Um novo artigo argumenta que as habilidades irregulares e "fragmentadas" dos sistemas modernos de IA decorrem de um sinal de treinamento ausente que os autores chamam de "matéria escura cognitiva" (CDM, na sigla em inglês)—funções cerebrais que moldam o comportamento, mas são quase invisíveis à observação comportamental isolada.
A Pesquisa
Publicado no arXiv em 3 de março de 2026 (revisado em 31 de julho de 2026), o artigo é de autoria de Patrick J. Mineault, Thomas L. Griffiths e Sean Escola. Griffiths é professor de psicologia e ciência da computação na Universidade de Princeton e pesquisador de destaque em ciência cognitiva computacional; Mineault e Escola atuam na interseção entre neurociência e aprendizado de máquina.
Os autores definem a matéria escura cognitiva como funções cerebrais que moldam significativamente o comportamento, mas são difíceis de inferir apenas a partir do comportamento. Eles identificam seis domínios principais da CDM:
- Metacognição (pensar sobre o próprio pensamento)
- Flexibilidade cognitiva (adaptar-se a novas regras ou contextos)
- Aprendizado ao longo da vida (acumular conhecimento com o tempo)
- Raciocínio abdutivo (inferir a melhor explicação a partir de informações incompletas)
- Raciocínio social e senso comum
- Inteligência emocional
A equipe apresenta evidências de que essas funções carregadas de CDM são em grande parte não medidas nos benchmarks atuais de IA e que os grandes conjuntos de dados de treinamento em neurociência necessários para instilá-las ainda não existem. Eles delineiam um programa de pesquisa baseado em três tipos complementares de dados, projetados para revelar a CDM para o treinamento de modelos: (i) variáveis latentes de modelos cognitivos em larga escala, (ii) dados de rastreamento de processos, como rastreamento ocular e protocolos de pensar em voz alta, e (iii) dados neurais-comportamentais pareados.
"Esses dados permitirão o treinamento de IA com base no processo cognitivo, e não apenas no resultado comportamental, produzindo modelos com inteligência mais geral e menos fragmentada", escrevem os autores.
Por Que Isso Importa
Os mesmos pontos cegos que tornam os benchmarks de IA incompletos provavelmente também se aplicam à forma como medimos a inteligência humana. Testes de QI padrão e a maioria das avaliações cognitivas focam em resultados—respostas corretas, tempos de reação, pontuações—em vez dos processos por trás deles. Se funções da CDM, como metacognição e flexibilidade cognitiva, são tão importantes quanto este artigo sugere, então compreendê-las e treiná-las pode ser a chave para melhorar seu próprio aprendizado, tomada de decisão e adaptabilidade. Os pesquisadores observam um "benefício duplo": os mesmos dados que poderiam melhorar a IA também avançariam nossa compreensão da própria inteligência humana.
O Que Você Pode Fazer
- Pratique a metacognição: após uma tarefa, pergunte a si mesmo qual estratégia usou e o que mudaria na próxima vez.
- Treine a flexibilidade cognitiva alternando entre diferentes tipos de quebra-cabeças ou tarefas em uma mesma sessão.
- Envolva-se na resolução de problemas pensando em voz alta—verbalizar seu raciocínio pode revelar padrões de pensamento ocultos.
- Desafie-se com tarefas de raciocínio social e emocional, como exercícios de tomada de perspectiva.
Fonte: arXiv q-bio.NC
Curioso sobre o seu próprio cérebro? Faça nosso teste de QI adaptativo gratuito ou experimente 306 níveis de treinamento cerebral.