Ciência

Teste inédito indica que redes neurais artificiais não funcionam internamente como o cérebro humano

22 de Novembro de 2026 às 17:03 3 min de leitura

Pesquisadores da Universidade de York aplicaram o teste de predição reversa em 1.620 imagens e concluíram que redes neurais artificiais apresentam semelhança com o cérebro humano apenas nos resultados visíveis, sem correspondência nos mecanismos internos. Os dados foram publicados na revista Nature Machine Intelligence, sob coordenação de Kohitij Kar e Sabine Muzellec. Enquanto os modelos previram bem a atividade dos neurônios, os sinais biológicos não explicaram os componentes internos das máquinas

-0:00
Teste inédito indica que redes neurais artificiais não funcionam internamente como o cérebro humano
Imagem: Ilustração artística

Um experimento conduzido por pesquisadores da Universidade de York colocou em xeque uma das premissas mais usadas pela neurociência nos últimos dez anos: a de que redes neurais artificiais funcionam de maneira semelhante ao cérebro humano. Ao aplicar um teste inédito em 1.620 imagens, a equipe identificou que essa semelhança é limitada à superfície dos resultados, e não se estende aos mecanismos internos dos sistemas.

Até agora, a estratégia dominante era observar se o programa conseguia antecipar a atividade dos neurônios diante de um estímulo visual. Se a previsão funcionava, presumia-se que máquina e biologia processavam a informação de forma equivalente. O grupo liderado por Kohitij Kar e pela pós-doutoranda Sabine Muzellec decidiu testar o caminho contrário. Batizado de teste de predição reversa, o método verificou se os sinais registrados nos neurônios conseguiam explicar o que acontecia dentro dos modelos computacionais.

Para isso, os pesquisadores utilizaram 1.320 fotografias naturais e imagens sintéticas realistas, retratando dez elementos já conhecidos: urso, elefante, rosto, maçã, carro, cachorro, cadeira, avião, pássaro e zebra. Os objetos foram apresentados em cenários internos e externos variados. A esse conjunto somaram-se 300 imagens adicionais dos mesmos itens, em formatos como contornos, desenhos, representações simplificadas e versões artísticas. Os resultados foram publicados na revista Nature Machine Intelligence.

Os dados mostraram um desequilíbrio claro. Os modelos de IA previram com boa precisão a atividade dos neurônios, células responsáveis pela transmissão de sinais elétricos e químicos no sistema nervoso. No sentido oposto, porém, as informações biológicas não conseguiram explicar grande parte das características internas das máquinas. Quando a comparação foi feita entre neurônios de dois cérebros diferentes, a falha não se repetiu, o que indica que o problema está nos algoritmos e não na variabilidade biológica.

Na prática, isso significa que o computador alcança o mesmo resultado visual por caminhos distintos daqueles usados pelo cérebro, recorrendo a atalhos e estratégias internas que a biologia não emprega. Segundo Kar, os modelos reproduzem com exatidão os neurônios registrados, mas o cérebro não reproduz com a mesma exatidão muitos dos componentes internos do modelo. A análise também revelou que apenas as partes da IA alinhadas aos neurônios conseguem prever bem o comportamento humano.

Essa constatação altera o modo como cientistas podem utilizar programas computacionais em pesquisas sobre transtornos neurológicos e psicológicos. Muitos estudos partem do pressuposto de que o computador processa informações exatamente como uma pessoa, e conclusões tiradas desse raciocínio podem sair distorcidas se a base tecnológica operar de modo diferente. Sabine Muzellec observa que modelos antes tratados como réplicas fiéis dependem de elementos internos inexistentes no cérebro de primatas. Ferramentas semelhantes já são empregadas em estudos sobre audição, linguagem e movimento corporal, áreas que agora precisam rever quanto esses recursos realmente explicam do sistema nervoso.

Os autores não propõem abandonar as redes neurais artificiais, e sim ajustá-las. Ao identificar quais componentes do código correspondem aos sinais biológicos, torna-se possível desenvolver programas mais próximos da realidade. O grupo de Kar já aplica essa abordagem em pesquisas sobre autismo, utilizando modelos do cérebro neurotípico, ou seja, dos padrões neurológicos considerados comuns na população, como referência para compreender diferenças na percepção. A expectativa é que sistemas mais precisos ajudem também no estudo do transtorno de estresse pós-traumático. Para facilitar essa revisão, a equipe disponibilizou gratuitamente um conjunto público de ferramentas de teste, que desenvolvedores de todo o mundo podem usar para avaliar os próprios sistemas de visão.

Com informações de Click Petróleo e Gás

Notícias Relacionadas