Um novo modelo computacional de cognição, chamado IM-LEPP, integra visão e linguagem em uma estrutura hierárquica baseada em energia, oferecendo uma explicação unificada para atenção, compreensão de linguagem e memória.
A Pesquisa
Subir Varma, um pesquisador independente, propôs o IM-LEPP (Processamento Preditivo Integrado Multimodal Latente Baseado em Energia) em um artigo publicado no arXiv em 8 de agosto de 2026. O modelo estende um modelo anterior de modalidade única (LEPP) para lidar com entradas visuais e linguísticas. Com base na teoria de que redes neurais generativas servem como teorias eficazes da dinâmica cognitiva, o IM-LEPP representa a cognição como estados latentes fluindo através de paisagens de energia aprendidas, em vez de simular circuitos neurais.
A arquitetura segue uma hierarquia hub-and-spoke, fundamentada no framework de cognição semântica controlada por Lambon Ralph et al. Neste design, pipelines separados de codificação preditiva para objetos visuais, cenas e linguagem convergem em um hub amodal compartilhado modelado após o lobo temporal anterior. Cada pipeline mantém sua própria identidade enquanto é influenciado pelo estado atual do hub, permitindo que cada previsão reflita o contexto multimodal completo.
O artigo demonstra que o IM-LEPP pode explicar fenômenos atencionais como cegueira por desatenção e bistabilidade do cubo de Necker. Também explica descobertas psicolinguísticas estabelecidas, incluindo a teoria da surpresa, os componentes ERP N400/P600, e a reanálise de frases garden-path. O modelo oferece um contraste falseável com modelos de linguagem baseados em transformers, destacando diferenças na sensibilidade de trajetória para previsão da próxima palavra. Além disso, o artigo discute a aquisição de linguagem eficiente em dados em relação a LLMs, descreve um subsistema de memória semântica/episódica, e situa o modelo frente à codificação preditiva, o princípio da energia livre, JEPA e Memória Temporal Hierárquica.
Por Que Isso Importa
Para a pessoa comum, esta pesquisa sugere que nosso cérebro integra informações de diferentes sentidos de maneira preditiva e energeticamente eficiente. Compreender isso pode ajudar a explicar por que às vezes perdemos coisas óbvias (cegueira por desatenção) ou percebemos imagens ambíguas de forma diferente (bistabilidade). Também esclarece como processamos a linguagem em tempo real, incluindo a resposta do cérebro a palavras inesperadas ou erros gramaticais. Esse conhecimento pode informar estratégias práticas para melhorar atenção, memória e aprendizado de idiomas.
O Que Você Pode Fazer
Para aproveitar esses insights, pratique observação ativa e mindfulness para melhorar seu foco atencional. Ao aprender novas informações, tente conectá-las com múltiplos sentidos (ex.: visual e verbal) para aprofundar a codificação. Desafie suas habilidades linguísticas lendo textos complexos ou ambíguos, o que exercita o processamento preditivo do seu cérebro.
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.
