Todos os dias, as pessoas estão constantemente aprendendo e formando novas memórias. Quando você começa a praticar um novo hobby, experimenta uma receita recomendada por um amigo ou lê as últimas notícias do mundo, seu cérebro armazena muitas dessas memórias por anos ou décadas.
Mas como seu cérebro consegue essa incrível façanha?
Em nossa pesquisa recém-publicada na revista Science, identificamos algumas das “regras” que o cérebro usa para aprender.
Aprendizado no cérebro
O cérebro humano é composto de bilhões de células nervosas. Esses neurônios conduzem pulsos elétricos que transportam informações, da mesma forma que os computadores usam código binário para transportar dados.
Esses pulsos elétricos são comunicados a outros neurônios por meio de conexões entre eles chamadas sinapses. Os neurônios individuais têm extensões ramificadas conhecidas como dendritos que podem receber milhares de entradas elétricas de outras células. Os dendritos transmitem essas entradas para o corpo principal do neurônio, onde ele então integra todos esses sinais para gerar seus próprios pulsos elétricos.
É a atividade coletiva desses pulsos elétricos em grupos específicos de neurônios que formam as representações de diferentes informações e experiências dentro do cérebro.
Há décadas, os neurocientistas acreditam que o cérebro aprende mudando a forma como os neurônios estão conectados uns aos outros. À medida que novas informações e experiências alteram a forma como os neurônios se comunicam entre si e mudam seus padrões de atividade coletiva, algumas conexões sinápticas se tornam mais fortes, enquanto outras se tornam mais fracas. Esse processo de plasticidade sináptica é o que produz representações de novas informações e experiências em seu cérebro.
No entanto, para que o cérebro produza as representações corretas durante o aprendizado, as conexões sinápticas corretas devem sofrer as mudanças certas no momento certo. As “regras” que o cérebro usa para selecionar quais sinapses devem ser alteradas durante o aprendizado – o que os neurocientistas chamam de problema de atribuição de crédito – ainda não estão muito claras.
Definindo as regras
Decidimos monitorar a atividade de conexões sinápticas individuais dentro do cérebro durante o aprendizado para ver se poderíamos identificar padrões de atividade que determinassem quais conexões ficariam mais fortes ou mais fracas.
Para isso, codificamos geneticamente biossensores nos neurônios de camundongos que se iluminariam em resposta à atividade sináptica e neural. Monitoramos essa atividade em tempo real à medida que os camundongos aprendiam uma tarefa que envolvia pressionar uma alavanca em uma determinada posição após uma sugestão sonora para receber água.
Ficamos surpresos ao descobrir que as sinapses em um neurônio não seguem todas a mesma regra. Por exemplo, os cientistas sempre pensaram que os neurônios seguem as chamadas regras hebbianas, em que os neurônios que disparam consistentemente juntos, se conectam. Em vez disso, vimos que as sinapses em diferentes locais dos dendritos do mesmo neurônio seguiam regras diferentes para determinar se as conexões ficavam mais fortes ou mais fracas. Algumas sinapses aderiram à regra tradicional de Hebbian, em que os neurônios que disparam consistentemente juntos fortalecem suas conexões. Outras sinapses fizeram algo diferente e completamente independente da atividade do neurônio.
Nossas descobertas sugerem que os neurônios, ao usarem simultaneamente dois conjuntos diferentes de regras para o aprendizado em diferentes grupos de sinapses, em vez de uma única regra uniforme, podem ajustar com mais precisão os diferentes tipos de entradas que recebem para representar adequadamente as novas informações no cérebro.
Em outras palavras, ao seguir regras diferentes no processo de aprendizagem, os neurônios podem realizar várias tarefas e executar várias funções em paralelo.
Aplicações futuras
Essa descoberta proporciona uma compreensão mais clara de como as conexões entre os neurônios mudam durante o aprendizado. Considerando que a maioria dos distúrbios cerebrais, incluindo condições degenerativas e psiquiátricas, envolve alguma forma de mau funcionamento das sinapses, isso tem implicações potencialmente importantes para a saúde humana e a sociedade.
Por exemplo, a depressão pode se desenvolver a partir de um enfraquecimento excessivo das conexões sinápticas em determinadas áreas do cérebro, o que dificulta a sensação de prazer. Ao compreender como a plasticidade sináptica funciona normalmente, os cientistas poderão entender melhor o que está errado na depressão e desenvolver terapias para tratá-la com mais eficácia.
Essas descobertas também podem ter implicações para a inteligência artificial. As redes neurais artificiais subjacentes à IA foram, em grande parte, inspiradas em como o cérebro funciona. Entretanto, as regras de aprendizado que os pesquisadores usam para atualizar as conexões dentro das redes e treinar os modelos geralmente são uniformes e também não são biologicamente plausíveis. Nossa pesquisa pode fornecer insights sobre como desenvolver modelos de IA mais realistas do ponto de vista biológico que sejam mais eficientes, tenham melhor desempenho ou ambos.
Ainda há um longo caminho a percorrer antes de podermos usar essas informações para desenvolver novas terapias para distúrbios cerebrais humanos. Embora tenhamos descoberto que as conexões sinápticas em diferentes grupos de dendritos usam regras de aprendizagem diferentes, não sabemos exatamente por que ou como. Além disso, embora a capacidade dos neurônios de usar simultaneamente vários métodos de aprendizagem aumente sua capacidade de codificar informações, ainda não está claro quais outras propriedades isso pode conferir a eles.
Espera-se que pesquisas futuras respondam a essas perguntas e ampliem nossa compreensão de como o cérebro aprende.
