Ciências da vidaPré-publicaçãoSimulação4 min de leitura

POR QUE UMA REDE DE MOLAS PRECISARIA DORMIR?

O que é o sono? Ele é identificado como um estado reversível de repouso em que um animal reage menos ao que o cerca — e do qual precisa mais depois de ter sido privado dele. Definido assim, o sono aparece em todo o reino animal: em mamíferos e aves, peixes e vermes, e até em animais sem sistema nervoso centralizado, como as medusas e as hidras. Essa amplitude levanta uma pergunta feita por Nada Elmeligy, Nidhi Pashine e J. M. Schwarz, da Universidade de Syracuse: a necessidade de dormir poderia vir do próprio aprendizado, seja qual for o sistema que aprende?

A inteligência artificial tem uma resposta parcial: desde o algoritmo “vigília–sono” (“wake–sleep”), fases parecidas com o sono têm ajudado redes neurais a aprender coisas novas sem esquecer as antigas. Mas essas redes seguem regras de aprendizado prescritas matematicamente. A equipe queria algo mais simples e puramente físico — um material que aprende por meio de sua própria mecânica.

Molas que aprendem

O aprendiz é uma rede desordenada de molas: 128 nós ligados por 354 a 366 molas. A tarefa que ela precisa aprender é mecânica. Quando um par de forças puxa uma mola (a entrada), outra mola mais distante (a saída) precisa responder com uma tensão precisa. O aprendizado acontece localmente: cada mola ajusta sua própria rigidez a partir das tensões que sente, sem processador central.

A equipe treinou 50 dessas redes numa sequência de 23 visitas: nove tarefas novas, misturadas com 14 repetições de tarefas anteriores. À medida que a sequência avançava, uma fração cada vez menor das redes conseguia aprender as tarefas novas. A culpa não era das tarefas em si: treinadas primeiro, a partir do estado inicial, as mesmas tarefas eram aprendidas com mais frequência.

Aprender consome a capacidade de aprender

A explicação está numa grandeza que os autores chamam de dominância (dominance). Puxe as duas extremidades de uma mola e a carga se espalha: uma parte fica nessa mola, o resto passa pela rede ao redor. A dominância de uma mola é a parcela que ela retém, entre 0 e 1. Uma mola que carrega toda a carga já não consegue transmitir mudanças ao resto da rede; uma mola que não carrega nada não tem nada a transmitir. Sua utilidade para o aprendizado, que os autores chamam de plasticidade (plasticity), é o produto f(1 − f): zero nos dois extremos, máxima em um meio.

Antes do treinamento, as dominâncias das molas ficam perto da média. O treinamento as polariza: algumas molas acabam carregando quase toda a carga entre suas extremidades, outras quase nenhuma. E aqui a equipe demonstra uma lei exata. Some a plasticidade de todas as molas para obter a capacidade de aprendizado C da rede; meça o quanto as dominâncias se afastam da média para obter a polarização P. Então C + P é uma constante, fixada apenas pela estrutura da rede. Cada pedaço de polarização ganho é capacidade de aprendizado perdida. Os autores chamam P de “pressão de sono” da rede. Nas simulações, as tarefas que chegavam quando C era alto eram aprendidas com muito mais frequência.

Escutar o ruído

O estrago pode ser desfeito? Em princípio, sim: enfraquecer as molas dominantes demais, reforçar as fracas demais. A dificuldade é que a dominância de uma mola depende da rede inteira. A equipe encontrou um atalho local: sacudir a rede por dentro com pequenas forças aleatórias, e a energia média armazenada em cada mola revela sua dominância. Cada mola então só precisa de sua própria rigidez e de seu próprio estiramento.

Inserido entre as visitas de tarefas, esse reparo manteve as redes aprendendo ao longo de toda a sequência. Ele superou um relaxamento cego em direção à rigidez de repouso em 49 das 50 redes. Também ecoou várias características do sono animal. O reparo atrapalhava quando nada de novo estava sendo aprendido e ajudava mais quando cerca de 40% das visitas traziam uma tarefa nova. Pular as três últimas sessões de reparo deixava a “pressão de sono” se acumular, e recuperar o atraso exigia uma dose extra — embora apenas 75,3% do que tinha sido pulado, e 52,2% depois de seis sessões perdidas.

Por que o reparo tem de esperar

Por que não reparar enquanto se aprende? Porque uma tarefa em andamento acrescenta esforço às molas que a carregam. Suas leituras de energia sobem — nas 50 redes —, de modo que o reparo confunde molas ocupadas com molas dominantes demais e amolece justamente os caminhos em uso. O reparo feito durante a tarefa deu resultados muito piores do que o reparo feito fora dela.

Como o viés só empurra as leituras para cima, uma mola que ainda aparece como fraca durante uma tarefa é realmente fraca. Então a equipe testou uma divisão: reforçar durante a “vigília”, enfraquecer só durante o “sono”. Funcionou quase tão bem quanto o reparo totalmente fora da tarefa. A divisão inversa piorou o desempenho em todas as redes. Os autores notam um paralelo no córtex visual de ratos, onde a atividade é ajustada para cima durante a vigília e para baixo durante o sono — uma possível explicação física que eles apresentam como hipótese a ser testada.

Um interruptor ainda acionado de fora

As redes não decidem dormir por conta própria: um supervisor externo programa o aprendizado e o reparo e define a meta de recuperação. E, como o reparo não sabe nada das tarefas passadas, ele desgasta as memórias, ao contrário do sono biológico, que também reativa as experiências do dia. As próximas perguntas dos autores são quando um aprendiz passaria por si só a uma fase fora da tarefa — e se uma forma física de sonhar poderia proteger o que ele acabou de aprender.