Rede neural planeja e imagina como o cérebro: estudo 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 com base em mapas cognitivos e aprende apenas por meio de plasticidade sináptica local.

Em que o modelo se baseia

O modelo de Lin e colegas combina três mecanismos, todos emprestados da neurociência. A base são os mapas cognitivos, representações internas do ambiente pelas quais o sistema "traça a rota" até o objetivo antes mesmo de agir de fato.

• 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 por plasticidade sináptica local, sem retropropagação global do erro
• Duas funções da inteligência: planejamento e resolução de tarefas

Computação estocástica significa que o modelo trabalha por amostragem aleatória (amostragem neural): em vez de entregar uma única resposta rígida, ele percorre possíveis versões do futuro. A codificação composicional permite montar novas cenas e planos a partir de elementos familiares, do mesmo modo como uma pessoa imagina uma situação em que nunca esteve.

Como isso difere das redes neurais convencionais

O modelo de Lin e colegas se distingue da maioria das redes neurais pela forma de aprender. Os sistemas atuais são treinados 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 nos sinais dos vizinhos mais próximos, como supostamente acontece no cérebro vivo.

O aprendizado local deixa a arquitetura mais próxima da biologia e, potencialmente, mais econômica em hardware neuromórfico, onde operações globais são caras. Segundo os autores, o modelo entrega de uma só vez duas características centrais da inteligência, que os sistemas generativos convencionais imitam apenas em parte.

"O modelo proporciona duas características centrais da inteligência: planejamento e resolução de tarefas", afirma o 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 "ensaiar" mentalmente caminhos até uma meta definida. Em vez de apenas reagir à entrada atual, o sistema amostra possíveis sequências de ações a partir do mapa cognitivo e escolhe as que levam ao objetivo.

Essa abordagem aproxima o planejamento nas máquinas do modo como o cérebro age: primeiro a rota imaginada, depois o passo real. É justamente a combinação de três elementos (mapa cognitivo, amostragem estocástica e aprendizado local) que diferencia este trabalho dos planejadores puramente de engenharia, que não pretendem ter fidelidade biológica e costumam depender de aprendizado global.

O que isso significa

O trabalho de Lin e colegas é um passo rumo a redes neurais que planejam e imaginam segundo 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 na robótica, áreas em que as duas funções declaradas, planejamento e resolução de tarefas, são especialmente valorizadas.