Dependência digital: mito ou realidade?

Ajudem a divulgar nossos podcasts sobre saúde mental, filosofia do envelhecer, cognição humana e maquínica, lógica neural e estruturas de decisão, neurofilosofia e IA, e tudo mais em direção ao novo modo de viver o mundo da informação transumanista. Nós, o Instituto Stokastos, somos a fronteira do novo conhecimento e da ultracultura.

Dependência digital e outras bobagens (novo URL do podcast)

Como a IA deep-learning pode ajudar a desvendar a cognição

A aprendizagem profunda é uma abordagem de inteligência artificial (IA) inspirada nas redes neurais do córtex analisador visual/auditivo do cérebro. Trata-se de um algoritmo de aprendizagem que vem contribuindo para tecnologias tais como análise automatizada de vídeo, tradução de idiomas, reconhecimento de faces e vozes, condução automática de automóveis etc.

Esse algoritmo aprende a processar inputs para obter uma saída específica – por exemplo, identificar um rosto específico em muitas fotos de pessoas diferentes. As redes são denominadas “profundas” (ou “convolutivas”) devido às suas múltiplas camadas de unidades computacionais repetidas em sequência. Cada unidade recebe entradas de unidades similares da camada anterior e envia saídas para as da próxima. Quando exposta a um determinado objeto, a rede modula os valores de pesos nas saídas de cada camada e estabelece, após tentativas e correções, a melhor distribuição de valores que corresponde ao objeto. Assim, ele passa a identificar o objeto em função do padrão de distribuição de pesos nas camadas de unidades computacionais, que equivalem a neurônios artificiais. Matematicamente, essa rede pode ser vista como uma função de alta dimensão, que modula os valores das saídas de uma camada para a próxima.

Para ser capaz de reconhecer coisas, a rede ajusta seus pesos de conexão durante uma fase de treinamento, que normalmente se baseia em um conjunto de exemplos de entradas e saídas. Essa é a fase de aprendizagem por treinamento. Por exemplo, mostramos a um sistema de aprendizagem profunda uma série de fotos especificando quais são as que contêm a face que ela deve identificar. Seus pesos são automaticamente ajustados pelos algoritmos de otimização até que ela alcance uma configuração de valores que dão a identificação correta com base na distribuição de pixels. A organização profunda da rede (multicamadas) confere a ela uma capacidade prodigiosa de identificar e classificar os detalhes, relações e configurações mais úteis que se repetem nos exemplos e, com isso, distingue os diferentes rostos. A desvantagem desse processo é que a rede treinada comporta-se como uma caixa preta, isto é, na maioria das vezes as soluções computacionais que ela elaborou durante o treinamento não são deduzidas na miríade de pesos distribuídos ao longo das camadas.

Redes de aprendizagem profunda executam com sucesso tarefas perceptivas, talvez até imitando o córtex dos mamíferos, mas há poucos estudos de tarefas comportamentais complexas, tais como a de reconhecer e percorrer (“navegar”) um território. Um aspecto fundamental de navegação na vida real é estimar a posição de uma pessoa após cada etapa, calculando o deslocamento por etapa com base na orientação e distância percorrida. Esse processo é chamado de integração do caminho e é considerado pelos neurocientistas, cientistas cognitivos e roboticistas como crucial para gerar um mapa cognitivo do ambiente.

No post anterior, vimos como a IA deep-learning pode ser uma valiosa colaboradora na investigação dos mecanismos neurais da cognição.

Inteligência Artificial recria espontaneamente o GPS cerebral

O algoritmo de aprendizagem profunda (a rede neural do Google conhecida como “deep-learning”) mimetiza espontaneamente a atividade dos neurônios que informam nossa orientação no espaço. Isso mostra como essa IA pode ser uma valiosa colaboradora para decifrar códigos neurais complexos. Banino e colegas usaram esse algoritmo para simular o treinamento de um rato virtual no rastreamento de sua posição em busca de um objetivo.

O programa gerava espontaneamente padrões de atividade em uma grade virtual de hexágonos, semelhantes aos gerados pelas células de grade – ou neurônios-grade – no cérebro dos mamíferos. O rato simulado foi capaz de usar uma codificação análoga a dessas células para navegar em um labirinto virtual rastreando um alimento, e o fez tão bem que até aprendeu a usar atalhos.

