Anda di halaman 1dari 357

Para Leo Oscar Kurzweil.

Voc est adentrando um mundo extraordinrio.


Sumrio

Capa
Folha de rosto
Dedicatria
Agradecimentos

Como criar uma mente


Introduo
Captulo 1 Experimentos mentais pelo mundo
Captulo 2 Experimentos mentais sobre o pensamento
Captulo 3 Um modelo do neocrtex: a teoria da mente baseada em
reconhecimento de padres
Captulo 4 O neocrtex biolgico
Captulo 5 O crebro primitivo
Captulo 6 Habilidades transcendentes
Captulo 7 O neocrtex digital inspirado na biologia
Captulo 8 A mente como computador
Captulo 9 Experimentos mentais sobre a mente
Captulo 10 A lei dos retornos acelerados aplicada ao crebro
Captulo 11 Objees
Eplogo
Notas
ndice remissivo
Crditos e copy right
Agradecimentos

Gostaria de expressar minha gratido minha esposa, Sony a, por sua


pacincia amorosa atravs das vicissitudes do processo criativo;
Aos meus filhos, Ethan e Amy ; minha nora, Rebecca; minha irm,
Enid; e ao meu neto, Leo, por seu amor e inspirao;
minha me, Hannah, por apoiar minhas primeiras ideias e invenes,
por me deixar experimentar livremente em minha juventude, e por cuidar
de meu pai durante toda a sua longa doena;
Ao meu editor vitalcio na Viking, Rick Kot, por sua liderana, seus
conselhos perspicazes e ponderados, e por sua habilidade excepcional;
A Loretta Barrett, minha agente literria h 20 anos, por sua orientao
astuta e entusiasmada;
A Aaron Kleiner, meu parceiro de negcios de longa data, por sua
devotada colaborao durante os ltimos 40 anos;
A Amara Angelica, pela pesquisa de apoio, sempre dedicada e
excepcional;
A Sarah Black, por seu incrvel insight nas pesquisas e nas ideias;
A Laksman Frank, por suas ilustraes excelentes;
A Sarah Reed, pelo apoio e entusiasmo na organizao;
A Nanda Barker-Hook, por sua experincia ao organizar meus eventos
pblicos sobre este e muitos outros assuntos;
A Amy Kurzweil, por sua orientao no ofcio de escritor;
A Cindy Mason, pela pesquisa de apoio e pelas ideias sobre AI e a
conexo mente-corpo;
A Dileep George, pelas conversas via e-mail e outras formas de
comunicao, por suas ideias criteriosas e argumentaes perspicazes;
A Martine Rothblatt, por sua dedicao a todas as tecnologias que discuto
neste livro e por nossa colaborao no desenvolvimento de tecnologias
nessas reas;
equipe do KurzweilAI.net, que realizou pesquisas e um apoio logstico
inigualveis para este projeto, incluindo Aaron Kleiner, Amara Angelica,
Bob Beal, Casey Beal, Celia Black-Brooks, Cindy Mason, Denise Scutellaro,
Joan Walsh, Giulio Prisco, Ken Linde, Laksman Frank, Maria Ellis, Nanda
Barker-Hook, Sandi Dube, Sarah Black, Sarah Brangan e Sarah Reed;
equipe dedicada da Viking Penguin, por sua experincia atenciosa,
incluindo Clare Ferraro (presidente), Caroly n Coleburn (diretora de
publicidade), Yen Cheong e Langan Kingsley (agentes de publicidade),
Nancy Sheppard (diretora de marketing), Bruce Giffords (editor de
produo), Ky le Davis (assistente editorial), Fabiana Van Arsdell (diretora
de produo), Roland Ottewell (copidesque), Daniel Lagin (designer) e Julia
Thomas (designer da capa);
Aos meus colegas da Singularity University, por suas ideias, seu
entusiasmo e sua energia produtiva;
Aos colegas que me forneceram ideias inspiradoras, refletidas neste
volume, incluindo Barry Ptolemy, Ben Goertzel, David Dalry mple, Dileep
George, Felicia Ptolemy, Francis Ganong, George Gilder, Larry Janowitch,
Laura Deming, Lloy d Watts, Martine Rothblatt, Marvin Minsky, Mickey
Singer, Peter Diamandis, Raj Reddy, Terry Grossman, Tomaso Poggio e
Vlad Sejnoha;
Aos meus pares e leitores especialistas, incluindo Ben Goertzel, David
Gamez, Dean Kamen, Dileep George, Douglas Katz, Harry George, Lloy d
Watts, Martine Rothblatt, Marvin Minsky, Paul Linsay, Rafael Reif, Raj
Reddy, Randal Koene, Dr. Stephen Wolfram e Tomaso Poggio;
Aos meus leitores da editora e leigos, cujos nomes acabo de citar;
E, finalmente, a todos os pensadores criativos do mundo, os quais me
inspiram todos os dias.
Introduo

A mente bem mais ampla do que o cu


Se lado a lado os tens
Com folga este naquela caber
Cabendo-te tambm
A mente mais profunda do que o mar
De azul a azul vers
Tal como a esponja o balde ir conter
A mente o absorver
A mente to pesada quanto Deus
Se na balana os pes
Sero iguais ou quase tal e qual
A slaba e o som
Emily Dickinson

C omo fenmeno mais importante do universo, a inteligncia capaz de


transcender as limitaes naturais e de transformar o mundo sua prpria
imagem. Em mos humanas, nossa inteligncia nos permitiu superar as
restries de nossa herana biolgica, mudando-nos ao longo desse processo.
Somos a nica espcie que faz isso.
A histria da inteligncia humana comea com um universo capaz de
codificar informaes. Esse foi o fator que permitiu que a evoluo acontecesse.
Como o universo se tornou assim j uma histria interessante. O modelo-
padro da fsica tem dezenas de constantes que precisam ser precisamente o que
so, do contrrio os tomos no teriam sido possveis e no existiriam estrelas,
planetas, crebros e livros sobre crebros. O fato de as leis da fsica serem
afinadas com tanta preciso a ponto de permitirem a evoluo da informao
parece incrivelmente improvvel. Contudo, pelo princpio antrpico, no
estaramos falando sobre ela se no fosse esse o caso. Onde algumas pessoas
veem a mo divina, outras veem um multiverso gerando uma evoluo de
universos, em que aqueles mais enfadonhos (que no produzem informao) vo
morrendo. Mas, independentemente de como nosso universo se tornou como ,
podemos comear nossa histria com um mundo baseado em informaes.
A histria da evoluo se desenvolve em nveis crescentes de abstrao.
tomos especialmente tomos de carbono, capazes de criar ricas estruturas de
informao ao se ligarem em quatro direes diferentes formaram molculas
cada vez mais complexas. Como resultado, a fsica deu origem qumica.
Um bilho de anos depois, houve a evoluo de uma molcula complexa
chamada DNA, que conseguia codificar com preciso extensos filamentos de
informao e gerar organismos descritos por esses programas. Como
resultado, a qumica deu origem biologia.
Num ritmo incrivelmente rpido, organismos desenvolveram redes de
comunicao e deciso chamadas sistemas nervosos, capazes de coordenar as
partes cada vez mais complexas de seus corpos, bem como os comportamentos
que facilitavam sua sobrevivncia. Os neurnios que formavam sistemas
nervosos agregaram-se em crebros capazes de comportamentos cada vez mais
inteligentes. Desse modo, a biologia deu origem neurologia, pois agora os
crebros eram a vanguarda do armazenamento e da manipulao da
informao. Logo, passamos de tomos para molculas, para DNA e para
crebros. O passo seguinte foi singularmente humano.
O crebro dos mamferos tem uma aptido distinta que no encontrada em
nenhuma outra classe animal. Somos capazes de pensamento hierrquico, de
compreender uma estrutura formada por elementos distintos e dispostos num
padro, de representar essa disposio por meio de um smbolo e, depois, de usar
esse smbolo como um elemento de uma configurao ainda mais complexa.
Essa capacidade acontece numa estrutura cerebral chamada neocrtex que, nos
humanos, atingiu um grau to elevado de sofisticao e de capacidade que somos
capazes de chamar esses padres de ideias. Atravs de um processo recursivo
incessante, somos capazes de elaborar ideias cada vez mais complexas. Damos a
essa vasta gama de ideias recursivamente associadas o nome de conhecimento.
S o Homo sapiens tem uma base de conhecimentos que se desenvolve, cresce
exponencialmente e passada de uma gerao para outra.
Nossos crebros deram origem a mais um nvel de abstrao, pois usamos a
inteligncia deles aliada a outro fator de capacitao: uma extremidade de
oposio o polegar para manipular o ambiente e construir ferramentas. Essas
ferramentas representaram uma nova forma de evoluo, pois a neurologia deu
origem tecnologia. Nossa base de conhecimentos s conseguiu crescer sem
limites em funo de nossas ferramentas.
Nossa primeira inveno foi a histria: a linguagem escrita, que nos permitiu
representar ideias por meio de manifestaes orais distintas. Com a inveno
subsequente da linguagem escrita, desenvolvemos formas diferentes para
simbolizar nossas ideias. Bibliotecas de linguagem escrita ampliaram a
capacidade de nossos crebros desassistidos para reter e aumentar nossa base de
conhecimentos base de ideias recursivamente estruturadas.
Ainda se discute se outras espcies, como os chimpanzs, tm a capacidade
de expressar ideias hierrquicas por meio da linguagem. Os chimpanzs so
capazes de aprender um conjunto limitado de smbolos da linguagem de sinais,
que eles usam para se comunicar com seus treinadores humanos. Fica claro,
porm, que h limites distintos para a complexidade das estruturas de
conhecimento com as quais os chimpanzs so capazes de lidar. As frases que
conseguem expressar limitam-se a sequncias simples de substantivos e verbos;
eles no so capazes de manifestar a vastido indefinida da complexidade,
caracterstica dos humanos. Para ter um exemplo divertido da complexidade da
linguagem gerada pelos humanos, leia uma das espetaculares frases com vrias
pginas de extenso numa histria ou romance de Gabriel Garca Mrquez sua
histria de seis pginas, A ltima Viagem do Fantasma, uma nica frase, e
funciona bem tanto em espanhol como na traduo em ingls [1]
A ideia principal em meus trs livros anteriores sobre tecnologia (The age of
intelligent machines, escrito na dcada de 1980 e publicado em 1989; A era das
mquinas espirituais, escrito entre meados e final da dcada de 1990 e publicado
em 1999; e The singularity is near, escrito no incio da dcada de 2000 e
publicado em 2005) que um processo evolutivo se acelera intrinsecamente (em
funo de nveis cada vez mais abstratos) e que seus produtos crescem
exponencialmente em complexidade e capacidade. Chamo este fenmeno de
Lei dos Retornos Acelerados (LRA), que pertence tanto evoluo biolgica
como tecnolgica. O exemplo mais drstico da LRA o crescimento
eminentemente previsvel na capacidade, no preo e no desempenho das
tecnologias da informao. O processo evolutivo da tecnologia levou
inevitavelmente ao computador, que, por sua vez, permitiu uma vasta expanso
de nossa base de conhecimentos, facilitando muitos vnculos entre uma rea de
conhecimentos e outra. A Web , em si, um exemplo poderoso e adequado da
capacidade de um sistema hierrquico de abranger uma vasta gama de
conhecimentos, preservando sua estrutura inerente. O prprio mundo
intrinsecamente hierrquicos: rvores contm galhos; galhos contm folhas;
folhas contm veios. Prdios contm andares; andares contm cmodos;
cmodos contm portas, janelas, paredes e pisos.
Tambm desenvolvemos ferramentas que agora nos permitem compreender
nossa prpria biologia em termos precisos. Estamos realizando rapidamente a
engenharia reversa dos processos de informao subjacentes biologia, inclusive
a de nossos crebros. Agora, possumos o cdigo objetivo da vida na forma do
genoma humano, uma realizao que, em si, j foi um exemplo extraordinrio
de crescimento exponencial, uma vez que a quantidade de dados genticos que o
mundo sequenciou tem quase dobrado a cada ano, nos ltimos 20 anos [2].
Agora, temos a capacidade de simular em computadores o modo como as
sequncias de pares de bases do origem a sequncias de aminocidos que se
desdobram em protenas tridimensionais, a partir das quais toda a biologia
construda. A complexidade das protenas para as quais podemos simular
desdobramentos tem aumentado constantemente, na medida em que os recursos
computacionais continuam a crescer exponencialmente [3]. Tambm podemos
simular o modo como as protenas interagem umas com as outras numa
complexa dana tridimensional de foras atmicas. Nosso conhecimento
crescente da biologia uma importante faceta da descoberta dos segredos
inteligentes que a evoluo nos conferiu, bem como o uso desses paradigmas de
inspirao biolgica para criar tecnologias cada vez mais inteligentes.
Atualmente, h um grande projeto em andamento que envolve muitos
milhares de cientistas e engenheiros, trabalhando para conhecer o melhor
exemplo que temos de um processo inteligente: o crebro humano.
Indiscutivelmente, o mais importante esforo na histria da civilizao homem-
mquina. Em The singularity is near, defendi a ideia de que um corolrio da lei
dos retornos acelerados que provvel que no existam outras espcies
inteligentes. Para resumir meu argumento, se elas existissem, ns as teramos
notado, tendo em vista o tempo relativamente breve decorrente entre a posse de
uma tecnologia tosca por uma civilizao (lembre-se de que em 1850 o meio
mais rpido de enviar informaes nos EUA era o Pony Express) e a posse de
uma tecnologia que pode transcender seu prprio planeta [4]. Segundo essa
perspectiva, a engenharia reversa do crebro humano pode ser considerado o
projeto mais importante do universo.
A meta do projeto compreender exatamente como o crebro humano
funciona, usando depois esses mtodos revelados para nos compreendermos
melhor, para consertar o crebro quando necessrio e o que muito relevante
para o tema deste livro para criar mquinas ainda mais inteligentes. Leve em
conta o fato de que amplificar bastante um fenmeno natural exatamente o que
a engenharia capaz de fazer. Como exemplo, pense no fenmeno um tanto sutil
do princpio de Bernoulli, que afirma que a presso sobre uma superfcie curva
mvel levemente menor do que sobre uma superfcie plana mvel. A
matemtica que explica como o princpio de Bernoulli produz o erguimento de
uma asa ainda no foi plenamente entendida pelos cientistas, mas a engenharia
acolheu essa delicada percepo, concentrou-se em seus poderes e criou todo o
universo da aviao.
Neste livro, apresento uma tese que chamei de teoria da mente baseada em
reconhecimento de padres (TMRP), que, segundo exponho, descreve o
algoritmo bsico do neocrtex (a regio do crebro responsvel pela percepo,
pela memria e pelo pensamento crtico). Nos captulos a seguir, descrevo como
as pesquisas neurocientficas mais recentes, bem como nossos prprios
experimentos mentais, levam inevitvel concluso de que esse mtodo usado
consistentemente pelo neocrtex. A implicao da TMRP, combinado com a
LRA, que seremos capazes de criar a engenharia para esses princpios,
ampliando imensamente os poderes de nossa prpria inteligncia.
Na verdade, esse processo j se encontra em andamento. H centenas de
tarefas e de atividades que antes eram exclusivamente da alada da inteligncia
humana e que hoje podem ser realizadas por computadores, geralmente com
preciso maior e numa escala amplamente maior. Todas as vezes que voc envia
um e-mail ou faz uma chamada pelo celular, algoritmos inteligentes direcionam
a informao de forma otimizada. Submeta-se a um eletrocardiograma e ele
vir com um diagnstico informatizado que rivaliza com o dos mdicos. O
mesmo se aplica a imagens de clulas sanguneas. Algoritmos inteligentes
detectam automaticamente fraudes em cartes de crdito, fazem avies decolar
e pousar, guiam sistemas de armas inteligentes, ajudam a idealizar produtos com
design inteligente auxiliado por computador, mantm o controle de nveis de
estoque em tempo real, montam produtos em fbricas robotizadas, e jogam
jogos como xadrez e at o sutil jogo de Go, em nveis magistrais.
Milhes de pessoas viram o computador da IBM chamado Watson jogar o
jogo de linguagem natural chamado Jeopardy! e obter um resultado melhor do
que a soma dos resultados dos dois melhores jogadores humanos do mundo.
Devo ressaltar que Watson no s leu e compreendeu a linguagem sutil das
perguntas de Jeopardy! (que incluem fenmenos como trocadilhos e metforas),
mas tambm adquiriu por conta prpria o conhecimento de que necessitava para
produzir uma resposta mediante a compreenso de centenas de milhes de
documentos em linguagem natural, inclusive Wikipdia e outras enciclopdias.
Ele precisou dominar praticamente todas as reas da atividade intelectual
humana, inclusive histria, cincia, literatura, artes, cultura e outras. Agora, a
IBM est trabalhando com a Nuance Speech Technologies (antes chamada
Kurzweil Computer Products, minha primeira empresa) numa nova verso de
Watson que ler literatura mdica (basicamente todas as revistas mdicas e os
principais blogs mdicos) para se tornar um mestre em diagnsticos e em
consultas mdicas, usando tecnologias de compreenso de linguagem clnica da
Nuance. Alguns observadores dizem que Watson no compreende de fato as
perguntas de Jeopardy! e nem as enciclopdias que l porque est apenas
fazendo uma anlise estatstica. Um ponto-chave que vou descrever aqui que
as tcnicas matemticas que foram desenvolvidas no campo da inteligncia
artificial (como aquelas usadas no Watson e no Siri, o assistente do iPhone) so
muito similares em termos matemticos aos mtodos pelos quais a biologia
evoluiu na forma do neocrtex. Se compreender uma linguagem e outros
fenmenos por meio de anlises estatsticas no conta como entendimento real,
ento os seres humanos tambm no tm entendimento.
A capacidade de Watson para dominar inteligentemente o conhecimento em
documentos redigidos em linguagem natural logo estar chegando aos
mecanismos de pesquisa. As pessoas j conversam com seus telefones em
linguagem natural (via Siri, por exemplo, tambm uma contribuio da Nuance).
Esses assistentes de linguagem natural rapidamente se tornaro mais inteligentes
medida que mtodos semelhantes aos de Watson forem mais usados e
conforme o prprio Watson continuar a evoluir.
Os carros do Google que se dirigem sozinhos j percorreram mais de 320
mil quilmetros nas congestionadas metrpoles e cidades da Califrnia (um
nmero que, sem dvida, estar bem maior quando este livro chegar s
prateleiras reais e virtuais). H muitos outros exemplos de inteligncia artificial
no mundo de hoje, e muitos outros no horizonte.
Como exemplos adicionais da LRA, a resoluo espacial da varredura
cerebral e a quantidade de dados que estamos reunindo sobre o crebro esto
dobrando a cada ano. Estamos demonstrando ainda que podemos transformar
esses dados em modelos funcionais e simulaes das regies cerebrais. Tivemos
sucesso em fazer a engenharia reversa de funes importantes do crtex
auditivo, no qual processamos informaes sobre os sons; do crtex visual, no
qual processamos informaes da viso; e do cerebelo, no qual formamos parte
de nossas habilidades (como a de pegar uma bola no ar).
A vanguarda do projeto para compreender, modelar e simular o crebro
humano a engenharia reversa do neocrtex cerebral, no qual realizamos o
pensamento hierrquico recursivo. O crtex cerebral, responsvel por 80% do
crebro humano, composto de uma estrutura altamente repetitiva, permitindo
que os humanos criem arbitrariamente estruturas de ideias complexas.
Na teoria da mente baseada em reconhecimento de padres, descrevo um
modelo de como o crebro humano adquire essa capacidade crtica, usando uma
estrutura muito inteligente, definida pela evoluo biolgica. H detalhes nesse
mecanismo cortical que ainda no entendemos plenamente, mas conhecemos o
suficiente sobre as funes que ele necessita realizar para podermos projetar
algoritmos que satisfazem o mesmo propsito. Ao comearmos a compreender o
neocrtex, colocamo-nos em posio de ampliar bastante seus poderes, assim
como o mundo da aviao ampliou muito os poderes do princpio de Bernoulli. O
princpio operacional do neocrtex , indubitavelmente, a ideia mais importante
do mundo, pois capaz de representar qualquer conhecimento e habilidade, alm
de criar novos conhecimentos. Afinal, o neocrtex foi o responsvel por cada
romance, cada melodia, cada quadro, cada descoberta cientfica, alm de tantos
outros produtos do pensamento humano.
H uma grande necessidade, no campo da neurocincia, de uma teoria que
una as observaes extremamente disparatadas e extensas que nos so relatadas
diariamente. Uma teoria unificada uma necessidade crucial em todas as
grandes reas da cincia. No captulo 1, descrevo como dois sonhadores
unificaram a biologia e a fsica, reas que antes pareciam irremediavelmente
desorganizadas e variadas, e depois falo sobre como tal teoria pode ser aplicada
ao cenrio do crebro.
Hoje, comum encontrarmos grandes celebraes sobre a complexidade do
crebro humano. O Google apresenta cerca de 30 milhes de resultados para
uma pesquisa sobre citaes referentes a esse tema. ( impossvel traduzir isso
num nmero exato de citaes encontradas, pois alguns dos sites tm diversas
citaes e alguns no tm nenhuma.) O prprio James D. Watson escreveu em
1992 que o crebro a ltima e a maior das fronteiras biolgicas, a coisa mais
complexa que j descobrimos em nosso universo. O autor explica por que
acredita que ele contm centenas de bilhes de clulas interligadas atravs de
trilhes de conexes. O crebro surpreendente [5].
Concordo com a opinio de Watson sobre o fato de o crebro ser a maior
fronteira biolgica, mas o fato de que contm muitos bilhes de clulas e trilhes
de conexes no torna necessariamente complexo o seu mtodo primrio, se
conseguirmos identificar padres facilmente compreensveis (e recriveis)
nessas clulas e conexes, em especial aqueles maciamente redundantes.
Vamos pensar no que significa ser complexo. Podemos nos perguntar: uma
floresta complexa? A resposta depende da perspectiva que voc escolhe adotar.
Voc poderia perceber que a floresta contm vrios milhares de rvores, e que
cada uma diferente. Depois, voc poderia notar que cada rvore tem milhares
de galhos e que cada galho completamente diferente. Depois, voc poderia
descrever as excntricas ramificaes de cada galho. Sua concluso pode ser
que a floresta tem uma complexidade alm de nossos devaneios mais
alucinantes.
Mas essa abordagem seria, literalmente, o mesmo que no enxergar a
floresta por causa dos galhos. claro que h muita variao fractal entre rvores
e galhos, mas, para compreender corretamente os princpios de uma floresta,
seria melhor comear identificando os padres distintos de redundncia com
variao estocstica (ou seja, aleatria) encontrados nela. Seria justo dizer que o
conceito de uma floresta mais simples do que o conceito de uma rvore.
Assim com o crebro, que tem uma enorme redundncia similar,
especialmente no neocrtex. Como descrevo neste livro, seria justo dizer que h
mais complexidade num nico neurnio do que em toda a estrutura do neocrtex.
Minha meta neste livro, definitivamente, no acrescentar mais uma citao
aos milhes que j existem, atestando como o crebro complexo, mas
impressionar o leitor com o poder da simplicidade do crebro. Para isso,
descrevo como um mecanismo bsico e engenhoso para identificao,
recordao e previso de um padro, repetido no neocrtex centenas de milhes
de vezes, explica a grande diversidade do nosso pensamento. Assim como uma
diversidade espantosa de organismos provm das diferentes combinaes de
valores do cdigo gentico encontrado no DNA nuclear e mitocondrial, uma
fantstica variedade de ideias, pensamentos e habilidades forma-se com base nos
valores dos padres (de conexes e de foras sinpticas) encontrados nos nossos
identificadores de padro neocorticais e entre eles. Como disse Sebastian Seung,
neurocientista do MIT, a identidade no est em nossos genes, mas nas conexes
entre nossas clulas cerebrais [6].

Viso do conjunto de Mandelbrot, uma frmula simples aplicada iterativamente.


Quando ampliada na tela, as imagens mudam constantemente, de maneiras
aparentemente complexas

Precisamos distinguir entre a verdadeira complexidade do desenho e a


complexidade aparente. Veja o caso do famoso conjunto de Mandelbrot, cuja
imagem h muito tem sido um smbolo da complexidade. Para apreciar sua
aparente complicao, interessante fazer um zoom em sua imagem (que pode
ser acessada atravs dos links mencionados nesta nota [7]). H complexidades
dentro de complexidades ao infinito, e elas sempre so diferentes. Mas a frmula
ou desenho do conjunto de Mandelbrot no poderia ser mais simples. Ela tem
seis caracteres: Z = Z + C, sendo que Z um nmero complexo (o que
significa um par de nmeros) e C uma constante.
No necessrio compreender plenamente a funo de Mandelbrot para ver
que ela simples. Essa frmula aplicada iterativamente e em cada nvel de
uma hierarquia. O mesmo vale para o crebro. Sua estrutura repetitiva no to
simples quanto a da frmula do conjunto de Mandelbrot com seis caracteres,
mas nem de longe to complexa quanto poderiam sugerir os milhes de
citaes sobre a complexidade do crebro. Esse desenho do neocrtex se repete
em todos os nveis da hierarquia conceitual representada pelo neocrtex. As
metas que tenho neste livro foram muito bem sistematizadas por Einstein quando
ele diz que qualquer tolo inteligente pode fazer com que as coisas fiquem
maiores e mais complexas [...] mas preciso [...] muita coragem para seguir na
direo contrria.
At agora, estive falando do crebro. Mas e a mente? Por exemplo, como
um neocrtex que resolve problemas obtm conscincia? E, j que estamos no
assunto, quantas mentes conscientes temos em nosso crebro? H evidncias que
sugerem que pode haver mais de uma. Outra questo pertinente sobre a mente :
o que livre-arbtrio? Ns o temos? H experimentos que parecem mostrar que
comeamos a articular nossas decises antes mesmo de estarmos cientes de que
as tomamos. Isso implica que o livre-arbtrio uma iluso?
Finalmente, que atributos de nosso crebro so responsveis pela formao
de nossa identidade? Serei eu a mesma pessoa que era h seis meses? claro que
no sou exatamente o mesmo que eu era, mas terei a mesma identidade? Vamos
analisar as implicaes da teoria da mente baseada em reconhecimento de
padres para essas questes antiqussimas.
Captulo 1

Experimentos mentais pelo mundo

A teoria darwiniana da seleo natural apareceu muito tarde na


histria do pensamento.
Teria sido retardada porque se opunha verdade revelada, porque
era um assunto inteiramente novo na histria da cincia, porque s
era caracterstica de seres vivos, ou porque lidava com propsitos e
causas finais sem postular um ato de criao? Creio que no. Darwin
simplesmente descobriu o papel da seleo, uma espcie de
causalidade muito diferente dos mecanismos do tipo puxa-empurra
que a cincia adotara at ento. A origem de uma variedade
fantstica de coisas vivas poderia ser explicada pela contribuio
dada por novas caractersticas, possivelmente de origem aleatria,
para a sobrevivncia. As cincias fsicas ou biolgicas no
apresentavam nada ou quase nada que prenunciasse a seleo como
princpio causal.
B. F. Skinner

Nada sagrado, em ltima anlise, exceto a integridade de sua


prpria mente.
Ralph Waldo Emerson

Uma metfora da geologia


No final do sculo 19, os gelogos se dedicaram a uma questo fundamental.
Grandes cavernas e cnions, como o Grand Cany on nos Estados Unidos e a
Garganta Vikos na Grcia (supostamente o cnion mais profundo da Terra),
existiam por todo o planeta. Como surgiram essas formaes majestosas?
Invariavelmente, houve um curso de gua que se aproveitou da oportunidade
de percorrer essas estruturas naturais, mas, antes de meados do sculo 19,
parecia absurdo supor que esses suaves riachos poderiam ser os criadores de
vales e penhascos to grandes. O gelogo britnico Charles Ly ell (1797-1875),
porm, props que foi mesmo o movimento da gua que escavou essas
importantes modificaes geolgicas ao longo de grandes perodos de tempo,
essencialmente um gro de pedra por vez. Essa proposta foi recebida
inicialmente com ironia, mas em duas dcadas a tese de Ly ell adquiriu a
aceitao da maioria.
Uma das pessoas que observou cuidadosamente a resposta da comunidade
cientfica tese radical de Ly ell foi o naturalista ingls Charles Darwin (1809-
1882). Pense na situao da biologia por volta de 1850. O campo era de uma
complexidade sem fim, diante das incontveis espcies de animais e plantas,
cada uma muito complicada. Pior, a maioria dos cientistas resistia a qualquer
tentativa de apresentar uma teoria unificada sobre a extraordinria variao da
natureza. Essa diversidade servia de testamento glria da criao de Deus, para
no falar da inteligncia dos cientistas capazes de domin-la.
Darwin abordou o problema da idealizao de uma teoria geral das espcies
mediante uma analogia com a tese de Ly ell para justificar as mudanas graduais
nas caractersticas das espcies ao longo de muitas geraes. Ele combinou essa
percepo com seus prprios experimentos mentais e observaes em sua
famosa A viagem do Beagle. Darwin argumentou que, a cada gerao, os
indivduos mais capazes de sobreviver em seu nicho ecolgico seriam os
indivduos que criariam a gerao seguinte.
Em 22 de novembro de 1859, o livro de Darwin, A origem das espcies, foi
posto venda, e nele o autor deixou clara sua dvida para com Ly ell:

Estou ciente de que esta doutrina da seleo natural, exemplificada


pelos casos imaginrios supracitados, est aberta s mesmas objees
que a princpio foram opostas s nobres posies de sir Charles Ly ell
sobre as mudanas modernas da terra, ilustrativas da geologia; mas
hoje raramente ouvimos falar que a ao das ondas costeiras, por
exemplo, seja trivial e insignificante se aplicada escavao de vales
gigantescos ou formao de longas linhas de dunas interiores. A
seleo natural s pode operar pela conservao e acumulao de
modificaes hereditrias infinitesimalmente pequenas, cada uma
proveitosa ao indivduo preservado; e assim como a geologia
moderna praticamente baniu explicaes como a escavao de um
grande vale apenas por uma nica onda diluviana, a seleo natural,
se for um princpio verdadeiro, bane a crena na criao continuada
de novos seres orgnicos, ou de qualquer modificao importante e
repentina em sua estrutura [1].

H sempre vrias razes para a resistncia a novas e grandes ideias, e no


difcil identific-las no caso de Darwin. Que descendamos no de Deus, mas de
macacos e, antes disso, de vermes, no era algo que agradava a diversos crticos.
A implicao de que nosso cozinho de estimao era nosso primo, bem como a
lagarta, para no mencionar a planta sobre a qual caminhvamos (prima em
milionsimo ou bilionsimo grau, mas ainda assim uma parenta), parecia uma
blasfmia para muita gente.

Charles Darwin, autor de A origem das espcies, que definiu a ideia da evoluo
biolgica

Mas a ideia se espalhou rapidamente porque dava coerncia ao que antes era
uma vasta gama de observaes sem relao aparente. Por volta de 1872, com a
publicao da sexta edio de A origem das espcies, Darwin acrescentou esta
passagem: Como registro de um estado de coisas anterior, mantive nos
pargrafos seguintes [...] diversas frases que indicam que os naturalistas
acreditam na criao separada de cada espcie; e tenho sido muito censurado
por ter me expressado assim. Sem dvida, porm, foi esta a crena geral quando
a primeira edio da presente obra foi lanada... Agora, as coisas mudaram
completamente, e quase todo naturalista admite o grande princpio da evoluo
[2].
No sculo seguinte, a ideia unificadora de Darwin foi aprofundada. Em 1869,
apenas uma dcada aps a publicao original de A origem das espcies, o
mdico suo Friedrich Miescher (1844-1895) descobriu, no ncleo das clulas,
uma substncia que ele chamou de nuclena, que era o DNA [3]. Em 1927, o
bilogo russo Nikolai Koltsov (1872-1940) descobriu o que ele chamou de uma
gigantesca molcula hereditria que, disse, seria composta de duas fitas
especulares que se replicariam de maneira semiconservadora usando cada fita
como gabarito. Sua descoberta tambm foi condenada por muitos. Os
comunistas consideraram-na propaganda fascista, e sua morte sbita e
inesperada foi atribuda polcia secreta da Unio Sovitica. Em 1953, quase um
sculo aps a publicao do livro seminal de Darwin, o bilogo norte-americano
James D. Watson (nascido em 1928) e o bilogo ingls Francis Crick (1916-2004)
apresentaram a primeira caracterizao precisa da estrutura do DNA,
descrevendo-o como uma dupla hlice com duas longas molculas enroladas.
interessante comentar que sua descoberta baseou-se naquela que hoje
conhecida como foto 51, tirada por sua colega Rosalind Franklin usando
cristalografia de raios X, que foi a primeira representao que mostrou a hlice
dupla. Tendo em vista as descobertas derivadas da imagem de Franklin, houve
sugestes de que ela deveria ter compartilhado o Prmio Nobel com Watson e
Crick.
Rosalind Franklin tirou a foto crtica do DNA (usando cristalografia de raios X)
que permitiu que Watson e Crick descrevessem com preciso a estrutura do DNA
pela primeira vez

Com a descrio de uma molcula que podia codificar o programa da


biologia, agora se assentava firmemente uma teoria unificadora da biologia, que
proporcionava uma base simples e elegante para a vida. Dependendo apenas dos
valores dos pares de bases que formavam as fitas de DNA do ncleo (e, em
menor grau, da mitocndria), um organismo poderia crescer como uma folha de
grama ou um ser humano. Essa comprovao no eliminou a deliciosa
diversidade da natureza, mas agora compreendemos que a extraordinria
diversidade natural deriva do grande sortimento de estruturas que podem estar
codificadas nessa molcula universal.

