Pesquisa publicada na revista Nature Machine Intelligence avaliou 1.620 imagens e mostrou que redes neurais artificiais imitam respostas cerebrais apenas na superfície, usando estratégias internas ausentes na biologia humana para identificar objetos do cotidiano
Pesquisadores da Universidade de York aplicaram um teste inédito em 1.620 imagens e descobriram uma falha na comparação entre IA e cérebro humano. Embora os sistemas artificiais prevejam respostas de neurônios ao reconhecer objetos, a atividade cerebral real não consegue prever o funcionamento interno dessas máquinas.
Como funcionou o teste de predição reversa
Por dez anos, neurocientistas usaram redes neurais artificiais, que são programas criados para identificar padrões e objetos em fotos, para estudar a visão biológica. A aposta era simples: se o programa imita a resposta neural, ambos trabalham igual.
Uma equipe liderada pelo professor Kohitij Kar e pela pós-doutoranda Sabine Muzellec decidiu inverter essa lógica. Eles criaram o chamado teste de predição reversa para checar se a relação entre máquina e biologia valia nos dois sentidos.
-
Segredo da evolução do DNA: estudo revela como molécula virou um protetor solar natural para a vida sobreviver à radiação extrema na Terra primitiva
-
Cientistas chineses descobrem que a própria luz pode dificultar viagens espaciais quando uma nave atinge 75% da velocidade da luz
-
Estudantes de escola pública da Paraíba desenvolvem foguete com peças impressas em 3D para espalhar sementes nativas em áreas de difícil acesso da Caatinga e tentar recuperar regiões afetadas pelo desmatamento
-
China amplia aposta em chips para robôs humanoides e quadrúpedes com plataforma de até 700 TOPS e nova sede tecnológica
Em vez de apenas observar se o computador antecipava o comportamento das células cerebrais, os cientistas fizeram o oposto.
Mediram se os sinais reais registrados nos neurônios conseguiam explicar o que ocorria dentro dos sistemas computacionais.
O experimento avaliou 1.320 fotos naturais e imagens sintéticas realistas com dez elementos conhecidos: urso, elefante, rosto, maçã, carro, cachorro, cadeira, avião, pássaro e zebra. Os itens apareciam em diferentes cenários internos e externos.
Os autores também adicionaram 300 imagens extras com os mesmos dez objetos em formatos distintos, incluindo contornos, desenhos, representações simplificadas e versões artísticas. O estudo foi publicado na revista científica Nature Machine Intelligence.
A falha encontrada nos modelos de visão
Os resultados mostraram que a semelhança entre máquina e biologia acontece apenas na superfície. Os programas acertaram ao prever a atividade dos neurônios, células que transmitem sinais elétricos e químicos pelo sistema nervoso.
No caminho inverso, porém, os dados biológicos falharam em prever boa parte dos mecanismos internos das máquinas. Quando os cientistas compararam neurônios de dois cérebros diferentes, essa falha não apareceu, provando que o problema está nos algoritmos.
“Embora os modelos de IA consigam prever os neurônios que registramos no cérebro de forma bastante precisa, o cérebro não consegue prever com a mesma precisão muitas das características internas do modelo“, explica Kohitij Kar.
Na prática, o computador chega ao mesmo resultado visual usando atalhos e estratégias internas que a biologia não utiliza. O estudo apontou ainda que apenas as partes da IA alinhadas aos neurônios preveem bem o comportamento humano.
Impacto direto nas pesquisas médicas e clínicas
A descoberta exige cautela de cientistas que usam programas computacionais para planejar experimentos e investigar transtornos neurológicos ou psicológicos. Muitos estudos partem da ideia de que o computador processa dados exatamente como uma pessoa.
Se a base tecnológica opera de modo distinto, conclusões sobre o comportamento humano podem sair distorcidas. Segundo Sabine Muzellec, modelos antes vistos como cópias fiéis dependem de componentes internos ausentes no cérebro de primatas.
O alerta também atinge outras frentes da neurociência. Algoritmos parecidos já auxiliam pesquisas sobre audição, linguagem e movimento corporal, áreas que agora precisam revisar o quanto essas ferramentas realmente explicam o sistema nervoso.
Ferramenta aberta e próximos passos na ciência
Os pesquisadores não defendem o abandono das redes neurais artificiais, mas o ajuste fino delas. Ao separar quais peças do código batem com os sinais biológicos, torna-se possível construir programas mais fiéis à realidade.
O grupo de Kar aplica essa melhoria em pesquisas sobre o autismo. O trabalho usa modelos do cérebro neurotípico — termo que define padrões neurológicos considerados comuns na população — como referência para entender diferenças na percepção.
Com sistemas mais precisos, os cientistas esperam avançar no estudo de condições como o próprio autismo e o transtorno de estresse pós-traumático. O foco deixa de ser apenas acertar a resposta e passa a incluir o método usado.
Para acelerar essa mudança, a equipe da Universidade de York disponibilizou gratuitamente um conjunto público de ferramentas de teste. Desenvolvedores de todo o mundo já podem baixar o material para auditar seus próprios sistemas de visão.
Fonte: Yorku.











