![Rato virtual — Foto: DIvulgação](https://cdn.statically.io/img/s2-epocanegocios.glbimg.com/SPrFk6-cPYw0C6PfaUNWEqWfnyM=/0x0:1266x691/984x0/smart/filters:strip_icc()/i.s3.glbimg.com/v1/AUTH_e536e40f1baf4c1a8bf1ed12d20577fd/internal_photos/bs/2024/p/M/oK3a5tThCzE2zX1GXgNA/captura-de-tela-2024-06-29-111056.png)
Pesquisadores do Google DeepMind e da Universidade de Harvard construíram um rato virtual alimentado por inteligência artificial para entender melhor como o cérebro controla o movimento, informa o portal Cybernews. O rato virtual é alimentado por uma rede neural artificial que imita a atividade neural de seu equivalente real, dando aos pesquisadores a chance de comparar os dois.
Para obter uma melhor compreensão de como o cérebro funciona, os pesquisadores treinaram o roedor virtual para imitar os movimentos de corpo inteiro de ratos em movimento livre em um simulador de física, onde uma rede neural artificial acionou um modelo biomecanicamente realista do rato.
“Depois comparamos a atividade neural do cérebro do rato real com as ativações da rede neural artificial do roedor virtual ao realizar os mesmos comportamentos”, disse o autor principal, Diego Aldorando, em uma série de postagens no X.
“Descobrimos que as redes neurais do roedor virtual, que implementam modelos de dinâmica inversa, eram melhores preditores da atividade neural do que características mensuráveis do movimento, como as posições ou velocidades das articulações, ou modelos de controle alternativos”, disse Aldorando.
Os pesquisadores usaram aprendizado profundo por reforço para treinar o agente virtual a imitar o comportamento de ratos em movimento livre, de acordo com artigo publicado na Nature. Os resultados do estudo demonstraram “como a simulação física de animais virtuais biomecanicamente realistas pode ajudar a interpretar a estrutura da atividade neural em todo o comportamento e relacioná-la aos princípios teóricos do controle motor”, diz o artigo.
Segundo Aldorando, a abordagem de pesquisa deles pode ser aplicada em neurociência e facilitar o estudo de aspectos do controle neuromotor que são difíceis de deduzir experimentalmente. Também poderia ser “instrumental na modelagem do controle neural de comportamentos animais cada vez mais complexos”.