Viajando num feixe de luz


No comeo do sculo 20, o mundo da fsica foi abalado por outra srie de
experimentos mentais. Em 1879, nasceu um menino, filho de um engenheiro
alemo e de uma dona de casa. Ele s comeou a falar aos 3 anos de idade, e h
relatos de que teve problemas na escola aos 9 anos. Aos 16, devaneava com a
ideia de montar num raio de luar.
Esse garoto conhecia o experimento realizado pelo matemtico ingls
Thomas Young (1773-1829), que determinou que a luz composta de ondas. A
concluso, na poca, foi que as ondas luminosas devem viajar atravs de algum
tipo de meio; afinal, as ondas ocenicas viajavam pela gua e as ondas sonoras
viajavam pelo ar e por outros materiais. Os cientistas deram ao meio pelo qual as
ondas luminosas viajavam o nome de ter. O garoto tambm conhecia o
experimento realizado em 1887 pelos cientistas norte-americanos Albert
Michelson (1852-1931) e Edward Morley (1838-1923), que tentou confirmar a
existncia do ter. Esse experimento baseou-se na analogia de ir correnteza
abaixo ou acima, num rio. Se voc est remando numa velocidade fixa, ento
sua velocidade, medida desde a margem, ser maior se voc estiver remando a
favor da corrente do que contra ela. Michelson e Morley presumiram que a luz
viajava pelo ter numa velocidade constante (ou seja, a velocidade da luz). Eles
argumentaram que a velocidade da luz do Sol quando a Terra est se dirigindo ao
Sol em sua rbita (medida do ponto de vista da Terra) versus sua velocidade
aparente quando a Terra est se afastando do Sol deve ser diferente (da ordem de
duas vezes a velocidade da Terra). Provar isso confirmaria a existncia do ter.
No entanto, o que eles descobriram que no havia diferena na velocidade da
luz do Sol passando pela Terra, independentemente do ponto em que a Terra
estivesse em sua rbita. Suas descobertas negaram a ideia do ter, mas o que
aconteceria, ento? Isso continuou a ser um mistrio durante quase duas dcadas.
Quando esse adolescente alemo imaginou-se montado numa onda de luz,
ele pensou que deveria estar vendo as ondas luminosas congeladas, tal como um
trem parece no se mover caso voc viaje ao lado dele mesma velocidade que
o trem. Mas ele percebeu que isso seria impossvel, pois se supe que a
velocidade da luz seja constante, independentemente de seu prprio movimento.
Por isso, ele imaginou que estaria viajando ao lado do feixe de luz, mas a uma
velocidade um pouco inferior. E se ele viajasse a 90% da velocidade da luz? Se os
feixes de luz so como trens, argumentou, ento ele deveria ver o feixe de luz
viajando frente dele a 10% da velocidade da luz. De fato, teria de ser isso que
os observadores na Terra veriam. Mas sabemos que a velocidade da luz uma
constante, conforme mostrara o experimento de Michelson-Morley. Logo, ele
veria necessariamente o feixe de luz viajando frente dele na velocidade plena
da luz. Isso parecia uma contradio como era possvel?
A resposta ficou evidente para o rapaz alemo, cujo nome, por falar nisso,
era Albert Einstein (1879-1955), na poca em que completou 26 anos.
Obviamente para o jovem mestre Einstein o prprio tempo deve ter
desacelerado para ele. Ele explica seu raciocnio num texto publicado em 1905.
Se os observadores na Terra fossem observar o relgio do jovem, eles o veriam
batendo dez vezes mais devagar. Com efeito, quando ele voltasse para a Terra,
seu relgio mostraria que apenas 10% do tempo ter-se-ia passado (ignorando, por
enquanto, acelerao e desacelerao). Do seu ponto de vista, porm, o relgio
estaria funcionando normalmente, e o feixe de luz ao seu lado estaria viajando
velocidade da luz. A reduo na prpria velocidade do tempo, da ordem de dez
vezes (em relao aos relgios da Terra), explica plenamente as aparentes
discrepncias de perspectiva. Num extremo, a reduo na passagem do tempo
chegaria a zero assim que a velocidade da viagem atingisse a velocidade da luz;
por isso, seria impossvel viajar junto com o feixe de luz. Embora fosse
impossvel viajar velocidade da luz, descobriu-se que no era impossvel, em
termos tericos, mover-se mais depressa do que o feixe de luz. Nesse caso, o
tempo mover-se-ia para trs.
Essa soluo pareceu absurda para muitos dos primeiros crticos. Como
que o prprio tempo poderia reduzir seu ritmo, apenas com base na velocidade
de movimento de algum? Com efeito, durante 18 anos (desde a poca do
experimento de Michelson-Morley ), outros pensadores foram incapazes de
enxergar uma concluso que para o mestre Einstein era to bvia. Muitos dos
outros que analisaram esse problema no final do sculo 19 caram do cavalo
em termos de dar prosseguimento s implicaes de um princpio, apegando-se,
no lugar disso, a noes preconcebidas do funcionamento da realidade. (Talvez
eu deva mudar essa metfora para caram do feixe de luz.)
O segundo experimento mental de Einstein consistiu em imaginar que ele e o
irmo voavam pelo espao. Eles esto a 300 mil quilmetros de distncia.
Einstein quer ir mais depressa, mas tambm quer manter constante a distncia
entre eles. Assim, ele sinaliza a seu irmo com uma lanterna cada vez que deseja
acelerar. Como ele sabe que vai levar um segundo at que o sinal chegue ao
irmo, ele espera um segundo (aps enviar o sinal) para comear sua prpria
acelerao. Cada vez que o irmo recebe o sinal, ele acelera imediatamente.
Desse modo, os dois irmos aceleram exatamente no mesmo momento,
mantendo, portanto, uma distncia constante entre eles.
Agora, porm, vamos pensar no que veramos se estivssemos em p na
Terra. Se os dois irmos estivessem se afastando de ns (com Albert frente),
pareceria levar menos de um segundo para que a luz chegasse at o irmo,
porque ele est viajando no sentido da luz. Alm disso, veramos o relgio do
irmo de Albert desacelerando (pois sua velocidade aumenta quando ele est
mais perto de ns). Por esses dois motivos, veramos os dois irmos se
aproximando cada vez mais, at acabarem colidindo. Mas, do ponto de vista dos
dois irmos, eles manteriam uma distncia constante de 300 mil quilmetros.
Como isso possvel? A resposta, obviamente, que as distncias se
contraem no sentido paralelo ao do movimento (mas no no sentido
perpendicular a ele). Logo, os dois irmos Einstein vo ficando menores
(presumindo que esto voando com a cabea frente) medida em que vo
ficando mais rpidos. Essa concluso bizarra deve ter feito Einstein perder mais
fs no comeo da carreira do que a diferena na passagem do tempo.
No mesmo ano, Einstein analisou a relao entre matria e energia com
outro experimento mental. O fsico escocs James Clerk Maxwell tinha
demonstrado, na dcada de 1850, que partculas de luz chamadas ftons no
tinham massa, mas mesmo assim tinham momento. Quando criana, eu tinha
um aparelho chamado radimetro de Crookes, que consistia num bulbo de
lmpada hermeticamente selado contendo um vcuo parcial e quatro ps que
giravam sobre um piv. As ps eram brancas de um lado e pretas do outro. O
lado branco de cada p refletia a luz, e o lado preto absorvia a luz. ( por isso que
se sente menos calor usando uma camiseta branca num dia quente do que uma
preta.) Quando se lanava luz sobre o aparato, as ps giravam e as faces pretas
se afastavam da luz. Essa uma demonstrao direta de que os ftons tm
momento suficiente para fazer com que as ps do radimetro se movam.
Radimetro de Crookes a ventoinha com quatro ps gira quando a luz a ilumina

A questo que Einstein enfrentou que o momento uma funo da massa:


o momento o produto da massa pela velocidade. Logo, uma locomotiva que
viaja a 50 quilmetros por hora tem um momento bem maior, digamos, do que
um inseto que viaja mesma velocidade. Como, ento, uma partcula com
massa zero pode ter um momento positivo?
O experimento mental de Einstein consistiu numa caixa flutuando no espao.
Emite-se um fton dentro da caixa, do lado esquerdo para o direito. O momento
total do sistema precisa ser conservado, e por isso a caixa teria de recuar para a
esquerda quando o fton fosse emitido. Aps algum tempo, o fton colide com a
face direita da caixa, transferindo novamente seu momento para a caixa. O
momento total do sistema preservado novamente e a caixa para de se
movimentar.
At aqui, tudo bem. Mas pense no ponto de vista do sr. Einstein, que est
vendo a caixa do lado de fora. Ele no percebe nenhuma influncia externa
sobre a caixa: nenhuma partcula com ou sem massa a atinge, e nada sai
dela. Contudo, o sr. Einstein, segundo o cenrio acima, v a caixa movendo-se
temporariamente para a esquerda e parando depois. Segundo nossa anlise, cada
fton deveria mover permanentemente a caixa para a esquerda. Como no
houve efeitos externos sobre a caixa ou da caixa, seu centro de massa deve
permanecer no mesmo lugar. Mas o fton dentro da caixa, que se move da
esquerda para a direita, no pode mudar o centro de massa, pois no possui
massa.
Ou ser que possui? A concluso de Einstein foi que, como evidentemente o
fton tem energia e tem momento, tambm deve ter um equivalente em massa.
A energia do fton mvel inteiramente equivalente a uma massa mvel.
Podemos calcular o que essa equivalncia aceitando que o centro de massa do
sistema deve manter-se estacionrio durante o movimento do fton. Por meio de
clculos, Einstein mostrou que massa e energia so equivalentes, relacionados
por uma constante simples. Contudo, havia uma pegadinha: a constante poderia
ser simples, mas era enorme; era a velocidade da luz ao quadrado (cerca de 1,7
1017 m 2/s2 ou seja, 17 seguido de 16 zeros). Assim, temos a famosa frmula
de Einstein, E = mc 2 [10]. Com isso, uma ona (28 gramas) de massa equivale a
600 mil toneladas de TNT. A carta de Einstein datada de 2 de agosto de 1939 e
endereada ao presidente Roosevelt informando-o do potencial para uma bomba
atmica baseada nesta frmula inaugurou a era atmica [11].
Voc pode pensar que isso j devia ser bvio antes, tendo em vista que os
experimentadores perceberam que a massa de substncias radiativas decresce
como resultado da radiao ao longo do tempo. Presumiu-se, porm, que as
substncias radiativas continham algum tipo especial de combustvel de alta
energia que estaria queimando. Essa suposio no totalmente errnea; que o
combustvel sendo queimado era simplesmente a massa.
H vrios motivos para eu ter comeado este livro com os experimentos
mentais de Darwin e de Einstein. Antes de tudo, eles revelam o extraordinrio
poder do crebro humano. Sem qualquer equipamento exceto uma caneta e
papel para desenhar as figuras de palitinhos desses simples experimentos mentais
e para escrever as equaes razoavelmente simples que resultavam deles,
Einstein conseguiu derrubar a compreenso do mundo fsico que datava de dois
sculos, influenciando profundamente o curso da histria (inclusive a Segunda
Guerra Mundial) e prenunciando a era nuclear.
verdade que Einstein se baseou em algumas descobertas experimentais do
sculo 19, embora esses experimentos tambm no tenham usado equipamentos
sofisticados. Tambm verdade que a validao experimental subsequente das
teorias de Einstein tenha se valido de tecnologias avanadas, e se estas no
tivessem sido desenvolvidas, no teramos tido a validao que hoje temos que
as ideias de Einstein so autnticas e significativas. Contudo, esses fatores no
diminuem o fato de que esses famosos experimentos mentais revelam o poder do
pensamento humano em seu mais elevado grau.
Einstein geralmente considerado o principal cientista do sculo 20 (e
Darwin seria um bom candidato para esse ttulo no sculo 19), mas a matemtica
envolvida em suas teorias, em ltima anlise, no muito complicada. Os
prprios experimentos mentais eram simples e diretos. Assim, poderamos nos
perguntar de que forma Einstein poderia ser considerado particularmente sagaz.
Vamos discutir depois exatamente o que ele fazia com o prprio crebro quando
idealizou suas teorias, e onde se localiza essa qualidade.
Por outro lado, essa histria tambm demonstra as limitaes do pensamento
humano. Einstein conseguiu montar em seu feixe de luz sem cair (embora tenha
concludo que era impossvel montar de fato num feixe de luz), mas quantos
milhares de observadores e pensadores foram totalmente incapazes de imaginar
esses exerccios notavelmente simples? Uma falha comum a dificuldade que a
maioria das pessoas tem para descartar e transcender as ideias e as perspectivas
de seus pares. H ainda outros desajustes, que veremos com mais detalhes aps
termos examinado o funcionamento do neocrtex.

Um modelo unificado do neocrtex


O motivo mais importante para que eu compartilhe aqueles que devem ser os
experimentos mentais mais famosos da histria o fato de eu t-los usado como
introduo para a mesma abordagem em relao ao crebro. Como voc ver,
podemos avanar bastante no entendimento do funcionamento da inteligncia
humana graas a alguns experimentos mentais simples que ns mesmos
podemos fazer. Levando em conta o assunto em questo, os experimentos
mentais podem ser um mtodo bem apropriado.
Se as divagaes de um jovem e o fato de no usar equipamento, exceto
caneta e papel, foram suficientes para revolucionar nossa compreenso da fsica,
ento deveramos ser capazes de fazer um progresso razovel num fenmeno
com o qual estamos muito mais familiarizados. Afinal, lidamos com nossos
pensamentos em todos os nossos momentos de viglia e tambm nos momentos
de sono.
Aps termos construdo um modelo do funcionamento do pensamento
atravs desse processo de autorreflexo, vamos examinar at que ponto podemos
confirm-lo por meio das observaes mais recentes de crebros fsicos e do que
h de mais moderno para recriar esses processos nas mquinas.
Captulo 2

Experimentos mentais sobre o pensamento

Raramente penso em palavras. O pensamento surge, e talvez eu tente


express-lo em palavras depois.
Albert Einstein

O crebro uma massa de quase um quilo e meio que podemos


segurar nas mos e que pode conceber um universo com cem bilhes
de anos-luz de extenso.
Marian Diamond

O que parece espantoso que um mero objeto com pouco mais de


um quilo e trezentos gramas, feito dos mesmos tomos que
constituem tudo o mais que h sob o Sol, seja capaz de dirigir
praticamente tudo aquilo que os humanos fizeram: voar Lua e
rebater setenta home runs, escrever Hamlet e construir o Taj Mahal
e at desvendar os segredos do prprio crebro.
Joel Havemann

C omecei a pensar sobre o pensamento por volta de 1960, o mesmo ano em que
descobri o computador. Hoje seria bem difcil encontrar um garoto de 12 anos
que no usa um computador, mas na poca havia apenas um punhado deles na
minha cidade natal, Nova York. Naturalmente, esses primeiros aparelhos no
cabiam na mo, e o primeiro ao qual tive acesso ocupava uma sala grande. No
incio da dcada de 1960, programei um IBM 1620 para realizar uma anlise de
varincia (um teste estatstico) em dados que tinham sido coletados estudando um
programa para educao de crianas pequenas, um precursor do Head Start. Por
isso, esse esforo era consideravelmente drstico, pois o destino dessa iniciativa
educacional de mbito nacional dependia de nosso trabalho. Os algoritmos e os
dados que analisvamos eram complexos a ponto de no sermos capazes de
antever as respostas que o computador daria. Evidentemente, as respostas seriam
determinadas pelos dados, mas no eram previsveis. Acontece que a diferena
entre ser determinada e ser previsvel importante, e voltarei depois a ela.
Lembro-me de como foi emocionante ver as luzes do painel frontal
diminurem de intensidade pouco antes de o algoritmo terminar suas
deliberaes, como se o computador estivesse mergulhado em pensamentos.
Quando as pessoas se aproximavam, ansiosas por obterem o prximo conjunto
de resultados, eu apontava para as luzes piscando delicadamente e dizia: Ele est
pensando. Era uma piada e no era ele parecia mesmo estar contemplando as
respostas , e os membros da equipe comearam a atribuir uma personalidade
mquina. Talvez fosse uma antropomorfizao, mas me fez comear a levar
seriamente em conta o relacionamento entre o pensamento e a computao.
Para avaliar at que ponto meu prprio crebro era similar aos programas
de computador com os quais eu estava familiarizado, comecei a pensar no que
meu crebro deveria estar fazendo ao processar informaes. Faz 50 anos que
investigo isso. O que vou descrever a seguir a respeito do funcionamento do
crebro vai parecer bem diferente do que aquilo que entendemos normalmente
como um computador. Fundamentalmente, porm, o crebro armazena e
processa informaes, e, por causa da universalidade da computao um
conceito ao qual tambm vou retornar , h um paralelo entre crebros e
computadores maior do que pode parecer.
Todas as vezes que fao alguma coisa ou penso em alguma coisa , seja
escovar os dentes, praticar num teclado musical ou ter uma nova ideia, reflito
sobre como fui capaz de fazer aquilo. Penso ainda mais, acima de tudo, nas
coisas que no sou capaz de fazer, pois as limitaes do pensamento humano
proporcionam um conjunto de pistas igualmente importante. Pensar tanto sobre o
pensamento pode at me deixar mais lento, mas tenho a esperana de que esses
exerccios de autorreflexo me permitiro aprimorar meus mtodos mentais.
Para aumentar nossa percepo do funcionamento do crebro, vamos
estudar uma srie de experimentos mentais.
Experimente fazer o seguinte: recite o alfabeto.
provvel que voc se lembre dele desde a infncia e consiga recit-lo com
facilidade.
Agora, experimente o seguinte: recite o alfabeto de trs para frente.
A menos que voc tenha estudado o alfabeto nessa ordem, provvel que
voc ache impossvel recit-lo ao contrrio. possvel que algum que tenha
passado um bom tempo na sala de aula do primrio onde o alfabeto fica mostra
consiga evocar sua memria visual e l-lo de trs para a frente. Porm, at isso
difcil porque, na verdade, no nos lembramos de imagens inteiras. Recitar o
alfabeto de trs para a frente deveria ser uma tarefa simples, pois requer
exatamente as mesmas informaes necessrias para recit-lo na ordem
normal, mas geralmente no conseguimos faz-lo.
Voc se lembra do nmero de seu CPF? Se voc se lembra, consegue recit-
lo de trs para a frente sem escrev-lo antes num papel? E a cano infantil
Nana, nenm? Os computadores conseguem fazer isso de maneira trivial. Mas
ns no conseguimos, a menos que estudemos especificamente a sequncia
invertida como uma nova srie. Isso nos diz alguma coisa sobre a forma como a
memria humana organizada.
Claro, seremos capazes de realizar essa tarefa com facilidade se anotarmos
a sequncia e depois a lermos de trs para a frente. Ao faz-lo, estamos usando
uma tecnologia a linguagem escrita para compensar uma das limitaes de
nosso pensamento desassistido, embora seja uma ferramenta bem antiga. (Foi
nossa segunda inveno; a primeira foi a linguagem falada.) por isso que
inventamos ferramentas: para compensar nossas deficincias.
Isso sugere que nossas memrias so sequenciais e ordenadas. Elas podem
ser acessadas na ordem em que so lembradas. No somos capazes de inverter
diretamente a sequncia de uma memria.
Tambm temos dificuldade para iniciar uma memria no meio de uma
sequncia. Se aprendo a tocar uma pea musical no piano, geralmente no
consigo comear num ponto arbitrrio, como na metade. H alguns pontos para
os quais consigo pular, porque minha memria sequencial da pea organizada
em segmentos. Se eu tentar comear no meio de um segmento, porm, vou
precisar voltar a fazer a leitura visual at minha memria sequencial comear a
funcionar.
A seguir, tente fazer o seguinte: recorde-se de uma caminhada que voc fez
no dia anterior, por exemplo. Do que voc consegue se lembrar?
Esse experimento mental funciona melhor se voc fez uma caminhada bem
recentemente, como hoje pela manh, ou ontem. (Voc tambm pode substituir
por um passeio de carro ou por qualquer atividade durante a qual tenha se
deslocado por um terreno.)
provvel que voc no se lembre muito bem da experincia. Quem foi a
quinta pessoa que voc encontrou (sem incluir as pessoas que voc conhece)?
Voc viu um carvalho? Uma caixa dos correios? O que voc viu ao dobrar a
primeira esquina? Se voc passou por algumas lojas, o que havia na segunda
vitrine? Talvez voc consiga reconstruir as respostas para algumas dessas
perguntas a partir das poucas pistas de que consiga se lembrar, mas provvel
que se lembre de um nmero relativamente pequeno de detalhes, embora seja
uma experincia bem recente.
Se voc caminha regularmente, pense na primeira caminhada que fez no
ms passado (ou na primeira ida ao seu local de trabalho no ms passado, caso
trabalhe fora de casa). Provavelmente, voc no vai se lembrar da caminhada
ou do trajeto especfico, e, mesmo que se lembre, sem dvida a quantidade de
detalhes lembrada ser bem menor que a da caminhada de hoje.
Mais adiante vou discutir a questo da conscincia e defender a tese de que
temos a tendncia a equiparar a conscincia com nossa memria de eventos. A
principal razo para acreditarmos que no estamos conscientes quando
anestesiados que no nos lembramos de nada desse perodo (embora haja
excees intrigantes e perturbadoras a isso). Logo, com relao caminhada
que fiz nesta manh, eu no estive consciente na maior parte dela? uma
pergunta razovel, dado que no me lembro de quase nada que vi ou sequer no
que estava pensando.
H, porm, algumas coisas de que me lembro da caminhada desta manh.
Lembro-me de ter pensado neste livro, mas no saberia dizer exatamente quais
foram esses pensamentos. Lembro-me ainda de ter passado por uma mulher
com um carrinho de beb. Lembro que a mulher era atraente e que o beb era
bonitinho. Recordo-me de dois pensamentos que tive relacionados a essa
experincia: Esse beb adorvel, como meu neto recm-nascido, e O que esse
beb estar percebendo em seu ambiente visual? No consigo me lembrar da
roupa que vestiam nem da cor de seus cabelos. (Minha mulher vai dizer que isso
tpico.) Embora eu no seja capaz de descrever nada especfico sobre a
aparncia da me, tenho a sensao inefvel de como ela se parecia, e acredito
que conseguiria identificar seu retrato em meio ao de vrias mulheres. Portanto,
embora talvez eu tenha retido na memria algum elemento de sua aparncia, se
penso na mulher, no carrinho e no beb, no consigo visualiz-lo. No existe
fotografia ou vdeo desse evento em minha mente. difcil descrever
exatamente o que h em minha mente sobre essa experincia.
Tambm me lembro de ter passado por outra mulher com um carrinho de
beb numa caminhada feita algumas semanas antes. Nesse caso, creio que nem
conseguiria identificar o retrato dessa mulher. Hoje, essa lembrana est muito
mais tnue do que deveria estar logo depois dessa caminhada.
A seguir, pense em pessoas que voc encontrou uma ou duas vezes apenas.
Consegue visualiz-las com clareza? Se voc for um artista visual, talvez tenha
aprendido essa tcnica de observao, mas normalmente no somos capazes de
visualizar pessoas com as quais cruzamos por acaso a ponto de desenh-las ou
descrev-las suficientemente, mas teramos pouca dificuldade para reconhecer
uma foto delas.
Isso sugere que no h imagens, vdeos ou registros sonoros armazenados no
crebro. Nossas memrias so armazenadas como sequncias de padres.
Memrias que no so acessadas se desfazem com o tempo. Quando os
desenhistas da polcia entrevistam uma vtima de crime, eles no perguntam
Qual a aparncia das sobrancelhas do autor do delito?. Eles mostram uma srie
de imagens de sobrancelhas e pedem que a vtima escolha a correta. O conjunto
correto de sobrancelhas vai ativar a identificao do mesmo padro que est
armazenado na memria da vtima.
Agora, vamos estudar rostos que voc conhece bem. Voc consegue
identificar alguma destas pessoas?

Sem dvida, voc conseguiu reconhecer essas personalidades familiares,


apesar de estarem parcialmente cobertas ou distorcidas. Isso representa um
talento importante da percepo humana: somos capazes de identificar um
padro, mesmo que apenas parte dele seja percebida (vista, ouvida, sentida), e
mesmo que contenha alteraes. Aparentemente, nossa capacidade de
identificao pode detectar caractersticas invariveis de um padro
caractersticas que sobrevivem a variaes do mundo real. As evidentes
distores de uma caricatura ou de certas formas de arte, como o
impressionismo, enfatizam os padres de uma imagem (pessoa, objeto) que
identificamos, mudando outros detalhes. Na verdade, o mundo das artes est
frente do mundo da cincia quanto a reconhecer o poder do sistema perceptivo
humano. Usamos a mesma abordagem quando identificamos uma melodia a
partir de poucas notas.
Agora, estude esta imagem:
A imagem ambgua o canto indicado pela regio escura pode ser um
canto interno ou externo. No princpio, possvel que voc veja esse canto como
interno ou externo, embora, com algum esforo, consiga mudar sua percepo
para a interpretao alternativa. Depois que sua mente fixa um entendimento,
porm, pode ser difcil enxergar a outra perspectiva. (Isso tambm se aplica a
perspectivas intelectuais.) A interpretao que seu crebro faz da imagem na
verdade influencia efetivamente aquilo que voc experimenta em relao a ela.
Quando o canto parece ser interno, seu crebro interpreta a regio cinzenta como
uma sombra, e por isso ela no parece to escura quando voc interpreta o canto
como externo.
Portanto, a experincia consciente de nossas percepes efetivamente
alterada por nossas interpretaes.
Considere que vemos aquilo que esperamos _ _ _.
Tenho certeza de que voc conseguiu completar a frase acima.
Se eu tivesse escrito a ltima palavra, voc teria precisado apenas de um
vislumbre momentneo para confirmar que ela era aquela que voc esperava.
Isso implica que estamos constantemente prevendo o futuro e levantando
hipteses sobre aquilo que vamos experimentar. Essa expectativa influencia
aquilo que vemos de fato. Prever o futuro , na verdade, a principal razo para
termos um crebro.
Pense numa experincia pela qual todos passam regularmente: uma memria
de anos atrs aparece inexplicavelmente na cabea.
Geralmente, ser a lembrana de uma pessoa ou de um evento no qual voc
no pensava h um bom tempo. evidente que alguma coisa provocou essa
lembrana. A sequncia de pensamentos que a provocou pode ser aparente,
alguma coisa que voc capaz de expressar. Noutras ocasies, voc pode ter
noo da sequncia de pensamentos que levou at essa memria, mas teria
dificuldades para express-la. No mais das vezes, o gatilho se perde rapidamente
e a lembrana parece ter surgido do nada. Costumo ter essas memrias
aleatrias quando fao alguma coisa rotineira, como escovar os dentes. s vezes,
percebo a conexo a pasta escorrendo da escova pode me lembrar da tinta
caindo de um pincel numa aula de pintura que tive na escola. s vezes, tenho
apenas uma vaga sensao da conexo, ou nenhuma.
Um fenmeno correlato pelo qual todos passam com frequncia a tentativa
de se lembrar de um nome ou de uma palavra. O procedimento que usamos
nessa circunstncia tentar nos lembrar de gatilhos que podem destravar a
memria. (Por exemplo: quem fez o papel da Rainha Padm em A Vingana dos
Sith? Vejamos, a mesma atriz que fez um filme sombrio e recente sobre dana,
Cisne Negro, ah, sim, Natalie Portman.) s vezes, adotamos mtodos
mnemnicos idiossincrticos para conseguirmos lembrar. (Por exemplo: Ela
sempre esguia, no grande como uma porta, ah, sim, Portman, Natalie Portman.)
Algumas de nossas memrias so robustas o suficiente para podermos passar
diretamente da pergunta (como quem fez o papel da Rainha Amidala) para a
resposta; normalmente, precisamos passar por uma srie de gatilhos at
encontrar um que funcione. bem parecido com saber o link certo na Internet.
As memrias podem, de fato, perder-se como aquela pgina da Internet com a
qual nenhuma outra pgina tem um link (pelo menos, nenhuma pgina que
possamos descobrir).
Ao realizar procedimentos rotineiros como o ato de vestir uma camisa ,
observe a prpria ao e analise at que ponto voc segue a mesma sequncia de
etapas a cada vez. Segundo minha prpria observao (e, como mencionei, estou
sempre tentando me observar), provvel que voc execute praticamente os
mesmos gestos todas as vezes em que realiza determinada tarefa rotineira,
mesmo que adicione alguns mdulos extras. Por exemplo, a maioria das minhas
camisas no precisa de abotoaduras, mas, quando tenho de us-las, isso envolve
uma srie adicional de tarefas.
As listas de etapas na minha mente esto organizadas em hierarquias. Sigo
um procedimento rotineiro antes de dormir. A primeira etapa consiste em
escovar os dentes. Mas essa ao, por sua vez, dividida numa srie menor de
etapas, e a primeira delas colocar pasta na escova. Essa etapa, por sua vez,
formada por etapas ainda menores, como encontrar a pasta, tirar a tampa e
assim por diante. A etapa de encontrar a pasta tambm tem etapas, e a primeira
abrir o armrio do banheiro. Essa etapa, por sua vez, exige etapas, e a primeira
delas segurar a porta do armrio. Essa rede continua numa srie muito sutil de
movimentos, e por isso h, literalmente, milhares de pequenas aes formando
minha rotina noturna. Embora eu possa ter dificuldade para me lembrar dos
detalhes de uma caminhada que fiz h apenas algumas horas, no tenho
dificuldade para me lembrar de todas essas pequenas etapas ao me preparar
para dormir a ponto de poder pensar em outras coisas enquanto realizo todos
esses procedimentos. importante frisar que essa lista no est armazenada
como uma longa relao com milhares de etapas; de fato, cada um de nossos
procedimentos de rotina lembrado como uma complexa hierarquia de
atividades em camadas.
O mesmo tipo de hierarquia est envolvido em nossa capacidade de
reconhecer objetos e situaes. Identificamos os rostos das pessoas que
conhecemos bem e tambm percebemos que esses rostos contm olhos, nariz,
boca e assim por diante uma hierarquia de padres que usamos tanto em nossas
percepes como em nossas aes. O uso de hierarquias nos permite tornar a
usar padres. Por exemplo, no precisamos reaprender o conceito de nariz e de
boca todas as vezes que um novo rosto nos apresentado.
No prximo captulo, vamos reunir os resultados desses experimentos
mentais numa teoria que mostra como o neocrtex deve funcionar. Vou mostrar
que eles revelam atributos essenciais e uniformes do pensamento, desde a
localizao da pasta de dentes at a criao de um poema.
Captulo 3

Um modelo do neocrtex:
a teoria da mente baseada em reconhecimento de padres

O crebro um tecido. um tecido complicado, com uma trama


intricada, como nada do que conhecemos no universo, mas
composto de clulas, como qualquer tecido. Evidentemente, so
clulas altamente especializadas, mas elas funcionam segundo as leis
que governam quaisquer outras clulas. Seus sinais eltricos e
qumicos podem ser detectados, registrados e interpretados, e seus
componentes qumicos podem ser identificados; as conexes que
constituem a rede fibrosa do crebro podem ser mapeadas. Em
suma, o crebro pode ser estudado, assim como o rim.
David H. Hubel, neurocientista

Suponha que existe uma mquina cuja estrutura produz pensamento,


sentimento e percepo; imagine essa mquina ampliada, mas
preservando as mesmas propores, para que possamos entrar nela
como se fosse um moinho. Supondo isso, podemos visitar seu interior;
mas o que observaramos nele? Nada, exceto partes que se
empurram e se movem mutuamente, e nunca alguma coisa que
pudesse explicar a percepo.
Gottfried Wilhelm Leibniz

