Pesquisadores da Universidade de Tecnologia de Graz construíram um sistema de inteligência artificial que resolve problemas complexos de planejamento usando as mesmas estratégias de economia de energia que o hipocampo humano — consumindo uma fração da energia de redes neurais profundas convencionais.
A pesquisa
Wolfgang Maass e Yukun Yang, do Instituto de Aprendizado de Máquina e Computação Neural, em colaboração com parceiros internacionais, basearam-se em estudos neurocientíficos do hipocampo para identificar três mecanismos cerebrais que valeria a pena traduzir em código:
- Mapas cognitivos — o cérebro converte relações entre objetos abstratos em relações geométricas entre códigos neurais, criando um "senso de direção" semelhante a um mapa espacial.
- Computação neural estocástica — o cérebro gera constantemente cenários e previsões hipotéticas, em vez de calcular todas as possibilidades de forma exaustiva.
- Codificação composicional — informações e planos de ação se decompõem em componentes reutilizáveis, como peças de LEGO que podem ser remontadas para novas tarefas.
Quando a IA enfrenta um problema, ela não calcula todos os caminhos possíveis de solução. Em vez disso, guiada por seu mapa cognitivo, gera um passo intermediário aleatório e verifica se esse passo a aproxima do objetivo. Se sim, o sistema segue esse caminho e repete o processo a partir de sua nova posição. Essa abordagem passo a passo converge gradualmente para uma solução sem computação exaustiva.
A equipe validou a arquitetura em três benchmarks: navegação espacial 2D, orientação multidimensional abstrata e montagem e desmontagem de uma silhueta feita de blocos de construção. Crucialmente, o sistema se adaptou a ambientes novos e mudanças estruturais sem retreinamento ou otimização de parâmetros — uma capacidade chamada adaptabilidade zero-shot. O cérebro humano funciona com cerca de 20 watts de potência, enquanto grandes modelos de linguagem podem exigir energia na escala de megawatts.
Por que isso importa
Esta pesquisa não se trata de superar grandes modelos de linguagem em seu próprio jogo. Como diz Maass: "Ainda estamos em um estágio relativamente inicial de desenvolvimento. Mas nosso trabalho mostra que uma IA poderosa não exige necessariamente enormes data centers e quantidades gigantescas de energia." As implicações vão além da eficiência da IA. O modelo sugere que a capacidade do cérebro de planejar com flexibilidade — sem computação massiva — depende de estratégias específicas e identificáveis: mapear relações abstratas geometricamente, testar passos intermediários aleatórios em vez de busca exaustiva e reutilizar componentes de ação.
Para quem se interessa pela própria cognição, esta pesquisa destaca que a resolução humana de problemas é notavelmente eficiente. Seu cérebro não força soluções. Ele usa metáforas espaciais para problemas abstratos, amostra possibilidades em vez de enumerá-las e recombina ações familiares em novos planos. Essas são habilidades treináveis.
O que você pode fazer
Tente aplicar esses princípios ao seu próprio pensamento. Ao enfrentar um problema complexo, esboce um "mapa" aproximado de como os elementos-chave se relacionam. Em vez de planejar cada passo, escolha um movimento inicial plausível e avalie se ele o aproxima do seu objetivo. Divida grandes tarefas em componentes reutilizáveis que você possa reorganizar para desafios futuros. Isso espelha a estratégia inspirada no cérebro e pode ajudá-lo a resolver problemas com menos fadiga mental.
Fonte: Neuroscience News
Curioso sobre seu próprio cérebro? Faça nosso teste de QI adaptativo gratuito ou experimente 306 níveis de treinamento cerebral.