A evolução do cérebro como pista para os limites da IA

A inteligência humana fica menos misteriosa quando é vista como uma sequência de reaproveitamentos, não como um conjunto de módulos prontos. Na palestra do Instituto de Computação da Unicamp, Max Bennett usa a evolução do cérebro para deslocar a pergunta clássica da neurociência: em vez de procurar onde ficam memória, linguagem ou decisão, ele propõe observar que novos algoritmos cada etapa evolutiva tornou possível. A diferença importa porque funções mentais são distribuídas, e uma mesma estrutura ou substância, como a dopamina, pode ser usada em tarefas muito diferentes ao longo da história biológica.

O exemplo mais simples é também o mais instrutivo. Em organismos como nematoides, com poucas centenas de neurônios, navegar significa seguir gradientes: se o cheiro de comida aumenta, o animal segue; se diminui, muda de direção. Bennett interpreta esse mecanismo como a base de um primeiro cérebro voltado a orientar movimento por sinais de bom e ruim. A partir daí, a evolução não joga fora o sistema anterior. Ela o amplia. Em vertebrados, sinais ligados a recompensa passam a sustentar aprendizado por tentativa e erro; em mamíferos, o neocórtex permite simular ações antes de executá-las; em primatas, regiões novas ajudam a pensar estados mentais próprios e alheios; em humanos, a linguagem reaproveita essa capacidade de inferir intenções.

Essa leitura ajuda a explicar por que a comparação entre cérebro e IA costuma ser enganosa quando se limita a desempenho. Bennett lembra o paradoxo de Moravec: computadores fazem com facilidade cálculos que humanos acham difíceis, mas tropeçam em capacidades corporais e perceptivas que animais executam sem esforço. Um peixe reconhece objetos rotacionados em três dimensões de modo que ainda desafia redes neurais treinadas com muitos exemplos. Ratos simulam caminhos em labirintos e aprendem com escolhas não feitas. Esses casos sugerem que eficiência não vem apenas de mais dados, mas de vieses, estruturas e mecanismos ajustados a um mundo físico.

A consequência para a IA é prática. Se modelos atuais dependem de volumes imensos de dados e energia, estudar o cérebro não significa copiar neurônios em detalhe, mas identificar que tipo de algoritmo permite aprender melhor com menos experiência. Bennett é cuidadoso ao tratar sua proposta como uma aproximação: a evolução do cérebro não ocorreu em cinco passos limpos. Ainda assim, a hipótese organiza um problema real. Quando os dados disponíveis começam a se esgotar e o custo computacional cresce, a pergunta deixa de ser apenas quanto escalar e passa a ser que formas de aprendizado estão faltando.

Assistir ao episódio original

Referências encontradas

Livros

• Sapiens - Uma Breve História da Humanidade, de Yuval Noah Harari — Ver livro na Amazon

Este post contém links de afiliado. Se você comprar por eles, eu posso receber uma pequena comissão sem custo adicional para você.