Uma hierarquia de padres

Repeti milhares de vezes, em inmeros contextos, as observaes e os


experimentos simples descritos no captulo anterior. As concluses dessas
observaes limitam necessariamente minha explicao sobre aquilo que o
crebro deve estar fazendo, assim como os experimentos simples sobre tempo,
espao e massa realizados no comeo e no final do sculo 19 limitaram
necessariamente as reflexes do jovem mestre Einstein sobre o modo de
funcionamento do universo. Nas discusses a seguir, vou acrescentar mais
algumas observaes bem bsicas da neurocincia, tentando evitar os diversos
detalhes ainda sujeitos a controvrsias.
Primeiro, permitam-me explicar por que esta seo discute especificamente
o neocrtex (do latim, significando nova camada). Sabemos que o neocrtex
o responsvel por nossa capacidade de lidar com padres de informao,
fazendo-o de forma hierrquica. Animais sem neocrtex (basicamente os que
no so mamferos) no so muito capazes de compreender hierarquias [1].
Compreender a natureza intrinsecamente hierrquica da realidade e tirar
proveito dela uma caracterstica unicamente mamfera, e resulta do fato de
que apenas os mamferos possuem essa estrutura cerebral, que recente em
termos evolutivos. O neocrtex o responsvel pela percepo sensorial, pela
identificao de tudo (desde objetos visuais at conceitos abstratos), pelo controle
de movimentos, pelo raciocnio (desde a orientao espacial at o pensamento
racional) e pela linguagem basicamente, por aquilo que consideramos ser o
pensar.
O neocrtex humano, a camada mais externa do crebro, uma estrutura
fina, basicamente bidimensional, com uma espessura de cerca de 2,5 milmetros.
Nos roedores, ele tem o tamanho de um selo postal e liso. Uma inovao
evolutiva nos primatas que ele ficou intricadamente acomodado sobre o
restante do crebro, com profundas ranhuras, recnditos e rugas para aumentar a
rea de sua superfcie. Devido s suas dobras complexas, o neocrtex forma a
maior parte do crebro humano, sendo responsvel por 80% de seu peso. O
Homo sapiens desenvolveu uma testa grande para acomodar um neocrtex ainda
maior; em particular, temos um lobo frontal onde lidamos com padres mais
abstratos relacionados a conceitos de alto nvel.
Esta estrutura fina formada basicamente por seis camadas, numeradas de I
(a mais externa) a VI. Os axnios que emergem dos neurnios nas camadas II e
III projetam-se para outras partes do neocrtex. Os axnios (output) das
camadas V e VI ligam-se principalmente ao exterior do neocrtex, com o
tlamo, o tronco enceflico e a medula espinhal. Os neurnios da camada IV
recebem conexes sinpticas (input) de neurnios situados fora do neocrtex,
especialmente no tlamo. O nmero de camadas varia levemente de regio para
regio. A camada IV muito fina no crtex motor, pois nessa rea ele no
recebe muitos estmulos do tlamo, do tronco enceflico ou da medula espinhal.
Por outro lado, no lobo occipital (a parte do neocrtex que geralmente
responsvel pelo processamento visual), h trs subcamadas adicionais que
podem ser vistas na camada IV, devido aos considerveis estmulos que fluem
para essa regio, inclusive do tlamo.
Uma observao criticamente importante sobre o neocrtex a
extraordinria uniformidade de sua estrutura fundamental. O primeiro a
perceber isso foi o neurocientista norte-americano Vernon Mountcastle (nascido
em 1918). Em 1957, Mountcastle descobriu a organizao colunar do neocrtex.
Em 1978, ele fez uma observao que to importante para a neurocincia
quanto foi para a fsica o experimento de Michelson-Morley em 1887 negando o
ter. Nesse ano, ele descreveu a organizao notavelmente invarivel do
neocrtex, levantando a hiptese de que ele era formado por um nico
mecanismo repetido diversas vezes, e propondo a coluna cortical como essa
unidade bsica. As diferenas na altura de certas camadas nas vrias regies
indicadas acima so simplesmente diferenas na quantidade de interconexes
por cujo tratamento essas regies so responsveis.
Mountcastle levantou a hiptese da existncia de minicolunas dentro das
colunas, mas essa teoria tornou-se controversa porque no havia demarcaes
visveis de tais estruturas menores. Contudo, experimentos detalhados revelaram
que h, de fato, unidades que se repetem dentro da estrutura de neurnios de
cada coluna. Acredito que a unidade bsica seja um identificador de padres e
que este constitui o componente fundamental do neocrtex. Em contraste com a
noo de uma minicoluna sugerida por Mountcastle, no existe um limite fsico
especfico entre esses identificadores, pois eles se situam prximos um do outro
de maneira entretecida, fazendo da coluna cortical simplesmente um agregado
formado por um grande nmero deles. Esses identificadores so capazes de se
ligar sozinhos uns com os outros ao longo de uma existncia, de forma que a
complexa conectividade (entre mdulos) que vemos no neocrtex no est pr-
especificada no cdigo gentico, sendo criada para refletir os padres que
efetivamente aprendemos ao longo do tempo. Vou explicar esta tese mais
detalhadamente, mas afirmo que assim que o neocrtex deve se organizar.
Devemos notar, antes de avanarmos na estrutura do neocrtex, que
importante criar modelos de sistemas no nvel correto. Embora teoricamente a
qumica seja baseada na fsica e possa ser derivada inteiramente da fsica, na
prtica essa tarefa seria complicada e invivel, tanto que a qumica estabeleceu
suas prprias regras e modelos. De modo anlogo, deveramos poder deduzir as
leis da termodinmica da fsica, mas quando temos uma quantidade suficiente de
partculas para cham-las de gs e no apenas de um punhado de partculas,
resolver as equaes da fsica relativas a cada interao de partculas torna-se
desesperador, ao passo que as leis da termodinmica funcionam muito bem. Da
mesma forma, a biologia tem suas prprias regras e modelos. Uma nica clula
da ilhota pancretica imensamente complicada, especialmente se a
modelarmos no nvel das molculas; modelar aquilo que o pncreas faz em
termos da regulagem do nvel de insulina e das enzimas digestivas uma tarefa
bem menos complexa.
O mesmo princpio se aplica aos nveis de modelagem e de compreenso no
crebro. Claro que til e necessrio fazer a engenharia reversa do crebro para
modelar suas interaes no nvel molecular, mas a meta de nosso esforo aqui ,
basicamente, aprimorar nosso modelo para explicar como o crebro processa
informaes para produzir significado cognitivo.
O cientista norte-americano Herbert A. Simon (1916-2001), considerado um
dos fundadores do campo da inteligncia artificial, escreveu eloquentemente
sobre a questo de compreender sistemas complexos no nvel correto de
abstrao. Ao descrever um programa de IA que ele idealizou chamado EPAM
(sigla em ingls para perceptor e memorizador elementar), ele escreveu, em
1973: Suponha que voc tenha decidido compreender o misterioso programa
EPAM que eu tenho. Eu poderia lhe apresentar duas verses dele. Uma seria [...]
a forma na qual ele foi efetivamente escrito com toda a sua estrutura de rotinas
e sub-rotinas [...] Por outro lado, eu poderia lhe apresentar a verso em
linguagem de mquina do EPAM aps a traduo ter sido realizada aps ele ter
sido achatado, por assim dizer [...] Creio que no preciso entrar em detalhes
sobre qual dessas duas verses proporcionaria a descrio mais parcimoniosa,
mais significativa, mais legtima [...] Nem vou lhe propor a terceira [...] de no
lhe apresentar nenhum programa, mas sim as equaes eletromagnticas e as
condies limtrofes a que o computador, visto como um sistema fsico, teria de
obedecer enquanto se comportasse como EPAM. Isso seria o apogeu da reduo
e da incompreensibilidade [3].
H mais ou menos meio milho de colunas corticais num neocrtex humano,
cada uma ocupando um espao com cerca de 2 milmetros de altura e 0,5
milmetro de largura, contendo cerca de 60 mil neurnios (resultando num total
aproximado de 30 bilhes de neurnios no neocrtex). Uma estimativa
aproximada que cada identificador de padres dentro de uma coluna cortical
contenha cerca de cem neurnios; assim, h ao todo cerca de 300 milhes de
identificadores de padres no neocrtex.
Para analisarmos o funcionamento desses identificadores de padres, vou
comear dizendo que difcil saber precisamente por onde comear. Tudo
acontece simultaneamente no neocrtex, de modo que seus processos no tm
comeo, nem fim. Vou precisar me referir com frequncia a fenmenos que
ainda no expliquei, mas aos quais planejo voltar; por isso, seja paciente com
essas referncias antecipadas.
Os seres humanos tm uma capacidade reduzida para processar a lgica,
mas uma capacidade muito profunda e central pare reconhecer padres. Para
pensar de maneira lgica, precisamos usar o neocrtex, basicamente um grande
identificador de padres. Ele no o mecanismo ideal para a realizao de
transformaes lgicas, mas o nico aparato de que dispomos para essa tarefa.
Compare, por exemplo, o modo como um ser humano joga xadrez ao modo
como funciona um programa tpico de xadrez para computador. O Deep Blue,
computador que em 1997 derrotou Garry Kasparov, o campeo mundial humano
de xadrez, era capaz de analisar as implicaes lgicas de 200 milhes de
posies no tabuleiro (representando diferentes sequncias de movimento e
contramovimento) por segundo. (Por falar nisso, alguns computadores pessoais
so capazes de fazer isso hoje em dia.) Perguntaram a Kasparov quantas
posies ele conseguia analisar a cada segundo, e ele respondeu que era menos
do que uma. Como, ento, ele foi capaz de chegar a enfrentar o Deep Blue? A
resposta a grande capacidade humana de reconhecimento de padres.
Entretanto, precisamos treinar esse talento, razo pela qual nem todos conseguem
jogar xadrez no nvel de um mestre.
Kasparov aprendeu cerca de 100 mil posies do tabuleiro. Esse um
nmero real determinamos que um mestre humano num campo especfico
dominou cerca de 100 mil parcelas de conhecimento. Shakespeare escreveu suas
peas com uns 100 mil sentidos de palavras (usando cerca de 29 mil palavras
diferentes, a maioria delas de diversas maneiras). Sistemas mdicos
especializados, construdos para representar o conhecimento de um mdico
humano, mostraram que um especialista mdico humano tpico dominou cerca
de 100 mil conceitos em sua especialidade. Identificar uma parcela de
conhecimento nessa abundncia no algo objetivo, pois um item especfico vai
se apresentar de maneira um pouco diferente cada vez que nos defrontamos com
ele.
Munido desse conhecimento, Kasparov observa o tabuleiro e compara os
padres que ele v com todas as 100 mil situaes de tabuleiro que ele dominou,
e faz todas as 100 mil comparaes simultaneamente. H um consenso quanto a
isso: todos os nossos neurnios esto processando levando em conta os padres
ao mesmo tempo. Isso no significa que todos esto disparando
simultaneamente (provavelmente, cairamos no cho se isso acontecesse), mas,
enquanto realizam seu processamento, levam em conta a possibilidade de
disparar.
Quantos padres o neocrtex consegue armazenar? Precisamos considerar o
fenmeno da redundncia. O rosto de um ente querido, por exemplo, no est
armazenado uma vez, mas milhares de vezes. Algumas dessas repeties so,
principalmente, a mesma imagem do rosto, enquanto muitas mostram diferentes
perspectivas dele, sob iluminao diferente, com expresses diferentes, e assim
por diante. Nenhum desses padres repetidos armazenado como uma imagem
por si s (ou seja, como grupos bidimensionais de pixels). Com efeito, so
armazenados como listas de caractersticas, sendo que os elementos constitutivos
de um padro tambm so padres. Mais adiante, vamos descrever com mais
preciso a aparncia dessas hierarquias de caractersticas e como elas se
organizam.
Se considerarmos que o conhecimento central de um especialista consiste
em aproximadamente 100 mil pedaos de conhecimento (ou seja, padres),
com uma redundncia estimada em 100 para 1, isso nos d um requisito de 10
milhes de padres. Esse conhecimento especializado central formado a partir
de conhecimentos profissionais mais genricos e amplos, e por isso podemos
aumentar a ordem de grandeza dos padres para 30 a 50 milhes. Nosso
conhecimento de senso comum como ser humano maior ainda; a sabedoria
das ruas, na verdade, exige bem mais do nosso neocrtex do que a sabedoria
dos livros. Se a incluirmos, nossa estimativa exceder bastante 100 milhes de
padres, levando em conta o fator de redundncia de cerca de 100. Perceba que
o fator de redundncia est longe de ser fixo: padres muito comuns tero um
fator de redundncia da ordem de milhares, enquanto um fenmeno
extremamente recente pode ter um fator de redundncia menor do que 10.
Como explico a seguir, nossos procedimentos e aes tambm
compreendem padres, e, do mesmo modo, esto armazenados em regies do
crtex; por isso minha estimativa da capacidade total do neocrtex humano da
ordem de poucas centenas de milhes de padres. Essa conta aproximada
correlaciona-se bem com o nmero de identificadores de padres que estimei
antes, 300 milhes, de modo que uma concluso razovel supor que a funo
de cada identificador de padres neocortical processar uma iterao de um
padro (ou seja, um exemplar em meio a tantos exemplares redundantes da
maioria dos padres no neocrtex). Nossas estimativas do nmero de padres
com que um crebro humano capaz de lidar (incluindo a necessria
redundncia) e o nmero de identificadores fsicos de padres tm a mesma
ordem de grandeza. Devemos observar que quando me refiro ao
processamento de um padro, estou me referindo a todas as coisas que somos
capazes de fazer com um padro: aprend-lo, prev-lo (inclusive partes dele),
reconhec-lo e implement-lo (seja pensando mais nele, seja por meio de um
padro de movimento fsico).
Trezentos milhes de processadores de padres pode parecer um nmero
grande, e de fato foi suficiente para permitir que o Homo sapiens desenvolvesse a
linguagem verbal e escrita, todas as nossas ferramentas e tantas outras criaes.
Essas invenes se fizeram com base umas nas outras, dando origem ao
crescimento exponencial do contedo informativo de tecnologias, conforme
descrevo na minha lei dos retornos acelerados. Nenhuma outra espcie
conseguiu isso. Como disse, umas poucas espcies, como os chimpanzs,
parecem ter uma capacidade rudimentar para compreender e formar linguagem
e para usar ferramentas primitivas. Afinal, eles tambm tm um neocrtex, mas
sua capacidade limitada em virtude de seu tamanho menor, especialmente do
lobo frontal. O tamanho de nosso prprio neocrtex excedeu um nvel que
permitiu que nossa espcie desenvolvesse ferramentas cada vez mais poderosas,
inclusive ferramentas que agora nos permitem compreender nossa prpria
inteligncia. Em ltima anlise, o crebro humano, combinado tecnologia
produzida por ele, permitir que criemos um neocrtex sinttico que conter bem
mais do que meros 300 milhes de processadores de padres. E por que no um
bilho? Ou um trilho?

A estrutura de um padro
A teoria da mente baseada em reconhecimento de padres que apresento aqui
fundamenta-se no reconhecimento de padres por meio de mdulos de
reconhecimento de padres no neocrtex. Esses padres (e os mdulos)
organizam-se em hierarquias. Logo adiante, discuto as razes intelectuais dessa
ideia, inclusive meu prprio trabalho com o reconhecimento de padres
hierrquicos, nas dcadas de 1980 e 1990, e o modelo do neocrtex no comeo
da dcada de 2000, proposto por Jeff Hawkins (nascido em 1957) e Dileep
George (nascido em 1977).

Mdulo neocortical de reconhecimento de padres


Cada padro (reconhecido por um identificador, numa estimativa de 300
milhes de identificadores de padres do neocrtex) composto de trs partes. A
primeira parte o input, que consiste nos padres de nvel inferior que compem
o padro principal. As descries para cada um desses padres de nvel inferior
no precisam ser repetidas para cada padro de nvel superior que se referencia
com eles. Por exemplo, muitos padres de palavras incluem a letra A. Cada
um desses padres no precisa repetir a descrio da letra A, mas vai usar a
mesma descrio. Pense nele como o endereo de um site. Existe uma pgina da
Internet (ou seja, um padro) para a letra A, e todas as outras pginas
(padres) da Internet para palavras que incluem A tero um link com a pgina
A (com o padro A). Em vez de links da Internet, o neocrtex usa conexes
neurais reais. Existe um axnio do identificador do padro A que se conecta
com diversos dendritos, um para cada palavra que usa A. Leve em conta ainda
o fator de redundncia: h mais de um identificador de padro para a letra A.
Cada um desses diversos identificadores de padro A pode mandar um sinal
para os identificadores de padro que incorporam A.
A segunda parte de cada padro o nome do padro. No mundo da
linguagem, esse padro de nvel superior simplesmente a palavra apple
(ma). Embora usemos diretamente nosso neocrtex para compreender e
processar todos os nveis de linguagem, a maioria dos padres que ela contm
no so padres de linguagem em si. No neocrtex, o nome de um padro
simplesmente o axnio que emerge de cada processador de padres; quando
aquele axnio dispara, seu padro correspondente foi percebido. O disparo do
axnio o identificador de padres gritando o nome do padro: Ei, amigos,
acabei de ver a palavra escrita apple.
Trs padres redundantes (mas levemente diferentes) para A alimentando
padres de nvel superior que incorporam A

A terceira e ltima parte de cada padro o conjunto de padres de nvel


superior de que ele, por sua vez, faz parte. Para a letra A, ele a totalidade das
palavras que incluem A. Mais uma vez, so como links da Internet. Cada
padro percebido num nvel informa o nvel seguinte de que parte daquele
padro de nvel superior est presente. No neocrtex, esses links so
representados por dendritos fsicos que fluem para os neurnios em cada
identificador de padres cortical. Leve em conta o fato de que cada neurnio
pode receber inputs de diversos dendritos, produzindo um nico output para um
axnio. Este axnio, porm, pode transmitir para diversos dendritos.
Para usar alguns exemplos simples, os padres simples da prxima pgina
so um pequeno subconjunto dos padres usados para criar letras impressas.
Perceba que cada nvel constitui um padro. Nesse caso, as formas so padres,
as letras so padres e as palavras tambm so padres. Cada um desses padres
tem um conjunto de inputs, um processo de reconhecimento de padres (com
base nos inputs que tm lugar no mdulo) e um output (que alimenta o prximo
nvel superior de identificao de padres).
Conexo sudoeste ao centro do norte:

Conexo sudeste ao centro do norte:

Barra transversal horizontal:

Linha vertical da extremidade esquerda:


Concavidade voltada para o sul:

Linha horizontal inferior:

Linha horizontal superior:

Linha horizontal do meio:


Circuito formando a regio superior:
Os padres anteriores so os elementos constitutivos do prximo nvel
superior de padres, que uma categoria chamada de letras impressas (mas no
existe tal categoria formal dentro do neocrtex; na verdade, no h categorias
formais).

A:

Dois padres diferentes, ambos constituindo o A, e dois padres diferentes num


nvel superior (APPLE e PEAR, ou pera), dos quais A uma parte
P:

Padres que fazem parte do padro P de nvel superior

L:
Padres que fazem parte do padro L de nvel superior/p>

E:
Padres que fazem parte do padro E de nvel superior

Esses padres de letras alimentam um padro de nvel ainda mais elevado,


numa categoria chamada palavras. (A palavra palavras nossa categoria de
linguagem para esse conceito, mas o neocrtex trata-as apenas como padres.)

APPLE:

Numa parte diferente do crtex, h uma hierarquia comparvel de


identificadores de padres que processam as prprias imagens dos objetos (e no
das letras impressas). Se voc olhar para uma ma real, identificadores de
baixo nvel vo detectar extremidades curvas e padres de cor da superfcie que
levam para um identificador de padres que aciona seu axnio e diz: Ei, pessoal,
acabei de ver uma ma de verdade. E outros identificadores de padres vo
detectar combinaes de frequncias sonoras que levam a um identificador de
padres no crtex auditivo que pode acionar seu axnio indicando: Acabei de
ouvir a palavra falada ma.
Tenha em mente o fator de redundncia no temos um identificador nico
de padres para a ma em cada uma de suas formas (escrita, falada, visual).
provvel que centenas desses identificadores estejam disparando, se no mais.
No s a redundncia aumenta a chance de identificarmos com sucesso cada
surgimento de ma, como lida com as variaes nas mas do mundo real. No
caso dos objetos mas, haver identificadores de padres que lidam com as
formas mais variadas de mas: ngulos, cores, tonalidades, formas e variedades
diferentes.
Alm disso, lembre-se de que a hierarquia mostrada acima uma hierarquia
de conceitos. Esses identificadores no se situam fisicamente uns sobre os outros;
em virtude da pequena espessura do neocrtex, ele tem a altura de apenas um
identificador de padres. A hierarquia conceitual criada pelas conexes entre os
diversos identificadores de padres.
Um atributo importante da TMRP o modo como a identificao se d
dentro de cada mdulo de identificao de padres. H, nesse mdulo, um peso
para cada input de dendrito, indicando a importncia desse input para a
identificao. O identificador de padres tem um limiar de disparo (que indica
que esse identificador de padres identificou com sucesso o padro pelo qual ele
responsvel). Nem todo padro de input precisa estar presente para que o
identificador dispare. O identificador pode disparar se faltar um input de pouco
peso, mas menos provvel que dispare se faltar um impulso importante.
Quando dispara, o identificador de padres est dizendo basicamente isto:
provvel que o padro pelo qual sou responsvel esteja presente.
A identificao bem-sucedida de seu padro por um mdulo vai alm da
simples contagem dos inputs ativados (at numa conta na qual o parmetro de
importncia est presente). O tamanho (de cada input) importante. H outro
parmetro (para cada input) indicando o tamanho esperado do input, e mais um
indicando a variao desse tamanho. Para entender como isso funciona, suponha
que temos um identificador de padres responsvel pela identificao da palavra,
falada em ingls, steep (ngreme, que se pronuncia stiip). Essa palavra
falada tem quatro sons: [s], [t], [E] e [p]. O fonema [t] conhecido como
consoante dental, o que significa que criado pela lngua que gera uma
exploso de rudo quando o ar interrompe seu contato com os dentes superiores.
praticamente impossvel articular o fonema [t] lentamente. O fonema [p]
considerado uma consoante plosiva, ou oral oclusiva, o que significa que
criado quando o trato vocal bloqueado subitamente (pelos lbios no caso do
[p]), de modo que o ar no passa mais por eles. Ele tambm necessariamente
rpido. A vogal [E] causada pela ressonncia das cordas vocais e da boca
aberta. considerada uma vogal longa, o que significa que persiste por um
tempo muito maior do que consoantes como [t] e [p]; no entanto, sua durao
pode variar bastante. O fonema [s] conhecido como consoante sibilante,
sendo causado pela passagem do ar contra as arestas dos dentes mantidos juntos.
Sua durao costuma ser menor do que a de uma vogal longa como [E], mas
tambm varivel (noutras palavras, o [s] pode ser pronunciado rapidamente, ou
pode ser arrastado).
Em nosso trabalho com o reconhecimento de fala, descobrimos que
necessrio codificar esse tipo de informao a fim de identificar padres de fala.
Por exemplo, as palavras step (passo) e steep so muito similares.
Embora o fonema [e] em step e o [E] de steep sejam vogais com sons um
pouco diferentes (pelo fato de terem diferentes frequncias de ressonncia), no
confivel distinguir essas duas palavras com base nesses sons de vogais, que
normalmente so confundidos. muito mais confivel considerar a observao
de que o [e] de step relativamente breve em comparao com o [E] de
steep.
Podemos codificar este tipo de informao com dois nmeros para cada
input: o tamanho esperado e o grau de variabilidade desse tamanho. No exemplo
do steep, [t] e [p] teriam uma breve durao esperada, bem como uma
pequena variabilidade esperada (ou seja, no esperamos ouvir tt e pp longos). O
som [s] teria uma durao esperada breve, mas uma variabilidade maior, pois
possvel arrast-lo. O som [E] tem uma durao esperada longa, bem como um
elevado grau de variabilidade.
Em nossos exemplos de fala, o parmetro tamanho refere-se durao,
mas o tempo apenas uma dimenso possvel. Em nosso trabalho com o
reconhecimento de caracteres, descobrimos que informaes especiais
comparveis eram importantes a fim de identificar letras impressas (por
exemplo, espera-se que o pingo sobre a letra i seja bem menor do que a
poro sob o pingo). Em nveis bem mais elevados de abstrao, o neocrtex vai
lidar com padres com toda espcie de continuum, como nveis de atratividade,
ironia, felicidade, frustrao e milhares de outros. Podemos traar semelhanas
entre continua bem distintos, como Darwin fez ao relacionar o tamanho fsico dos
cnions geolgicos com o grau de diferenciao entre espcies.
Num crebro biolgico, a fonte desses parmetros provm da prpria
experincia do crebro. No nascemos com um conhecimento inato de fonemas;
na verdade, cada lngua tem conjuntos de sons bem diferentes. Isso implica que
exemplos mltiplos de um padro so codificados nos parmetros aprendidos de
cada identificador de padres (uma vez que preciso haver diversas ocorrncias
de um padro para auferir a distribuio esperada das magnitudes dos inputs que
chegam ao padro). Em alguns sistemas de IA, parmetros desses tipos so
codificados mo por especialistas (por exemplo, linguistas que podem nos
informar a durao esperada de cada fonema, como dito antes). Em meu
trabalho nessa rea, descobrimos que fazer com que um sistema de IA descubra
esses parmetros por si s a partir de dados de treinamento (tal como faz o
crebro) era uma abordagem prefervel. s vezes, usamos uma abordagem
hbrida; ou seja, preparamos o sistema com a intuio dos especialistas humanos
(formando as configuraes iniciais dos parmetros) e depois fizemos com que o
sistema de IA aprimorasse automaticamente essas estimativas usando um
processo de aprendizado baseado em exemplos reais de fala.
Aquilo que o mdulo de identificao de padres est fazendo computar a
probabilidade (com base em toda sua experincia prvia) de que o padro por
cuja identificao ele responsvel est sendo de fato representado no momento
por seus inputs ativos. Cada input especfico que vai para o mdulo estar ativo se
o identificador de padres de nvel inferior correspondente estiver disparando (o
que significa que o padro de nvel inferior foi identificado). Cada input codifica
ainda o tamanho observado (numa dimenso apropriada, como durao,
magnitude fsica ou outro continuum qualquer), de modo que o tamanho pode ser
comparado pelo mdulo (com os parmetros de tamanho j armazenados para
cada input), calculando a probabilidade geral do padro.
Como o crebro (e um sistema de IA) pode computar a probabilidade geral
de que o padro (que o mdulo tem a responsabilidade de identificar) est
presente, tendo em vista (1) os inputs (cada um com um tamanho observado), (2)
os parmetros de tamanho armazenados (o tamanho esperado e a variabilidade
de tamanho) de cada input e (3) os parmetros de importncia de cada input?
Nas dcadas de 1980 e 1990, eu e outros promovemos um mtodo matemtico
chamado Modelos hierrquicos ocultos de Markov para aprender esses
parmetros e depois us-los para identificar padres hierrquicos. Usamos essa
tcnica para o reconhecimento da fala humana, bem como para compreender a
linguagem natural. Descrevo mais detalhadamente essa abordagem no captulo
7.
Voltando ao fluxo de identificao entre um nvel de identificadores de
padres e o seguinte, no exemplo acima vemos a informao ascendendo pela
hierarquia conceitual, desde caractersticas bsicas das letras, passando para as
letras e destas para as palavras. A identificao vai continuar a subir da para
frases e depois para estruturas de linguagem mais complexas. Se subirmos por
dezenas de nveis adicionais, chegaremos a conceitos de nvel superior, como
ironia e inveja. Apesar de todos os identificadores de padres trabalharem
simultaneamente, leva algum tempo para que a identificao suba nessa
hierarquia conceitual. A passagem pelos nveis leva desde alguns centsimos at
alguns dcimos de segundo para ser processada. Experimentos mostraram que
um padro de nvel moderadamente elevado, como um rosto, toma um dcimo
de segundo, no mnimo. Pode chegar a um segundo, caso haja distores
significativas. Se o crebro fosse sequencial (como os computadores
convencionais) e realizasse cada reconhecimento de padres em sequncia, ele
precisaria levar em conta todos os possveis padres de nvel inferior antes de
passar para o nvel seguinte. Logo, levaria muitos milhes de ciclos s para subir
um nvel. exatamente o que acontece quando simulamos esses processos num
computador. Mas lembre-se, porm, de que os computadores processam
informaes numa velocidade milhes de vezes maior que a de nossos circuitos
biolgicos.
Um ponto muito importante a se destacar aqui que a informao flui pela
hierarquia conceitual de forma tanto descendente como ascendente. Com efeito,
o fluxo descendente at mais significativo. Se, por exemplo, estamos lendo da
esquerda para a direita e j vimos e identificamos as letras A, P, P e L,
o identificador de APPLE vai prever que provvel que se encontre um E
na posio seguinte. Ele vai enviar um sinal para baixo ao identificador de E,
dizendo algo como Por favor, saiba que existe a grande possibilidade de que
voc veja seu padro E muito em breve, por isso fique atento. Ento, o
identificador de E ajusta seu limiar de tal modo que ele aumenta a
possibilidade de identificar um E. Se aparecer a seguir uma imagem
vagamente parecida com um E, mas borrada a ponto de no poder ser
identificada como um E em circunstncias normais, o identificador de E
pode, ainda assim, indicar que ele viu de fato um E, pois este era esperado.
O neocrtex, portanto, est prevendo aquilo que espera encontrar. Vislumbrar
o futuro uma das principais razes para termos um neocrtex. No nvel
conceitual mais elevado, estamos sempre fazendo predies quem vai passar
depois pela porta, o que algum deve dizer em seguida, o que esperamos ver ao
dobrar a esquina, os resultados mais provveis de nossas prprias aes e assim
por diante. Essas predies acontecem sempre em todos os nveis da hierarquia
do neocrtex. Geralmente, deixamos de reconhecer pessoas, coisas e palavras
porque nosso limiar para a confirmao de um padro esperado baixo demais.
Alm de sinais positivos, h ainda sinais negativos ou inibidores que indicam
que pouco provvel que exista um padro determinado. Eles podem vir de
nveis conceituais inferiores (como a identificao de um bigode que inibe a
probabilidade de que a pessoa que vejo na fila do caixa seja a minha esposa) ou
de um nvel superior (sei, por exemplo, que minha esposa est viajando, e por
isso a pessoa na fila do caixa no pode ser ela). Quando um identificador de
padres recebe um sinal inibidor, ele eleva o limiar de identificao, mas ainda
existe a possibilidade de o padro disparar (de modo que se a pessoa na fila for
mesmo minha esposa, eu ainda poderei reconhec-la).

A natureza dos dados que fluem para um Identificador de Padres Neocortical


Vamos compreender melhor a aparncia dos dados de um padro. Se o padro
for um rosto, os dados existem, no mnimo, em duas dimenses. No podemos
dizer que os olhos vm necessariamente antes, seguidos pelo nariz e assim por
diante. O mesmo se aplica maioria dos sons. Uma pea musical tem duas
dimenses, no mnimo. Pode haver mais de um instrumento e/ou voz fazendo
sons ao mesmo tempo. Alm disso, uma nica nota de um instrumento complexo
como o piano consiste em diversas frequncias. Uma nica voz humana consiste
em diversos nveis de energia em dezenas de faixas de frequncia
simultaneamente. Por isso, um padro sonoro pode ser complexo num momento
qualquer, e esses momentos complexos se estendem no tempo. Inputs tteis
tambm so bidimensionais, pois a pele um rgo bidimensional dos sentidos, e
tais padres podem mudar ao longo da terceira dimenso, o tempo.
Logo, tem-se a impresso de que o input que vai para um processador de
padres neocortical deve abranger padres bidimensionais, ou mesmo
tridimensionais. No entanto, podemos ver na estrutura do neocrtex que os inputs
de padres so apenas listas unidimensionais. Todo o nosso trabalho no campo da
criao de sistemas artificiais de identificao de padres (como sistemas de
reconhecimento visual e de fala) demonstra que podemos representar (e
representamos) fenmenos bidimensionais e tridimensionais com essas listas
unidimensionais. Vou descrever o funcionamento de tais mtodos no captulo 7,
mas por enquanto podemos seguir adiante com o entendimento de que o input
para cada processador de padres uma lista unidimensional, mesmo que o
padro em si possa refletir intrinsecamente mais de uma dimenso.
Neste ponto, devemos levar em conta o insight de que os padres que
aprendemos a identificar (por exemplo, um co especfico ou a ideia genrica de
um co, uma nota musical ou uma pea musical) so exatamente o mesmo
mecanismo que serve de base para nossas memrias. Na verdade, nossas
memrias so padres organizados como listas (sendo que cada item de cada
lista outro padro na hierarquia cortical) que aprendemos e depois
reconhecemos quando recebemos o estmulo apropriado. Com efeito, as
memrias existem no neocrtex para serem identificadas.
A nica exceo a isso est no mais baixo nvel conceitual possvel, em que
os inputs de um padro representam informaes sensoriais especficas (por
exemplo, dados de imagem provenientes do nervo ptico). Mesmo esse nvel
mais baixo de padro, porm, j ter sido significativamente transformado em
padres simples antes de chegar ao crtex. As listas de padres que constituem
uma memria esto na ordem progressiva, e s podemos nos lembrar de nossas
memrias nessa ordem, razo pela qual temos dificuldade para invert-las.
Uma memria precisa ser ativada por outro pensamento/memria (estes so
a mesma coisa). Podemos experimentar esse mecanismo de ativao quando
identificamos um padro. Quando identificamos A, P, P e L, o padro
A P P L E predisse que veramos um E e disparou o padro E, que agora
esperado. Portanto, nosso crtex est pensando em ver um E antes mesmo
que o vejamos. Se essa interao especfica em nosso crtex recebe nossa
ateno, vamos pensar no E antes de v-lo, ou mesmo que nunca o vejamos.
Um mecanismo similar aciona antigas memrias. Geralmente, h toda uma
cadeia desses links. Mesmo que tenhamos algum grau de percepo das
memrias (ou seja, dos padres) que evocaram a memria antiga, as memrias
(padres) no tm rtulos de linguagem ou de imagem. por isso que memrias
antigas parecem brotar repentinamente em nossa percepo. Tendo ficado
enterradas e inativas at por anos, elas precisam de um gatilho, do mesmo modo
que uma pgina da Internet precisa de um link para ser ativada. E assim como
uma pgina da Internet pode ficar rf porque nenhuma pgina tem links com
ela, o mesmo pode acontecer com nossas memrias.
Nossos pensamentos so, na maioria, ativados num de dois modos: no
direcionado e direcionado, ambos usando essas mesmas ligaes corticais. No
modo no direcionado, permitimos que as ligaes se formem sozinhas, sem
tentar mov-las para alguma direo especfica. Algumas formas de meditao
(como a Meditao Transcendental, que eu pratico) baseiam-se em deixar a
mente fazer exatamente isso. Os sonhos tambm possuem essa qualidade.
No pensamento direcionado, tentamos introduzir um processo mais
organizado para evocar uma memria (uma histria, por exemplo) ou solucionar
um problema. Isso envolve ainda o estudo de listas do neocrtex, mas a agitao
menos estruturada do pensamento no direcionado tambm vai acompanhar o
processo. Portanto, o contedo completo de nosso pensamento bem
desordenado, um fenmeno que James Joy ce destacou em seus romances como
fluxo de conscincia.
Quando voc pensa nas memrias, histrias ou padres de sua vida, quer
envolvam um encontro casual com uma me e seu beb num carrinho durante
uma caminhada, quer envolvam a importante narrativa sobre o modo como voc
conheceu sua esposa, suas memrias consistem numa sequncia de padres.
Como esses padres no so rotulados com palavras, sons, imagens ou vdeos,
quando voc tenta se recordar de um evento significativo, est basicamente
reconstruindo as imagens na mente, pois as imagens em si no existem.
Se fssemos ler a mente de algum e espiar exatamente o que est
acontecendo em seu neocrtex, seria muito difcil interpretar as memrias, quer
observssemos os padres que simplesmente esto armazenados no neocrtex
aguardando para ser disparados, quer observssemos aqueles que foram
disparados e que atualmente so vivenciados como pensamentos ativos. Aquilo
que ns veramos seria a ativao simultnea de milhes de identificadores de
padres. Um centsimo de segundo depois, veramos um conjunto diferente,
formado por um nmero comparvel de identificadores de padres ativados.
Cada um dos padres seria uma lista de outros padres, e cada um desses
padres seria uma lista de outros padres, e assim por diante, at atingirmos os
padres mais simples e elementares do nvel mais baixo. Seria extremamente
difcil interpretar o significado desses padres de nveis superiores sem copiar
efetivamente todas as informaes em todos os nveis para nosso prprio crtex.
Assim, cada padro em nosso neocrtex s significativo luz de todas as
informaes carregadas nos nveis abaixo dele. Ademais, outros padres no
mesmo nvel e em nveis mais elevados tambm so relevantes para a
interpretao de um padro em especial, pois eles proporcionam o contexto. A
verdadeira leitura da mente, portanto, exigiria no apenas a deteco das
ativaes dos axnios relevantes no crebro de uma pessoa, mas um exame de
todo o seu neocrtex, com todas as suas memrias, para compreender essas
ativaes.
Quando vivenciamos nossos prprios pensamentos e memrias, sabemos o
que significam, mas eles no existem como lembranas e pensamentos
prontamente explicveis. Se quisermos compartilh-los com outras pessoas, ser
preciso traduzi-los numa linguagem. Essa tarefa tambm realizada pelo
neocrtex, usando identificadores de padres treinados com padres que
aprendemos com a finalidade de usar a linguagem. A linguagem em si
altamente hierrquica e evoluiu para tirar proveito da natureza hierrquica do
neocrtex, que, por sua vez, reflete a natureza hierrquica da realidade. A
capacidade inata dos humanos para aprender as estruturas hierrquicas da
linguagem sobre as quais Noam Chomsky escreveu reflete a estrutura do
neocrtex. Num trabalho datado de 2002 do qual foi coautor, Chomsky cita o
atributo da recurso como responsvel pela singular faculdade da espcie
humana para a linguagem [4]. Segundo Chomsky, recurso a capacidade de
reunir partes menores num todo maior, usando esse todo como parte de outra
estrutura e continuando iterativamente com esse processo. Desse modo, podemos
construir as complexas estruturas de frases e de pargrafos a partir de um
conjunto limitado de palavras. Embora Chomsky no estivesse se referindo
explicitamente nesse trabalho estrutura do crebro, a capacidade que ele est
descrevendo exatamente aquilo que o neocrtex faz.
Na maioria dos casos, espcies inferiores de mamferos usam seu neocrtex
para os desafios de seu estilo de vida particular. A espcie humana adquiriu
capacidades adicionais graas formao de uma quantidade substancialmente
maior de crtex para lidar com a linguagem falada e escrita. Algumas pessoas
aprenderam tais habilidades melhor do que outras. Se contamos uma histria
especfica diversas vezes, vamos, na verdade, comear a aprender a sequncia
de linguagem que descreve a histria como uma srie de sequncias separadas.
Mesmo neste caso, nossa memria no ser uma sequncia estrita de palavras,
mas de estruturas de linguagem que precisaremos traduzir em sequncias
especficas de palavras todas as vezes que formos contar a histria. por isso que
contamos uma histria de forma um pouco diferente cada vez que a
compartilhamos (a menos que saibamos da sequncia exata de palavras como
um padro).
Para cada uma dessas descries de processos mentais especficos,
precisamos levar em conta a questo da redundncia. Como mencionei, no
temos um padro nico para representar as entidades importantes em nossas
vidas, quer elas constituam categorias sensoriais, conceitos de linguagem ou
memrias de eventos. Cada padro importante em todos os nveis repetido
muitas vezes. Algumas dessas recorrncias representam repeties simples,
enquanto muitas representam pontos de vista ou perspectivas diferentes. Essa a
principal razo pela qual conseguimos identificar um rosto familiar sob diversos
ngulos e vrias condies de iluminao. A cada nvel que se sobe na hierarquia,
temos redundncias substanciais, permitindo uma variabilidade suficiente e
consistente com esse conceito.
Logo, se fssemos imaginar um exame de nosso neocrtex enquanto
estivssemos olhando para determinado ente querido, veramos uma grande
quantidade de disparos dos axnios dos identificadores de padres em todos os
nveis, desde o nvel bsico dos padres sensoriais primitivos at muitos padres
diferentes representando a imagem desse ente querido. Tambm veramos uma
quantidade gigantesca de disparos representando outros aspectos da situao,
como os movimentos dessa pessoa, aquilo que ela est dizendo e assim por
diante. Logo, se a experincia parece muito mais rica do que uma mera viagem
organizada em ascenso atravs de uma hierarquia de caractersticas, porque
ela .
Mas o mecanismo bsico de ascenso por uma hierarquia de identificadores
de padres, na qual cada nvel conceitual superior representa um conceito mais
abstrato e mais integrado, permanece vlido. O fluxo de informao descendente
maior ainda, pois cada nvel ativado de padro identificado envia predies
para o identificador de padres seguinte no nvel inferior, dizendo o que ele pode
encontrar a seguir. A aparente exuberncia da experincia humana resulta do
fato de que todas as centenas de milhes de identificadores de padres de nosso
neocrtex esto analisando seus inputs ao mesmo tempo.
Simulao feita em computador dos disparos de muitos identificadores de
padres simultneos no neocrtex

No captulo 5, vou discutir o fluxo de informaes do tato, da viso, da


audio e de outros rgos sensoriais para o neocrtex. Esses inputs primrios so
processados por regies corticais dedicadas a tipos relevantes de input sensorial
(embora haja uma enorme plasticidade nas atribuies dessas regies, refletindo
a uniformidade bsica de funo no neocrtex). A hierarquia conceitual
prossegue acima dos conceitos mais elevados em cada regio sensorial do
neocrtex. As reas de associao cortical integram inputs dos diferentes inputs
sensoriais. Quando ouvimos alguma coisa que pode se parecer com a voz do
cnjuge, e vemos alguma coisa que pode indicar sua presena, no nos
dedicamos a um complexo processo de deduo lgica; percebemos
instantaneamente que nosso cnjuge est presente a partir da combinao dessas
percepes sensoriais. Integramos todas as pistas sensoriais e perceptuais
pertinentes talvez at o cheiro de seu perfume ou colnia como uma
percepo em diversos nveis.
Num nvel conceitual acima das reas de associao sensorial cortical,
somos capazes de lidar (perceber, lembrar e pensar) com conceitos ainda mais
abstratos. No nvel mais elevado, identificamos padres como isto engraado,
ou ela bonita, ou isto irnico, e assim por diante. Nossas memrias incluem
tambm esses padres abstratos de identificao. Por exemplo, podemos nos
lembrar de que estvamos caminhando com uma pessoa e ela disse algo
engraado, e rimos, embora no nos lembremos da piada em si. A sequncia da
memria para essa recordao simplesmente registrou a percepo do humor,
mas no o contedo exato daquilo que foi engraado.
No captulo anterior, comentei que geralmente podemos identificar um
padro mesmo que no o reconheamos bem o suficiente para podermos
descrev-lo. Por exemplo, creio que eu poderia identificar uma foto da mulher
com o carrinho de beb que vi pela manh em meio a um grupo de fotos de
outras mulheres, apesar do fato de eu no conseguir efetivamente visualiz-la e
de no poder descrever muitos detalhes sobre ela. Nesse caso, a lembrana que
tenho dela uma lista de certas caractersticas de nvel superior. Essas
caractersticas no possuem rtulos de linguagem ou de imagem associados a
elas, e no so imagens com pixels; assim, embora possa pensar nela, no
consigo descrev-la. Mas se me apresentarem uma foto dela, posso processar a
imagem, e com isso reconheo as mesmas caractersticas de nvel superior que
foram percebidas da primeira vez que a vi. Portanto, eu seria capaz de
determinar que as caractersticas coincidem e escolheria a foto com confiana.
Apesar de ter visto essa mulher apenas uma vez durante uma caminhada,
provvel que haja diversas cpias de seu padro em meu neocrtex. No entanto,
se eu no pensar nela por determinado perodo, esses identificadores de padres
sero redesignados para outros padres. por isso que as memrias vo
esmaecendo com o tempo: a quantidade de redundncia vai se reduzindo at
essas memrias se extinguirem. Entretanto, agora que preservei a memria
dessa mulher especfica escrevendo aqui sobre ela, provavelmente no me
esquecerei dela com tanta facilidade.

