A neurociência é um campo mais obviamente associado à medicina e/ou psicologia. No entanto, minha formação em física e ciência da computação me permite explorar, e entender melhor, como o cérebro calcula e armazena informações, identificando os mecanismos físicos subjacentes e a interação entre eles.
Meu trabalho de longa data com o Professor Friedemann Pulvermüller da Freie Universität Berlin procura responder a uma série de perguntas, principalmente como as crianças pequenas são capazes de interligar rapidamente sinais com significados enquanto nossos parentes mais próximos no reino animal lutam para fazê-lo? Para encontrar respostas, trabalhamos com modelos de rede neural que comparamos com experimentos de imagem cerebral.
Esses modelos neurais são ferramentas potenciais para melhorar nossa compreensão das funções cerebrais complexas, e é um dos principais argumentos em nosso novo artigo da Nature Reviews Neuroscience que eles precisam ser neurobiologicamente realistas para cobrir a complexidade da função cerebral; modelos muito simples podem perder aspectos e mecanismos relevantes.
Os modelos cerebrais funcionam simulando um grande número de unidades de processamento interconectadas que se assemelham a células nervosas (neurônios) e suas interconexões (sinapses).
Os últimos anos levaram a grandes avanços nessa área, revelando, por exemplo, novas características de neurônios, sinapses e a estrutura de conectividade do neocórtex humano, que é uma grande parte do sistema nervoso central que é fundamental para funções de nível superior, como percepção, linguagem e consciência.
Nosso novo artigo discute diferentes tipos de modelos neurais e o que precisa acontecer para que eles se tornem o mais realistas e, portanto, úteis, o mais
possível.
De redes localistas a redes cerebrais inteiras, existem vários modelos diferentes em diferentes níveis de escala e detalhes que podem nos ajudar a entender melhor o que se passa em nossa cabeça quando vemos, sentimos ou falamos.
Acreditamos que os modelos de rede neural precisam preencher as lacunas entre modelos cerebrais humanos aproximados em diferentes níveis, a fim de entender a função cerebral na
íntegra. Especificamente, precisamos entender o nível microscópico da função das células nervosas (aproximadamente na escala de micrômetros), o nível mesoscópico de interações em aglomerados de neurônios locais (milímetros) e o nível macroscópico visível a olho nu (centímetros).
Podemos então estudar a interação entre processos nessas escalas e modelos de abordagem que simulam circuitos cerebrais em todos eles. Isso parece ser crucial para fazer progressos além dos estudos de aspectos isolados e isolados da função cerebral; vários grupos em todo o mundo começaram a se envolver com essa ideia.
Esta nova abordagem, conhecida como modelagem com restrição cerebral, usa evidências recentes de material neurobiológico em diferentes níveis de resolução espacial para tornar as redes neurais mais realistas, a fim de trabalhar em direção a contrapartes mecanicistas de habilidades específicas para humanos.
Os modelos de restrição cerebral são usados para simular funções cognitivas humanas, e relacioná-las ao material neuronal que mudou na evolução cerebral – por exemplo, entendendo a diferença entre macacos-macaque e humanos.
É importante que entendamos se a estrutura material pode estar relacionada a alterações cognitivas funcionais.
Por exemplo: sabemos muito sobre novas invenções evolutivas realizadas no cérebro humano, mas o que não sabemos é o que, digamos, um novo feixe de fibras ou área cortical contribui funcionalmente para a cognição. Um pacote de fibras por si só pode parecer um pedaço de material bastante burro.
Somente em sua interação funcional com outros materiais ele obtém um significado funcional e, em última análise, dá origem a significado simbólico. Isso pode ser estudado com modelos cerebrais realistas como fizemos em Plymouth em colaboração com o grupo de Pulvermueller sobre a questão de por que os humanos aprendem a língua mais facilmente do que outros primatas.
 |
| Os modelos cerebrais funcionam simulando um grande número de unidades de processamento interconectadas que se assemelham a células nervosas (neurônios) e suas interconexões (sinapses). Imagem está em domínio público |
No futuro, pode ser possível realizar modelagem neurocomputativa restrita por características específicas de cérebros individuais. Os resultados obtidos com redes neurais com restrições individuais podem abrir novas perspectivas sobre a previsão de futuras dinâmicas neuroplásticas, podendo ser usados para planejar terapia ou cirurgia personalizada, por exemplo, para indivíduos com tumores cerebrais.
A modelagem com restrição cerebral aplicada a determinadas populações e até mesmo casos individuais pode, portanto, abrir perspectivas futuras frutíferas. Isso é muito longe, mas emocionante de se considerar.
Compreender o cérebro não é apenas útil para a neurociência, psicologia e o setor saúde; os princípios derivados também podem ser implementados em computadores como uma forma de inteligência artificial e até mesmo ser usado para projetar hardware de computação completamente novo composto de neurônios de silício e sinapses em vez de CPUs comuns. Tivemos designers de hardware e robotistas cognitivos em vários projetos anteriores, que visavam copiar processos cerebrais em hardware e em robôs
É importante que interligulemos o conhecimento que já temos, para adquirir e entender mais conhecimento sobre nossa função cerebral no futuro. Com os avanços feitos nos últimos anos, estou confiante de que podemos chegar lá.
Financiamento: O artigo foi escrito em conjunto com Freie Universität Berlin, e faz parte de um projeto financiado pelo Conselho de Pesquisa em Engenharia e Ciências Físicas.
Sobre esta pesquisa de inteligência artificial notícia
Restrições biológicas em modelos de rede neural de função cognitiva
Modelos de rede neural são ferramentas potenciais para melhorar nossa compreensão de funções cerebrais complexas. Para atender a esse objetivo, esses modelos precisam ser neurobiologicamente realistas. No entanto, embora as redes neurais tenham avançado dramaticamente nos últimos anos e até mesmo alcançado desempenho humano em tarefas perceptuais e cognitivas complexas, sua semelhança com aspectos da anatomia cerebral e fisiologia é imperfeita.
Aqui, discutimos diferentes tipos de modelos neurais, incluindo redes localistas, auto-associativas, hetero-associativas, profundas e cerebrais inteiras, e identificamos aspectos sob os quais sua plausibilidade biológica pode ser melhorada.
Esses aspectos vão desde a escolha dos neurônios modelo e dos mecanismos de plasticidade sináptica e aprendizado até a implementação da inibição e controle, juntamente com propriedades neuroanatométicas, incluindo estrutura areal e conectividade local e de longo alcance.
Destacamos os recentes avanços no desenvolvimento de teorias cognitivas biologicamente fundamentadas e na explicação mecanicista, com base nesses modelos neurais com restrição cerebral, até então questões não abordadas sobre a natureza, localização e desenvolvimento ontogenético e filogenético de funções cerebrais mais altas.
Para encerrar, apontamos para possíveis futuras aplicações clínicas de modelagem com restrição cerebral.
