Um estudo recente da Universidade da Califórnia, nos Estados Unidos, publicado na revista Science, revelou novas pistas sobre os mecanismos que regem a formação das memórias, e as descobertas são surpreendentes.
O cérebro é constituído por milhares de milhões de neurónios que comunicam através de impulsos eléctricos transmitidos por sinapses. Cada neurónio pode receber milhares de sinais através das suas ramificações chamadas dendrites. Estes sinais são processados e transformados em novos impulsos, criando redes de comunicação que representam informações e experiências.
Tradicionalmente, os cientistas acreditavam que a aprendizagem ocorria através do reforço ou enfraquecimento destas ligações – um processo chamado plasticidade sináptica. No entanto, a nova investigação mostra que os neurónios seguem mais do que uma regra para aprender.
Utilizando biossensores genéticos em neurónios de ratos, os investigadores monitorizaram a actividade sináptica em tempo real enquanto os animais aprendiam uma tarefa simples. A expectativa era encontrar um padrão de aprendizagem único – como a regra de Hebbian, que afirma que os neurónios que disparam juntos tendem a ligar-se mais fortemente.
De acordo com o site Gizmodo, os sinapses dentro do mesmo neurónio seguiam regras diferentes. Enquanto algumas seguiam a lógica tradicional, outras reforçavam-se ou enfraqueciam-se independentemente da actividade global do neurónio. Isto sugere que um único neurónio pode desempenhar várias funções em simultâneo e adaptar-se precisamente a diferentes estímulos.
Segundo os cientistas, compreender como o cérebro selecciona as memórias que armazena pode ter implicações profundas para a medicina. Doenças como a depressão, por exemplo, podem estar ligadas a um enfraquecimento excessivo das ligações em determinadas regiões do cérebro.
Para além disso, esta descoberta poderá influenciar o desenvolvimento da Inteligência Artificial (IA). As redes neuronais artificiais continuam a basear-se em regras simplificadas e standardizadas. Com a introdução de múltiplos padrões de aprendizagem inspirados no cérebro humano, estes sistemas poderão tornar-se mais eficientes e precisos.