Autoassociao e invarincia
No captulo anterior, discuti como identificar um padro, mesmo que o padro
total no esteja presente, e mesmo que esteja distorcido. A primeira capacidade
chamada de autoassociao: a habilidade de associar um padro com uma
parte dele mesmo. A estrutura de cada identificador de padres apoia
intrinsecamente essa capacidade.
medida que cada input de um identificador de padres de nvel inferior
sobe para outro de nvel mais elevado, a conexo pode ganhar um peso,
indicando a importncia desse elemento especfico no padro. Logo, os
elementos mais importantes de um padro tero um peso maior ao analisarmos
se o padro deve se acionar como identificado. A barba de Lincoln, as
costeletas de Elvis e a famosa careta de Einstein com a lngua para fora devem
ter um peso importante nos padres que assimilamos sobre a aparncia dessas
figuras icnicas. O identificador de padres calcula a probabilidade que leva em
conta os parmetros de importncia. Logo, a probabilidade geral ser mais baixa
se faltar um elemento ou mais, embora o limiar de identificao possa ter sido
atendido. Como disse, o clculo da probabilidade geral (de que o padro est
presente) mais complicado do que uma simples soma ponderada, pois os
parmetros de tamanho tambm precisam ser considerados.
Se o identificador de padres recebeu um sinal de um identificador de nvel
superior informando que seu padro esperado, ento o limiar baixado de
fato (ou seja, atingido com mais facilidade). Por outro lado, esse sinal pode
simplesmente ser adicionado ao total de inputs ponderados, compensando assim
um elemento faltante. Isso acontece em todos os nveis, de modo que um padro
como um rosto que esteja vrios nveis acima da base pode ser identificado,
mesmo que faltem diversas caractersticas.
A habilidade de identificar padres mesmo quando seus aspectos foram
transformados chamada de invarincia de caractersticas, e tratada de quatro
maneiras. Primeiro, h transformaes globais que so realizadas antes que o
neocrtex receba dados sensoriais. Vamos discutir a viagem dos dados sensoriais
desde os olhos, ouvidos e pele na seo O caminho sensorial, na pgina 122.
O segundo mtodo tira proveito da redundncia em nossa memria cortical
de padres. Para itens importantes, em especial, aprendemos muitos pontos de
vista e ngulos diferentes para cada padro. Assim, as diversas variaes so
armazenadas e processadas separadamente.
O terceiro mtodo, e mais poderoso, a habilidade de combinar duas listas.
Uma lista pode ter um conjunto de transformaes que aprendemos que podem
se aplicar a certa categoria de padro; o crtex vai aplicar essa mesma lista de
mudanas possveis noutro padro. assim que compreendemos fenmenos de
linguagem como metforas e comparaes.
Aprendemos, por exemplo, que certos fonemas (os sons bsicos da
linguagem) podem faltar na linguagem falada (como vamo). Ento, se
aprendermos uma nova palavra falada (como estamos), seremos capazes de
identificar essa palavra se um de seus fonemas estiver faltando, mesmo que
nunca tenhamos visto essa palavra dessa forma antes, pois nos familiarizamos
com o fenmeno geral da omisso de certos fonemas. Como exemplo adicional,
podemos aprender que determinado artista gosta de enfatizar certos elementos de
um rosto tornando-os maiores, como o nariz. Ento, podemos identificar um rosto
com o qual estamos familiarizados ao qual foram aplicadas modificaes,
mesmo que nunca tenhamos visto essa modificao nesse rosto. Certas
modificaes artsticas enfatizam as caractersticas que nosso neocrtex
reconhece com base nos identificadores de padres. Como disse, exatamente
essa a base das caricaturas.
O quarto mtodo deriva dos parmetros de tamanho que permitem que um
nico mdulo codifique mltiplas ocorrncias de um padro. Por exemplo,
ouvimos muitas vezes a palavra steep. Um mdulo especfico de identificao
de padres que est reconhecendo essa palavra falada pode codificar esses
diversos exemplos indicando que a durao de [E] tem uma elevada
variabilidade esperada. Se todos os mdulos para palavras que incluem [E]
compartilharem um fenmeno similar, essa variabilidade poderia ser codificada
nos modelos para o prprio [E]. Entretanto, palavras diferentes que incorporam
[E] (ou vrios outros fonemas) podem ter quantidades diferentes de variabilidade
esperada. Por exemplo, provvel que a palavra peak (pico) no tenha um
fonema [E] to prolongado quanto na palavra steep.

Aprendizado

No estamos criando nossos sucessores na supremacia da Terra?


Acrescentando algo diariamente beleza e delicadeza de sua
organizao, dando-lhes diariamente mais habilidade e fornecendo
mais e mais daquele poder autorregulador e automotivador que ser
melhor do que qualquer intelecto?
Samuel Butler, 1871

As principais atividades do crebro esto produzindo mudanas nelas


mesmas.
Marvin Minsky, A sociedade da mente
At agora, examinamos o modo como identificamos padres (sensoriais e
perceptivos) e nos recordamos de sequncias de padres (nossas memrias de
coisas, pessoas e eventos). Contudo, no nascemos com um neocrtex repleto de
qualquer um desses padres. Nosso neocrtex um territrio virgem quando o
crebro criado. Ele tem a capacidade de aprender e, portanto, de criar
conexes entre seus identificadores de padres, mas conquista essas conexes a
partir da experincia.
Esse processo de aprendizado comea antes mesmo de nascermos,
ocorrendo simultaneamente com o processo biolgico do crescimento do
crebro. O feto j tem crebro com um ms, embora seja essencialmente um
crebro reptiliano, pois o feto passa efetivamente por uma recriao em alta
velocidade da evoluo biolgica no tero. O crebro natal claramente um
crebro humano com neocrtex humano na poca em que atinge o terceiro
trimestre de gravidez. Nesse momento, o feto est tendo experincias e o
neocrtex est aprendendo. Ele pode ouvir sons, especialmente os batimentos
cardacos de sua me, uma das possveis razes para que as qualidades rtmicas
da msica sejam universais na cultura humana. Toda civilizao j descoberta
teve a msica como parte de sua cultura, o que no o caso de outras formas de
arte, como a pictrica. Alm disso, o ritmo da msica comparvel com nossos
batimentos cardacos. claro que os ritmos musicais variam do contrrio, a
msica no manteria nosso interesse mas os batimentos cardacos tambm
variam. Um batimento cardaco excessivamente regular , na verdade, sintoma
de um corao doente. Os olhos de um feto abrem-se parcialmente 26 semanas
aps a concepo, e ficam totalmente abertos na maior parte do tempo, cerca de
28 semanas aps a concepo. Talvez no haja tanta coisa para ser vista dentro
do tero, mas h padres de claro e escuro que o neocrtex comea a processar.
Assim, apesar de um beb recm-nascido ter tido algumas experincias no
tero, elas so claramente limitadas. O neocrtex tambm pode aprender com o
crebro primitivo (um assunto que trato no captulo 5), mas, de modo geral, ao
nascer, a criana tem muito para aprender tudo, desde formas e sons primitivos
bsicos at metforas e sarcasmos.
O aprendizado crtico para a inteligncia humana. Se fssemos modelar e
simular perfeitamente o neocrtex humano (como o Projeto Blue Brain est
tentando fazer) e todas as outras regies cerebrais que ele exige para funcionar
(como o hipocampo e o tlamo), ele no conseguiria fazer muita coisa assim
como um beb recm-nascido no consegue fazer muita coisa (alm de ser
engraadinho, que definitivamente uma importante adaptao para a
sobrevivncia).
Aprendizado e identificao ocorrem de maneira simultnea. Comeamos a
aprender imediatamente, e assim que aprendemos um padro, comeamos a
reconhec-lo tambm imediatamente. O neocrtex est sempre tentando
entender os inputs que lhe so apresentados. Se um nvel especfico no consegue
processar e reconhecer plenamente um padro, ele o envia para o prximo nvel
superior. Se nenhum dos nveis conseguir identificar um padro, ele ser
considerado um novo padro. Classificar um padro como novo no significa
necessariamente que todos os seus aspectos so novos. Se estamos olhando para
os quadros de um determinado artista e vemos a cara de um gato com a tromba
de um elefante, seremos capazes de identificar cada uma das caractersticas
distintas, mas vamos perceber que essa combinao de padres uma coisa
nova, e provavelmente vamos nos lembrar dela. Nveis conceituais superiores do
neocrtex, que compreendem contextos por exemplo, a circunstncia de que
esse quadro um exemplo do trabalho de determinado artista e que estamos
assistindo apresentao de novas obras desse artista vo notar a combinao
incomum de padres nessa cara de gato-elefante, mas tambm vo incluir esses
detalhes contextuais como padres de memria adicionais.
Novas memrias, como a cara de gato-elefante, so armazenadas num
identificador de padres disponvel. O hipocampo fundamental nesse processo,
e vamos discutir o que se conhece sobre os verdadeiros mecanismos biolgicos
no captulo seguinte. No que concerne a nosso modelo do neocrtex, basta dizer
que padres que no so identificados so armazenados como novos padres,
sendo conectados apropriadamente aos padres de nvel inferior que os formam.
A cara do gato-elefante, por exemplo, ficar armazenada de diversas maneiras
distintas: a disposio inovadora das partes de rostos tambm ser armazenada,
bem como memrias contextuais que incluem o artista, a situao e talvez o fato
de termos rido quando vimos a imagem pela primeira vez.
Memrias identificadas com sucesso tambm podem resultar na criao de
um novo padro para obter maior redundncia. Se os padres no forem
identificados perfeitamente, provvel que sejam armazenados como um ponto
de vista diferente do item que foi identificado.
Qual, ento, o mtodo geral para determinar quais padres so
armazenados? Em termos matemticos, o problema pode ser posto da seguinte
maneira: usando os limites disponveis de armazenamento de padres, como
representamos da melhor maneira possvel os padres de inputs apresentados at
o momento? Embora parea sensato permitir certa dose de redundncia, no
seria prtico ocupar toda a rea de armazenamento disponvel (ou seja, todo o
neocrtex) com padres repetidos, pois isso no permitiria uma diversidade
adequada de padres. Um padro como o fonema [E] em palavras escritas
algo que j encontramos inmeras vezes. um padro simples de frequncias
sonoras, e, sem dvida, desfruta de significativa redundncia em nosso
neocrtex. Poderamos ocupar todo o neocrtex com padres repetidos do
fonema [E]. No entanto, existe um limite para a redundncia til, e um padro
comum como esse claramente o atingiu.
Existe uma soluo matemtica para esse problema de otimizao, chamada
programao linear, que obtm a melhor alocao possvel de recursos limitados
(neste caso, um nmero limitado de identificadores de padres) que
representariam todos os casos nos quais o sistema foi treinado. A programao
linear destina-se a sistemas com inputs unidimensionais, outro motivo pelo qual
bom representar os inputs em cada mdulo de identificao de padres como
uma srie linear. Podemos usar essa abordagem matemtica num sistema de
software, e, embora o crebro fsico seja limitado pelas conexes fsicas
disponveis que ele pode adaptar entre identificadores de padres, ainda assim o
mtodo similar.
Uma implicao importante dessa soluo otimizada que experincias
rotineiras so identificadas, mas no resultam na criao de uma memria
permanente. Com relao minha caminhada, observei milhes de padres em
todos os nveis, desde arestas e sombras visuais bsicas at objetos como postes,
caixas de correio, pessoas, plantas e animais pelos quais passei. Quase nenhuma
das coisas que observei foi nica, e os padres que identifiquei atingiram h
muito seu nvel ideal de redundncia. O resultado que no me lembro de quase
nada dessa caminhada. Os poucos detalhes de que me lembro de fato devero ter
sido substitudos por novos padres aps mais algumas dezenas de caminhadas
exceto pelo fato de eu ter gravado essa caminhada em particular ao escrever
sobre ela.
Um ponto importante que se aplica tanto a nosso neocrtex biolgico como
s tentativas de imit-lo que difcil aprender muitos nveis conceituais ao
mesmo tempo. Basicamente, podemos aprender um ou no mximo dois nveis
conceituais de cada vez. Quando esse aprendizado estiver relativamente estvel,
podemos passar para o nvel seguinte. Podemos continuar a aprimorar o
aprendizado nos nveis inferiores, mas nosso foco de aprendizado estar no nvel
seguinte de abstrao. Isso se aplica tanto ao comeo da vida, quando os recm-
nascidos lidam com formas bsicas, como a mais tarde, quando nos esforamos
para aprender um assunto novo, um nvel de complexidade de cada vez.
Encontramos o mesmo fenmeno nas imitaes do neocrtex feitas em
mquinas. No entanto, se introduzirmos materiais cada vez mais abstratos, um
nvel de cada vez, as mquinas conseguem aprender como os humanos (embora
ainda no o faam com tantos nveis conceituais).
O output de um padro pode alimentar um padro num nvel inferior ou
mesmo o prprio padro, o que d ao crebro humano sua poderosa habilidade
recursiva. Um elemento de um padro pode ser um ponto de deciso baseado
em outro padro. Isso particularmente til para listas que compem aes por
exemplo, comprar outro tubo de pasta de dentes caso o atual esteja vazio. Esses
condicionantes existem em todos os nveis. Como bem sabe qualquer um que
tenha tentado programar um procedimento num computador, os condicionantes
so vitais para descrever um caminho de ao.

A linguagem do pensamento
O sonho atua como uma vlvula de segurana para o crebro
sobrecarregado.
Sigmund Freud, A interpretao dos sonhos, 1911

Crebro: um aparato com o qual pensamos que pensamos.


Ambrose Bierce, The devils dictionary

Para sintetizar o que aprendemos at agora sobre o modo de funcionamento do


neocrtex, consulte o diagrama do mdulo cortical de identificao de padres
da pgina 62.

a. Os dendritos entram no mdulo que representa o padro. Embora


os padres possam aparentar qualidades bi ou tridimensionais, eles
so representados por uma sequncia unidimensional de sinais. O
padro precisa ser apresentado nessa ordem (sequencial) para que
o identificador de padres consiga reconhec-lo. Cada um dos
dendritos conecta-se, em ltima anlise, a um ou mais axnios de
identificadores de padres num nvel conceitual mais baixo, que
identificou um padro de nvel inferior que constitui parte desse
padro. Para cada um desses padres de inputs, pode haver muitos
identificadores de padres de nvel inferior capazes de gerar o sinal
de que o padro de nvel inferior foi identificado. O limiar
necessrio para identificar o padro pode ser atingido mesmo que
nem todos os inputs tenham sinalizado. O mdulo calcula a
probabilidade de que o padro pelo qual responsvel esteja
presente. Esse clculo leva em conta os parmetros de
importncia e de tamanho (ver [f] a seguir).
Perceba que alguns dendritos transmitem sinais para o mdulo e
alguns para fora do mdulo. Se todos os inputs dos dendritos para
esse identificador de padres sinalizarem que seus padres de nvel
inferior foram identificados, exceto um ou dois, ento esse
identificador de padres vai enviar um sinal para o(s)
identificador(es) de padres inferiores reconhecendo os padres de
nvel inferior que ainda no foram identificados, indicando que
bem provvel que esse padro seja reconhecido em breve e que
o(s) identificador(es) de nvel inferior deve(m) ficar alerta(s).
b. Quando esse identificador de padres reconhece seu padro (com
base em todos ou na maioria dos sinais de input dos dendritos sendo
ativados), o axnio (output) desse identificador de padres vai se
ativar. Este axnio, por sua vez, pode se conectar com toda uma
rede de dendritos que se conecta com muitos identificadores de
padres de nvel superior para os quais esse padro um input.
Esse sinal vai transmitir informaes de grandeza para que os
identificadores de padres do nvel conceitual seguinte possam
lev-lo em conta.
c. Se um identificador de padres de nvel superior est recebendo
um sinal positivo de todos ou da maioria dos padres que o
constituem, exceto aquele representado por esse identificador de
padres, ento esse identificador de nvel superior pode enviar um
sinal para baixo at esse identificador, indicando que seu padro
esperado. Esse sinal faria com que o identificador de padres
reduzisse seu limiar, o que significa que ele provavelmente
enviaria um sinal por seu axnio (indicando que se considera que
seu padro foi identificado), mesmo que faltem alguns inputs ou
que estes no estejam claros.
d. Sinais inibidores vindo de baixo fariam com que fosse menos
provvel que esse identificador de padres reconhecesse seu
padro. Isso pode resultar do reconhecimento de padres de nvel
inferior inconsistentes com o padro associado com esse
identificador de padres (para dar um exemplo, a identificao de
um bigode por um identificador de nvel inferior faria com que
fosse menos provvel que essa imagem fosse minha esposa).
e. Sinais inibidores vindos de cima tambm reduzem a possibilidade
de esse identificador de padres reconhecer seu padro. Isso pode
ser o efeito de um contexto de nvel superior inconsistente com o
padro associado a esse identificador.
f. Para cada input, h parmetros armazenados de importncia,
tamanho esperado e variabilidade esperada de tamanho. O mdulo
calcula a probabilidade geral de que o padro esteja presente com
base em todos esses parmetros e os sinais atuais indicando quais
dos inputs esto presentes e quais so suas magnitudes. Um modo
matematicamente ideal para fazer isso emprega uma tcnica
chamada Modelos ocultos de Markov. Quando tais modelos so
organizados numa hierarquia (tal como no neocrtex ou em
tentativas de simular um neocrtex), chamamo-los Modelos
hierrquicos ocultos de Markov.

Padres ativados no neocrtex ativam outros padres. Padres parcialmente


completos enviam sinais que descem pela hierarquia conceitual; padres
completos enviam sinais que sobem pela hierarquia conceitual. Esses padres
neocorticais so a linguagem do pensamento. Assim como a linguagem, eles so
hierrquicos, mas no so a linguagem em si. Nossos pensamentos no so
concebidos primeiramente por elementos de linguagem, apesar do fato de que,
como a linguagem tambm existe como hierarquias de padres em nosso
neocrtex, podemos ter pensamentos baseados na linguagem. Em sua maioria,
porm, os pensamentos so representados nesses padres neocorticais.
Como disse antes, se pudssemos detectar as ativaes de padres do
neocrtex de algum, teramos pouca noo do significado dessas ativaes se
no tivssemos acesso a toda a hierarquia de padres acima e abaixo de cada
padro ativado. Para isso, seria preciso ter acesso a todo o neocrtex dessa
pessoa. J difcil compreender o contedo de nossos prprios pensamentos;
compreender o de outras pessoas exige que dominemos um neocrtex diferente
do nosso. Naturalmente, no temos ainda acesso ao neocrtex de outra pessoa;
precisamos, portanto, confiar em sua tentativa de expressar seus pensamentos
por meio da linguagem (e por outros meios, como os gestos). Como as pessoas
no tm uma capacidade completa de realizar essas tarefas de comunicao,
adiciona-se outra camada de complexidade desse modo, no toa que nos
entendemos to mal.
Temos dois modos de pensar. Um deles o pensamento no direcionado, em
que os pensamentos se ativam mutuamente, de forma no lgica. Quando surge
subitamente uma lembrana de anos ou dcadas atrs enquanto estamos fazendo
alguma coisa, como varrer a calada ou caminhar pela rua, a experincia
recordada como todas as memrias como uma sequncia de padres. No
visualizamos imediatamente a cena, a menos que possamos evocar vrias outras
memrias que nos permitam sintetizar uma lembrana mais robusta. Se
visualizarmos a cena desse modo, ns a estaremos criando em nossa mente com
pistas provenientes da poca da recordao; a memria em si no fica
armazenada na forma de imagens ou de visualizaes. Como disse antes, os
gatilhos que desencadeiam esse pensamento na nossa mente podem ou no ser
evidentes. A sequncia de pensamentos relevantes pode ter sido esquecida
imediatamente. Mesmo que a lembremos, ela ser uma sequncia no linear e
sinuosa de associaes.
O segundo modo de pensar o pensamento direcionado, que usamos quando
tentamos solucionar um problema ou formular uma resposta organizada. Por
exemplo, podemos ensaiar mentalmente alguma coisa que planejamos dizer
para algum, ou podemos formular um trecho que desejamos escrever (quem
sabe, num livro sobre a mente). Quando pensamos em tarefas como essas, j as
dividimos numa hierarquia de subtarefas. Escrever um livro, por exemplo,
implica escrever captulos; cada captulo tem sees; cada seo tem pargrafos;
cada pargrafo contm frases que expressam ideias; cada ideia tem sua
configurao de elementos; cada elemento e cada relao entre elementos
uma ideia que precisa ser articulada; e assim por diante. Ao mesmo tempo,
nossas estruturas neocorticais aprenderam certas regras que devem ser seguidas.
Se a tarefa escrever, ento devemos tentar evitar repeties desnecessrias;
deveramos nos assegurar de que o leitor consegue acompanhar o que est sendo
escrito; deveramos tentar seguir as regras gramaticais e de estilo; e assim por
diante. Portanto, o escritor precisa construir um modelo do leitor em sua mente, e
essa construo tambm ser hierrquica. Quando pensamos de forma
direcionada, estamos percorrendo listas no neocrtex, e cada uma se expande
em amplas hierarquias de sublistas, cada uma com suas prprias consideraes.
Lembre-se de que os elementos de uma lista de um padro neocortical podem
incluir condicionantes, de modo que nossos pensamentos e aes subsequentes
vo depender de avaliaes feitas enquanto passamos pelo processo.
Alm disso, cada um desses pensamentos direcionados vai acionar
hierarquias de pensamentos no direcionados. Uma tempestade constante de
elucubraes cai sobre nossas experincias sensoriais e nossas tentativas de
pensar de modo direcionado. Nossa experincia mental efetiva complexa e
confusa, constituda por essas tempestades de raios de padres acionados, que
mudam cerca de cem vezes por segundo.

A linguagem dos sonhos


Os sonhos so exemplos de pensamentos no direcionados. Eles fazem certo
sentido, pois o fenmeno pelo qual um pensamento aciona outro baseia-se nos
vnculos efetivos entre padres em nosso neocrtex. Quando um sonho no faz
sentido, tentamos corrigi-lo com nossa capacidade de confabular. Como vou
descrever no captulo 9, pacientes com crebros partidos (cujo corpo caloso, que
une os dois hemisfrios cerebrais, foi danificado ou seccionado) confabulam
(inventam) explicaes com o hemisfrio esquerdo que controla o centro da
fala para explicar o que o hemisfrio direito acabou de fazer com um input ao
qual o hemisfrio esquerdo no teve acesso. Confabulamos o tempo todo quando
explicamos o resultado de eventos. Se quiser um bom exemplo disso, ligue a tev
no comentrio dirio sobre o movimento dos mercados financeiros. Qualquer
que seja o desempenho do mercado, sempre possvel encontrar uma boa
explicao para o que aconteceu, e esses comentrios ps-fato so abundantes.
Naturalmente, se esses comentaristas compreendessem de fato os mercados, no
teriam de perder seu tempo fazendo comentrios.
O ato de confabular, obviamente, tambm feito no neocrtex, que hbil
para descobrir histrias e explicaes que atendam a determinadas limitaes.
Fazemos isso sempre que contamos uma histria. Para que a histria faa mais
sentido, acrescentamos detalhes que talvez no estejam disponveis ou que
tenhamos esquecido. por isso que as histrias mudam com o tempo ao serem
contadas repetidas vezes por novos contadores, que podem ter vises ou posies
diferentes. Quando a linguagem falada levou linguagem escrita, porm,
conseguimos uma tecnologia que pde registrar uma verso definitiva da histria,
impedindo esse tipo de variao.
O contedo efetivo de um sonho, at o ponto em que nos lembramos dele,
tambm uma sequncia de padres. Esses padres representam limitaes
numa histria; depois, confabulamos uma histria que se encaixa nessas
limitaes. A verso do sonho que tornamos a contar (mesmo que o faamos
para ns mesmos, em silncio) essa confabulao. Quando narramos
novamente um sonho, acionamos cascatas de padres que se encaixam no sonho
real, tal como o experimentamos originalmente.
Existe uma diferena importante entre os pensamentos que temos nos sonhos
e aquilo em que pensamos enquanto estamos acordados. Uma das lies que
aprendemos na vida que certas aes, at mesmo pensamentos, no so
possveis no mundo real. Aprendemos, por exemplo, que no podemos satisfazer
imediatamente nossos desejos. H regras contra pegar o dinheiro do caixa de
uma loja, e h limitaes na interao com uma pessoa pela qual sentimos
atrao fsica. Tambm aprendemos que certos pensamentos no so permitidos
porque so proibidos por nossa cultura. Quando desenvolvemos nossos talentos
profissionais, aprendemos os modos de pensar que so aceitos e recompensados
em nossa profisso, e assim evitamos padres de pensamento que podem trair os
mtodos e as normas dessa profisso. Muitos desses tabus so vlidos, pois
impem a ordem social e consolidam o progresso. No entanto, tambm podem
impedir o progresso por imporem uma ortodoxia improdutiva. Foi exatamente
essa ortodoxia que Einstein deixou para trs ao tentar cavalgar um feixe de luz
em seus experimentos mentais.
As regras culturais so postas em prtica no neocrtex com a ajuda do
crebro primitivo, especialmente a amgdala. Todo pensamento que temos
provoca outros pensamentos, e alguns deles estaro relacionados com certos
perigos. Aprendemos, por exemplo, que romper uma norma cultural, mesmo em
nossos pensamentos ntimos, pode nos levar ao ostracismo, que o neocrtex
percebe como uma ameaa ao nosso bem-estar. Se temos pensamentos desse
tipo, a amgdala acionada e isso gera medo, o que acaba levando ao fim desse
pensamento.
Nos sonhos, porm, os tabus so relaxados, e geralmente sonhamos com
assuntos que so proibidos em termos culturais, sexuais ou profissionais. como
se o crebro percebesse que enquanto sonhamos no estamos agindo no mundo.
Freud escreveu sobre esse fenmeno, mas tambm observou que vamos
disfarar tais pensamentos perigosos, pelo menos quando tentamos record-los,
para que o crebro em viglia continue protegido deles.
Abrandar os tabus profissionais pode ser til para a soluo criativa de
problemas. Uso uma tcnica mental todas as noites em que penso num
determinado problema antes de dormir. Ela aciona sequncias de pensamentos
que vo continuar nos meus sonhos. Assim que estiver sonhando, posso pensar
sonhar com solues para o problema sem o fardo das limitaes profissionais
que me acompanham durante o dia. Ento, posso ter acesso a esses pensamentos
onricos de manh, enquanto ainda me acho no estado intermedirio entre o
sonho e a viglia, algo que alguns chamam de sonho lcido [5].
Freud tambm ficou famoso por escrever sobre a possibilidade de conseguir
entender a psicologia de uma pessoa interpretando seus sonhos. Naturalmente,
vasta a literatura sobre todos os aspectos dessa teoria, mas o conceito
fundamental de obter um insight sobre ns mesmos mediante o exame de nossos
sonhos faz sentido. Nossos sonhos so criados pelo neocrtex, e por isso sua
substncia pode revelar o contedo e as conexes encontradas l. O relaxamento
das limitaes de nossos pensamentos, que existem enquanto estamos acordados,
tambm til para revelar contedos neocorticais que, do contrrio, no
conseguiramos acessar diretamente. Tambm razovel concluir que os
padres que acabam surgindo em nossos sonhos representam questes
importantes para ns, sendo por isso pistas para compreendermos nossos desejos
e medos no resolvidos.

