Uma pesquisa conduzida por cientistas de Harvard University em colaboração com pesquisadores do Google e outras instituições trouxe novos insights sobre a complexidade do cérebro humano.

Durante quase uma década, a equipe científica dedicou-se a algo que parece pequeno demais para justificar tanto esforço: uma fração microscópica do cérebro humano com volume inferior a um milímetro cúbico, algo menor que um grão de arroz.

Mas esse “quase nada” exigiu uma infraestrutura impressionante. O tecido foi fatiado em cerca de 5.000 lâminas ultrafinas, cada uma com aproximadamente 30 nanômetros de espessura, e analisado em microscopia eletrônica de altíssima resolução. A aquisição das imagens levou quase um ano de operação contínua.

A reconstrução tridimensional desse fragmento não foi feita manualmente. A quantidade de dados tornou o processamento humano inviável. Para montar o quebra-cabeça volumétrico foi necessário recorrer a modelos de aprendizado de máquina capazes de alinhar e segmentar milhões de estruturas microscópicas.

O que emergiu desse fragmento minúsculo impressiona. Dezenas de milhares de neurônios, centenas de milhões de sinapses e centenas de milímetros de vasos sanguíneos interligados em um espaço menor que um grão de arroz.

Tudo isso gerou aproximadamente 1,4 petabytes de dados brutos, algo equivalente a cerca de 1,4 milhão de gigabytes.

Agora ampliemos a lente.

Mesmo esse fragmento representa apenas uma fração ínfima do cérebro humano, que contém cerca de 86 bilhões de neurônios. Mapear o órgão completo com a mesma resolução sináptica exigiria volumes de dados provavelmente na escala de exabytes, algo que colocaria enorme pressão sobre a infraestrutura computacional atual.

E estamos falando apenas de registrar a estrutura física, não de compreender seu funcionamento.

O mais intrigante é que, mesmo nesse pedaço microscópico, surgiram observações que desafiam o conhecimento estabelecido: neurônios com milhares de conexões, axônios enrolados em espirais de função ainda desconhecida e padrões estruturais inesperados.

O mapa revelou não apenas complexidade. Revelou também nossa ignorância.

Quanto mais detalhamos, mais percebemos o quanto ainda não entendemos.

Mapear um fragmento microscópico já exige anos de trabalho, petabytes de dados e colaboração interdisciplinar entre neurociência, computação e engenharia. E ainda assim, isso é apenas o começo. Entre descrever e compreender existe um abismo, e estamos apenas na borda dele.

Agora compare isso com redes neurais artificiais.

Chamamos nossos modelos de “neurais”. Falamos em camadas, conexões, pesos e aprendizado. Mas os pesos finais de um grande modelo de linguagem cabem em algumas centenas de gigabytes e podem ser executados em clusters computacionais especializados.

Enquanto isso, o cérebro humano inteiro opera consumindo cerca de 20 watts de energia, ou seja, aproximadamente o equivalente a uma lâmpada doméstica.

Nossas redes artificiais são abstrações matemáticas altamente simplificadas. Elas não possuem vascularização, plasticidade bioquímica, dinâmicas eletroquímicas complexas, crescimento estrutural orgânico ou desenvolvimento evolutivo. São essencialmente matrizes otimizadas por gradiente descendente.

O cérebro não é apenas uma rede.

É um sistema biológico dinâmico, adaptativo, metabolicamente eficiente e ainda profundamente incompreendido.

Ainda não compreendemos plenamente o funcionamento de um fragmento microscópico do cérebro humano e, ao mesmo tempo, proclamamos estar no caminho da superinteligência artificial.

Isso não diminui o que já foi conquistado em IA. O progresso recente é extraordinário.

Mas a comparação deveria trazer uma dose saudável de humildade.

Estamos modelando abstrações matemáticas inspiradas no cérebro, enquanto a complexidade estrutural e funcional do próprio cérebro biológico continua, em grande parte, um território desconhecido.

Talvez a lição não seja que a inteligência artificial geral esteja necessariamente distante. Talvez seja apenas que ainda entendemos muito pouco sobre o sistema biológico que inspirou essa ideia.

E a distância entre simular padrões estatísticos e compreender plenamente um sistema composto por 86 bilhões de neurônios pode ser maior do que a narrativa tecnológica atual costuma admitir.

*Cezar Taurion é advisor de IA com mais de 4 décadas de experiência no mercado de TI. Investidor e mentor de startups de IA e membro do conselho de inovação de diversas empresas e associações. Foi Diretor de Novas Tecnologias Aplicadas e Chief Evangelist da IBM Brasil, sócio-diretor e líder da prática de IT Strategy da PwC, além de passar por Shell e Chase Manhattan Bank. Escreve sobre TI em publicações especializadas e apresenta palestras em eventos e conferências. É autor de 14 livros e e-books. Membro notável do I2AI. Professor convidado da FDC, da PUC-RJ e PUC-RS, nas cadeiras de MBA “IA aplicada aos negócios” e “Transformação Digital”. Publisher da Intelligent Automation Magazine. Top Voice Linkedin.