As células de grade foram descobertas em experimentos com ratos reais como necessárias para que o animal rastreie sua própria posição no espaço. Essas células e outros neurônios relacionados à navegação do cérebro, incluindo células de lugar e células de direção da cabeça, são encontradas no e ao redor do hipocampo. No cérebro dos mamíferos, as células de lugar disparam quando o animal está em uma posição particular num ambiente, as células da cabeça disparam quando a cabeça está em uma orientação específica, e as células de grade disparam quando o animal está em pontos sobre uma grade hexagonal virtual projetada sobre o ambiente.

A rede neural de aprendizagem profunda foi capaz de recriar o padrão de grade, confirmando que o cérebro dos mamíferos desenvolveu uma maneira ideal de codificação espacial, que poderá vir a ser a descoberta de um princípio computacional universal de navegação no espaço.

Os autores do estudo testaram a hipótese de que o cérebro usa células de grade para mapear sua posição em um ambiente, integrando no processo informações sobre a velocidade e direção do movimento do corpo. Eles treinaram uma rede de aprendizagem profunda para navegar, fornecendo-lhe dados de simulações de padrões de forrageamento de roedores, incluindo dados da atividade das células de localização e direção da cabeça. Não foi simulada a atividade das células de grade, isto é, um mapeamento sobre grade de hexágonos.

Por fim, testaram o funcionamento do sistema em um rato virtual para verificar como ele o usava para navegar no labirinto onde teria que aprender a chegar a um objetivo específico. Para isso, eles acrescentaram outro programa ao sistema que introduzia as funções de memória e recompensa, necessárias para o aprendizado. O rato simulado logo aprendeu a encontrar seu objetivo por tentativa e erro (figura A, linha azul).

Entretanto, de modo surpreendente, algumas unidades computacionais da rede desenvolveram padrões de disparo semelhantes a células de grade. Enquanto aprendia a navegar em direção a um objetivo usando simulação de células de lugar e de direção da cabeça (Figuras A e B, linhas azuis), caminhos semelhantes foram tomados por um sistema que passou a usar células de grade (Figura A, linha vermelha). Mas quando se abria as portas do labirinto, logo foram encontrados atalhos pelo sistema que usava as células de grade, em uma busca por rotas mais curtas (Figura B, linha vermelha), destacando uma capacidade semelhante à atividade das células de grade do cérebro de mamíferos de promover estratégias flexíveis de navegação. (Se a formação dos padrões de grade fosse impedida, o rato simulado não mais navegaria eficientemente pelo labirinto.)

Banino e colaboradores descobriram que padrões hexagonais de atividade semelhantes a uma grade emergiram espontaneamente nas unidades computacionais – assim como também ocorrem nos cérebros de ratos reais em experimentos de laboratório. Eles notaram também que para que suas unidades ficassem mais parecidas com as do cérebro, ou seja, para fazerem emergir a atividade em forma de grade, era necessário introduzir uma certa quantidade de ruído artificial no sistema.

Esses resultados abrem caminho para a criação de novos algoritmos inteligentes, mas também nos mostra que “deep-learning”, o algoritmo de aprendizagem profunda, é uma ferramenta útil para testar hipóteses sobre o cérebro. Indo mais adiante, eu diria até que se revelou um parceiro insubstituível para abrir novos caminhos na investigação neurocientífica.

O GPS do cérebro

Nos mamíferos, existem no hipocampo células que são ativadas quando o animal está em um determinado local. Descritas em 1971, essas células receberam o nome de “células de lugar” ou “neurônios localizadores”, e foram primeiramente descobertas em ratos e posteriormente confirmadas em humanos. Elas registram a posição estática do animal em um dado lugar (e não por estímulos sensoriais ou motores imediatos), mas não são ativadas quando ele muda de posição. Desse modo, o hipocampo não apenas codifica nossas memórias, como também elabora um “mapa cognitivo” delas.

(A expressão “mapa cognitivo” foi criado por Edward Tolman (1889-1959), que teorizou haver em algum lugar do cérebro um sistema de representação espacial que poderia “criar mapas e navegar pelo mundo”.)

Mais recentemente, em 2005, foram descritas as chamadas “células de grade” ou “neurônios-grade”, que têm a função de fornecer dados às células de lugar estabelecendo “mapas de navegação”. Esses neurônios foram descobertos em experimentos conduzidos com ratos, morcegos, macacos e humanos. Em testes com humanos, mostrou-se que as células de grade são ativadas quando se explora um ambiente, simulado ou não. Esse tipo de célula, além de ter funções relacionadas à memória, funciona como um GPS interno, informando à pessoa onde ela está em relação a um ambiente geral e proporcionando a noção de medida de percurso.