As razes do modelo
Como mencionei antes, nas dcadas de 1980 e 1990 liderei uma equipe que
desenvolveu a tcnica dos modelos hierrquicos ocultos de Markov para
identificar a fala humana e compreender frases em linguagem natural. Esse
trabalho foi o antecessor dos atuais sistemas comerciais amplamente utilizados
para o reconhecimento e a compreenso daquilo que tentamos lhes dizer
(sistemas de navegao para carros com os quais possvel conversar, Siri no
iPhone, Google Voice Search e muitos outros). A tcnica que desenvolvemos
tinha basicamente todos os atributos que descrevo no TMRP. Ela inclui uma
hierarquia de padres, na qual cada nvel mais elevado conceitualmente mais
abstrato do que aquele situado abaixo dele. Por exemplo, no reconhecimento de
fala os nveis incluam padres bsicos de frequncia sonora no nvel mais baixo,
depois fonemas, depois palavras e frases (que volta e meia eram identificadas
como sendo palavras). Alguns de nossos sistemas de reconhecimento de fala
poderiam compreender o significado de comandos de linguagem natural, e por
isso nveis ainda mais elevados incluam estruturas como frases com substantivos
e verbos. Cada mdulo de identificao de padres podia identificar uma
sequncia linear de padres a partir de um nvel conceitual inferior. Cada input
tinha parmetros relativos importncia, ao tamanho e variabilidade de
tamanho. Havia sinais descendentes indicando que era esperado um padro de
nvel inferior. Trato dessa pesquisa com mais detalhes no captulo 7.
Em 2003 e 2004, o inventor do PalmPilot, Jeff Hawkins, e Dileep George
desenvolveram um modelo cortical hierrquico chamado memria temporal
hierrquica. Com Sandra Blakeslee, autora de livros sobre cincia, Hawkins
descreveu esse modelo de forma eloquente em seu livro On intelligence.
Hawkins defende com vigor a uniformidade do algoritmo cortical e sua
organizao hierrquica e baseada em listas. H algumas diferenas importantes
entre o modelo apresentado em On intelligence e aquilo que apresento neste
livro. Como o nome implica, Hawkins est enfatizando a natureza temporal
(baseada no tempo) das listas constitutivas. Noutras palavras, a direo das listas
sempre avana no tempo. Sua explicao para o modo como as caractersticas
de um padro bidimensional como a letra impressa A tm uma direo no
tempo baseia-se no movimento do olho. Ele explica que visualizamos imagens
usando sacadas, que so movimentos oculares muito rpidos e imperceptveis. A
informao que chega ao neocrtex, portanto, no um conjunto bidimensional
de caractersticas, mas uma lista organizada no tempo. Embora seja fato que
nossos olhos realmente fazem movimentos muito rpidos, a sequncia na qual
eles veem as caractersticas de um padro como a letra A nem sempre ocorre
numa ordem temporal consistente. (Para dar um exemplo, as sacadas oculares
nem sempre registram o vrtice superior do A antes de sua concavidade
inferior.) Alm disso, podemos identificar um padro visual apresentado apenas
durante algumas dezenas de milissegundos, um perodo de tempo pequeno
demais para que as sacadas oculares o observem. fato que os identificadores
de padres armazenam um padro como uma lista e que a lista realmente
organizada, mas a ordem no representa necessariamente o tempo. Geralmente,
esse o caso, mas ele pode representar tambm uma organizao espacial ou
conceitual de nvel superior, como disse antes.
A diferena mais importante o conjunto de parmetros que inclu para
cada input do mdulo de identificao de padres, especialmente os parmetros
de tamanho e de variabilidade de tamanho. Na dcada de 1980, chegamos a
tentar reconhecer a voz humana sem esse tipo de informao. Isso foi motivado
por linguistas que nos disseram que a informao da durao no era
especialmente importante. Essa perspectiva ilustrada por dicionrios que
escrevem a pronncia de cada palavra como uma srie de fonemas, como por
exemplo a palavra steep como [s] [t] [E] [p], sem a indicao do tempo que se
espera que cada fonema dure. A implicao que se criamos programas para
identificar fonemas e ento encontramos esta sequncia especfica de quatro
fonemas (de forma falada), deveramos poder identificar essa palavra falada. O
sistema que construmos usando esse mtodo funcionou at certo ponto, mas no
o suficiente para lidar com atributos como um vocabulrio extenso, diversos
falantes e palavras faladas continuamente, sem pausas. Quando usamos a tcnica
dos modelos hierrquicos ocultos de Markov para incorporar a distribuio da
grandeza de cada input, o desempenho melhorou muito.
Captulo 4

O neocrtex biolgico

Assim como as coisas importantes tm uma caixa que as contm, ns


temos o crnio para o crebro, um estojo de plstico para o pente e
uma carteira para o dinheiro.
George Costanza,
no episdio The Reverse Peephole de Seinfeld

Agora, pela primeira vez, estamos observando o crebro em


funcionamento de maneira global e com tanta clareza que
deveramos poder descobrir os programas gerais por trs de seus
poderes magnficos.
J. G. Tay lor, B. Horwitz e K. J. Friston

A mente, em suma, trabalha com os dados que recebe de forma


similar ao escultor com um bloco de pedra. De certo modo, a esttua
estava l desde a eternidade. Mas havia mil outras diferentes alm
dela, e s o escultor merece elogios por ter arrancado essa dentre as
demais. Assim o mundo de cada um de ns e, por mais que sejam
diferentes nossas opinies a seu respeito, todos esto embutidos no
caos primordial de sensaes que forneceu com indiferena a mera
matria para o pensamento de cada um. Podemos, caso desejemos,
retroagir com nossos raciocnios at aquela continuidade escura e
indistinta de espao, com nuvens mveis de tomos pululantes que a
cincia chama de nico mundo real. Mas nesse tempo todo o mundo
que ns sentimos e no qual vivemos ser esse que nossos ancestrais e
ns, graas a escolhas lentamente cumulativas, arrancamos disso,
como escultores, graas simples rejeio de certas pores do que
nos foi dado. Outros escultores, outras esttuas da mesma pedra!
Outras mentes, outros mundos do mesmo montono e inexpressivo
caos! Meu mundo apenas um num milho de mundos igualmente
embutidos, igualmente reais para quem possa abstra-los. Quo
diferentes devem ser os mundos nas conscincias da formiga, da lula
ou do caranguejo!
William James

Ser a inteligncia a meta, ou mesmo uma meta, da evoluo biolgica? Steven


Pinker escreveu: Somos chauvinistas com relao ao nosso crebro, pensando
que a meta da evoluo [1], e prossegue dizendo que isso no faz sentido [...]
A seleo natural no faz nada que sequer se aproxime da busca pela
inteligncia. O processo motivado por diferenas nos ndices de sobrevivncia e
de reproduo dos organismos que se reproduzem num ambiente especfico.
Com o tempo, os organismos adquirem desenhos que os adaptam para a
sobrevivncia e a reproduo nesse ambiente, ponto final; nada os atrai para
qualquer direo alm do sucesso naquele lugar e naquele momento. Pinker
conclui que a vida um arbusto densamente ramificado, no um degrau ou
uma escada, e os organismos vivos esto na ponta dos ramos, no nos galhos
inferiores.
Com relao ao crebro humano, ele questiona se os benefcios superam os
custos. Entre os custos, ele menciona que o crebro [] volumoso. A pelve
feminina mal acomoda a cabea desproporcional do beb. Esse desenho
problemtico mata muitas mulheres no parto e exige um modo de andar pivotado
que torna as mulheres menos capazes de caminhar do que os homens, em termos
biomecnicos. Alm disso, uma cabea pesada balanando num pescoo torna-
nos mais vulnerveis a ferimentos fatais em acidentes, como nas quedas. Ele
prossegue relacionando vulnerabilidades adicionais, inclusive o consumo de
energia do crebro, seu tempo lento de reao e o extenso processo de
aprendizado.
Distribuio fsica das principais regies do crebro

Embora cada uma dessas afirmaes seja precisa primeira vista (apesar
de muitas de minhas amigas caminharem melhor do que eu), Pinker no
percebeu a questo mais ampla em jogo. fato que, em termos biolgicos, a
evoluo no tem uma direo especfica. um mtodo de procura que
efetivamente preenche por completo o arbusto densamente ramificado da
natureza. Tambm fato que as mudanas evolutivas no se movem
necessariamente na direo de uma inteligncia maior elas se movem em
todas as direes. So muitos os exemplos de criaturas bem-sucedidas que se
mantiveram relativamente imutveis durante milhes de anos. (Os jacars, por
exemplo, datam de 200 milhes de anos, e muitos micro-organismos so muito
mais antigos do que isso.) Mas no processo de preencher completamente
milhares de ramos evolutivos, uma das direes nas quais elas se movem a da
inteligncia maior. Este o ponto relevante para os propsitos desta discusso.
Suponha que tenhamos um gs azul num jarro. Quando tiramos a tampa, no
aparece uma mensagem distribuda para todas as molculas do gs, dizendo: Ei,
amigos, o jarro est sem tampa; vamos at a abertura e saiamos para a
liberdade. As molculas ficam fazendo exatamente o que sempre fazem, que
mover-se para todos os lados sem direo aparente. Mas, enquanto o fazem,
aquelas mais prximas da boca vo acabar saindo do jarro, e, com o tempo, a
maioria vai fazer a mesma coisa. Quando a evoluo biolgica encontrou um
mecanismo nervoso capaz de aprendizado hierrquico, viu que ele era
imensamente til para um objetivo da evoluo, que a sobrevivncia. O
benefcio de ter um neocrtex tornou-se crtico quando circunstncias que
mudavam depressa favoreceram um aprendizado rpido. Espcimes de todos os
tipos plantas e animais podem aprender a se adaptar a circunstncias
mutveis ao longo do tempo, mas, sem um neocrtex, elas precisam usar o
processo da evoluo gentica. Pode levar muitas geraes milhares de anos
at uma espcie sem neocrtex aprender comportamentos novos e significativos
(ou, no caso das plantas, outras estratgias de adaptao). A evidente vantagem
para a sobrevivncia do neocrtex foi a possibilidade de aprender numa questo
de dias. Se uma espcie se defronta com circunstncias drasticamente diferentes
e um membro dessa espcie inventa, descobre ou simplesmente depara com
(esses trs mtodos so variaes da inovao) um modo de se adaptar a essa
mudana, outros indivduos vo notar, aprender e copiar esse mtodo, e em
pouco tempo ele se espalhar rapidamente, como um vrus, para toda a
populao. A extino cataclsmica no perodo Cretceo-Paleogeno, cerca de 65
milhes de anos atrs, levou ao rpido desaparecimento de muitas espcies que
no possuam neocrtex e que no conseguiram se adaptar com a velocidade
suficiente a um ambiente alterado de repente. Isso assinalou um ponto de
inflexo, em que mamferos capazes de utilizar o neocrtex assumiram seu nicho
ecolgico. Desse modo, a evoluo biolgica percebeu que o aprendizado
hierrquico do neocrtex era to valioso que essa regio do crebro continuou a
aumentar de tamanho at ocupar virtualmente o crebro do Homo sapiens.
O neocrtex nos diferentes mamferos

Descobertas da neurocincia determinaram de forma convincente o papel


crucial da capacidade hierrquica do neocrtex, alm de apresentarem
evidncias para a teoria da mente baseada em reconhecimento de padres
(TMRP). Essas evidncias esto distribudas em muitas observaes e anlises, e
vou discutir algumas delas aqui. O psiclogo canadense Donald O. Hebb (1904-
1985) fez uma tentativa inicial para explicar a base neurolgica do aprendizado.
Em 1949, ele descreveu um mecanismo segundo o qual os neurnios mudam
fisiologicamente com base em suas experincias, proporcionando assim uma
base para o aprendizado e a plasticidade do crebro: Vamos presumir que a
persistncia ou a repetio de uma atividade reverberatria (ou trao) tende a
induzir mudanas celulares duradouras que aumentam sua estabilidade... Quando
um axnio da clula A est prximo o suficiente para excitar uma clula B, e
participa repetida ou persistentemente de sua ativao, ocorre algum processo de
crescimento ou uma mudana metablica em uma ou ambas as clulas, de
modo que a eficincia de A, como uma das clulas que ativa B, aumenta [2].
Essa teoria foi apresentada como clulas que se ativam juntas ficam juntas, e
ficou conhecida como aprendizado hebbiano. Aspectos da teoria de Hebb foram
confirmados, pois est claro que combinaes cerebrais podem criar novas
conexes e fortalec-las, com base em sua prpria atividade. Podemos de fato
ver neurnios desenvolvendo essas conexes em varreduras cerebrais. Redes
neurais artificiais baseiam-se no modelo de Hebb do aprendizado neuronal.
A suposio central da teoria de Hebb que a unidade bsica de aprendizado
do neocrtex o neurnio. A teoria da mente baseada em reconhecimento de
padres que apresento neste livro baseia-se numa unidade fundamental diferente:
no o neurnio em si, mas um conjunto de neurnios, que estimo que sejam da
ordem de uma centena. As conexes e a fora sinptica dentro de cada unidade
so relativamente estveis e determinadas geneticamente; ou seja, a organizao
de cada mdulo de identificao de padres determinada por desgnio gentico.
O aprendizado ocorre na criao de conexes entre essas unidades, no dentro
delas, e provavelmente na fora sinptica dessas conexes entre unidades.
Um apoio recente para o fato de o mdulo bsico de aprendizado ser um
mdulo de dezenas de neurnios vem do neurocientista suo Henry Markram
(nascido em 1962), cujo ambicioso Projeto Blue Brain para simular todo o
crebro humano est descrito no captulo 7. Num texto de 2011, ele descreve
como, ao fazer a varredura e a anlise de neurnios do neocrtex de mamferos,
ele ficou procura de evidncias de conjuntos hebbianos no nvel mais
elementar do crtex. O que ele descobriu no lugar disso, segundo escreve,
foram conjuntos fugazes [cuja] conectividade e peso sinptico so altamente
previsveis e limitados. Ele concluiu que essas descobertas implicam que a
experincia no pode moldar facilmente as conexes sinpticas desses
conjuntos e especula que eles servem de blocos de construo inatos, como se
fossem Lego, de conhecimento da percepo, e que a aquisio de memrias
envolve a combinao desses blocos de construo em construtos complexos. E
prossegue:

Conjuntos neuronais funcionais tm sido relatados h dcadas, mas as


evidncias diretas de agrupamentos de neurnios conectados
sinapticamente [...] no estavam disponveis [...]. Como todos esses
conjuntos sero similares em topologia e em peso sinptico, no
sendo moldados por nenhuma experincia especfica, consideramo-
los conjuntos inatos [...]. A experincia tem um pequeno papel na
determinao de conexes sinpticas e pesos nesses conjuntos [...].
Nosso estudo encontrou evidncias [de] conjuntos inatos, como se
fossem de Lego, com apenas algumas dezenas de neurnios [...]. As
conexes entre conjuntos podem combin-los em superconjuntos
numa camada neocortical, depois em conjuntos de ordem superior
numa coluna cortical, em conjuntos de ordem ainda mais elevada
numa regio cerebral, e finalmente no conjunto da mais elevada
ordem possvel, representado pelo crebro todo [...]. Adquirir
memrias bem similar a construir com Lego. Cada montagem
equivale a um bloco de Lego que contm um pedao de
conhecimento inato e elementar sobre como processar, perceber e
reagir ao mundo [...] Quando blocos diferentes se juntam, formam,
portanto, uma combinao nica dessas percepes inatas,
representando o conhecimento e a experincia especfica de um
indivduo [3].

Os blocos de Lego que Markram prope so plenamente consistentes com


os mdulos de identificao de padres que descrevi. Numa comunicao por e-
mail, Markram descreveu esses blocos de Lego como contedo
compartilhado e conhecimento inato [4]. Eu diria que o propsito desses
mdulos identificar padres, record-los e prev-los com base em padres
parciais. Note-se que a estimativa de Markram para cada mdulo, que conteria
vrias dezenas de neurnios, baseia-se apenas na camada V do neocrtex. De
fato, a camada V rica em neurnios, mas, com base na proporo habitual de
contagem de neurnios nas seis camadas, isso daria uma ordem de grandeza de
uns cem neurnios por mdulo, algo consistente com minhas estimativas.
As conexes consistentes e a modularidade aparente do neocrtex tm sido
notadas h muitos anos, mas este estudo o primeiro a demonstrar a estabilidade
desses mdulos quando o crebro se submete a seus processos dinmicos.
Outro estudo recente, este do Massachusetts General Hospital, financiado
pelo National Institutes of Health e pela National Science Foundation, e publicado
na edio de maro de 2012 da revista Science, tambm mostra uma estrutura
regular de conexes atravs do neocrtex [5]. O artigo descreve como as
conexes do neocrtex seguem um padro de grade, como as ruas de uma
cidade projetada: Basicamente, a estrutura geral do crebro acaba se
assemelhando a Manhattan, onde temos um plano em 2D das ruas e um terceiro
eixo, um elevador que sobe na terceira dimenso, escreveu Van J. Wedeen,
neurocientista e fsico de Harvard e chefe desse estudo.
Num podcast da revista Science, Wedeen descreveu a importncia da
pesquisa: Esta foi uma investigao da estrutura tridimensional dos caminhos do
crebro. Quando os cientistas comearam a pensar nos caminhos do crebro, h
uns cem anos, aproximadamente, a imagem ou o modelo tpico que vem
mente que esses caminhos podem se assemelhar a um prato de espaguete
caminhos separados que tm poucos padres espaciais especficos em relao
uns com os outros. Usando imagens de ressonncia magntica, pudemos
investigar experimentalmente essa questo. E o que descobrimos que, em vez
de serem caminhos dispostos ao acaso ou de forma independente, todos os
caminhos do crebro reunidos se ajustam numa nica estrutura, extremamente
simples. Basicamente, parecem-se com um cubo. Eles seguem trs direes
perpendiculares, e em cada uma dessas trs direes os caminhos so bem
paralelos uns com os outros, dispostos em matrizes. Assim, em vez de fios de
espaguete independentes, vemos que a conectividade do crebro , de certo
modo, uma nica estrutura coerente.
Enquanto o estudo de Markram mostra um mdulo de neurnios que se
repete atravs do neocrtex, o estudo de Wedeen demonstra um padro
notavelmente organizado de conexes entre mdulos. O crebro comea com
um grande nmero de conexes em espera s quais os mdulos de
identificao de padres podem se conectar. Assim, se um determinado mdulo
deseja se conectar com outro, ele no precisa fazer crescer um axnio num
deles e um dendrito no outro para cobrir toda a distncia fsica entre eles. Ele
pode simplesmente tomar uma dessas conexes de axnios em espera e ligar-
se s extremidades da fibra. Como escrevem Wedeen e seus colegas, os
caminhos do crebro seguem um plano bsico estabelecido pela [...]
embriognese primordial. Logo, os caminhos do crebro maduro apresentam
uma imagem desses trs gradientes primitivos, deformados fisicamente pelo
desenvolvimento. Noutras palavras, medida que aprendemos e temos
experincias, os mdulos de identificao de padres do neocrtex vo se
conectando a essas conexes preestabelecidas que foram criadas quando ramos
embries.
Existe um tipo de chip eletrnico chamado Arranjo de Portas Programvel
em Campo (com sigla em ingls FPGA) que se baseia num princpio similar. O
chip contm milhes de mdulos que implementam funes lgicas juntamente
com conexes em espera. Na poca do uso, essas conexes so ativadas ou
desativadas (mediante sinais eletrnicos) para implementar uma capacidade
especfica.
No neocrtex, essas conexes de longa distncia que no so usadas acabam
sendo podadas, um dos motivos pelos quais a adaptao de uma regio prxima
do neocrtex para compensar aquela que foi danificada acaba no sendo to
eficiente quanto a regio original. Segundo o estudo de Wedeen, as conexes
iniciais so extremamente organizadas e repetitivas, assim como os prprios
mdulos, e seu padro em grade usado para guiar a conectividade no
neocrtex. Esse padro foi encontrado em todos os crebros de primatas e de
humanos estudados, e ficou evidente no neocrtex como um todo, desde as
regies que lidam com os primeiros padres sensoriais at aquelas que tratam de
emoes de nvel superior. O artigo de Wedeen na revista Science concluiu que
a estrutura de grade dos caminhos cerebrais foi difusa, coerente e contnua nos
trs eixos principais de desenvolvimento. Mais uma vez, isso remete a um
algoritmo comum espalhado pelas funes neocorticais.

A estrutura em grade altamente regular das conexes iniciais do neocrtex,


descoberta num estudo do National Institutes of Health
H muito que se sabe que pelo menos algumas regies determinadas do
neocrtex so hierrquicas. A regio mais bem estudada o crtex visual,
separado em reas conhecidas como V1, V2 e MT (tambm conhecida como
V5). Quando avanamos para reas superiores dessa regio (superiores no
sentido de processamento conceitual, no em termos fsicos, pois o neocrtex
tem a espessura apenas de um identificador de padres), as propriedades que
podem ser identificadas tornam-se mais abstratas. V1 identifica extremidades
muito bsicas e formas primitivas. V2 pode identificar contornos, a disparidade
das imagens apresentadas pelos olhos, orientao espacial e se uma poro de
uma imagem faz ou no parte de um objeto ou do fundo da cena [6]. Regies de
nvel superior do neocrtex identificam conceitos como a identidade de objetos e
rostos e seus movimentos. Alm disso, h muito que se sabe que a comunicao
atravs dessa hierarquia d-se tanto para cima como para baixo, e que os sinais
podem tanto ser excitantes como inibidores. Tomaso Poggio (nascido em 1947),
neurocientista do MIT, estudou a fundo a viso no crebro humano, e sua
pesquisa dos ltimos 35 anos tem sido fundamental para estabelecer o
aprendizado hierrquico e a identificao de padres nos nveis iniciais (mais
baixos em termos conceituais) do neocrtex visual [7].

Outra viso da estrutura regular de grade das conexes neocorticais


A estrutura de grade encontrada no neocrtex notavelmente similar quilo que
se denominou comutao crossbar, usada em circuitos integrados e em placas de
circuitos

Nosso entendimento dos nveis hierrquicos mais baixos do neocrtex visual


consistente com a TMRP que descrevi no captulo anterior, e a observao da
natureza hierrquica do processamento neocortical estendeu-se recentemente,
superando esses nveis em ampla medida. Daniel J. Felleman, professor de
neurobiologia da Universidade do Texas, e seus colegas, situaram a organizao
hierrquica do crtex cerebral... [em] 25 reas neocorticais, incluindo tanto
reas visuais como reas de nvel superior que combinam padres de diversos
sentidos. O que descobriram ao subir pela hierarquia neocortical foi que o
processamento de padres torna-se mais abstrato, abrange reas espaciais
maiores e envolve perodos de tempo mais extensos. Em cada conexo,
encontraram comunicaes ascendentes e descendentes na hierarquia [8].
Pesquisas recentes permitiram-nos ampliar substancialmente essas
observaes para regies bem alm do crtex visual e at para as reas
associativas, que combinam inputs de diversos sentidos. Um estudo publicado em
2008 por Uri Hasson, professor de psicologia de Princeton, e seus colegas,
demonstra que os fenmenos observados no crtex visual ocorrem ao longo de
uma ampla variedade de reas neocorticais: Est bem estabelecido que os
neurnios distribudos ao longo dos caminhos corticais visuais tm campos
receptivos espaciais cada vez maiores. Esse um princpio organizador bsico do
sistema visual [...] Eventos do mundo real ocorrem no s em vastas regies do
espao, como tambm em longos perodos de tempo. Portanto, lanamos a
hiptese de que uma hierarquia anloga quela encontrada para tamanhos de
campos receptivos espaciais tambm deveria existir para as caractersticas de
respostas temporais de diferentes regies do crebro. exatamente isso que
eles encontraram, o que lhes permitiu concluir que similar hierarquia cortical
conhecida dos campos receptivos espaciais, existe uma hierarquia de janelas
receptivas temporais progressivamente mais longas no crebro humano [9].
O argumento mais poderoso para a universalidade de processamento no
neocrtex a evidncia onipresente da plasticidade (no apenas no aprendizado,
mas na intercambiabilidade): noutras palavras, uma regio consegue fazer o
trabalho de outras regies, implicando um algoritmo comum para todo o
neocrtex. Boa parte da pesquisa neurocientfica tem focalizado a identificao
das regies do neocrtex responsveis pelos diversos tipos de padres. A tcnica
clssica para isso consiste em aproveitar danos ao crebro causados por
ferimentos ou por um acidente vascular cerebral (AVC), correlacionando as
funes perdidas com regies danificadas especficas. Assim, por exemplo, se
percebemos que algum com danos recm-sofridos na regio do giro fusiforme
comea subitamente a ter dificuldade para identificar rostos, mas ainda consegue
reconhecer as pessoas por meio de suas vozes ou padres de linguagem,
podemos hipotetizar que essa regio tem alguma coisa a ver com a identificao
de rostos. A premissa subjacente foi a de que cada uma dessas regies se destina
a reconhecer e processar um tipo especfico de padro. Regies fsicas
particulares foram associadas a tipos particulares de padres, pois sob
circunstncias normais as informaes fluem dessa maneira. Mas quando esse
fluxo normal de informao interrompido por algum motivo, outra regio do
neocrtex pode entrar em cena e assumir a funo.
A plasticidade tem sido percebida pelos neurologistas, que observaram que
pacientes com danos cerebrais causados por um ferimento ou um AVC podem
tornar a aprender as mesmas habilidades noutra rea do neocrtex.
Provavelmente, o exemplo mais notvel de plasticidade um estudo feito em
2011 pela neurocientista norte-americana Marina Bedny e seus colegas sobre o
que acontece com o crtex visual de pessoas cegas de nascena. Acreditava-se
que as primeiras camadas do crtex visual, como a V1 e a V2, lidavam
intrinsecamente com padres de nvel bem baixo (como arestas e curvas),
enquanto o crtex frontal (uma regio nova do crtex em termos evolutivos, que
temos em nossas testas singularmente grandes) lidava inerentemente com os
padres bem mais complexos e sutis da linguagem e outros conceitos abstratos.
Mas, como Bedny e seus colegas descobriram, imagina-se que os seres
humanos desenvolveram regies do crebro no crtex frontal esquerdo e no
crtex temporal que so unicamente capazes de processar a linguagem. No
entanto, cegos de nascena tambm ativam o crtex visual em algumas tarefas
verbais. Apresentamos evidncias de que essa atividade do crtex visual reflete,
na verdade, um processamento de linguagem. Descobrimos que em indivduos
cegos de nascena, o crtex visual esquerdo comporta-se de modo similar s
regies clssicas da linguagem [...]. Conclumos que as regies cerebrais que se
acreditava que teriam evoludo para a viso podem assumir o processamento da
linguagem como resultado de experincias na infncia [10].
Pense nas implicaes desse estudo: isso significa que as regies neocorticais
que esto a uma distncia fsica relativamente grande, e que tambm foram
consideradas muito diferentes em termos conceituais (indicaes visuais
primitivas versus conceitos abstratos de linguagem), usam essencialmente o
mesmo algoritmo. As regies que processam esses tipos dspares de padres
podem se substituir mutuamente.
Daniel E. Feldman, neurocientista da Universidade da Califrnia em
Berkeley, escreveu em 2009 uma anlise abrangente sobre o que ele chamou de
mecanismos sinpticos de plasticidade no neocrtex, e encontrou evidncias
para esse tipo de plasticidade em todo o neocrtex. Ele escreve que a
plasticidade permite que o crebro aprenda e recorde padres no mundo
sensorial, para aprimorar movimentos [...] e para recuperar funes aps sofrer
danos. Acrescenta que essa plasticidade possvel graas a mudanas
estruturais, inclusive formao, remoo e remodelagem morfolgica de
sinapses corticais e espinhas dendrticas [11].
Outro exemplo espantoso de plasticidade neocortical (e portanto da
uniformidade do algoritmo neocortical) foi demonstrada recentemente por
cientistas da Universidade da Califrnia, em Berkeley. Eles conectaram arranjos
de microeletrodos implantados para colher sinais cerebrais especificamente de
uma regio do crtex motor de camundongos que controla o movimento de seus
bigodes. Eles montaram o experimento para que os camundongos recebessem
uma recompensa se controlassem seus neurnios para disparar num certo padro
mental, mas sem mover os bigodes. O padro exigido para obter a recompensa
envolvia uma tarefa mental que normalmente feita pelos neurnios frontais.
Mesmo assim, os camundongos conseguiram realizar esse feito mental pensando
com seus neurnios motores e desacoplando-os mentalmente do controle dos
movimentos motores [12]. A concluso que o crtex motor, a regio do
neocrtex responsvel pela coordenao dos movimentos musculares, tambm
usa o algoritmo neocortical padro.
Entretanto, h vrias razes para que uma habilidade ou uma rea de
conhecimentos que tenha sido reaprendida usando uma nova rea do neocrtex
para substituir outra que foi danificada no seja necessariamente to boa quanto
a original. Primeiro, porque levou uma vida inteira para aprender e aperfeioar
uma habilidade especfica: reaprend-la noutra rea no vai gerar
imediatamente os mesmos resultados. O mais importante que essa nova rea
do neocrtex no estava parada, esperando agir como estepe para uma regio
danificada. Ela tambm estava realizando funes vitais, e por isso hesitar em
abrir mo de seus padres neocorticais para compensar a regio lesionada. Ela
pode comear abandonando algumas das cpias redundantes de seus padres,
mas ao faz-lo vai degradar sutilmente suas habilidades j existentes, sem liberar
o mesmo espao cortical que as habilidades reaprendidas usavam originalmente.
H uma terceira razo para que a plasticidade tenha seus limites. Como na
maioria das pessoas tipos especficos de padres fluem em regies especficas
(como os rostos, que so processados pelo giro fusiforme), essas regies
tornaram-se otimizadas (pela evoluo biolgica) para esses tipos de padres.
Como explico no captulo 7, encontramos o mesmo resultado em nossos
desenvolvimentos neocorticais digitais. Foi possvel identificar a fala com
sistemas de identificao de caracteres e vice-versa, mas os sistemas de fala
estavam otimizados para a fala e, do mesmo modo, os sistemas de identificao
de caracteres estavam otimizados para caracteres impressos, de modo que
haveria alguma reduo no desempenho se substitussemos um pelo outro. Na
verdade, usamos algoritmos evolutivos (genticos) para conseguir essa
otimizao, uma simulao daquilo que a biologia faz naturalmente. Tendo em
vista que na maioria das pessoas o giro fusiforme tem experimentado um fluxo
de rostos h centenas de milhares de anos (ou mais), a evoluo biolgica teve
tempo de desenvolver a capacidade de processar tais padres nessa regio. Ela
usa o mesmo algoritmo bsico, mas orientado para rostos. Como escreveu o
neurocientista holands Randal Koene, o [neo]crtex muito uniforme, e em
princpio cada coluna ou minicoluna pode fazer o que qualquer outra faz [13].
Pesquisas recentes e substanciais apoiam a observao de que os mdulos de
identificao de padres se conectam com base nos padres aos quais esto
expostos. Veja o exemplo citado pela neurocientista Yi Zuo e seus colegas, que
observaram quando novas espinhas dendrticas formaram conexes entre
clulas nervosas quando camundongos aprenderam uma nova habilidade
(esgueirar-se por uma fenda para pegar uma semente [14]). Pesquisadores do
Instituto Salk descobriram que essa autoconexo crtica dos mdulos do neocrtex
parece ser controlada por um pequeno grupo de genes. Esses genes e esse
mtodo de autoconexo tambm so uniformes atravs do neocrtex [15].
Muitos outros estudos documentam esses atributos do neocrtex, mas vamos
resumir o que podemos observar na literatura neurocientfica e em nossos
prprios experimentos mentais. A unidade bsica do neocrtex um mdulo de
neurnios, que estimo como sendo da ordem de cem. Eles esto entremeados em
cada coluna neocortical, de modo que cada mdulo no fica visivelmente
distinto. O padro de conexes e de foras sinpticas em cada mdulo
relativamente estvel. As conexes e as foras sinpticas entre mdulos que
representam o aprendizado.
O nmero de conexes no neocrtex da ordem de um quatrilho (1015),
mas s h uns 25 milhes de bytes de informao de desenho no genoma (aps
uma compresso sem perdas [16]), e por isso as conexes em si no podem ser
predeterminadas geneticamente. possvel que parte desse aprendizado seja o
produto da interrogao do crebro primitivo pelo neocrtex, mas ainda assim
representaria necessariamente apenas uma parcela de informao relativamente
pequena. As conexes entre os mdulos so criadas totalmente a partir da
experincia (formao e no natureza).
O crebro no tem flexibilidade suficiente para que cada mdulo neocortical
de identificao de padres possa simplesmente se ligar a qualquer outro mdulo
(com a mesma facilidade como conseguimos fazer programas em nossos
computadores ou na Internet) preciso que se forme uma conexo fsica real,
composta de um axnio conectando-se a um dendrito. Cada um de ns comea
com um amplo estoque de conexes neurais possveis. Como mostra o estudo de
Wedeen, essas conexes so organizadas de forma bastante repetitiva e
organizada. A conexo terminal com esses axnios de prontido ocorre com
base nos padres que cada identificador neocortical de padres reconheceu.
Conexes no utilizadas acabam sendo podadas. Essas conexes so construdas
hierarquicamente, refletindo a ordem hierrquica natural da realidade. Essa a
principal fora do neocrtex.
O algoritmo bsico dos mdulos neocorticais de identificao de padres
equivalente em todo o neocrtex, desde os mdulos de nvel inferior, que lidam
com os padres sensoriais mais bsicos, at os mdulos de nvel superior, que
reconhecem os conceitos mais abstratos. A ampla evidncia da plasticidade e a
intercambiabilidade das regies neocorticais atestam essa importante
observao. H alguma otimizao das regies que lidam com tipos universais de
padres, mas esse um efeito de segundo escalo o algoritmo fundamental
universal.
Os sinais sobem e descem pela hierarquia conceitual. Um sinal ascendente
significa: detectei um padro. Um sinal descendente significa: estou
esperando a ocorrncia do seu padro, sendo basicamente uma previso. Sinais
ascendentes e descendentes podem ser tanto excitantes como inibidores.
Cada padro , em si, uma ordem especfica, e no pode ser revertido
facilmente. Mesmo que um padro aparente tenha aspectos multidimensionais,
ele representado por uma sequncia unidimensional de padres de nvel
inferior. Um padro uma sequncia ordenada de outros padres, de modo que
cada identificador intrinsecamente recursivo. Pode haver muitos nveis
hierrquicos.
H uma boa dose de redundncia nos padres que aprendemos,
especialmente nos mais importantes. A identificao de padres (como objetos
comuns e rostos) usa o mesmo mecanismo que nossas memrias, que so apenas
padres que aprendemos. Elas tambm so armazenadas como sequncias de
padres basicamente, so histrias. Esse mecanismo tambm usado para o
aprendizado e para a realizao de movimentos fsicos no mundo. A redundncia
de padres que nos permite identificar objetos, pessoas e ideias, mesmo quando
tm variaes e ocorrem em contextos diferentes. Os parmetros de tamanho e
de variabilidade do tamanho tambm permitem que o neocrtex codifique a
variao na magnitude em dimenses diferentes (durao no caso do som). Um
modo pelo qual esses parmetros de magnitude podem ser codificados
simplesmente por meio de padres mltiplos com nmeros distintos de inputs
repetidos. Assim, por exemplo, poderia haver padres para a palavra falada
steep com diversos nmeros da vogal longa [E] repetida, cada uma com o
parmetro de importncia ajustado num nvel moderado, indicando que a
repetio de [E] varivel. Essa abordagem no equivalente em termos
matemticos a ter parmetros de tamanho explcitos, e no funciona to bem na
prtica, mas uma abordagem para codificar a magnitude. A evidncia mais
forte que temos para esses parmetros que eles so necessrios em nossos
sistemas de IA para obtermos nveis de preciso que se aproximam dos nveis
humanos.
O resumo acima constitui as concluses que podemos tirar da amostragem
de resultados de pesquisas que compartilhei antes, bem como da amostragem de
experimentos mentais que discutimos anteriormente. Sustento que o modelo que
apresentei o nico modelo possvel que satisfaz todas as limitaes
estabelecidas pela pesquisa e por nossos experimentos mentais.
Finalmente, h mais uma evidncia corroborativa. As tcnicas que
desenvolvemos nas ltimas dcadas no campo da inteligncia artificial para
identificar e processar inteligentemente fenmenos do mundo real (como a fala
humana e a linguagem escrita) e para compreender documentos em linguagem
natural mostraram-se similares, em termos matemticos, ao modelo que
apresentei acima. Elas tambm so exemplos de TMRP. O campo da IA no
estava tentando copiar explicitamente o crebro, mas, mesmo assim, chegou a
tcnicas essencialmente equivalentes.
Captulo 5

O crebro primitivo

Tenho um crebro primitivo, mas uma memria brbara.


Al Lewis

C estamos, no meio desse novo mundo com nosso crebro primitivo,


sintonizado com a vida simples das cavernas, com foras terrveis
nossa disposio, que somos espertos o suficiente para liberar, mas
cujas consequncias no podemos compreender.
Albert Szent-Gy rgy i

N osso crebro primitivo aquele que tnhamos antes de sermos mamferos


no desapareceu. Na verdade, ele ainda proporciona boa parte de nossa
motivao na procura de gratificao e de se evitar o perigo. Essas metas,
porm, so moduladas pelo neocrtex, que domina o crebro humano tanto em
massa como em atividade.
Os animais costumavam viver e sobreviver sem um neocrtex, e, com
efeito, todos os animais no mamferos continuam ainda hoje sobrevivendo dessa
maneira. Podemos entender o neocrtex humano como o grande sublimador e
por isso, nossa motivao primitiva para evitar um grande predador pode ser
transformada hoje pelo neocrtex na concluso de uma tarefa para impressionar
o chefe; a grande caada pode se tornar a redao de um livro sobre a mente,
por exemplo; e a procura da reproduo pode se transformar na obteno do
reconhecimento pblico ou na decorao de seu apartamento. (Bem, esta ltima
motivao nem sempre est to bem oculta.)
Do mesmo modo, o neocrtex bom para nos ajudar a resolver problemas,
pois ele pode fazer um modelo preciso do mundo, refletindo sua natureza
verdadeiramente hierrquica. Mas o crebro primitivo que nos apresenta esses
problemas. Naturalmente, como qualquer burocracia sagaz, o neocrtex costuma
lidar com os problemas que lhe so destinados redefinindo-os. A esse respeito,
vamos estudar o processamento da informao no crebro primitivo.
O caminho sensorial

Imagens, propagadas pelo movimento ao longo das fibras dos nervos


pticos no crebro, so a causa da viso.
Isaac Newton

Cada um de ns vive no universo a priso de seu prprio crebro.


