Нейросеть сама открыла метод «дворца памяти»: исследование Nature Machine Intelligence

Pesquisadores liderados por Li (Li et al.) publicaram em 20 de julho de 2026, na revista Nature Machine Intelligence, um trabalho que mostra que redes neurais recorrentes, treinadas na tarefa de evocação livre, descobrem por conta própria diversas estratégias de memória semelhantes às humanas ao mesmo tempo — e as mais precisas delas aplicam um mecanismo baseado em índices que lembra a antiga mnemônica do "palácio da memória".

O que o estudo mostrou

As redes neurais recorrentes (RNN), otimizadas para a tarefa de evocação livre (free recall), revelaram não uma, mas várias estratégias diferentes de memorização. Segundo a Nature Machine Intelligence, essas estratégias vão além dos modelos clássicos de contexto temporal (temporal context models), que por décadas foram considerados a principal explicação de como as pessoas recordam listas de palavras em ordem arbitrária.

A evocação livre é um teste de memória clássico: mostra-se uma lista a uma pessoa e depois pede-se que a reproduza em qualquer ordem. Por muito tempo, o comportamento das pessoas nesse teste foi descrito justamente por modelos de contexto temporal, nos quais a probabilidade de lembrar uma palavra depende de quão próxima no tempo ela foi apresentada em relação às vizinhas. O novo trabalho mostra que essa tarefa não tem uma única solução ótima.

*Publicação — 20 de julho de 2026, Nature Machine Intelligence, DOI 10.1038/s42256-026-01274-0

*Autores — Li et al.

*Método — redes neurais recorrentes (RNN) otimizadas para evocação livre

*Principal conclusão — os melhores modelos usam um mecanismo baseado em índices, análogo ao "palácio da memória"

*O que superaram — os modelos clássicos de contexto temporal (temporal context models)

O que o "palácio da memória" tem a ver com isso

Os modelos mais eficazes se apoiaram em um mecanismo baseado em índices (index-based): eles atribuíam aos elementos a memorizar uma espécie de endereço e os acessavam por essas marcações, em vez de percorrer toda a sequência. O recurso lembra a técnica do "palácio da memória" (método dos loci), usada já pelos oradores da Antiguidade — os fatos são "colocados" mentalmente nos cômodos de um edifício imaginário e depois recuperados percorrendo um trajeto conhecido de antemão.

É importante notar que a rede não recebeu essa estratégia pronta. Ela chegou a essa solução sozinha, apenas se otimizando para a precisão da evocação — ou seja, o esquema baseado em índices se revelou uma solução vantajosa para a própria tarefa, e não um truque embutido de antemão.

Por que isso importa

O trabalho aproxima os mecanismos de memória artificiais e biológicos. Se uma rede neural chega, sem nenhuma pista, a uma estratégia parecida com a mnemônica humana, isso é um argumento a favor de que tais estratégias são a solução ótima para a tarefa de evocação, e não apenas uma invenção cultural. Para a neurociência, trata-se de uma hipótese testável sobre como o cérebro organiza a evocação livre.

Para a IA, a questão da memória de longo prazo permanece em aberto: os modelos de linguagem mantêm o contexto em uma janela limitada e organizam mal as memórias antigas. A estratégia em que os elementos são endereçados por índices, em vez de revisados sequencialmente, ecoa a forma como os sistemas modernos acoplam bancos de dados externos e busca vetorial. O estudo de Li et al. oferece a isso uma fundamentação biologicamente plausível.

Os melhores modelos usam um mecanismo baseado em índices que lembra a técnica do "palácio da memória". — do artigo de

Li et al., Nature Machine Intelligence (DOI 10.1038/s42256-026-01274-0)

O que isso significa

As redes neurais cada vez mais servem não apenas como ferramenta aplicada, mas também como modelo do cérebro. Ao otimizar uma rede para uma tarefa de memória específica, os pesquisadores obtêm hipóteses testáveis sobre como funciona a evocação humana — e pistas para futuros sistemas de IA com uma memória de longo prazo mais estruturada.