Em um experimento, pacientes em tratamento para epilepsia, participaram de jogos de realidade virtual que simulavam um local aberto onde deveriam encontrar vários objetos que desapareciam após algum tempo e novamente deveriam ser reencontrados, com a ajuda de um joystick. Monitorando seus EEGs e neuroimagens durante a tarefa, verificou-se que as células de grade do córtex entorrinal medial – região que é afetada no Mal de Alzheimer – revelavam um padrão visível de ativação em coordenadas que acompanham os movimentos virtuais da pessoa. O mesmo acontecia em experimentos controlados com ratos e outros animais.

As células de grade estão, portanto, associadas à orientação espacial e à memória, dois fatores que aparecem juntos no Alzheimer, uma doença que se inicia, ao mesmo tempo, com perda de memória e da noção de espaço .

O nome “células de grade” refere-se a uma grade hexagonal regular que divide o espaço igualmente e onde as distâncias entre os centros dos hexágonos são sempre as mesmas. A grade hexagonal tem, por isso, vantagem sobre a grade quadrada, além de oferecer deslocamentos em oito direções e não apenas em quatro. Ela usa mais eficientemente o espaço plano, e não por acaso é usada em navegação moderna e em jogos como Wargame e RPG.

Essas células projetam no espaço virtual da pessoa uma grade hexagonal perfeita. Os neurônios-grade são encontrados no córtex entorrinal medial. Ao contrário das células de lugar, que estão no hipocampo e só disparam quando o animal está numa posição, os neurônios-grade disparam sempre que o animal estiver em qualquer ponto de uma grade hexagonal regular imaginária (virtual), cooperando com as células de lugar. Quando um rato se desloca num ambiente, um neurônio-grade dispara cada vez que ele pisa em um dos pontos dessa grade, desse modo ele memoriza um trajeto. Isso acontece internamente, mesmo sem a participação sensorial, e se atualiza constantemente. Os neurônios-grade fornecem dados ao hipocampo e, junto com o mapa das células de lugar, criam um mapa especifico.

A descoberta dos neurônios-grade nos ajuda a entender a função do hipocampo e a formação da memória episódica. Junto com o lobo temporal medial, começamos a compreender como o cérebro constrói representações cognitivas do mundo exterior não vinculadas aos estímulos sensoriais. O constructo da localização de um evento sensorial é puramente cognitivo. Embora o padrão de disparo desses neurônios seja calibrado por informação especialmente vinda dos sistemas vestibular e visual, ele não depende de sinais sensoriais externos.

O hipocampo é um codificador de lembranças, registrando continuamente nossa autobiografia, mas também monitora espacialmente nossos deslocamentos, registrando em um mapa interno os locais onde ocorreram os eventos de nossas vidas.

As referências principais dessa descoberta são:

Sargolini F., Fyhn M., Hafting T., McNaughton B.L., Witter M.P., Moser M.B., Moser E.I. Conjunctive representation of position, direction, and velocity in entorhinal cortex. Science. 2006;312:758–762.

Hafting T, Fyhn M, Molden S, Moser MB, Moser EI. Microstructure of a spatial map in the entorhinal cortex. Nature, 2005:436:801-806.

David Redish. Beyond the cognitive map, MIT Press, 1999.

 

O que há com o câncer?

Depois de 50 anos de pesquisas e trilhões de dólares investidos, pouco se avançou na cura ou remissão estável do câncer. Entretanto, algumas coisas ficaram claras:

1) Não existe uma só linhagem de células cancerosas, mas muitas. Um câncer inclui várias populações de células com mutações variáveis, algumas podem ser muito agressivas. É um carnaval.

2) Se eliminamos uma forma agressiva, cirúrgica ou radio/quimicamente, as que ficaram quietinhas (pouco agressivas) podem vir a sofrer mutações altamente perigosas, e ai tudo volta a acontecer. Não é raro.

3) Sabemos hoje que se o câncer está sossegado no lugar dele, é melhor deixá-lo como está e faze-lo feliz. Cuidem bem dele e deixe-o satisfeito; não cutuquem a onça, apenas vigie. Ele só se torna uma máquina de destruição total quando resolve fazer baderna e se multiplica em metástases, invadindo todo o corpo.

4) Vejam bem, metástase não dá sintomas, você pode estar se divertindo numa boa enquanto está sendo invadido e atacado, comido por dentro. Os sintomas só aparecem quando a carga é tão grande que começa a colapsar o organismo, e aí o bicho pega.