H, projetando-se dele, milhes de frgeis fibras nervosas sensoriais,
em grupos singularmente adaptados para avaliar os estados
energticos do mundo nossa volta: calor, luz, fora e composio
qumica. Isso tudo que conhecemos diretamente sobre ele; todo o
resto so inferncias lgicas.
Vernon Mountcastle [1]

Embora tenhamos a iluso de receber imagens de alta resoluo de nossos


olhos, o que na verdade o nervo ptico envia para o crebro apenas uma srie
de perfis e de pistas sobre pontos de interesse de nosso campo visual. Depois,
basicamente temos alucinaes sobre o mundo a partir de lembranas corticais
que interpretam uma srie de filmes com ndices de dados muito baixos, que
chegam em canais paralelos. Num estudo publicado na revista Nature, Frank S.
Werblin, professor de biologia molecular e celular da Universidade da Califrnia
em Berkeley, e o doutorando Boton Roska, MD, mostraram que o nervo ptico
contm de dez a doze outputs, cada um dos quais conduzindo apenas uma
pequena quantidade de informaes sobre uma cena especfica [2]. Um grupo
das chamadas clulas ganglionares envia informaes apenas sobre
extremidades (mudanas de contraste). Outro grupo detecta apenas grandes
reas de cor uniforme, enquanto um terceiro grupo sensvel apenas aos
cenrios de fundo por trs de figuras de interesse.
O caminho visual no crebro

Apesar de pensarmos que vemos o mundo com tamanha plenitude, o que


recebemos na verdade so apenas pistas, limites no tempo e no espao, diz
Werblin. Essas 12 imagens do mundo constituem toda a informao que
teremos sobre o que existe l fora, e a partir dessas 12 imagens, que so to
esparsas, reconstrumos a riqueza do mundo visual. Tenho curiosidade de saber
como a natureza selecionou esses 12 filmes simples e como podem ser
suficientes para nos proporcionar todas as informaes de que parecemos
precisar.
Essa reduo de dados o que chamamos de codificao esparsa no
campo da IA. Ao criar sistemas artificiais, descobrimos que jogar fora a maior
parte das informaes de input e reter apenas os detalhes mais evidentes
proporciona resultados superiores. No sendo assim, a capacidade limitada de
processamento de informaes do neocrtex (biolgico ou no) fica
sobrecarregada.
Sete dos doze "filmes" de baixa definio enviados pelo nervo ptico ao crebro

O processamento de informaes auditivas da cclea humana atravs das


regies subcorticais e depois pelos primeiros estgios do neocrtex foi modelado
meticulosamente por Lloy d Watts e sua equipe de pesquisa na Audience, Inc [3].
Eles desenvolveram uma tecnologia de pesquisa que extrai 600 faixas de
frequncia diferentes do som (60 por oitava). Isso se aproxima muito mais da
estimativa de 3 mil faixas extradas pela cclea humana (compare com a
identificao comercial da fala, que usa apenas de 16 a 32 faixas). Usando dois
microfones e seu detalhado modelo de processamento auditivo (com alta
resoluo espectral), a Audience criou uma tecnologia comercial (com uma
resoluo espectral um pouco inferior de seu sistema de pesquisa) que remove
efetivamente o rudo de fundo de conversas. Hoje, ela est sendo usada em
muitos celulares populares e um exemplo impressionante de um produto
comercial baseado num entendimento sobre como o sistema humano de
percepo auditiva capaz de focalizar uma fonte sonora de interesse.
Caminho auditivo do crebro
Modelo simplificado do processamento auditivo nas reas subcorticais (reas
anteriores ao neocrtex) e no neocrtex, criado pela Audience, Inc. Figura
adaptada de WATTS, L. Reverse-Engineering the Human Auditory Pathway. In
LIU, J. et al (eds.). WCCI 2012. Berlim: Springer-Verlag, 2012, p. 49

Inputs do corpo (estimado em centenas de megabits por segundo), inclusive


provenientes de nervos da pele, de msculos, rgos e outras reas, fluem pela
medula espinhal superior. Essas mensagens envolvem mais do que uma mera
comunicao sobre o tato; alm disso, transportam informaes sobre
temperatura, nveis de acidez (como o de cido ltico nos msculos), o
movimento de alimentos pelo trato gastrointestinal e muitos outros sinais. Esses
dados so processados pelo tronco cerebral e pelo mesencfalo. Clulas
importantes, chamadas neurnios da lmina I, criam um mapa do corpo,
representando seu estado atual, algo no muito diferente dos monitores usados
pelos controladores de voo para acompanhar os avies. Dali, os dados sensoriais
vo para uma regio misteriosa chamada tlamo, o que nos leva a nosso prximo
tpico.

O tlamo

Todos sabem o que significa a ateno. a tomada de posse por parte


da mente, de maneira clara e ntida, de um entre aqueles que
parecem ser diversos objetos ou sequncias de pensamento
simultaneamente possveis. Focalizao e concentrao da
conscincia fazem parte de sua essncia. Implicam o afastamento de
algumas coisas a fim de se poder lidar efetivamente com outras.
William James

Do mesencfalo, a informao sensorial flui atravs de uma regio do tamanho


de uma noz chamada ncleo ventromedial posterior (com sigla em ingls VMpo)
do tlamo, que computa reaes complexas como estados corporais, como isto
tem um gosto horrvel, que cheiro ruim ou esse toque luminoso
estimulante. A informao, cada vez mais processada, termina em duas regies
do neocrtex chamadas nsulas. Essas estruturas, do tamanho de dedos pequenos,
localizam-se dos lados esquerdo e direito do neocrtex. O dr. Arthur Craig, do
Barrow Neurological Institute em Phoenix, descreve as duas regies da nsula
como um sistema que representa o eu material [4].
Entre suas outras funes, o tlamo considerado um portal para que as
informaes sensoriais pr-processadas entrem no neocrtex. Alm das
informaes tteis que fluem pelo VMpo, informaes processadas do nervo
ptico (que, como dito antes, j foi transformado substancialmente) so enviadas
para uma regio do tlamo chamada ncleo geniculado lateral, que depois as
envia para a regio V1 do neocrtex. A informao do sentido da audio
passada via o ncleo geniculado medial do tlamo a caminho das primeiras
regies auditivas do neocrtex. Todos os nossos dados sensoriais (exceto,
aparentemente, o sistema olfativo, que usa o bulbo olfativo) passam por regies
especficas do tlamo.
O caminho sensorial ttil no crebro

O papel mais significativo do tlamo, porm, sua comunicao contnua


com o neocrtex. Os identificadores de padro do neocrtex enviam resultados
provisrios para o tlamo e recebem respostas principalmente utilizando sinais
recprocos excitantes e inibidores da camada VI de cada identificador. Lembre-
se de que no so mensagens sem fio, e por isso preciso uma quantidade
extraordinria de fiao fsica (na forma de axnios) que liga todas as regies do
neocrtex ao tlamo. Pense na enorme quantidade de espao (em termos da
massa fsica de conexes necessrias) para que as centenas de milhes de
identificadores de padres do neocrtex fiquem constantemente em conferncia
com o tlamo [5].
Bem, e sobre o que as centenas de milhes de identificadores de padres
neocorticais conversam com o tlamo? Aparentemente, uma conversa
importante porque danos profundos causados bilateralmente principal regio do
tlamo podem levar a uma inconscincia prolongada. Uma pessoa com tlamo
lesionado ainda pode ter atividade no neocrtex, uma vez que o pensamento
autoprovocado por associao ainda pode funcionar. Mas o pensamento
direcionado do tipo que nos tira da cama, leva at o carro e nos pe diante da
escrivaninha para trabalhar no funciona sem tlamo. Num caso famoso,
Karen Ann Quinlan, de 21 anos, sofreu um ataque cardaco e insuficincia
respiratria, e ficou vivendo num estado aparentemente vegetativo e irresponsivo
durante dez anos. Ao morrer, sua autpsia revelou que seu neocrtex estava
normal, mas seu tlamo havia sido destrudo.
Para poder desempenhar seu papel crucial em nossa capacidade de
direcionar a ateno, o tlamo apoia-se no conhecimento estruturado contido no
neocrtex. Ele pode percorrer uma lista (armazenada no neocrtex), permitindo-
nos seguir um fluxo mental ou acompanhar um plano de ao. Aparentemente,
somos capazes de manter at quatro itens por vez em nossa memria
operacional, dois por hemisfrio, segundo pesquisas recentes realizadas no
Picower Institute for Learning and Memory [Instituto Picower para o
Aprendizado e a Memria] do MIT [6]. A dvida sobre se o tlamo controla o
neocrtex ou vice-versa est longe de ter sido resolvida, mas no somos capazes
de funcionar sem os dois.

O hipocampo
Cada hemisfrio cerebral contm um hipocampo, uma pequena regio que se
parece com um cavalo-marinho, situado no lobo temporal medial. Sua funo
primordial a recordao de novos eventos. Como a informao sensorial flui
atravs do neocrtex, cabe ao neocrtex determinar que uma experincia nova
a fim de apresent-la ao hipocampo. Ele o faz ou ao deixar de identificar um
conjunto de caractersticas especficas (como numa nova fisionomia, por
exemplo) ou percebendo que uma situao que antes lhe era familiar passou a
ter atributos nicos (como seu cnjuge usando um bigode postio).
O hipocampo capaz de recordar essas situaes, apesar de parecer faz-lo
primariamente por meio de indicadores no neocrtex. Assim, as memrias no
hipocampo tambm so armazenadas como padres de nvel inferior que antes
foram identificados e armazenados no neocrtex. Para que animais sem
neocrtex modulem experincias sensoriais, o hipocampo vai simplesmente
recordar a informao a partir dos sentidos, embora ela tenha sofrido um pr-
processamento sensorial (como as transformaes realizadas pelo nervo ptico,
por exemplo).
Embora o hipocampo faa uso do neocrtex (se um crebro em particular
tem um) como bloco de rascunho, sua memria (de indicadores no neocrtex)
no intrinsecamente hierrquica. Animais sem neocrtex podem, portanto,
recordar-se de coisas usando o hipocampo, mas essas lembranas no sero
hierrquicas.
A capacidade do hipocampo limitada, e por isso sua memria de curto
prazo. Ele transfere uma sequncia particular de padres de sua memria de
curto prazo para a memria hierrquica de longo prazo do neocrtex, repassando
repetidas vezes essa sequncia de memria para o neocrtex. Portanto,
precisamos do hipocampo a fim de aprender novas memrias e habilidades
(embora as habilidades estritamente motoras paream usar um mecanismo
diferente). Algum que tenha sofrido danos no hipocampo em ambos os
hemisfrios vai manter as memrias j existentes, mas no ser capaz de formar
novas.
Theodore Berger, neurocientista da Universidade do Sul da Califrnia, e seus
colegas modelaram o hipocampo de um rato e fizeram experimentos bem-
sucedidos com o implante de um hipocampo artificial. Num estudo publicado em
2011, os cientistas da USC bloquearam, por meio de drogas, comportamentos
aprendidos especficos em ratos. Usando um hipocampo artificial, os ratos
conseguiram tornar a aprender o comportamento rapidamente. Ligue a chave e
os ratos se lembram. Desligue-a e os ratos se esquecem, escreveu Berger,
referindo-se sua capacidade de controlar remotamente o implante neural.
Noutro experimento, os cientistas permitiram que seu hipocampo artificial
trabalhasse juntamente com o hipocampo natural dos ratos. O resultado foi que a
capacidade dos ratos de aprender novos comportamentos foi fortalecida. Esses
estudos de modelos experimentais integrados mostram pela primeira vez que [...]
uma prtese neural capaz de identificar e manipular em tempo real o processo
de codificao pode restaurar e at melhorar os processos mnemnicos
cognitivos, explicou Berger. O hipocampo uma das primeiras regies
danificadas pelo Mal de Alzheimer, e assim uma meta dessa pesquisa
desenvolver um implante neural para humanos que mitigue essa primeira fase de
danos da doena.

O cerebelo
Existem dois mtodos para pegar uma bola no ar. Podemos resolver as
complexas equaes diferenciais simultneas que controlam o movimento da
bola, bem como outras equaes que governam nosso prprio ngulo de viso da
bola, e depois calcular novas equaes que tratam da maneira como devemos
mover o corpo, o brao e a mo para estar no lugar certo na hora certa.
Mas no esse o mtodo adotado pelo nosso crebro. Basicamente, ele
simplifica o problema, reunindo diversas equaes num modelo simples de
tendncias, levando em conta a tendncia de onde a bola parece estar em nosso
campo de viso e a rapidez com que ela se desloca nele. Ele faz a mesma coisa
com nossa mo, simplesmente gerando predies lineares da posio aparente
da bola em nosso campo de viso e a posio da mo. Naturalmente, a meta
assegurar que se encontrem no mesmo ponto no espao e no tempo. Se a bola
parece estar caindo depressa demais e nossa mo parece se mover com
demasiada lentido, nosso crebro vai orientar a mo a se mover mais
rapidamente, para que as tendncias coincidam. Essa soluo do n grdio
para algo que seria um problema matemtico insolvel chamada funo
bsica, e realizada pelo cerebelo, uma regio com a forma de um feijo, mas
do tamanho de uma bola de beisebol, apoiada no tronco cerebral [8].
O cerebelo uma regio do crebro primitivo que antes controlava
praticamente todos os movimentos dos homindeos. Ele ainda contm metade dos
neurnios do crebro, embora a maioria seja relativamente pequena, e por isso a
regio representa apenas 10% do peso do crebro. De modo anlogo, o cerebelo
representa outro exemplo de repetio macia no desenho do crebro. H
relativamente poucas informaes sobre seu design no genoma, uma vez que sua
estrutura um padro de diversos neurnios que se repete bilhes de vezes. Tal
como ocorre com o neocrtex, sua estrutura bem uniforme [9].
A maior parte da funo de controle dos msculos foi assumida pelo
neocrtex, usando os mesmos algoritmos de reconhecimento de padres que ele
usa para percepo e cognio. No caso do movimento, podemos nos referir
mais apropriadamente funo do neocrtex como sendo a implementao de
padres. O neocrtex utiliza a memria do cerebelo para registrar roteiros de
movimento delicados; por exemplo, sua assinatura e certos floreios de expresso
artstica, como msica e dana. Estudos do papel do cerebelo durante o
aprendizado da escrita em crianas revelaram que as clulas Purkinje do
cerebelo fazem uma amostragem da sequncia de movimentos, sendo cada uma
sensvel a uma amostra especfica [10]. Como a maior parte de nossos
movimentos controlada hoje pelo neocrtex, muitas pessoas vivem com uma
incapacidade bvia e relativamente modesta, mesmo com danos significativos ao
cerebelo, s que seus movimentos podem se tornar menos graciosos.
O neocrtex tambm pode invocar o cerebelo para usar sua capacidade de
computar funes bsicas em tempo real a fim de prever os resultados de aes
que estamos levando em conta, mas que ainda no realizamos (e que talvez
nunca realizemos), bem como as aes ou possveis aes de terceiros. outro
exemplo dos precisos preditores lineares inatos embutidos no crebro.
Houve um progresso substancial na simulao do cerebelo em relao
capacidade de responder dinamicamente a pistas sensoriais usando as funes
bsicas que discuti acima, tanto em simulaes de baixo para cima (baseadas em
modelos bioqumicos) como em simulaes de cima para baixo (baseadas em
modelos matemticos do modo como cada unidade repetidora do cerebelo opera
[11]).
Prazer e medo

O medo a principal fonte de superstio, e uma das principais fontes


da crueldade. Dominar o medo o comeo da sabedoria.
Bertrand Russell

Sinta o medo, mas faa o que tem de fazer.


Susan Jeffers

Se o neocrtex hbil para resolver problemas, ento qual o principal


problema que estamos tentando resolver? O problema que a evoluo sempre
tentou resolver a sobrevivncia da espcie. Isso se traduz na sobrevivncia do
indivduo, e cada um de ns usa seu prprio neocrtex para interpretar essa
questo de milhares de formas. Para sobreviver, os animais precisam buscar sua
prxima refeio, ao mesmo tempo em que evitam ser a refeio de outros. Eles
tambm precisam se reproduzir. Os crebros mais primitivos desenvolveram
sistemas de prazer e de medo que recompensavam a satisfao dessas
necessidades fundamentais, bem como os comportamentos bsicos que as
propiciavam. Com a mudana gradual dos ambientes e das espcies
concorrentes, a evoluo biolgica fez alteraes correspondentes. Com o
advento do pensamento hierrquico, a satisfao de impulsos crticos tornou-se
mais complexa, pois agora estava sujeita vasta complexidade das ideias dentro
de ideias. Mas apesar de sua considervel modulao pelo neocrtex, o crebro
primitivo ainda est vivo e ativo, motivando-nos com prazer e medo.
Uma regio associada ao prazer o ncleo accumbens. Em experimentos
famosos realizados na dcada de 1950, ratos que conseguiam estimular
diretamente essa pequena regio (empurrando uma alavanca que ativava
eletrodos implantados) preferiam faz-lo em detrimento de qualquer outra coisa,
inclusive sexo ou comida, acabando por se esgotarem e morrerem de fome [12].
Nos humanos, outras regies tambm esto envolvidas no prazer, como o plido
ventral e, naturalmente, o prprio neocrtex.
O prazer tambm regulado por substncias qumicas como a dopamina e a
serotonina. No cabe no escopo deste livro discutir detalhadamente esses
sistemas, mas importante perceber que herdamos esses mecanismos de nossos
primos pr-mamferos. A tarefa do neocrtex permitir-nos ser senhores do
prazer e do medo, e no seus escravos. Como estamos frequentemente sujeitos a
comportamentos viciantes, o neocrtex nem sempre tem xito nessa tarefa. A
dopamina, em particular, um neurotransmissor envolvido na experincia do
prazer. Se alguma coisa boa acontece conosco ganhar na loteria, obter o
reconhecimento de nossos colegas, receber um abrao de um ente querido, ou
mesmo realizaes sutis, como fazer com que um amigo ria de uma piada ,
recebemos uma liberao de dopamina. s vezes, ns, como os ratos que
morreram por causa do estmulo excessivo do ncleo accumbens, usamos um
atalho para obter essas exploses de prazer, o que nem sempre uma boa ideia.
O jogo, por exemplo, pode liberar dopamina, pelo menos quando voc
ganha, mas isso depende de sua falta inerente de previsibilidade. O jogo pode
funcionar durante algum tempo para a liberao de dopamina, mas tendo em
vista que as chances so intencionalmente contrrias a voc (do contrrio, o
modelo de negcio de um cassino no funcionaria), ele pode se tornar ruinoso
como estratgia regular. Perigos similares esto associados a qualquer
comportamento viciante. Uma mutao gentica especfica do gene D2 receptor
de dopamina causa sensaes de prazer particularmente fortes nas primeiras
experincias com substncias e comportamentos viciantes, mas, como bem
sabido (mas nem sempre lembrado), a capacidade de produo de prazer dessas
substncias costuma declinar com o uso subsequente. Outra mutao gentica
resulta do fato de as pessoas no receberem nveis normais de liberao de
dopamina com realizaes cotidianas, o que tambm pode levar procura de
experincias iniciais mais intensas com atividades viciantes. A minoria da
populao que tem essas tendncias genticas ao vcio cria um enorme problema
social e mdico. At aqueles que conseguem evitar comportamentos seriamente
viciantes lutam para equilibrar as recompensas da liberao de dopamina com as
consequncias dos comportamentos que as produzem.
A serotonina um neurotransmissor que desempenha um papel importante
na regulao do humor. Em nveis elevados, ela est associada a sensaes de
bem-estar e contentamento. A serotonina tem outras funes, inclusive a
modulao da fora sinptica, do apetite, do sono, do desejo sexual e da digesto.
Drogas antidepressivas, como inibidores seletivos da recaptao da serotonina
(que tendem a aumentar os nveis de serotonina disponveis para os receptores),
costumam ter efeitos abrangentes, nem todos desejveis (como a reduo da
libido). Ao contrrio de aes no neocrtex, no qual o reconhecimento de
padres e as ativaes de axnios afetam apenas um pequeno nmero de
circuitos neocorticais de cada vez, essas substncias afetam grandes regies do
crebro, ou at todo o sistema nervoso.
Cada hemisfrio do crebro humano tem uma amgdala, que consiste numa
regio em forma de amndoa compreendendo diversos lobos pequenos. A
amgdala tambm pertence ao crebro primitivo e est envolvida no
processamento de diversos tipos de reao emocional, sendo o medo a mais
notvel. Em animais pr-mamferos, certos estmulos pr-programados
representando perigo vo diretamente para a amgdala, que por sua vez aciona o
mecanismo de lutar ou fugir. Nos seres humanos, a amgdala depende agora
da transmisso da percepo do perigo por parte do neocrtex. Um comentrio
negativo de seu chefe, por exemplo, pode provocar tal reao, gerando o medo
de perder o emprego (ou talvez no, caso voc tenha confiana num plano B).
Quando a amgdala decide que h um perigo pela frente, d-se uma sequncia
antiga de eventos. A amgdala envia um sinal para que a glndula pituitria libere
um hormnio chamado ACTH (adrenocorticotropina). Este, por sua vez, aciona o
hormnio do estresse, cortisol, das glndulas suprarrenais, o que resulta no
fornecimento de mais energia para seus msculos e sistema nervoso. As
glndulas suprarrenais tambm produzem adrenalina e noradrenalina, que
inibem os sistemas digestivo, imunolgico e reprodutor (imaginando que no so
processos prioritrios numa emergncia). Os nveis de presso sangunea, acar
no sangue, colesterol e fibrinognio (que acelera a coagulao do sangue)
sobem. Os batimentos cardacos e a respirao aceleram. At suas pupilas se
dilatam para que voc tenha uma viso mais precisa de seu inimigo ou de sua
rota de fuga. Tudo isso muito til caso um perigo real, como um predador,
cruze inesperadamente o seu caminho. Sabe-se bem que no mundo de hoje a
ativao crnica desse mecanismo de lutar ou fugir pode levar a danos
permanentes sade em termos de hipertenso, elevados nveis de colesterol e
outros problemas.
O sistema dos nveis de neurotransmissores globais, como a serotonina, e dos
nveis de hormnios, como a dopamina, complexo, e poderamos passar o resto
deste livro tratando do problema (como muitos livros j fizeram), mas vale a
pena lembrar que a largura de faixa da informao (a proporo de
processamento da informao) nesse sistema muito baixa, em comparao
com a largura de faixa do neocrtex. H um nmero limitado de substncias
envolvidas e os nveis dessas substncias tendem a mudar lentamente, alm de
serem relativamente universais no crebro se o compararmos com o neocrtex,
que composto de centenas de trilhes de conexes que podem mudar
rapidamente.
razovel dizer que nossas experincias emocionais ocorrem tanto no
crebro primitivo como no novo. O pensamento se d no novo crebro (o
neocrtex), mas os sentimentos ocorrem em ambos. Qualquer emulao do
comportamento humano, portanto, precisa modelar ambos. No entanto, se
estivermos procurando apenas pela inteligncia cognitiva humana, o neocrtex
suficiente. Podemos substituir o crebro primitivo pela motivao mais direta de
um neocrtex no biolgico para cumprir as metas que nos so atribudas. Por
exemplo, no caso de Watson, a meta foi estabelecida de forma simples: consiga
as respostas corretas para as perguntas de Jeopardy! (embora estas fossem
moduladas adicionalmente por um programa que compreendia as apostas de
Jeopardy!). No caso do novo sistema desenvolvido em conjunto pela Nuance e
pela IBM para conhecimento mdico, a meta ser ajudar a tratar doenas
humanas. Sistemas futuros podem ter metas como curar de fato doenas e aliviar
a pobreza. Boa parte do conflito prazer-medo j obsoleta para os humanos, pois
o crebro primitivo evoluiu muito antes do surgimento das sociedades humanas
primitivas; com efeito, a maior parte dele reptiliana.
Existe um esforo contnuo no crebro humano para decidir se quem est no
comando o crebro primitivo ou o novo. O crebro primitivo tenta estabelecer
a agenda com seu controle das experincias de prazer e medo, enquanto o
crebro novo est sempre tentando compreender os algoritmos relativamente
primrios do crebro primitivo e tentando manipul-lo segundo sua prpria
agenda. Leve em conta o fato de a amgdala no poder avaliar perigos sozinha
no crebro humano, ela depende dos julgamentos do neocrtex. Essa pessoa
amiga ou inimiga, amistosa ou ameaa? S o neocrtex pode decidir.
Como no estamos envolvidos diretamente em combates mortais nem em
caadas por comida, temos tido sucesso na sublimao, pelo menos parcial, de
nossos impulsos antigos em nome de empreendimentos mais criativos. Nesse
sentido, vamos discutir criatividade e amor no captulo seguinte.
Captulo 6

Habilidades transcendentes

Esta minha religio simples. No h necessidade de templos; no h


necessidade de filosofias complicadas. Nosso prprio crebro, nosso
prprio corao nosso templo; a filosofia a bondade.
O Dalai Lama

Minha mo se movimenta porque certas foras eltricas,


magnticas ou seja l o que essa fora nervosa se revele ser so
impressas sobre ela por meu crebro. A origem dessa fora nervosa,
armazenada no crebro, provavelmente seria identificada, caso a
Cincia fosse completa, em foras qumicas fornecidas ao crebro
pelo sangue, e, em ltima anlise, no alimento que como e no ar que
respiro.
Lewis Carroll

N ossos pensamentos emocionais tambm ocorrem no neocrtex, mas so


influenciados por partes do crebro que vo desde regies do crebro primitivo,
como a amgdala, at algumas estruturas cerebrais recentes em termos
evolutivos, como os neurnios fusiformes, que parecem ter um papel importante
em emoes de nvel superior. Diferentemente das estruturas recursivas
regulares e lgicas encontradas no crtex cerebral, os neurnios fusiformes tm
formas e conexes altamente irregulares. So os maiores neurnios do crebro
humano e se estendem por ele todo. So profundamente interconectados, com
centenas de milhares de conexes que unem diversas pores do neocrtex.
Como dito antes, a nsula ajuda a processar sinais sensoriais, mas ela
tambm tem um papel vital nas emoes de nvel superior. nessa regio que se
originam as clulas fusiformes. A tcnica de imagem por ressonncia magntica
funcional (IRMf) revelou que essas clulas ficam particularmente ativas quando
a pessoa lida com emoes como amor, raiva, tristeza e desejo sexual. Entre as
situaes que ativam intensamente essas clulas, podemos elencar o momento
em que a pessoa olha para o parceiro ou escuta o prprio beb chorando.
As clulas fusiformes tm longos filamentos nervosos chamados dendritos
apicais, capazes de se conectar com regies neocorticais distantes. Essa
interconexo profunda, na qual certos neurnios proporcionam conexes entre
diversas regies, uma caracterstica que ocorre com frequncia cada vez
maior medida que subimos pela escada evolutiva. No toa que as clulas
fusiformes, que lidam com emoes e juzos morais, tenham essa forma de
conectividade, tendo em vista a capacidade das reaes emocionais de nvel
superior para tocarem em diversos tpicos e pensamentos. Em funo de seus
vnculos com vrias outras partes do crebro, as emoes de nvel superior
processadas pelas clulas fusiformes so afetadas por todas as nossas regies
perceptivas e cognitivas. importante destacar que essas clulas no resolvem
problemas racionais, motivo pelo qual no temos controle racional das nossas
reaes a msicas ou paixes. O resto do crebro, porm, est firmemente
envolvido na tentativa de entender nossas misteriosas emoes de nvel superior.
A quantidade de clulas fusiformes relativamente pequena: apenas umas
80 mil, com cerca de 45 mil no hemisfrio direito e 35 mil no esquerdo. Essa
disparidade , no mnimo, um dos motivadores da ideia de que a inteligncia
emocional pertence ao domnio do hemisfrio direito, apesar de a desproporo
ser modesta. Gorilas tm cerca de 16 mil dessas clulas; bonobos, umas 2.100 e
chimpanzs, cerca de 1.800. Outros mamferos no tm nenhuma.
Os antroplogos acreditam que as clulas fusiformes apareceram pela
primeira vez entre 10 e 15 milhes de anos atrs num ancestral comum e ainda
no descoberto entre smios e homindeos (precursores dos humanos), e sua
quantidade aumentou rapidamente h cerca de 100 mil anos. interessante
observar que as clulas fusiformes no existem em humanos recm-nascidos, e
s comeam a aparecer na idade aproximada de 4 meses; depois, seu nmero
aumenta significativamente entre 1 e 3 anos de idade. A capacidade da criana
para lidar com questes morais e perceber emoes de nvel superior, como o
amor, desenvolvida nesse mesmo perodo.

Aptido
Wolfgang Amadeus Mozart (1756-1791) escreveu um minueto aos 5 anos. Com
6, tocou para a imperatriz Maria Teresa na corte imperial em Viena. Depois,
comps 600 peas, incluindo 41 sinfonias, antes de sua morte aos 35 anos, e
considerado por muitos o maior compositor na tradio europeia clssica.
Podemos dizer que ele tinha aptido para a msica.
E o que isso significa no contexto da teoria da mente baseada no
reconhecimento de padres? claro que parte daquilo que consideramos aptido
fruto de aprendizagem, ou seja, influncia do ambiente e de outras pessoas.
Mozart nasceu numa famlia musical. Seu pai, Leopold, era compositor e
kapellmeister (literalmente, lder musical) da orquestra da corte do arcebispo de
Salzburgo. O jovem Mozart estava mergulhado na msica, e seu pai comeou a
lhe ensinar violino e clavicrdio (instrumento de teclas) aos 3 anos.
Entretanto, apenas as influncias ambientais no explicam plenamente o
gnio de Mozart. claro que tambm existe um componente natural. Que forma
ele tem? Como escrevi no captulo 4, regies diferentes do neocrtex tornaram-
se otimizadas (pela evoluo biolgica) para certos tipos de padres. Embora o
algoritmo bsico de reconhecimento de padres dos mdulos seja uniforme ao
longo do neocrtex, como certos tipos de padro tendem a fluir por certas regies
(rostos pelo giro fusiforme, por exemplo), essas regies tornam-se melhores no
que se refere ao processamento de padres associados. Contudo, h numerosos
parmetros que governam o modo como o algoritmo efetivamente processado
em cada mdulo. Por exemplo, para ser reconhecido, quo similar deve ser um
padro? Como esse limiar modificado se um modulo de nvel superior envia o
sinal de que seu padro esperado? Como so levados em conta os parmetros
de tamanho? Esses e outros fatores foram dispostos diferentemente em regies
diferentes para serem vantajosos para tipos especficos de padro. Em nosso
trabalho com mtodos similares na inteligncia artificial, percebemos o mesmo
fenmeno e usamos simulaes de evoluo para otimizar esses parmetros.
Se regies especficas podem ser otimizadas para tipos diferentes de padres,
ento decorre que haver variaes na capacidade de cada crebro aprender,
identificar e criar certos tipos de padro. Por exemplo, um crebro pode ter
aptido inata para msica porque consegue identificar melhor padres rtmicos,
ou compreende melhor a disposio geomtrica das harmonias. O fenmeno do
ouvido absoluto (a capacidade de identificar e de reproduzir um tom sem
referncia externa), correlacionado com o talento musical, parece ter base
gentica, embora essa habilidade precise ser desenvolvida; por isso, provvel
que seja uma combinao entre natureza e aprendizado. provvel que a base
gentica do ouvido absoluto resida fora do neocrtex, no pr-processamento da
informao auditiva, enquanto o aspecto cultivado reside no neocrtex.
H outras habilidades que contribuem para o grau de competncia, seja do
tipo rotineiro, seja do gnio lendrio. Habilidades neocorticais por exemplo, a
capacidade do neocrtex para dominar os sinais de medo que a amgdala gera
(quando se v diante de uma reprovao) tm um papel significativo, assim
como atributos do tipo confiana, talento organizacional e capacidade de
influenciar os outros. Uma habilidade muito importante que percebi antes a
coragem de se devotar a ideias que vo contra a tendncia da ortodoxia.
Invariavelmente, pessoas que consideramos geniais fizeram experimentos
mentais de maneiras que no foram compreendidas ou apreciadas no incio por
seus pares. Apesar de Mozart ter sido reconhecido em vida, a maior parte da
adulao veio depois. Ele morreu na misria, foi enterrado numa vala comum e
s dois outros msicos compareceram ao seu funeral.

Criatividade
Criatividade uma droga sem a qual no consigo viver.
Cecil B. DeMille

O problema nunca est em gerar pensamentos novos ou inovadores


na mente, mas em como extrair dela os antigos. Cada mente um
edifcio repleto de mveis arcaicos. Limpe um canto de sua mente e
a criatividade o ocupar no mesmo instante.
Dee Hock

A humanidade pode ser bem fria para com aqueles cujos olhos veem
o mundo de forma diferente.
Eric A. Burns

A criatividade pode resolver quase todos os problemas. O ato criativo,


a derrota do hbito pela originalidade, supera tudo.
George Lois

Um aspecto importante da criatividade o processo de encontrar grandes


metforas smbolos que representam outra coisa. O neocrtex uma grande
mquina de metforas, o que explica por que somos uma espcie singularmente
criativa. Cada um dos 300 milhes de identificadores de padres do neocrtex
est identificando e definindo um padro e dando-lhe um nome, que, no caso dos
mdulos neocorticais de reconhecimento de padres, nada mais que o axnio
que surge do identificador de padres acionado quando esse padro encontrado.
Esse smbolo, por sua vez, torna-se parte de outro padro. Basicamente, cada um
desses padres uma metfora. Os identificadores podem disparar at cem
vezes por segundo, e por isso temos o potencial de identificar at 30 bilhes de
metforas por segundo. Naturalmente, nem todos os mdulos disparam a cada
ciclo, mas vlido dizer que, de fato, estamos identificando milhes de
metforas a cada segundo.
Naturalmente, algumas metforas so mais significativas do que outras.
Darwin percebeu que o insight de Charles Ly ell sobre o modo como mudanas
muito graduais num filete de gua podem esculpir imensos cnions era uma
metfora poderosa para o modo como um filete de pequenas mudanas
evolutivas ao longo de milhares de geraes podia esculpir grandes mudanas na
diferenciao das espcies. Experimentos mentais, como aquele que Einstein
usou para revelar o verdadeiro significado do experimento de Michelson-Morley,
so metforas, no sentido de ser uma coisa considerada representativa ou
simblica de outra, para usar uma definio de dicionrio.
Voc v metforas no Soneto 73 de Shakespeare?

