Fonte: Psychology Today

Autor: Sarah Estes Graham

Tradução: André Rabelo

Como muitas crianças, eu passei muito tempo sonhando com um mundo onde realidades interiores imaginadas poderiam de alguma forma se manifestar no ambiente externo. Uma vez eu desejei tanto o dom de voar que eu comecei a bater as minhas asas em público (muito depois da idade onde isso teria sido fofo). Eu rapidamente deicidi parar de ser tão observavelmente estranha, mas o sonho persistiu. Se a popularidade de filmes como “A Origem” é alguma indicação, eu não estou sozinha.

Tanto sonhadores quanto fãs de ficção científica podem segurar o fôlego – o futuro é agora. Cientistas do Gallant Lab da UC Berkeley publicaram um artigo na Current Biology mês passado apresentando a primeira abordagem bem sucedida para reconstruir filmes naturais da atividade cerebral. Estudos usando a tecnologia fMRI têm reproduzido imagens estáticas no passado, mas o fMRI mede mudanças no volume sanguíneo, não a atividade neural efetiva. Quando os neurônios estão ocupados disparando, eles demandam sangue rico em oxigênio para suprir suas atividades. Felizmente para os cientistas, este sangue possui propriedades magnéticas ligeiramente diferentes, correlaciona-se com a atividade das populações de neurônios e podem ser medidas usando-se o fMRI. Infelizmente, as mudanças no fluxo sanguíneo são muito pequenas comparadas à atividade incrivelmente complexa e rápida dos neurônios disparando. (A menor unidade mensurável sendo os píxels do  tipo voxel, mas para o imageamento cerebral isto inclui cerca de um milhão de neurônios!). Enquanto medir o fluxo sanguíneo nos da uma riqueza de informações, isto não é veloz o suficiente para refletir acuradamente o que está acontecendo com as populações neurais em nosso sistema visual. Neurocientistas estão sempre em busca de maneiras de refinar os correlatos neurais de mudanças na atividade hemodinâmica.

O cérebro é composto de aproximadamente  cem bilhões de neurônios individuais disparando impulsos elétricos que viajam de 0,5 a 100 metros por segundo e dura por volta de 1 milisegundo. Na realidade, isto é 2,000,000 de vezes mais devagar que um computador rápido (o que explica o níveis de sucesso de Watson no Jeopardy). Mas aquilo que nos falta em velocidade, nós compensamos em termos de complexidade. Nós estamos inundados em relações neurais interconectadas que estão constantemente se refinando para produzir respostas mais acuradas e adaptativas a estímulos externos (i.e. aprendizagem).

Nosso processamento visual passa por uma hierarquia de estágios cada vez mais sofisticados, descartando informações irrelevantes ao longo do caminho. A luminância, o primeiro nível, captura a diferenciação de um objeto do seu entorno—i.e. um círculo preto em uma página branca. Níveis subsequentes levam em consideração os contornos, as texturas e assim por diante com os níveis mais avançados (não tratados neste estudo) de processamento do reconhecimento de objetos. Se contemplar isto faz você se sentir tonto, imagine tentar encontrar um algoritmo matemático tão complexo que poderia predizer razoavelmente a atividade das populações de neurônios que criam as nossas realidades!

Estudos anteriores têm usado algoritmos para recriar com sucesso as imagens estáticas, pretas e brancas, comparativamente simples, na parte inicial do processamento visual, mas recriar a visão dinâmica ou filmes naturais têm sido até aqui a província da fantasia de ficção científica e médica. O time de pesquisadores no Gallant Lab trouxe duas principais inovações para superar os obstáculos tidos anteriormente como instransponíveis por muitos.

Primeiramente, eles desenvolveram um modelo de codificação movimento-energia para funcionar com o fMRI para refinar a informação limitada fornecida pelos lentos sinais de blood oxygen level dependant (BOLD), refletindo as contribuições separadas dos neurônios subjacentes quando relacionados com a atividade hemodinâmica. A percepção de movimento têm se mostrado muito difícil de representar a partir de uma perspectiva computacional. Se você é versado em estatística e gostaria de ler mais sobre o algorítmo deles, veja aqui.

Mas o modelo de codificação movimento-energia foi apenas a metade da batalha. Eles usaram um modelo Bayesiano de decodificação  (um modelo padrão de probabilidade usado na neurociência computacional entre outras áreas) para preencher os vazios deixados pelas informações lentas e e relativamente escassas reunidas a partir dos sinais de BOLD. Em seguida, foi usado o You Tube para o resgate. Para fazer o modelo Bayesiano de probabilidade funcionar, eles tiveram que criar um banco de dados com não menos que 18,000,000 de clipes do You Tube. Estes clipes forneceram uma linha de base ‘prévia’ para o computador. Depois da atividade cerebral fMRI ter sido coletada dos 3 participantes (os sujeitos foram na realidade pesquisadores colegas, já que o processo envolve atualmente gastar horas em um fMRI), o programa de computador selecionou cem clipes que eram mais similares e usaram as combinações mais próximas para gerar o que tinha sido predito que o participante tinha visto com estranha acurácia. Com mais clipes para extrair, os modelos computacionais podiam gerar cenas mentais ainda mais realistas.

Os pesquisadores foram cuidadosos ao notar que ainda estamos a décadas distantes (se não mais do que isto) de usar uma tecnologia de decodificação do cérebro para reconstruir o que uma vítima viu em uma cena de crime ou assistir os nossos sonhos, mas o avanço tem ramificações significativas para o trabalho futuro em múltiplos campos. Isto poderia potencialmente ser usado para ajudar de pacientes em coma a paralíticos ou vítimas de apoplexia. Para o artista cotidiano, sonhador ou para os “hobbistas”—talvez um aplicativo do IPhone para gerar pequenas incepções de filmes, um “scan de criatividade” de 5 minutos para programas MFA para avaliar o potencial de um candidato, competições patrocinadas pela pepsi como ‘nos enviem seus sonhos’. Eu vou parar antes que eu comece a bater as minhas asas (ou ficar depressiva em relação ao pensamento de poetas ou escritores sendo substituídos por programas de computador); mas é interessante considerar um mundo onde a lacuna entre o impulso e a execução é diminuida ao espaço de um algoritmo a ser replicado à vontade e contemplar o que isto poderia significar para o futuro de campos tão diversos quanto a medicina e as artes.

——–

Para quem ainda não viu os vídeos demonstrando a reprodução da visão dos participantes, vale a pena conferir!