Baseado na teoria matemática de Bayesian, novo modelo de computador mostra como o cérebro prevê o que já foi aprendido

Um novo modelo de computador calcula os movimentos musculares humanos, informou a Escola de Medicina da  Johns Hopkins University. Ele explica como o cérebro desenha o que acabou de aprender e o que já foi aprendido. Este princípio é o mesmo dos filtros de spam de e-mail, baseados na teoria de probabilidade matemática Bayesian.

Os autores da pesquisa são os engenheiros biomédicos Konrad Kording da Northwestern University, Joshua Tenenbaum, do Massachussets Institute of Technology (MIT), e Reza Shadmehr, da Johns Hopkins University, nos Estados Unidos.

Em artigo divulgado na Nature Neuroscience, os pesquisadores contaram que exploraram o fato de que todas as pessoas demonstram padrões de aprendizado similares e os utilizam para desenvolver novos movimentos.

A nova ferramenta, de acordo com os engenheiros, tornaria possível prever as melhores formas de ensinar novos movimentos, podendo auxiliar na fisioterapia.

O novo modelo de cérebro artificial do computador é guiado por um tipo de probabilidade estatística, uma teoria matemática chamada Bayesian.

Diferente de outros tipos de análise, a probabilidade Bayesian é uma “opinião” subjetiva, que mede o grau individual de crença de um “aprendiz” a respeito de um determinado assunto quando este é incerto.

O trabalho parte da idéia de que um cérebro utiliza o que já conhece para “prever” que algo novo irá acontecer, e então utilizar esta informação para ajudar que a previsão aconteça.

Segundo Shadmehr, foi utilizada a idéia de que experiências e crenças anteriores afetam a probabilidade de futuros resultados, como escolher um novo caminho por ter enfrentado trânsito no dia anterior.

Os filtros de spam de e-mail funcionam com o mesmo princípio. Eles prevêem que palavras anexas ao e-mail provavelmente o usuário não precisa, e aprende a excluí-las da caixa de entrada.

O modelo de computador duplica os resultados de experimentos que testaram a habilidade de macacos ao seguir flashes de luz. Os testes que usaram rápidos movimentos de olhos são a questão principal nos estudos sobre o controle de movimentos feito pelo cérebro.

Nos testes, inicialmente o animal cometeu grandes erros e armazenou informações sobre estes erros em sua memória - para que pudesse adaptar e prever com maior precisão da próxima vez. Ao repetir a tarefa, a memória também filtrava os conhecimentos e previa como se mover, ação que também seria guardada.

O computador “aprendiz” ganhou a mesma tarefa de “olhar” para um foco de luz. Em seguida, as luzes foram apagadas. O foco foi ligado novamente e o computador foi designado a olhar ao mesmo ponto. A velocidade e padrão do computador em adaptar os movimentos coincidiram com os primeiros resultados dos experimentos com os macacos.

De acordo com Shadmehr, o modelo Bayesian pode explicar quase todos os fenômenos observados no aprendizado de movimentos motores.

Além de auxiliar pacientes deficientes, a nova ferramenta também pode ser aplicada para entender melhor como as pessoas aprendem linguagens, desenvolvem idéias e armazenam memórias.

A pesquisa foi patrocinada pelo Howard Hughes Medical Institute e pelo National Institutes of Health.