Um novo estudo desafia a suposição de que o treinamento melhora o quanto as redes neurais imitam o cérebro. Pesquisadores descobriram que uma única rodada de treinamento supervisionado pode reduzir o alinhamento de um modelo com o córtex visual inicial em 25–90%, dependendo da regra de aprendizado utilizada.
A Pesquisa
Nils Leutenegger, pesquisador na interseção de aprendizado de máquina e neurociência, treinou redes neurais em 720 imagens de objetos do banco de dados THINGS. Ele mediu o quanto as representações internas dos modelos correspondiam a dados de fMRI humanos de três sujeitos em seis regiões cerebrais visuais. O estudo, publicado no arXiv em maio de 2026, acompanhou o alinhamento em oito pontos de verificação de treinamento usando análise de similaridade representacional (RSA).
Quatro regras de aprendizado foram comparadas: retropropagação (BP), alinhamento de feedback (FA), codificação preditiva (PC) e plasticidade dependente do tempo de disparo (STDP). Os resultados mostraram que uma única época de treinamento reduziu o alinhamento V1 em 25-90%. A retropropagação causou a maior queda no alinhamento V1 (Δr = -0,08), enquanto a codificação preditiva e STDP preservaram mais a estrutura semelhante ao cérebro (Δr ≈ -0,04). Curiosamente, a tendência oposta apareceu no córtex seletivo a objetos (LOC), onde BP mostrou o maior aumento no alinhamento, embora a mudança absoluta fosse pequena.
Essas descobertas sugerem que redes não treinadas já capturam estatísticas visuais de baixo nível apenas por meio de sua arquitetura. Sinais de erro globais como retropropagação remodelam agressivamente as representações iniciais, enquanto regras de aprendizado local (PC, STDP) preservam melhor a estrutura semelhante ao cérebro.
Por que Isso Importa
Esta pesquisa tem implicações importantes tanto para IA quanto para neurociência. Ela sugere que treinar redes neurais com retropropagação pode torná-las menos semelhantes ao cérebro, especialmente em áreas visuais iniciais. O fato de redes não treinadas se alinharem bem com o cérebro destaca o poder dos viéses indutivos embutidos nas arquiteturas. Para plataformas de treinamento cerebral como o IQGenio, isso ressalta que nem todos os métodos de aprendizado são iguais — alguns podem aproveitar o processamento natural do cérebro de forma mais eficaz.
O que Você Pode Fazer
Embora essas descobertas sejam sobre redes artificiais, elas nos lembram que estratégias de aprendizado importam. Para manter seu próprio sistema visual afiado, envolva-se em tarefas que envolvam aprendizado local e orientado por feedback — como quebra-cabeças que exigem raciocínio espacial ou reconhecimento de padrões. Evite confiar excessivamente em memorização mecânica; em vez disso, foque em entender estruturas subjacentes.
Fonte: arXiv q-bio.NC
Curioso sobre seu próprio cérebro? Faça nosso teste de QI adaptativo gratuito ou experimente 306 níveis de treinamento cerebral.