Uma estao o outono em mim tu podes ver:


J a folhagem rara, ou nula, ou amarelada,
Nos ramos que gelado vento vem bater,
Coros em runa, onde cantava a passarada.

Em mim contemplas o claro crepuscular,


Quando no ocaso, posto o sol, se esvai o dia:
Segunda morte, que faz tudo repousar,
Agora mesmo o levar noite sombria.

Em mim divisas uma chama a fulgurar


Nas cinzas de uma juventude j perdida,
Como em leito final onde haja de expirar

S por aquilo que a nutria consumida


Isso o que vs, e teu amor fica mais forte,
Para amar o que logo perders na morte.

Neste soneto, o poeta usa diversas metforas para descrever a idade que
avanava. Sua idade como o final do outono, quando a folhagem rara, ou
nula, ou amarelada. O clima frio e as aves no pousam mais nos galhos, que
ele chama de coros em runa. Sua idade como o crepsculo, quando no
ocaso, posto o sol, se esvai o dia. Ele o resto de uma fogueira nas cinzas de
uma juventude j perdida. De fato, toda a linguagem , em ltima anlise,
metfora, embora algumas de suas expresses sejam mais memorveis do que
outras.
Encontrar uma metfora o processo de identificar um padro apesar das
diferenas em detalhes e contexto uma atividade que realizamos trivialmente a
cada momento de nossas vidas. Os saltos metafricos que consideramos
importantes costumam acontecer nos interstcios de disciplinas diferentes.
Trabalhando contra essa fora essencial da criatividade, porm, est a tendncia
onipresente de uma especializao cada vez maior nas cincias (e tambm em
quase todos os outros campos). Como escreveu o matemtico norte-americano
Norbert Wiener (1894-1964) em seu seminal livro Cybernetics, publicado no ano
em que nasci (1948):

H campos do trabalho cientfico, como veremos no corpo deste


livro, que foram explorados sob as facetas da matemtica pura, da
estatstica, da engenharia eltrica e da neurofisiologia, nas quais cada
conceito recebe um nome separado de cada grupo, e nas quais cada
trabalho importante foi triplicado ou quadruplicado, enquanto outros
trabalhos importantes so retardados pela indisponibilidade, num dos
campos, de resultados que podem j ter se tornado clssicos em outro
campo.
Essas regies fronteirias so as que oferecem as oportunidades
mais ricas para o investigador qualificado. So, ao mesmo tempo, as
mais refratrias s tcnicas aceitas de ataque em massa e diviso
do trabalho.

Uma tcnica que tenho usado em meu prprio trabalho para combater a
especializao crescente reunir os especialistas que selecionei para um projeto
(por exemplo, meu trabalho de reconhecimento de fala incluiu cientistas da fala,
linguistas, psicoacsticos e especialistas em reconhecimento de padres, alm de
cientistas da computao), estimulando cada um a ensinar ao grupo suas tcnicas
e terminologia especficas. Depois, descartamos toda essa terminologia e
criamos a nossa prpria. Invariavelmente, encontramos metforas de um campo
que solucionam problemas em outro.
Um camundongo que encontra uma rota de fuga quando se defronta com
um gato domstico e consegue faz-lo mesmo se a situao for um pouco
diferente de outras em que j se viu est sendo criativo. Nossa criatividade
muitas vezes maior que a do camundongo e envolve muitos mais nveis de
abstrao porque temos um neocrtex muito maior, capaz de nveis bem
maiores de hierarquia. Assim, um caminho para se obter uma criatividade maior
consiste em agregar mais neocrtex de maneira eficiente.
Uma forma de expandir o neocrtex disponvel pela colaborao de
diversos seres humanos. Isso feito rotineiramente atravs da comunicao
entre pessoas reunidas numa comunidade que resolve problemas. Recentemente,
fizeram-se esforos para usar ferramentas de colaborao on-line para controlar
o poder da colaborao em tempo real, uma abordagem que obteve sucesso na
matemtica e em outros campos [1].
O passo seguinte, naturalmente, seria a expanso do prprio neocrtex com
seu equivalente no biolgico. Esse ser nosso ato supremo de criatividade: criar
a capacidade para ser criativo. O neocrtex no biolgico ser mais rpido e
capaz de buscar com agilidade os tipos de metforas que inspiraram Darwin e
Einstein. Ele pode explorar sistematicamente todos os limites superpostos entre
nossas fronteiras de conhecimento, que crescem exponencialmente.
Algumas pessoas expressam preocupao sobre o que acontecer com
aqueles que optarem por no participar dessa expanso mental. Eu diria que essa
inteligncia adicional vai residir basicamente na nuvem (a rede de computadores
em crescimento exponencial qual nos conectamos atravs da comunicao on-
line), na qual a maior parte da inteligncia de nossas mquinas est armazenada.
Quando voc utiliza um sistema de reconhecimento de fala no celular, consulta
um assistente virtual como Siri ou usa o telefone para traduzir um signo para
outra linguagem, a inteligncia no est no aparelho em si, mas na nuvem. Nosso
neocrtex expandido tambm estar armazenado l. Se acessamos essa
inteligncia expandida atravs de conexes neurais diretas ou pelo modo como
fazemos hoje interagindo com ela atravs de nossos aparelhos uma
distino arbitrria. Em meu ponto de vista, todos ns nos tornaremos mais
criativos atravs desse reforo onipresente, quer optemos ou no pela conexo
direta com a inteligncia expandida da humanidade. J terceirizamos boa parte
de nossa memria pessoal, social, histrica e cultural na nuvem, e, em ltima
anlise, faremos a mesma coisa com nosso pensamento hierrquico.
O grande avano de Einstein resultou no s de sua aplicao de metforas
atravs de experimentos mentais, mas tambm de sua coragem em acreditar no
poder dessas metforas. Ele estava disposto a abrir mo das explicaes
tradicionais que no satisfaziam seus experimentos, e a suportar as piadas de seus
colegas com relao s explicaes bizarras que suas metforas implicavam.
Essas qualidades a crena na metfora e a coragem das prprias convices
so valores que tambm deveramos poder programar em nosso neocrtex no
biolgico.

Amor
A clareza mental tambm significa a clareza da paixo; por isso que
uma mente grandiosa e clara ama ardentemente e v de forma
distinta aquilo que ama.
Blaise Pascal

H sempre certa loucura no amor. Mas tambm h sempre alguma


razo na loucura.
Friedrich Nietzsche

Quando voc j tiver visto tanta coisa na vida quanto eu, no vai
subestimar o poder do amor obsessivo.
Alvo Dumbledore, de J. K. Rowling, em Harry Potter e o Enigma
do Prncipe

Sempre gosto de uma boa soluo matemtica para qualquer


problema amoroso.
Michael Patrick King, do episdio De volta ao jogo de Sex and the
City

Se voc nunca experimentou de fato um amor arrebatador, sem dvida deve ter
ouvido falar dele. justo dizer que uma frao substancial, se no a maioria da
arte mundial histrias, romances, msicas, danas, pinturas, sries da televiso
e filmes se inspira nas histrias do amor em seus primeiros estgios.
Recentemente, a cincia tambm entrou em cena, e agora podemos
identificar as mudanas bioqumicas que acontecem quando algum se apaixona.
Libera-se dopamina, produzindo sensaes como felicidade e deleite. Os nveis
de norepinefrina sobem, o que leva acelerao dos batimentos cardacos e a
uma sensao generalizada de euforia. Essas substncias qumicas, juntamente
com a feniletilamina, produzem exaltao, nveis elevados de energia, ateno
focalizada, perda de apetite e um anseio geral pelo objeto do desejo.
interessante comentar que pesquisas recentes da University College de Londres
tambm mostram que os nveis de serotonina se reduzem, tal como ocorre em
transtornos obsessivo-compulsivos, o que consistente com a natureza obsessiva
do amor incipiente [2]. Os elevados nveis de dopamina e norepinefrina explicam
o aumento da ateno de curto prazo, da euforia e do anseio, sentidos durante o
comeo de um amor.
Se esses fenmenos bioqumicos parecem semelhantes aos da sndrome de
lutar ou fugir, porque so, s que neste caso estamos correndo para algum ou
alguma coisa; com efeito, um cnico poderia dizer que estamos rumando para o
perigo, e no para longe dele. As mudanas tambm esto plenamente
consistentes com aquelas das primeiras fases do comportamento viciante. A
cano Love Is the Drug [O amor a droga], da banda Roxy Music, bem
precisa na descrio desse estado (embora o sujeito da cano esteja procurando
conquistar sua prxima amada). Estudos sobre experincias de xtase religioso
tambm mostram os mesmos fenmenos psquicos; podemos dizer que a pessoa
que tem uma experincia dessas est se apaixonando por Deus ou por alguma
conexo espiritual que tenha.
No caso do amor romntico incipiente, com certeza o estrognio e a
testosterona tm seu papel na formao do impulso sexual, mas se a reproduo
sexual fosse o nico objetivo evolutivo do amor, ento o aspecto romntico do
processo no seria necessrio. Como escreveu o psiclogo John William Money
(1921-2006), a luxria lbrica, o amor lrico.
A fase exttica do amor leva fase do apego e, no final, a um vnculo de
longo prazo. Tambm h substncias qumicas que estimulam esse processo,
inclusive a oxitocina e a vasopressina. Veja o caso de duas espcies aparentadas
de roedores: o arganaz-das-pradarias e o arganaz-da-montanha. So
praticamente idnticos, s que o arganaz-das-pradarias tem receptores para
oxitocina e vasopressina, enquanto o arganaz-da-montanha no tem. O arganaz-
das-pradarias famoso por seus relacionamentos monogmicos vitalcios,
enquanto o arganaz-da-montanha dedica-se quase que somente a encontros
fugazes. No caso dos arganazes, os receptores para oxitocina e vasopressina so
determinadores da natureza de sua vida amorosa.
Embora essas substncias qumicas tambm influenciem os seres humanos,
nosso neocrtex assumiu o papel de comando, como em tudo que fazemos. Os
arganazes tambm tm neocrtex, mas ele do tamanho de um selo e plano, e
tem apenas o tamanho necessrio para que encontrem uma parceira para o resto
da vida (ou, no caso do arganaz-da-montanha, pelo menos por uma noite) e para
levar a cabo outros comportamentos bsicos dos arganazes. Ns, humanos, temos
neocrtex adicional suficiente para nos dedicar s vastas expresses lricas a
que Money se refere.
Do ponto de vista evolutivo, o prprio amor existe para atender s
necessidades do neocrtex. Se no tivssemos um neocrtex, ento a luxria
seria razoavelmente suficiente para assegurarmos a reproduo. A instigao
exttica do amor leva ligao e ao amor maduro, resultando num vnculo
duradouro. Este, por sua vez, visa proporcionar ao menos a possibilidade de um
ambiente estvel para os filhos, enquanto seus neocrtices passam pelo
aprendizado crtico necessrio para que se tornem adultos responsveis e
capazes. O aprendizado num ambiente rico uma parte intrnseca do mtodo do
neocrtex. De fato, os mesmos mecanismos hormonais da oxitocina e da
vasopressina desempenham um papel crucial na formao de um vnculo crtico
entre os progenitores (especialmente a me) e os filhos.
No outro extremo da histria do amor, o ente querido torna-se uma parte
importante de nosso neocrtex. Aps dcadas de unio, existe a presena virtual
do outro no neocrtex, a ponto de podermos antever cada etapa daquilo que o
ente querido vai dizer e fazer. Nossos padres neocorticais esto tomados por
pensamentos e padres que refletem quem ele . Quando perdemos essa pessoa,
perdemos literalmente parte de ns mesmos. Isso no apenas uma metfora:
todos os numerosos identificadores de padres tomados pelos padres que
refletem a pessoa que amamos mudam subitamente de natureza. Apesar de
poderem ser considerados um modo precioso de mantermos a pessoa viva em
ns mesmos, os inmeros padres neocorticais de um ente querido que se foi
passam subitamente de ativadores do deleite para ativadores do luto.
A base evolutiva para o amor e suas fases no a histria completa do
mundo atual. J fomos razoavelmente bem-sucedidos na desvinculao entre o
sexo e sua funo biolgica, pois podemos ter bebs sem fazer sexo e certamente
podemos ter o ato sexual sem bebs. Na maioria das vezes, o sexo acontece com
propsitos sensuais e de relacionamento. E rotineiramente nos apaixonamos com
propsitos que no a procriao.
De modo similar, a enorme quantidade de expresses artsticas de todos os
tipos que celebram o amor e suas milhares de formas, datando da antiguidade,
tambm um fim em si mesmo. Nossa capacidade de criar essas formas
duradouras de conhecimento transcendente sobre o amor ou qualquer outra
coisa justamente o que torna nica a nossa espcie.
O neocrtex a maior criao da biologia. Por sua vez, so os poemas sobre
o amor e todas as nossas outras criaes que representam as maiores
invenes de nosso neocrtex.
Captulo 7

O neocrtex digital inspirado na biologia

Nunca confie em qualquer coisa que pensa por si mesma se voc no


puder ver onde ela guarda o crebro.
Arthur Weasley, de J. K. Rowling, em Harry Potter e o Prisioneiro
de Azkaban

No, eu no estou interessado em desenvolver um crebro poderoso.


Estou interessado num crebro medocre, algo como o presidente da
American Telephone and Telegraph Company.
Alan Turing

Um computador merece ser chamado de inteligente quando


consegue fazer um humano acreditar que ele humano.
Alan Turing

Creio que, no final do sculo, o uso de palavras e a opinio geral das


pessoas educadas tero sido to alterados que seremos capazes de
falar de mquinas pensantes sem esperarmos que nos contradigam.
Alan Turing

U ma me camundongo constri um ninho para seus filhotes mesmo sem nunca


ter visto outro camundongo em sua vida [1]. De modo anlogo, uma aranha tece
uma teia, uma lagarta cria seu prprio casulo e um castor constri um dique,
mesmo que nenhum contemporneo lhes mostre como realizar essas tarefas
complexas. Isso no quer dizer que no sejam comportamentos aprendidos.
que esses animais no os aprenderam numa nica existncia eles os
aprenderam ao longo de milhares de existncias. A evoluo do comportamento
animal constitui um processo de aprendizado, mas um aprendizado da espcie e
no do indivduo, e os frutos desse processo de aprendizado esto codificados no
DNA.
Para entender a importncia da evoluo do neocrtex, pense que ele
acelerou muito o processo de aprendizado (conhecimento hierrquico), de
milhares de anos para meses (ou menos). Mesmo que milhes de animais de
uma determinada espcie de mamferos no tenham conseguido solucionar um
problema (que exige uma hierarquia de etapas), foi necessrio que apenas um
tenha encontrado acidentalmente uma soluo. Esse novo mtodo seria ento
copiado e espalhado exponencialmente pela populao.
Estamos agora em posio de acelerar novamente o processo de
aprendizado num fator de milhares ou de milhes, migrando da inteligncia
biolgica para a no biolgica. Quando um neocrtex digital aprende uma
habilidade, ele pode transferir esse know-how em minutos ou at em segundos.
Como um dos muitos exemplos, em minha primeira empresa, a Kurzweil
Computer Products (hoje Nuance Speech Technologies), que fundei em 1973,
passamos anos treinando um conjunto de computadores de pesquisa para
identificarem letras impressas em documentos escaneados, uma tecnologia
chamada reconhecimento ptico de caracteres onifonte (qualquer tipo de fonte),
conhecida como OCR. Essa tecnologia especfica vem sendo desenvolvida
continuamente h quase 40 anos; o produto atual chamado OmniPage da
Nuance. Se voc quiser que seu computador identifique letras impressas, no
precisa passar anos treinando-o para isso, tal como fizemos: voc pode
simplesmente baixar os padres evoludos j aprendidos pelos computadores de
pesquisa na forma de software. Na dcada de 1980, comeamos a trabalhar com
o reconhecimento de fala, e essa tecnologia, que vem sendo desenvolvida h
vrias dcadas, faz parte do Siri. Mais uma vez, voc pode baixar em segundos os
padres evoludos aprendidos por computadores de pesquisa ao longo de muitos
anos.
Em ltima anlise, vamos criar um neocrtex artificial que tem a
flexibilidade e a gama completa de seu equivalente humano. Pense nos
benefcios. Circuitos eletrnicos so milhes de vezes mais rpidos do que nossos
circuitos biolgicos. No incio, teremos de dedicar todo esse ganho em velocidade
para compensar a relativa falta de paralelismo em nossos computadores, mas, no
final, o neocrtex digital ser bem mais veloz do que a variedade biolgica, e sua
velocidade s tende a aumentar.
Quando ampliamos nosso prprio neocrtex com uma verso sinttica, no
temos de nos preocupar com quanto neocrtex adicional pode ser acomodado
fisicamente em nossos corpos e crebros, pois a maior parte dele estar na
nuvem, como a maior parte dos computadores que usamos hoje. Antes, estimei
que temos em torno de 300 milhes de identificadores de padres em nosso
neocrtex biolgico. Isso tudo que podia caber em nosso crnio, mesmo com a
inovao evolutiva de uma testa ampla e com o neocrtex ocupando cerca de
80% do espao disponvel. Assim que comearmos a pensar atravs da nuvem,
no haver limites naturais; seremos capazes de usar bilhes ou trilhes de
identificadores de padres, basicamente o nmero que quisermos, dependendo
do que a lei dos retornos acelerados puder proporcionar a cada unidade de
tempo.
Para que um neocrtex digital possa aprender uma nova habilidade, ele
ainda vai exigir muitas iteraes educativas, assim como o neocrtex biolgico,
mas depois que um nico neocrtex digital, em algum lugar e momento, aprende
alguma coisa, ele pode compartilhar esse conhecimento com todos os outros
neocrtices digitais sem demora. Cada um pode ter seus prprios extensores de
neocrtex particulares na nuvem, assim como temos nossos prprios
armazenadores particulares de dados pessoais.
Por ltimo, mas no menos importante, seremos capazes de criar uma cpia
de segurana da poro digital de nossa inteligncia. Como vimos, no apenas
uma metfora afirmar que nosso neocrtex contm informaes, e assustador
pensar que nenhuma dessas informaes est duplicada atualmente. claro que
h um modo de criar uma cpia da informao contida no crebro: escrevendo-
a. A capacidade de transferir pelo menos parte de nosso pensamento para um
meio que pode durar mais do que nossos corpos biolgicos foi um imenso
avano, mas muitos dados em nosso crebro ainda esto vulnerveis.

Simulaes de crebros
Uma forma de construir um crebro digital simular precisamente um
biolgico. Para citar um exemplo, o doutorando em cincias cerebrais David
Dalry mple (nascido em 1991) est planejando simular o crebro de um
nematdeo (um verme cilndrico [2]). Dalry mple escolheu o nematdeo por
causa de seu sistema nervoso relativamente simples, que consiste em cerca de
300 neurnios, e que ele planeja simular ao nvel bem detalhado das molculas.
Ele tambm vai criar uma simulao computadorizada de seu corpo e de seu
ambiente, para que seu nematdeo virtual possa caar alimento (virtual) e fazer
as outras coisas que os nematdeos sabem fazer melhor. Dalry mple diz que
provvel que seja a primeira carga transferida de um animal biolgico para um
virtual, vivendo num mundo virtual. Como seu nematdeo simulado, saber se at
os nematdeos biolgicos tm conscincia algo aberto a discusses, embora, ao
lutarem para comer, digerir alimentos, evitar predadores e se reproduzir, eles
tenham experincias das quais so conscientes.
Do lado oposto do espectro, o Projeto Blue Brain, de Henry Markram, est
planejando simular o crebro humano, inclusive todo o neocrtex e as regies do
crebro primitivo como o hipocampo, a amgdala e o cerebelo. Suas simulaes
planejadas sero construdas com graus variados de detalhamento, at uma
simulao completa em nvel molecular. Como disse no captulo 4, Markram
descobriu um mdulo-chave com vrias dezenas de neurnios que se repete
sempre no neocrtex, demonstrando que o aprendizado feito por esses mdulos
e no por neurnios isolados.
O progresso de Markram tem aumentado num ritmo exponencial. Ele
simulou um neurnio em 2005, ano em que o projeto comeou. Em 2008, sua
equipe simulou toda uma coluna neocortical do crebro de um rato, consistindo
em 10 mil neurnios. Em 2011, o nmero tinha se expandido para cem colunas,
totalizando um milho de clulas, que ele chamou de mesocircuito. Uma
controvrsia relativa ao trabalho de Markram o modo de verificar se suas
simulaes so precisas. Para isso, essas simulaes vo precisar demonstrar seu
aprendizado, o que discuto a seguir.
Ele planeja similar um crebro de rato completo com cem mesocircuitos,
totalizando 100 milhes de neurnios e cerca de um trilho de sinapses, por volta
de 2014. Numa palestra na conferncia TED de 2009 em Oxford, Markram
disse: No impossvel construir um crebro humano, e podemos faz-lo em 10
anos [3]. Sua meta mais recente para a simulao de um crebro completo
2023 [4].
Markram e sua equipe esto baseando seu modelo em detalhadas anlises
anatmicas e eletroqumicas de neurnios de verdade. Usando um aparato
automtico que criaram, chamado rob de fixao de membranas [patch-clamp
robot], eles esto medindo enzimas, canais inicos e neurotransmissores
especficos responsveis pela atividade eletroqumica dentro de cada neurnio.
Seu sistema automtico conseguiu realizar 30 anos de anlises em seis meses,
segundo Markram. Foi a partir dessas anlises que eles perceberam as unidades
de memria Lego, que so as unidades funcionais bsicas do neocrtex.
Progresso real e projetado do projeto de simulao cerebral Blue Brain

Contribuies significativas para a tecnologia da fixao robtica de


membranas [robotic patch-clamping] foram feitas por Ed Boy den, neurocientista
do MIT, Craig Forest, professor de engenharia mecnica da Georgia Tech, e
Suhasa Kodandaramaiah, orientando de Forest na ps-graduao. Eles
demonstraram um sistema automatizado com preciso de um micrmetro que
pode realizar a varredura de tecidos neurais a uma distncia muito curta sem
danificar as delicadas membranas dos neurnios. Isso uma coisa que um rob
pode fazer e um humano no, comentou Boy den.
Voltando simulao de Markram, depois de simular uma coluna
neocortical, Markram teria dito: Agora s precisamos ampliar a escala [5].
Com certeza, a escala um fator importante, mas resta mais um obstculo
importante: o aprendizado. Se o crebro do Projeto Blue Brain deve falar, ter
uma inteligncia e comportar-se de forma bem parecida com a de um humano,
que foi como Markram descreveu sua meta numa entrevista para a BBC em
2009, ento ele precisar de contedo suficiente em seu neocrtex simulado para
realizar essas tarefas [6]. Como qualquer um que tenha tentado manter uma
conversa com um recm-nascido pode confirmar, preciso aprender muito
antes que isso se torne vivel.
A ponta do rob de fixao de membranas desenvolvido no MIT e na Georgia
Tech fazendo a varredura de tecidos neurais

H duas maneiras bvias pelas quais isso pode ser feito num crebro
simulado como o Blue Brain. Uma seria fazer com que o crebro aprendesse o
contedo tal como um crebro humano o faz. Ele pode comear como um beb
humano recm-nascido, com a capacidade inata de adquirir conhecimento
hierrquico, e com certas transformaes pr-programadas em suas regies de
pr-processamento sensorial. Mas o aprendizado que ocorre entre um beb
biolgico e um ser humano que pode conversar com ele precisaria se dar de
maneira comparvel no aprendizado no biolgico. O problema dessa
abordagem que um crebro que est sendo simulado no nvel de detalhes
esperado para o Blue Brain s deve funcionar em tempo real no incio da dcada
de 2020. At o funcionamento em tempo real seria demasiadamente lento, a
menos que os pesquisadores estejam preparados para aguardar uma ou duas
dcadas at se atingir a paridade intelectual com um humano adulto, embora o
desempenho em tempo real v ficando cada vez mais rpido medida que os
computadores continuam a aumentar em preo/desempenho.
A outra abordagem consiste em fazer com que um ou mais crebros
humanos biolgicos que j adquiriram conhecimento suficiente conversem numa
linguagem significativa e se comportem de forma madura, copiando seus
padres neocorticais para o crebro simulado. O problema desse mtodo que
exige uma tecnologia no invasiva e no destrutiva, com resoluo espacial e
temporal e velocidade suficiente para realizar tal tarefa de maneira rpida e
completa. Imagino que essa tecnologia de uploading no esteja disponvel
antes da dcada de 2040. (As exigncias computacionais para simular um
crebro com esse grau de preciso, que estimo que seja da ordem de 1019
clculos por segundo, estaro disponveis num supercomputador, segundo minhas
projees, no incio da dcada de 2020; no entanto, as tecnologias de varredura
cerebral no destrutivas vo demorar mais.)
H uma terceira abordagem, que aquela que, segundo acredito, projetos de
simulao como o Blue Brain precisaro adotar. Podemos simplificar modelos
moleculares criando equivalentes funcionais em diferentes nveis de
especificidade, que vo desde meu prprio mtodo algortmico funcional (como
descrito neste livro) at simulaes que se aproximam mais de simulaes
moleculares plenas. A velocidade de aprendizado, portanto, pode ser aumentada
por um fator de centenas ou de milhares, dependendo do grau de simplificao
utilizado. possvel idealizar um programa educacional para o crebro simulado
(usando o modelo funcional) que ele pode aprender de forma relativamente
rpida. Ento, a simulao molecular plena pode ser substituda pelo modelo
simplificado, mas ainda usando seu aprendizado acumulado. Depois, podemos
simular o aprendizado com o modelo molecular pleno numa velocidade muito
mais lenta.
Dharmendra Modha, cientista norte-americano da computao, e seus
colegas da IBM criaram uma simulao, clula por clula, de uma poro do
neocrtex visual humano compreendendo 1,6 bilho de neurnios virtuais e 9
trilhes de sinapses, o que equivale ao neocrtex de um gato. Ele funciona cem
vezes mais lentamente do que o tempo real num supercomputador IBM
BlueGene/P, que consiste em 147.456 processadores. O trabalho recebeu o
Prmio Gordon Bell da Association for Computing Machinery.
O propsito especfico de um projeto de simulao cerebral como o Blue
Brain e as simulaes de neocrtex de Modha aprimorar e confirmar um
modelo funcional. No nvel humano, a IA vai usar principalmente o tipo de
modelo algortmico funcional discutido neste livro. No entanto, as simulaes
moleculares vo nos ajudar a aperfeioar esse modelo e a compreender
plenamente quais so os detalhes importantes. Quando desenvolvi a tecnologia de
reconhecimento de fala nas dcadas de 1980 e 1990, conseguimos aprimorar
nossos algoritmos depois que as transformaes reais realizadas pelo nervo
auditivo e pelas primeiras pores do crtex auditivo foram compreendidas.
Mesmo que nosso modelo funcional seja perfeito, compreender exatamente
como ele ser efetivamente implementado em nossos crebros biolgicos vai
revelar conhecimentos importantes sobre funes e disfunes humanas.
Vamos precisar de dados detalhados sobre crebros reais para criar
simulaes com base biolgica. A equipe de Markram est reunindo seus prprios
dados. H projetos em grande escala para coletar esse tipo de dados e
disponibiliz-los para cientistas. Para citar um exemplo, o Cold Spring Harbor
Laboratory de Nova York coletou 500 terabytes de dados mapeando o crebro de
um mamfero (um camundongo), que disponibilizaram em junho de 2012. Seu
projeto permite que o usurio explore um crebro, tal como o Google Earth
permite explorar a superfcie do planeta. possvel se movimentar ao redor do
crebro e dar um zoom para ver neurnios individuais e suas conexes. possvel
destacar uma nica conexo e acompanhar seu caminho pelo crebro.
Dezesseis sees dos Institutos Nacionais da Sade dos Estados Unidos
(National Institutes of Health) se reuniram e patrocinaram uma iniciativa
importante chamada Human Connectome Project, com verbas de US$ 38,5
milhes [7]. Liderado pela Universidade de Washington em St. Louis, a
Universidade de Minnesota, a Universidade de Harvard, o Hospital Geral de
Massachusetts e a Universidade da Califrnia em Los Angeles, o projeto busca
criar um mapa tridimensional similar de conexes no crebro humano. O projeto
est usando diversas tecnologias de varredura no invasiva, inclusive novas
formas de IRM, magnetencelografia (medio dos campos magnticos
produzidos pela atividade eltrica do crebro) e tractografia de difuso (um
mtodo para traar os caminhos dos feixes de fibras no crebro). Como explico
no captulo 10, a resoluo espacial da varredura cerebral no invasiva est
aumentando a um ritmo exponencial. A pesquisa de Van J. Wedeen e seus
colegas no Massachusetts General Hospital, que descrevi no captulo 4,
mostrando uma estrutura de grade altamente regular da fiao do neocrtex,
um dos primeiros resultados desse projeto.
O neurocientista computacional Anders Sandberg (nascido em 1972), da
Universidade de Oxford, e o filsofo sueco Nick Bostrom (nascido em 1973)
escreveram o abrangente Whole brain emulation: a roadmap, que detalha os
requisitos para a simulao do crebro humano (e de outros tipos de crebros)
em nveis diferentes de especificidade de modelos funcionais de alto nvel para a
simulao de molculas [8]. O relatrio no apresenta uma linha do tempo, mas
descreve os requisitos para a simulao de diferentes tipos de crebros com
nveis variados de preciso em termos de varredura cerebral, modelagem,
armazenamento e computao. O relatrio projeta ganhos exponenciais em
todas essas reas de capacidade e diz que as condies para simular o crebro
humano com elevado nvel de detalhamento esto comeando a ser viveis.
Um esboo das capacidades tecnolgicas necessrias para emulao completa
do crebro, em Whole brain emulation: a roadmap, de Anders Sandberg e Nick
Bostrom
Um esboo de Whole brain emulation: a roadmap, de Anders Sandberg e Nick
Bostrom

Redes neurais
Em 1964, ento com 16, escrevi para Frank Rosenblatt (1928-1971), professor da
Universidade Cornell, perguntando-lhe sobre uma mquina chamada Mark 1
Perceptron. Ele a havia criado quatro anos antes, e diziam que tinha propriedades
semelhantes s de um crebro. Ele me convidou a visit-lo e experimentar a
mquina.
O Perceptron foi construdo a partir do que ele chamou de modelos
eletrnicos de neurnios. Os inputs consistiam em valores organizados em duas
dimenses. Para a fala, uma dimenso representava a frequncia e outra o
tempo, de modo que cada valor representava a intensidade de uma frequncia
num dado momento do tempo. Para as imagens, cada ponto era um pixel numa
imagem bidimensional. Cada ponto de um determinado input era conectado
aleatoriamente aos inputs da primeira camada de neurnios simulados. Cada
conexo tinha uma fora sinptica associada representando sua importncia,
estabelecida inicialmente com um valor aleatrio. Cada neurnio somava os
sinais que chegavam at ele. Se o sinal combinado excedesse um limiar
especfico, o neurnio disparava e enviava um sinal para seu output; se o sinal
combinado de input no excedesse o limiar, o neurnio no disparava e seu
output era zero. O output de cada neurnio estava conectado aleatoriamente aos
inputs dos neurnios na camada seguinte. O Mark 1 Perceptron tinha trs
camadas, que podiam ser organizadas em diversas configuraes. Por exemplo,
uma camada poderia retroalimentar uma anterior. Na camada mais elevada, o
output de um ou mais neurnios, tambm selecionados aleatoriamente,
proporcionava a resposta. (Para uma descrio algortmica das redes neurais,
ver esta nota [9].)
Como a fiao da rede neural e os pesos sinpticos so estabelecidos
aleatoriamente no incio, as respostas de uma rede neural no treinada tambm
so aleatrias. A chave para uma rede neural, portanto, que ela precisa
aprender o seu objeto, assim como os crebros de mamferos nos quais ela seria
supostamente modelada. Uma rede neural comea ignorante; seu professor
que pode ser um humano, um programa de computador ou talvez outra rede
neural mais madura, que j aprendeu suas lies recompensa a rede neural
aprendiz quando ela gera o output correto e pune-a quando ela no o faz. Esse
feedback, por sua vez, usado pela rede neural aprendiz para ajustar a fora de
cada conexo interneural. Conexes consistentes com a resposta correta so
fortalecidas. Aquelas que apresentam uma resposta errada so enfraquecidas.
Com o tempo, a rede neural se organiza para apresentar as respostas corretas
sem superviso. Experimentos mostraram que as redes neurais podem aprender
seu objeto de interesse mesmo com professores pouco confiveis. Se o professor
est correto apenas 60% do tempo, a rede neural aprendiz ainda vai aprender
suas lies com uma preciso prxima de 100%.
Contudo, as limitaes na gama de material que o Perceptron era capaz de
aprender tornaram-se aparentes em pouco tempo. Quando visitei o professor
Rosenblatt em 1964, tentei fazer modificaes simples no input. O sistema foi
preparado para identificar letras impressas, e reconhecia-as com razovel
preciso. Fazia um bom trabalho de autoassociao (ou seja, identificava as
letras mesmo que eu cobrisse parte delas), mas no se saa to bem com a
invarincia (ou seja, generalizando mudanas de tamanho e de tipo de fonte, o
que o confundia).
Na ltima metade da dcada de 1960, essas redes neurais tornaram-se
imensamente populares, e o campo do conexionismo ocupou pelo menos
metade do campo da inteligncia artificial. A abordagem mais tradicional IA,
enquanto isso, incluiu tentativas diretas de programar solues para problemas
especficos, como o reconhecimento das propriedades invariantes de letras
impressas.
Outra pessoa que visitei em 1964 foi Marvin Minsky (nascido em 1927), um
dos fundadores do campo da inteligncia artificial. Apesar de ter feito alguns
trabalhos pioneiros sobre redes neurais na dcada de 1950, ele estava preocupado
com o grande surto de interesse nessa tcnica. Parte do encanto das redes neurais
era a suposio de que no exigiam programao aprenderiam sozinhas as
solues para os problemas. Em 1965, entrei para o MIT como estudante, tendo o
professor Minsky como meu orientador, e compartilhei seu ceticismo sobre a
moda do conexionismo.
Em 1969, Minsky e Sey mour Papert (nascido em 1928), os dois
cofundadores do MIT Artificial Intelligence Laboratory, escreveram um livro
chamado Perceptrons, que apresentava um nico teorema central: que um
perceptron era intrinsecamente incapaz de determinar se uma imagem seria
conexa. O livro causou um incndio. Determinar uma conexo ou a falta dela
numa imagem uma tarefa que os humanos podem fazer com bastante
facilidade, e tambm um processo objetivo para programar um computador
para fazer esta discriminao. O fato de os perceptrons no conseguirem realiz-
la era considerado por muitos uma falha fatal.
Muitos, porm, interpretaram o livro Perceptrons como se ele implicasse
mais do que de fato fazia. O teorema de Minsky e Papert se aplicava apenas a
um tipo particular de rede neural chamado rede neural de alimentao avante
(uma categoria que inclui o perceptron de Rosenblatt); outros tipos de redes
neurais no tinham essa limitao. Mesmo assim, o livro conseguiu liquidar com
a maior parte das verbas para pesquisas sobre redes neurais na dcada de 1970.
O campo retornou na dcada de 1980 com algumas tentativas de utilizar modelos
considerados mais realistas de neurnios biolgicos, evitando as limitaes
implicadas pelo teorema do perceptron de Minsky -Papert. No obstante, a
capacidade do neocrtex para solucionar o problema da invarincia, um
elemento fundamental de sua fora, era uma habilidade que continuava alm do
alcance do ressurgente campo conexionista.
Duas imagens da capa do livro Perceptrons, de Marvin Minsky e Sey mour
Papert. A imagem superior no est conectada (ou seja, a rea escura consiste
em duas partes desconexas). A imagem inferior conexa. Um humano pode
determinar isso prontamente, tal como um simples programa de software. Um
perceptron de alimentao avante como o Mark 1 Perceptron de Frank Rosenblatt
no consegue fazer essa determinao

Codificao esparsa: quantizao vetorial


No comeo da dcada de 1980, dei incio a um projeto dedicado a outro
problema clssico do reconhecimento de padres: compreender a fala humana.
No incio, usamos mtodos tradicionais da IA, programando diretamente o
conhecimento de especialistas sobre as unidades fundamentais da fala fonemas
e regras de linguistas sobre a forma como pessoas unem fonemas para
construir palavras e frases. Cada fonema tem padres de frequncia distintos.
Por exemplo, sabemos que vogais como e e a so caracterizadas por certas
frequncias ressonantes chamadas formantes, com uma proporo caracterstica
de formantes para cada fonema. Sons sibilantes como z e s so
caracterizados por uma exploso de rudo que abrange muitas frequncias.
Capturamos a fala como uma forma de onda, que ento convertemos em
mltiplas bandas de frequncias (percebidas como tons) usando um banco de
filtros de frequncia. O resultado dessa transformao pode ser visualizado e se
chama espectrograma (ver pgina 170).
O banco de filtros est copiando aquilo que a cclea humana faz, que o
passo inicial de nosso processamento biolgico do som. Primeiro, o software
identificou fonemas com base em padres distintos de frequncias e depois
identificou palavras com base na identificao de sequncias de fonemas
caractersticos.
O resultado foi parcialmente bem-sucedido. Pudemos ensinar nosso aparelho
a aprender os padres de uma pessoa em particular usando um vocabulrio de
tamanho moderado, medido em milhares de palavras. Quando tentamos
identificar dezenas de milhares de palavras, lidar com diversos falantes e
permitir uma fala totalmente contnua (ou seja, a fala sem pausas entre
palavras), deparamos com o problema da invarincia. Pessoas diferentes
pronunciaram o mesmo fonema de maneira diferente por exemplo, o fonema
e de uma pessoa pode se parecer com o ah de outra. At a mesma pessoa
demonstrou inconsistncia na maneira como pronunciou determinado fonema.
Volta e meia, o padro de um fonema foi afetado pelos fonemas prximos.
Muitos fonemas foram deixados completamente de lado. A pronncia das
palavras (ou seja, o modo como os fonemas se unem para formar palavras)
tambm variou muito e dependeu do contexto. As regras lingusticas que
tnhamos programado estavam sendo transgredidas e no conseguamos
acompanhar a extrema variabilidade da linguagem falada.

