentes e diferenciadas que lidam com a complexidade individualmente.
Esse é um caminho diferente. Um que se afasta da escala bruta e se aproxima da sofisticação estrutural.
A pesquisa desafia a velha visão de que a inteligência é apenas um jogo de números. A cognição humana não envolve apenas ter um cérebro grande. Trata-se de ter peças inteligentes.
À medida que ultrapassamos os limites da neurociência e da aprendizagem automática, a linha entre a biologia e o silício pode confundir-se de formas inesperadas. Mas uma coisa permanece clara: o maior trunfo do cérebro humano pode não ser o seu tamanho.
É a complexidade da célula.
