A forma como os nossos cérebros aprendem novas informações intriga os cientistas há décadas. Nos deparamos com tanta informação nova diariamente que é difícil entender como nossos cérebros armazenam o que é importante e esquece o resto de forma mais eficiente do que qualquer computador?
Acontece que isso pode ser controlado pelas mesmas leis que governam a formação das estrelas e a evolução do Universo. Segundo uma equipe de físicos, a nível neuronal, o processo de aprendizagem em última análise poderia ser descrito pelas leis da termodinâmica. “A maior importância do nosso trabalho é que nós trazemos a segunda lei da termodinâmica à análise de redes neurais“, disse o pesquisador principal Sebastian Goldt da Universidade de Stuttgart, na Alemanha.
A segunda lei da termodinâmica é uma das mais famosas leis da Física. Segundo os profissionais, a entropia total de um sistema isolado sempre aumenta ao longo do tempo.
A entropia é uma quantidade termodinâmica que é muitas vezes referida como uma medida da desordem num sistema. O que isso significa é que, sem energia extra sendo colocada em um sistema, as transformações não podem ser revertidas e as coisas vão ficar progressivamente mais desordenadas, porque é mais eficiente dessa forma.
Mas o que isso tem a ver com o modo como nossos cérebros aprendem? Assim como a ligação dos átomos e a disposição das partículas de gás nas estrelas, nossos cérebros são projetados para encontrar a maneira mais eficiente de se organizar. “A segunda lei é uma declaração muito forte sobre as possíveis transformações. A aprendizagem é apenas uma transformação de uma rede neural em detrimento da energia“, explicou Goldt.
Se você tem em mente o fato de que a aprendizagem em sua forma mais simplista é controlada por bilhões de neurônios disparando dentro de nossos cérebros, saiba que há padrões em que a produção de energia é um pouco mais fácil. Para exemplificar como isso funciona, Goldt e sua equipe criaram uma rede neural – um sistema de computador que imita a atividade dos neurônios no cérebro humano.
“Praticamente todo organismo reúne informações sobre seu ambiente barulhento e constrói modelos a partir destes dados. A maioria usando redes neurais“, escreveu a equipe na Physical Review Letters. O que os pesquisadores estavam procurando é como os neurônios filtram o ruído e apenas respondem a importantes entradas sensoriais.
Eles basearam seus modelos na teoria hebbiana, que explica como os neurônios se adaptam durante o processo de aprendizagem. Usando esse modelo, a equipe mostrou que a eficiência de aprendizagem foi restringida pela produção de entropia total de uma rede neural. Eles notaram que quanto mais lentamente um neurônio aprende, menos calor e entropia são produzidos, o que aumenta sua eficiência.
O que isso significa para nós? Infelizmente, o resultado não nos diz muito sobre como aprender melhor. Ele também não fornece nenhuma solução mágica de como criar computadores que podem aprender tão eficientemente quanto o cérebro humano – esses resultados particulares só podem ser aplicados a algoritmos de aprendizagem simples que não usam feedback.
Mas o que os pesquisadores fizeram foi colocar uma nova perspectiva sobre o estudo da aprendizagem. Além disso, eles provaram que os nossos neurônios seguem as mesmas leis termodinâmicas que o resto do Universo. No ano passado, uma equipe da França e do Canadá propôs que a consciência poderia ser simplesmente um efeito colateral da entropia. “Nós encontramos um resultado surpreendentemente simples: os estados de vigília normais são caracterizados pelo maior número de configurações possíveis de interações entre as redes cerebrais, o que representa valores mais altos de entropia“, escreveram.
Ainda estamos longe de compreender como nossos cérebros funcionam. Mas cada nova pista nos leva mais perto de desbloquear as chaves do enorme poder cerebral. “Ter uma perspectiva termodinâmica em redes neurais nos dá uma nova ferramenta para pensar sobre a sua eficiência e nos dá uma nova forma de avaliar o seu desempenho“, disse Goldt. A pesquisa foi publicada na Physical Review Letters.
[ Science Alert ] [ Foto: Reprodução / Flickr ]