5) Por fim, sinto muito em destruir vossas ilusões pelo que vou dizer aqui. A taxa de câncer correlaciona-se com a taxa de mutações, genética familiar e idade. Você pode praticar exercício, ser vegetariano, tomar vitaminas, ser odara e natureba, não estará livre do onco-evento. Tudo depende de mutações, exposição a mutágenos e, naturalmente, seu DNA velho de guerra. Mas é bom ser saudável, exercitar-se, não fumar, reduzir o álcool, ter cabeça feita, porque tudo isso ajuda a ter uma boa saúde e, assim melhor condição de luta, se alguma célula “descobrir” o que ela é realmente, e partir para os finalmente. Nosso genes nunca foram nossos amigos, é só pensar direitinho.

A esperada cura para o câncer vai demorar ainda.

Ah! Se puderem assistam “Aniquilação” (“Annihilation”), na NETFLIX. Não conheço melhor ficção sobre o que é realmente o câncer. Também recomendo a leitura de “A Vida Imortal de Henrietta Lacks”, para arrematar o bate-papo. Não pensem que vocês são o apogeu da criação, há algo aterrador em nossa natureza, e só viemos a esse mundo por causa de uma providencial falha genética. Deveríamos ser amebas despreocupadas nadando e dividindo-se ad eternum no Éden da vida. Nem mesmo Deus está isento de erros, ou melhor, da estocasticidade dos eventos. Mas isso é outra estória (ou história?).

O que é CRISPR? Edição de genes

Uma notável descoberta da biologia molecular foi o sistema CRISPR. Quando uma bactéria é infectada por um vírus (“bacteriófagos” = vírus que convertem bactérias em fábricas de propagação de vírus em massa), as poucas que sobrevivem removem pequenos pedaços do DNA viral e os inserem numa região do cromossoma bacteriano denominada Clustered Regularly Interspaced Short Palindrome Repeats (CRISPR).

CRISPR é um arquivo onde a bactéria registra dados de vírus a que foram expostas, e passam à descendência essa memória, conferindo imunidade genética. O locus CRISPR é uma espécie de “cartão de vacinação” da célula. Nesta região, pequenos segmentos de RNAs são transcritos contendo uma cópia exata da sequência do segmento de DNA viral arquivado.

Esses pequenos RNAs associados ao locus CRISPR ligam-se a uma proteína chamada Cas9, formando um complexo – sistema CRISPR – que funciona como uma sentinela. Quando um vírus entra na bactéria, o arquivo é rapidamente ativado e faz cópias de arquivos virais em RNAs, que é acoplado à Cas9. O sistema faz uma varredura em todos os DNAs presentes na célula, e se o RNA guia encontra um segmento que pareia exatamente com ele, a Cas9 o corta com precisão, inativando-o definitivamente. O corte é muito preciso e se dá nas extremidades reconhecidas como “sequências palíndromes”, separando a dupla fita do DNA alienígena.

Uma propriedade muito importante do sistema CRISPR é que ele é programável, isto é, podemos programá-lo para reconhecer segmentos específicos de DNAs. Isto nos permite fazer modificações bem precisas no DNA celular, semelhante às correções que fazemos num texto usando o processador Word, substituindo uma letra (base) ou modificando uma frase inteira (sequência de bases).

Essa tecnologia logo foi estendida para outras células, possibilitando a edição de genes, e com isso a terapia genética tornou-se uma realidade. Podemos agora programar células animais e vegetais com essa tecnologia. Programamos um CRISPR em laboratório, e então o colocamos nas células-alvo, simples assim. A tecnologia CRISPR avança, novas ferramentas estão sendo testadas.

As células têm um sistema SOS de detecção e reparo de quebras (cortes) em seu DNA. O reparo se faz com pouca modificação local, o que pode levar à inativação de um gene, ou pode integrar um novo pedaço de DNA no lugar, se for o caso. Desse modo, podemos programar o sistema CRISPR para “nocautear” genes ou ativar genes, inserindo bases específicas, ou então substituir uma base por outra, de modo a corrigir uma mutação. É uma esperança para as três mil doenças genéticas como, por exemplo, fibrose cística, anemia falciforme, doença de Huntington, que se devem a uma mutação numa das bases. Quem sabe futuramente possamos também editar genes envolvidos em alguns transtornos mentais?

