Uma teoria revolucionária acaba de contradizer uma suposição profundamente enraizada na neurociência sobre como o nosso cérebro aprende. Pesquisadores da Universidade Bar-Ilan, em Israel, estão confiantes de que essa nova teoria pode transformar a nossa compreensão sobre disfunção cerebral. E mais: poderá criar algoritmos de aprendizagem profunda, ainda mais avançados e mais rápidos.

Sabemos que o cérebro é uma rede altamente complexa com bilhões de neurônios. Cada um desses neurônios se comunica simultaneamente com milhares de outros por meio de sinapses; e que um neurônio coleta sinais sinápticos através de árvores dendríticas.

Em 1949, o psicólogo canadense Donald Hebb sugeriu que a aprendizagem ocorre no cérebro, podendo modificar a força da conexão sináptica entre dois neurônios. A chamada lei de Hebb consiste em uma espécie de “musculação sináptica” e envolve um mecanismo de detecção de coincidências temporais nas descargas neuronais: se dois neurônios estão simultaneamente ativos, suas conexões são reforçadas; caso apenas um esteja ativado em dado momento, suas conexões são enfraquecidas.

Essa teoria de Hebb continua sendo uma suposição defendida na neurociência.

Mas, Hebb estava errado, segundo o Prof. Ido Kanter, líder da equipe de pesquisadores israelenses. “Esse novo experimento indica fortemente que um processo de aprendizado mais rápido e aprimorado ocorre nos dendritos neuronais, similarmente ao que é atualmente atribuído à sinapse”, sugerem Kanter e sua equipe no paper recentemente publicado na Nature’s Scientific Reports.

“Neste novo [mais rápido] processo de aprendizado dendrítico, existem [apenas] poucos parâmetros adaptativos por neurônio, em comparação aos milhares considerados no cenário de aprendizado sináptico”, diz Kanter. “Será que faz sentido medir a qualidade do ar que respiramos por meio de diversos sensores que estão na altura de um arranha-céu, ou poderíamos usar apenas um ou alguns sensores próximos ao nosso nariz?”, ele questiona. “Similarmente, é mais eficiente para o neurônio estimar os sinais que chegam perto da sua unidade computacional: o próprio neurônio.”

Essa imagem representa o atual cenário de aprendizagem sináptica (rosa) versus os novos cenários de aprendizagem dendrítica (verde) do cérebro. No atual cenário, um neurônio (preto) com um pequeno número (dois neste exemplo) de árvores dendríticas (centro) coleta sinais de entrada via sinapses (representadas por válvulas vermelhas), com milhares de pequenos parâmetros de aprendizado ajustáveis. No novo cenário de aprendizado dendrítico (verde), alguns (dois neste exemplo) controles ajustáveis ​​(válvulas vermelhas) estão localizados próximos ao elemento computacional, o neurônio. A escala seria como se um neurônio que coleta sinais de entrada fosse representado pelos dedos “distantes” de uma pessoa, ou seja, a distância de suas mãos alcançaria um arranha-céu (à esquerda). (crédito: Prof. Ido Kanter)

Além disso, os pesquisadores também descobriram que as sinapses mais fracas, presentes na maior parte do nosso cérebro e, anteriormente consideradas insignificantes, na verdade desempenham um papel importante na dinâmica do cérebro.

Para eles, essa nova teoria da aprendizagem pode criar algoritmos de aprendizagem profunda mais avançados e mais rápidos, como também outras aplicações baseadas em inteligência artificial. E, principalmente, também sugerem que é preciso reavaliar os atuais tratamentos para distúrbios e disfunção cerebral a partir dessa nova teoria.

Crédito da imagem da capa: Фото / Pikabu