Нейросеть планирует и воображает как мозг: работа в Nature Machine Intelligence

Uma rede neural planeja e imagina como um cérebro: pesquisa na Nature Machine Intelligence

Pesquisadores liderados por Lin e colegas publicaram em 21 de julho de 2026 na revista Nature Machine Intelligence um modelo generativo inspirado no funcionamento do cérebro: ele planeja ações e resolve tarefas apoiando-se em mapas cognitivos e aprendendo apenas por meio de plasticidade sináptica local.

Em que o modelo se baseia

O modelo de Lin e colegas combina três mecanismos, cada um emprestado da neurociência. Em sua base estão os mapas cognitivos, representações internas do ambiente pelas quais o sistema "traça uma rota" até um objetivo mesmo antes da ação real.

• Publicação — 21 de julho de 2026, revista Nature Machine Intelligence (DOI 10.1038/s42256-026-01254-4)
• Autores — Lin e colegas (Lin et al.)
• Três pilares do modelo: mapas cognitivos, computação estocástica, codificação composicional
• Aprendizado — apenas plasticidade sináptica local, sem retropropagação global do erro
• Duas funções da inteligência: planejamento e resolução de tarefas

Computação estocástica significa que o modelo funciona por meio de amostragem aleatória (amostragem neural): ele não fornece uma única resposta rígida, mas percorre possíveis variantes do futuro. A codificação composicional permite montar novas cenas e planos a partir de elementos conhecidos — assim como uma pessoa imagina uma situação em que nunca esteve.

Em que isso difere das redes neurais comuns

O modelo de Lin e colegas difere da maioria das redes neurais pelo método de aprendizado. Sistemas modernos aprendem pelo método de retropropagação do erro (backpropagation), que exige acesso global a todos os pesos da rede e é biologicamente implausível. Aqui, cada conexão é atualizada por uma regra local — com base em sinais dos vizinhos mais próximos, como supostamente ocorre no cérebro vivo.

O aprendizado local torna a arquitetura ao mesmo tempo mais próxima da biologia e potencialmente mais econômica para hardware neuromórfico, onde operações globais são caras. Segundo a formulação dos autores, o modelo oferece de uma só vez duas características-chave da inteligência — algo que os sistemas generativos comuns imitam apenas parcialmente.

«O modelo garante duas características-chave da inteligência: planejamento e resolução de tarefas», — do artigo de

Lin et al. na Nature Machine Intelligence.

O que é imaginação orientada a objetivos

Imaginação orientada a objetivos é a capacidade do modelo de "reproduzir" mentalmente caminhos até um objetivo determinado. Em vez de simplesmente reagir à entrada atual, o sistema amostra possíveis sequências de ações a partir do mapa cognitivo e escolhe aquelas que levam ao objetivo.

Essa abordagem aproxima o planejamento nas máquinas de como o cérebro atua: primeiro uma rota imaginada, depois um passo real. É justamente a combinação de três elementos — mapa cognitivo, amostragem estocástica e aprendizado local — que diferencia esse trabalho de planejadores puramente de engenharia, que não pretendem ter plausibilidade biológica e geralmente se baseiam em aprendizado global.

O que isso significa

O trabalho de Lin e colegas é um passo em direção a redes neurais que planejam e imaginam segundo os princípios do cérebro, e não apenas reconhecem padrões. A combinação de aprendizado local e inferência estocástica se encaixa bem em chips neuromórficos energeticamente eficientes e em robótica, onde as duas funções declaradas — planejamento e resolução de tarefas — são especialmente valorizadas.