Podemos fazer o mesmo para erradicar o herpes, o HIV e outros vírus endógenos. A tecnologia CRISPR é uma terapia promissora para o câncer. É possível agora programar células do sistema imunológico de um indivíduo para reconhecer células cancerosas. Em 2016, pesquisadores chineses conseguiram programar células imunológicas para destruir um tipo de carcinoma pulmonar com grande sucesso. Daqui a mais uns anos teremos a primeira ferramenta efetiva para combater o câncer. Os EUA já patentearam essa forma de terapia.

A tecnologia CRISPR é simples, precisa, barata (reduziu em 99% os custos da engenharia genética), com a grande vantagem de ser reprogramável. Sem dúvida, é uma revolução na terapia gênica para doenças até agora incuráveis. Mas as implicações que isto poderá trazer para outros setores da biologia humana (bebês geneticamente modificados e mesmo modificações na espécie humana e criação de raças antropoides) nos empurrará para um confronto bioético tremendo.

Assistam a um vídeo didático sobre CRISPR, uma contribuição do nosso seguidor Angelo Buoro.

Um vídeo mais detalhado pode ser visto daqui.

 

Nossa herança Neandertal

Evidências de inteligência neandertal tornam-se cada vez mais evidentes. Descobriu-se agora, na Espanha, uma caverna adornada com belas pinturas datadas de pelo menos 20 mil anos antes da chegada do Homo sapiens na Europa. Mais precisamente, há cerca de 65 mil anos (nossos ancestrais só chegaram lá por volta de 40-45 mil anos). Vejam aqui o relato.

Já sabíamos que os neandertais eram também musicais (flautas feitas de ossos), místicos (enterros rituais denotando crenças sobrenaturais), e tinham linguagem como nós. Não eram agricultores, aparentemente viviam da caça e da coleta de frutos e raízes.

A convivência e o possível cruzamento entre neandertais e sapiens provavelmente originou uma descendência híbrida que talvez tenha sido prevalente na Europa e Síria-Palestina. Essa raça híbrida de humanos e “gigantes” muito provavelmente nos legou algumas características genéticas, comportamentais e culturais. Somos essa raça.

Por vezes sou tentado a pensar se o mito de Abel e Caim  não seria uma referência longínqua a uma convivência problemática entre essas duas raças, que disputaram ferozmente terras habitáveis e produtivas.

Muita coisa para pensar. Nossos primos neandertais não estão tão longe de nós assim…

Enxames Assassinos

Uma formiga, dez formigas, mil formigas são insetos absolutamente estúpidos e aleatórios. Não tem um programa de sobrevivência. Entretanto, cem mil, um milhão, cem milhões de formigas formam um formigueiro, uma coletividade que atua como um organismo líquido, dotado de comportamento inteligente, autônomo. Em um formigueiro há formigas que buscam alimentos, formigas que patrulham o formigueiro, formiga que cuidam dos afazeres domésticos, formigas que alimentam bebês-formigas… Há lugar para depositar os mortos e para o lixo, lugar para recrutamento e divisão de funções, berçários…

Esse comportamento emerge de regras muito simples, quais sejam: a interação formiga-formiga, que inclui trocas de sinalização química (feromônios) entre elas para comunicar informações, e interação formiga-ambiente. O sistema todo entra em correlação e se auto-organiza espontaneamente, e disto emerge uma propriedade global de natureza adaptativa. Não há um governo central, tudo decorre do coletivo que atua como um organismo (bottom-up). É a mesma coisa com cupins, abelhas, bandos de aves, cardumes… Chama-se a isso “inteligência de enxame” (swarm intelligence, Beni & Wang, 1989).

Esse comportamento coletivo é frequentemente cooperativo, p. ex., construindo pontes para vencer obstáculos, carregando objetos muito mais pesados que cada indivíduo,  e outros. Nada há de místico nisso e pode ser modelado in silico ou mesmo em multi-microrobôs.

Inteligência enxame é hoje um ramo avançado da Inteligência Artificial, e tem múltiplas aplicações em otimização de processos etc.

Imagine agora que nanorobôs e mini-drones podem, através de regra simples de interação, computar uma inteligência enxame, atuando como um organismo. É precisamente isto que já está em andamento: enxames de mini-drones, cada um do tamanho de um canário ou um gafanhoto, com poder de aos milhares buscar, atacar e destruir pessoas aonde quer que elas estejam ou se escondam, bem como poder de sabotar e destruir instalações. Tal inteligência artificial é indefensável.

Vejam os vídeos abaixo e tirem suas conclusões.

Robõs assassinos: enxames de micro-drones de busca e destruição.

Simulação de ataque com enxame de micro-drones.