Um novo estudo de Tamas Spisak e Karl Friston revela que redes neurais de atratores—uma característica chave da dinâmica cerebral—podem se auto-organizar a partir do princípio da energia livre, uma teoria fundamental da função cerebral. Publicado no arXiv em maio de 2025 e atualizado em maio de 2026, o trabalho mostra que tais redes aprendem automaticamente a ortogonalizar estados de atratores, maximizando o armazenamento de informações e a generalização.
A pesquisa
A equipe aplicou o princípio da energia livre a uma partição universal de sistemas dinâmicos aleatórios. Eles deduziram que redes de atratores emergem sem regras explícitas de aprendizado, seguindo dinâmicas de inferência e aprendizado biologicamente plausíveis. Matematicamente, as redes favorecem representações de atratores quase ortogonais, que abrangem eficientemente o subespaço de entrada. Isso aumenta a informação mútua entre causas ocultas e dados sensoriais. Simulações confirmaram que a apresentação aleatória de dados produz acoplamentos simétricos e esparsos, enquanto dados sequenciais produzem acoplamentos assimétricos e dinâmicas de não equilíbrio—uma generalização das Máquinas de Boltzmann.
Por que isso importa
Essas descobertas unificam a auto-organização em redes neurais com a inferência ativa bayesiana. Para os leitores, sugere que o cérebro naturalmente estrutura memórias para evitar sobreposição, melhorando a recordação e a generalização. Entender isso pode inspirar melhores arquiteturas de IA e esclarecer como nossos próprios cérebros otimizam o aprendizado.
O que você pode fazer
Para apoiar o aprendizado natural do seu cérebro, exponha-se a ambientes variados e tarefas sequenciais que incentivem a formação de memórias ortogonais. A prática consistente e espaçada ajuda a reforçar padrões neurais distintos.
Fonte: arXiv q-bio.NC
Curioso sobre seu próprio cérebro? Faça nosso teste de QI adaptativo gratuito ou experimente 306 níveis de treinamento cerebral.