Um espectrograma de trs vogais. Da esquerda para a direita: [i], como em


apreciar, [u] como em acstico e [a] como em ah. O eixo Y representa a
frequncia do som. Quanto mais escura a banda, mais energia acstica naquela
frequncia

Espectrograma de uma pessoa dizendo a palavra inglesa hide (esconder). As


linhas horizontais mostram os formantes, que so frequncia sustentadas com
energia particularmente elevada [10]
Para mim ficou claro na poca que a essncia do padro humano e da
identificao conceitual baseava-se em hierarquias. Isso certamente aparente
na linguagem humana, que constitui uma hierarquia complexa de estruturas. Mas
qual o elemento na base das estruturas? Essa foi a primeira pergunta que
analisei ao procurar formas de identificar automaticamente uma fala humana
absolutamente normal.
O som entra pelo ouvido como uma vibrao do ar e convertido em
mltiplas bandas de frequncia por aproximadamente 3 mil clulas capilares
internas da cclea. Cada clula capilar est sintonizada numa frequncia
especfica (observe que percebemos as frequncias como tons) e cada uma atua
como um filtro de frequncias, emitindo um sinal sempre que existe um som em
sua frequncia de ressonncia ou perto dela. Portanto, ao sair da cclea humana,
o som representado por cerca de 3 mil sinais distintos, cada um significando a
intensidade variada ao longo do tempo de uma banda estreita de frequncias
(com substancial superposio entre essas bandas).
Apesar de ter ficado aparente que o crebro era substancialmente paralelo,
parecia-me impossvel para o crebro fazer o pareamento de padres de 3 mil
sinais auditivos distintos. Suspeitei que a evoluo pudesse ser ineficiente. Agora
sabemos que acontece uma reduo bastante substancial de dados no nervo
auditivo antes que os sinais sonoros atinjam o neocrtex.
Em nossos identificadores de fala baseados em software, tambm usamos
filtros implementados como software 16, para ser exato (que depois
aumentamos para 32, pois descobrimos que no havia muito benefcio se
fssemos muito alm disso). Assim, em nosso sistema, cada ponto no tempo era
representado por 16 nmeros. Precisvamos reduzir esses 16 feixes de dados a
um, enfatizando, ao mesmo tempo, as caractersticas que so significativas para
o reconhecimento de fala.
Usamos uma tcnica matematicamente otimizada para fazer isso, chamada
quantizao vetorial. Pense que em qualquer momento especfico, o som (pelo
menos num ouvido) era representado por nosso software com 16 nmeros
diferentes: ou seja, o output de 16 filtros de frequncia. (No sistema auditivo
humano, o nmero seria 3 mil, representando o output de 3 mil clulas capilares
internas da cclea.) Na terminologia matemtica, cada um desses conjuntos de
nmeros (sejam os 3 mil no caso biolgico ou os 16 em nossa implementao
por software) chamado de vetor.
Para simplificar, vamos considerar o processo de quantizao vetorial com
vetores de dois nmeros. Cada vetor pode ser considerado um ponto no espao
bidimensional.
Se tivermos uma amostra bem grande desses vetores e os plotarmos,
provvel que percebamos a formao de grupos.
Para identificarmos os grupos, precisamos decidir quantos vamos permitir.
Em nosso projeto, de maneira geral, permitimos 1.024 grupos para podermos
numer-los e atribuir a cada grupo um rtulo de 10 bits (pois 210 = 1.024). Nossa
amostra de vetores representa a diversidade que esperamos. Designamos
arbitrariamente os primeiros 1.024 vetores como grupos de um ponto. Depois,
analisamos o 1.025o vetor e descobrimos o ponto mais prximo a ele. Se essa
distncia for maior do que a menor distncia entre qualquer par dos 1.024 pontos,
consideramo-lo o incio de um novo grupo. Depois, reduzimos os dois grupos (de
um ponto) mais prximos a um nico grupo. Assim, ainda nos restam 1.024
grupos. Aps processar o 1.025o vetor, um desses grupos ter agora mais do que
um ponto. Continuamos a processar os pontos dessa maneira, sempre mantendo
1.024 grupos. Aps processarmos todos os pontos, representamos cada grupo
multipontos pelo centro geomtrico dos pontos desse grupo.
Continuamos com esse processo iterativo at termos passado por todos os
pontos da amostra. Normalmente, processamos milhes de pontos em 1.024
grupos (210); tambm usamos 2.048 (211) ou 4.096 (212) grupos. Cada grupo
representado por um vetor que fica no centro geomtrico dos pontos desse grupo.
Logo, o total das distncias entre todos os pontos do grupo at o ponto central do
grupo o menor possvel.
O resultado dessa tcnica que, em vez de ter os milhes de pontos com que
comeamos (e um nmero ainda maior de pontos possveis), agora reduzimos os
dados a apenas 1.024 pontos que usam o espao de possibilidades de forma ideal.
No so atribudos grupos a partes do espao que nunca so usadas.
Ento, atribumos um nmero para cada grupo (em nosso caso, de 0 a
1.023). Esse nmero a representao reduzida, quantizada desse grupo,
motivo pelo qual a tcnica chamada de quantizao vetorial. Qualquer vetor de
input que surgir no futuro ser representado pelo nmero do grupo cujo ponto
central estiver mais prximo desse novo vetor de input.
Agora, podemos pr-calcular uma tabela com a distncia entre o ponto
central de cada grupo e todos os outros pontos centrais. Portanto, teremos
disponvel, de forma instantnea, a distncia entre esse novo vetor de input (que
representamos por esse ponto quantizado noutras palavras, pelo nmero do
grupo que estiver mais prximo desse novo ponto) e todos os outros grupos. Como
estamos representando apenas os pontos por seu grupo mais prximo, agora
conhecemos a distncia entre este ponto e qualquer outro ponto que possa surgir.
Descrevi a tcnica acima usando vetores com apenas dois nmeros, mas o
trabalho com vetores de 16 elementos totalmente anlogo ao exemplo mais
simples. Como escolhemos vetores com 16 nmeros representando 16 bandas de
frequncia diferentes, cada ponto de nosso sistema era um ponto do espao
tetradecadimensional. difcil imaginar um espao com mais de trs dimenses
(talvez quatro, caso incluamos o tempo), mas a matemtica no tem essas
inibies.
Realizamos quatro coisas com esse processo. Primeiro, reduzimos bastante a
complexidade dos dados. Segundo, reduzimos dados tetradecadimensionais a
dados unidimensionais (ou seja, agora cada amostra um nico nmero).
Terceiro, melhoramos nossa capacidade de encontrar caractersticas invariantes,
pois estamos enfatizando pores do espao de sons possveis que transmitem
mais informaes. Muitas das combinaes de frequncias so fisicamente
impossveis ou, no mnimo, muito improvveis, por isso no h motivo para dar o
mesmo espao s combinaes improvveis de input que reservamos para as
provveis. Essa tcnica reduz os dados a possibilidades igualmente provveis. O
quarto benefcio que podemos usar identificadores de padres unidimensionais,
mesmo que os dados originais consistam em muitas outras dimenses. Pelo que
vimos, essa a abordagem mais eficiente para utilizarmos os recursos
computacionais disponveis.

Lendo sua mente com os Modelos Ocultos de Markov


Com a quantizao vetorial, simplificamos os dados de modo a enfatizar as
caractersticas principais, mas ainda precisamos de um modo de representar a
hierarquia de caractersticas invariantes que daria sentido s novas informaes.
Tendo trabalhado no campo de reconhecimento de padres naquela poca (incio
da dcada de 1980) por 20 anos, eu sabia que as representaes unidimensionais
eram bem mais poderosas, eficientes e receptivas a resultados invariantes. No
se conhecia muito bem o neocrtex no incio da dcada de 1980, mas, com base
em minha experincia com diversos problemas de reconhecimento de padres,
presumi que o crebro tambm deveria reduzir seus dados multidimensionais
(fossem dos olhos, dos ouvidos ou da pele), usando uma representao
unidimensional, especialmente com a ascenso dos conceitos na hierarquia do
neocrtex.
No problema do reconhecimento da fala, a organizao da informao no
sinal da fala parecia ser uma hierarquia de padres, na qual cada padro era
representado por uma srie linear de elementos projetados adiante. Cada
elemento de um padro poderia ser outro padro num nvel inferior, ou uma
unidade de input fundamental (que, no caso do reconhecimento de fala, seriam
nossos vetores quantizados).
Voc vai perceber que essa situao consistente com o modelo de
neocrtex que apresentei antes. Logo, a fala humana produzida por uma
hierarquia de padres lineares no crebro. Se pudssemos examinar
simplesmente esses padres no crebro da pessoa que fala, seria apenas questo
de parear suas novas manifestaes verbais com seus padres cerebrais e
compreender o que a pessoa estaria dizendo. Infelizmente, no temos acesso
direto ao crebro do falante a nica informao de que dispomos o que ele
efetivamente disse. claro que essa a meta da linguagem falada: o falante est
compartilhando uma parcela de sua mente em sua manifestao oral.
Exemplo simples de uma camada de um Modelo Oculto de Markov. S1 a S4
representam os estados internos ocultos. Cada uma das transies P i,j
representa a probabilidade de passar do estado Si para o estado Sj . Essas
probabilidades so determinadas pelo aprendizado do sistema a partir dos dados
de treinamento (inclusive durante o uso efetivo). Uma nova sequncia (como
uma nova manifestao oral) pareada com essas probabilidades para se
determinar a possibilidade de que esse modelo produza a sequncia
Assim, eu pensei: existe uma tcnica matemtica que nos permitiria inferir
os padres no crebro do falante com base em suas palavras faladas?
Obviamente, uma manifestao oral no seria suficiente, mas se tivssemos um
grande nmero de amostras, poderamos usar essa informao para ler os
padres no neocrtex do falante (ou, no mnimo, formular alguma coisa
matematicamente equivalente que nos possibilitaria identificar novas
manifestaes orais)?
As pessoas no costumam perceber o poder da matemtica lembre-se de
que nossa capacidade de pesquisar boa parte do conhecimento humano numa
frao de segundo com motores de pesquisa baseia-se numa tcnica
matemtica. Para lidar com o problema do reconhecimento de fala que
enfrentei no incio da dcada de 1980, percebi que a tcnica dos Modelos Ocultos
de Markov atendia perfeitamente necessidade. O matemtico russo Andrei
Andrey evich Markov (1856-1922) construiu uma teoria matemtica de
sequncias hierrquicas de estados. O modelo baseava-se na possibilidade de
transpor os estados numa cadeia, e, se isso fosse bem-sucedido, de disparar um
estado no nvel hierrquico imediatamente superior. Parece familiar?
O modelo de Markov incluiu as probabilidades da ocorrncia bem-sucedida
de cada estado. Ele prosseguiu e hipotetizou uma situao em que um sistema
tem essa hierarquia de sequncias lineares de estados, mas no possvel
examin-los diretamente da o nome, Modelos Ocultos de Markov. O nvel mais
baixo da hierarquia emite sinais que podem ser vistos por todos. Markov
apresenta uma tcnica matemtica para computar que probabilidades de cada
transio devem ser baseadas no output observado. O mtodo foi aprimorado
posteriormente por Norbert Wiener em 1923. O aprimoramento de Wiener
tambm apresentou um modo para se determinar as conexes no modelo de
Markov; basicamente, qualquer conexo com uma probabilidade to baixa era
considerada inexistente. Em sntese, assim que o neocrtex humano elimina
conexes: se elas raramente (ou nunca) so usadas, so consideradas
improvveis e so podadas. Em nosso caso, o output observado o sinal de fala
criado pela pessoa que fala, e as probabilidades e conexes de estado do modelo
de Markov constituem a hierarquia neocortical que a produziu.
Idealizei um sistema no qual tomaramos amostras de fala humana,
aplicaramos a tcnica dos Modelos Ocultos de Markov para inferir uma
hierarquia de estados com conexes e probabilidades (basicamente um
neocrtex simulado para a produo de fala), e usaramos depois essa rede
hierrquica inferida de estados para identificar novas manifestaes orais. Para
criar um sistema independente do falante, usaramos amostras de muitos
indivduos diferentes para treinar os modelos ocultos de Markov. Acrescentando o
elemento das hierarquias para representar a natureza hierrquica da informao
na linguagem, eles foram chamados apropriadamente de Modelos Hierrquicos
Ocultos de Markov (ou HHMMs, de Hierarchical Hidden Markov Models).
Meus colegas na Kurzweil Applied Intelligence mostraram-se cticos diante
da viabilidade dessa tcnica, tendo em vista que se tratava de um mtodo auto-
organizado que lembrava as redes neurais, que haviam cado em descrdito e
com as quais havamos tido pouco sucesso. Mostrei que a rede num sistema
neural fixa e no se adapta ao input: os pesos se adaptam, mas as conexes,
no. No modelo de Markov, desde que preparado corretamente, o sistema
podaria as conexes no utilizadas, adaptando-se topologia.
Estabeleci um projeto que foi considerado um skunk works (expresso
organizacional para um projeto que no segue caminhos convencionais e que
tem pouco apoio de recursos formais), formado por mim, um programador que
trabalhava em meio expediente e um engenheiro eltrico (para criar o banco de
filtros de frequncia). Para a surpresa de meus colegas, nosso esforo mostrou-
se bem-sucedido, tendo xito na identificao bastante precisa de fala de um
vocabulrio extenso.
Depois desse experimento, todos os nossos esforos posteriores de
reconhecimento de fala basearam-se em modelos hierrquicos ocultos de
Markov. Aparentemente, outras empresas de reconhecimento de fala
descobriram o valor desse mtodo de maneira independente, e, desde meados da
dcada de 1980, muitos trabalhos de reconhecimento automatizado de fala tm
se baseado nessa abordagem. Os Modelos Ocultos de Markov tambm so usados
na sntese da fala lembre-se de que nossa hierarquia cortical biolgica usada
no s para identificar inputs como para produzir outputs, como a fala e
movimentos fsicos.
Estados ocultos de Markov e possveis transies para produzir uma sequncia de
palavras em um texto de linguagem natural

Os HHMMs tambm so usados em sistemas que compreendem o


significado de frases em linguagem natural, o que representa uma ascenso na
hierarquia conceitual.
Para compreender o funcionamento do mtodo HHMM, comeamos com
uma rede que consiste em todas as transies de estado possveis. O mtodo de
quantizao vetorial descrito antes crtico aqui, pois do contrrio haveria
possibilidades demais para se analisar.
Eis uma possvel topologia inicial simplificada:

Topologia simples de Modelo Oculto de Markov para identificar duas palavras


faladas
Amostras de manifestaes orais so processadas uma a uma. Para cada
uma, modificamos iterativamente as probabilidades das transies para refletir
melhor a amostra de input que acabamos de processar. Os modelos de Markov
usados no reconhecimento de fala codificam a possibilidade de encontrar
padres sonoros especficos em cada fonema, como os fonemas se influenciam
mutuamente e as ordens provveis dos fonemas. O sistema tambm pode incluir
redes de probabilidade em nveis superiores da estrutura da linguagem, como a
ordem das palavras, a incluso de frases e assim por diante, subindo pela
hierarquia da linguagem.
Embora nossos sistemas anteriores de reconhecimento de fala
incorporassem regras especficas sobre estruturas e sequncias de fonemas
explicitamente codificadas por linguistas humanos, o novo sistema com base
HHMM no sabia explicitamente que existem 44 fonemas em ingls, nem as
sequncias de vetores mais provveis para cada fonema, ou quais sequncias de
fonemas eram mais provveis do que outras. Deixamos o sistema descobrir essas
regras sozinho a partir de milhares de horas de dados transcritos de fala
humana. A vantagem dessa abordagem sobre regras codificadas mo que os
modelos desenvolvem regras probabilsticas das quais os especialistas humanos
nem sempre esto a par. Percebemos que muitas regras que o sistema aprendeu
automaticamente com os dados divergiam de maneiras sutis, mas importantes,
das regras estabelecidas por especialistas humanos.
Depois que a rede foi treinada, comeamos a tentar identificar a fala
levando em conta os caminhos alternativos atravs da rede e escolhendo o
caminho mais provvel, tendo em mente a sequncia real de vetores de input que
tnhamos visto. Noutras palavras, se vimos uma sequncia de estados que tinha a
probabilidade de produzir aquela manifestao oral, conclumos que ela proveio
da sequncia cortical. Esse neocrtex simulado e baseado em HHMM incluiu
rtulos de palavras, permitindo propor uma transcrio daquilo que ele ouvira.
Depois, pudemos aprimorar ainda mais nossos resultados continuando a
treinar a rede ao mesmo tempo em que a usamos para identificao. Como
discutimos, a identificao e o aprendizado simultneos tambm acontecem em
todos os nveis de nossa hierarquia neocortical biolgica.

Algoritmos evolutivos (genticos)


H ainda outra considerao importante: como estabelecemos os diversos
parmetros que controlam o funcionamento de um sistema de reconhecimento
de padres? Poderamos incluir o nmero de vetores que habilitamos na etapa de
quantizao vetorial, a topologia inicial de estados hierrquicos (antes de a fase
de treinamento do processo do Modelo Oculto de Markov pod-los), o limiar de
identificao em cada nvel da hierarquia, os parmetros que controlam o
tratamento dos parmetros de tamanho, e muitos outros. Podemos estabelec-los
com base em nossa intuio, mas os resultados estaro muito distantes do ideal.
Chamamos esses parmetros de parmetros de Deus porque eles so
estabelecidos antes do mtodo auto-organizado de determinao da topologia dos
Modelos Ocultos de Markov (ou, no caso biolgico, antes que a pessoa aprenda
suas lies criando, de modo similar, conexes em sua hierarquia cortical).
Talvez seja um nome inadequado, uma vez que esses detalhes de desenho inicial
com base no DNA so determinados pela evoluo biolgica, embora alguns
possam ver a mo de Deus nesse processo (embora eu considere que a evoluo
seja um processo espiritual, essa discusso pertence ao captulo 9).
Quando chegou o momento de estabelecer esses parmetros de Deus em
nosso sistema hierrquico simulado de aprendizado e identificao, pegamos
emprestada novamente uma pista da natureza e decidimos desenvolv-la em
nosso caso, usando uma simulao da evoluo. Usamos os chamados algoritmos
genticos ou evolutivos (AGs), que incluem reproduo sexual e mutaes
simuladas.
Eis uma descrio simplificada do funcionamento desse mtodo. Primeiro,
determinamos um modo de codificar possveis solues para determinado
problema. Se o problema for a otimizao dos parmetros de projeto de um
circuito, ento definimos uma lista com todos os parmetros (com um nmero
especfico de bits designados para cada parmetro) que caracterizam o circuito.
Essa lista considerada o cdigo gentico do algoritmo gentico. Depois,
geramos aleatoriamente milhares de cdigos genticos, ou mais. Cada um desses
cdigos genticos (que representa um conjunto de parmetros designados)
considerado um organismo simulado de soluo.
Depois, avaliamos cada organismo simulado num ambiente simulado,
usando um mtodo definido para avaliar cada conjunto de parmetros. Essa
avaliao uma chave para o sucesso de um algoritmo gentico. Em nosso
exemplo, cada programa gerado pelos parmetros seria executado e julgado
segundo critrios apropriados (ele completou a tarefa, quanto tempo levou, e
assim por diante). Os organismos com a melhor soluo (os melhores projetos)
podem sobreviver, e os restantes so eliminados.
Agora, fazemos com que cada um dos sobreviventes se multiplique at
terem atingido o mesmo nmero de criaturas-soluo. Isso feito simulando a
reproduo sexual: noutras palavras, criamos uma nova prole, e cada criatura
nova extrai uma parte de seu cdigo gentico de um progenitor e outra parte de
um segundo progenitor. Normalmente, no se faz distino entre organismos
masculinos ou femininos; basta gerar uma prole a partir de dois progenitores
arbitrrios, e por isso estamos falando basicamente de casamentos do mesmo
sexo. Talvez no seja to interessante quanto a reproduo sexual no mundo
natural, mas o ponto relevante aqui ter dois progenitores. Como esses
organismos simulados se reproduzem, permitimos que ocorra alguma mutao
(mudanas aleatrias) nos cromossomos.
Bem, definimos uma gerao de evoluo simulada; depois, repetimos essas
etapas para cada gerao subsequente. Ao cabo de cada gerao, determinamos
qual a melhora nos desenhos (ou seja, computamos a melhoria mdia na funo
de avaliao em todos os organismos sobreviventes). Quando o grau de melhoria
de uma gerao para outra na avaliao do desenho das criaturas torna-se muito
pequeno, paramos esse ciclo iterativo e usamos os melhores desenhos na ltima
gerao. (Para uma descrio algortmica dos algoritmos genticos, ver esta nota
[11].)
A chave para um algoritmo gentico que os projetistas humanos no
programam diretamente uma soluo; em vez disso, deixamos que ela emerja
atravs de um processo iterativo de competio e melhoria simuladas. A
evoluo biolgica sagaz mas lenta, e por isso, para reforar sua inteligncia,
aceleramos bastante esse ritmo pesado. O computador rpido o bastante para
simular muitas geraes numa questo de horas ou dias, e algumas vezes o
deixamos trabalhar durante semanas para simular centenas de milhares de
geraes. Mas temos de passar apenas uma vez por esse processo iterativo; assim
que deixamos essa evoluo simulada trilhar seu curso, podemos aplicar
rapidamente as regras evoludas e altamente refinadas a problemas reais. No
caso de nossos sistemas de reconhecimento de fala, ns os usamos para
desenvolver a topologia inicial da rede e outros parmetros crticos. Logo,
usamos dois mtodos auto-organizados: um AG para simular a evoluo
biolgica que deu origem a um desenho cortical especfico, e HHMMs para
simular a organizao cortical que acompanha o aprendizado humano.
Outro requisito importante para o sucesso de um AG um mtodo vlido de
avaliao de cada soluo possvel. Essa avaliao precisa ser feita rapidamente,
pois deve levar em conta milhares de solues possveis para cada gerao de
evoluo simulada. Os AGs so hbeis no tratamento de problemas com muitas
variveis para o clculo de solues analticas precisas. O projeto de um motor,
por exemplo, pode compreender mais de cem variveis e exige a satisfao de
dezenas de limitaes; AGs usados pelos pesquisadores da General Electric
conseguiram desenhar motores a jato que aderem s limitaes de forma bem
mais precisa do que os mtodos convencionais.
Mas preciso ser cauteloso nas expectativas quando usamos AGs. Um
algoritmo gentico foi usado para resolver um problema de empilhamento de
blocos, e obteve uma soluo perfeita... s que ela implicava milhares de etapas.
Os programadores humanos se esqueceram de incluir a minimizao do nmero
de etapas em sua funo de avaliao.
O projeto Electric Sheep, de Scott Drave, um AG que produz arte. A
funo de avaliao usa avaliadores humanos numa colaborao de fonte aberta
que envolve muitos milhares de pessoas. A arte se move atravs do tempo e voc
pode apreci-la em electricsheep.org.
Para o reconhecimento de fala, a combinao de algoritmos genticos e de
modelos ocultos de Markov funcionou extremamente bem. A simulao da
evoluo com um AG foi capaz de melhorar substancialmente o desempenho de
redes HHMM. O que a evoluo produziu foi bem superior a nosso desenho
original, que se baseava em nossa intuio.
Depois, experimentamos introduzir uma srie de pequenas variaes no
sistema geral. Por exemplo, introduzimos perturbaes (pequenas mudanas
aleatrias) no input. Outra dessas mudanas consistiu em fazer com que modelos
de Markov adjacentes vazassem um no outro, levando os resultados de um
modelo de Markov a influenciar modelos que estivessem prximos. Apesar de
no termos percebido isso na poca, o tipo de ajuste que experimentamos
muito similar ao tipo de modificao que ocorre em estruturas corticais
biolgicas.
No incio, essas mudanas prejudicam o desempenho (medido pela preciso
da identificao). Mas, se tornssemos a executar a evoluo (ou seja,
tornssemos a executar o AG) com essas alteraes aplicadas, isso adaptaria
coerentemente o sistema, otimizando-o para essas modificaes introduzidas. De
modo geral, isso restauraria o desempenho. Se depois removssemos as
mudanas introduzidas, o desempenho pioraria novamente, pois o sistema teria
evoludo para compensar as mudanas. O sistema adaptado tornou-se
dependente das mudanas.
Um tipo de alterao que realmente ajudou o desempenho (aps executar
novamente o AG) foi a introduo de pequenas mudanas aleatrias no input. O
motivo para isso o conhecido problema do sobreajuste em sistemas auto-
organizados. Existe o perigo de que tal sistema generalize de forma exagerada os
exemplos especficos contidos na amostra de treinamento. Fazendo ajustes
aleatrios no input, os padres mais invariantes dos dados vo sobreviver, e com
isso o sistema aprende esses padres mais profundos. Isso s ajudou quando
tornamos a executar o AG com a caracterstica aleatria acionada.
Isso introduz um dilema na compreenso de nossos circuitos corticais
biolgicos. Percebeu-se, por exemplo, que pode mesmo haver um pequeno
vazamento de uma conexo cortical para outra, resultante do modo como as
conexes biolgicas se formam: aparentemente, a eletroqumica dos axnios e
dendritos est sujeita aos efeitos eletromagnticos das conexes prximas.
Suponha que somos capazes de realizar um experimento no qual removemos
esse efeito de um crebro de verdade. Ser difcil realiz-lo, mas no
necessariamente impossvel. Suponha que realizamos tal experimento e que
descobrimos que os circuitos corticais funcionaram com menos eficincia sem
esse vazamento neural. Podemos concluir que esse fenmeno foi um projeto
bastante sagaz da evoluo e fundamental para que o crtex atingisse seu nvel de
desempenho. Podemos lembrar ainda que tal resultado mostra que o modelo
organizado do fluxo de padres que sobe pela hierarquia conceitual e o fluxo de
predies que desce por ela eram, de fato, muito mais complicados por causa
dessa intricada influncia exercida pelas conexes, umas sobre as outras.
Mas essa no seria necessariamente uma concluso precisa. Veja nossa
experincia com um crtex simulado com base em HHMMs, no qual
implementamos uma modificao muito similar interferncia entre neurnios.
Se depois executssemos a evoluo com esse fenmeno ativado, o desempenho
seria restaurado (porque o processo evolutivo se adaptou a ele). Se tirssemos
depois a interferncia, o desempenho seria novamente comprometido. No caso
biolgico, a evoluo (ou seja, a evoluo biolgica) na verdade foi executada
com esse fenmeno ativado. Os parmetros detalhados do sistema, portanto,
foram estabelecidos pela evoluo biolgica e dependem desses fatores; logo,
sua modificao afetar negativamente o desempenho, a menos que executemos
novamente a evoluo. vivel faz-lo no mundo simulado, no qual a evoluo
ocupa apenas dias ou semanas, mas no mundo biolgico isso exigiria dezenas de
milhares de anos.
Assim, como podemos saber se uma caracterstica especfica de desenho do
neocrtex biolgico uma inovao vital introduzida pela evoluo biolgica ou
seja, algo crucial para o nosso nvel de inteligncia ou apenas um artefato do
qual o desenho do sistema depende, mas sem o qual poderia ter evoludo?
Podemos responder a essa pergunta executando a evoluo simulada com e sem
essas variaes especficas nos detalhes do desenho (por exemplo, sem e com
interferncia entre conexes). Podemos faz-lo at na evoluo biolgica se
estivermos examinando a evoluo de uma colnia de micro-organismos na qual
as geraes so medidas em horas, mas isso no prtico em organismos
complexos como os humanos. Essa outra das muitas desvantagens da biologia.
Voltando a nosso reconhecimento de fala, descobrimos que se
executssemos a evoluo (ou seja, um AG) separadamente no projeto inicial
(1) dos modelos hierrquicos ocultos de Markov que estavam modelando a
estrutura interna de fonemas e (2) da modelagem feita pelos HHMMs das
estruturas das palavras e frases, obteramos resultados ainda melhores. Os dois
nveis do sistema estavam usando HHMMs, mas o AG desenvolveria variaes
de projeto entre esses nveis diferentes. Essa abordagem ainda permitiu a
modelagem de fenmenos que ocorrem entre os dois nveis, como a eliso de
fonemas que costuma acontecer quando juntamos certas palavras (por exemplo,
Como vocs esto? pode se tornar Como cesto?)
provvel que um fenmeno similar ocorra em regies diferentes do crtex
biolgico, pois elas desenvolveram pequenas diferenas com base no tipo de
padres com que precisam lidar. Embora todas essas regies usem basicamente
o mesmo algoritmo neocortical, a evoluo biolgica teve tempo suficiente para
ajustar o desenho de cada uma delas a fim de otimiz-las para seus padres
especficos. Entretanto, como disse antes, neurocientistas e neurologistas
perceberam uma plasticidade considervel nessas reas, apoiando a ideia de um
algoritmo neocortical geral. Se os mtodos fundamentais de cada regio fossem
radicalmente diferentes, ento essa intercambiabilidade entre regies corticais
no seria possvel.
Os sistemas que criamos em nossa pesquisa usando essa combinao de
mtodos auto-organizados foram muito bem-sucedidos. No reconhecimento de
fala, possibilitaram que se tratasse pela primeira vez a fala plenamente contnua
e vocabulrios relativamente irrestritos. Pudemos atingir um ndice bastante
preciso com uma ampla variedade de falantes, sotaques e dialetos. Enquanto este
livro est sendo escrito, o maior avano representado por um produto chamado
Dragon Naturally Speaking (Verso 11. 5) para PC, da Nuance (antiga Kurzweil
Computer Products). Sugiro que as pessoas o experimentem caso duvidem do
desempenho do reconhecimento de fala contemporneo a preciso costuma
ficar em torno de 99% ou mais, aps alguns minutos de treinamento com sua voz
em fala contnua e vocabulrios relativamente irrestritos. Dragon Dictation um
aplicativo gratuito para iPhone mais simples, mas ainda impressionante, que no
exige treinamento de voz. Siri, o assistente pessoal dos iPhones atuais da Apple,
usa a mesma tecnologia de reconhecimento de fala com extenses para poder
compreender a linguagem natural.
O desempenho desses sistemas um testemunho do poder da matemtica.
Com eles, estamos essencialmente computando aquilo que acontece no
neocrtex de um falante mesmo que no tenhamos acesso direto ao crebro
dessa pessoa como etapa essencial no reconhecimento daquilo que a pessoa
est dizendo e, no caso de sistemas como Siri, do significado dessas
manifestaes orais. Podemos nos perguntar se, ao olharmos de fato o neocrtex
do falante, veramos conexes e pesos correspondentes aos modelos hierrquicos
ocultos de Markov calculados pelo software. Com quase toda a certeza, no
descobriramos um pareamento preciso; as estruturas neuronais difeririam
invariavelmente em muitos detalhes em comparao com os modelos do
computador. Entretanto, eu afirmaria que deve existir uma equivalncia
matemtica essencial, com elevado grau de preciso, entre a biologia real e
nossa tentativa de imit-la; do contrrio, esses sistemas no funcionariam to
bem como funcionam.

LISP
A LISP (sigla de LISt Processor) uma linguagem de computao especificada
originalmente pelo pioneiro da IA John McCarthy (1927-2011) em 1958. Como
seu nome sugere, a LISP lida com listas. Cada declarao LISP uma lista de
elementos; cada elemento uma lista ou um tomo, ou seja, um item
irredutvel que consiste num nmero ou num smbolo. Uma lista includa numa
lista pode ser a prpria lista, e por isso a LISP capaz de recursividade. Outro
modo pelo qual as declaraes LISP podem ser recursivas uma lista incluir
uma lista, e assim por diante, at a lista original ser especificada. Como listas
podem incluir listas, a LISP tambm capaz de processamento hierrquico.
Uma lista pode ser condicional, de modo a s disparar se os seus elementos
forem satisfeitos. Desse modo, hierarquias de tais condicionantes podem ser
usadas para identificar qualidades cada vez mais abstratas de um padro.
A LISP tornou-se mania na comunidade de inteligncia artificial na dcada
de 1970 e incio da dcada de 1980. A ideia de linguagem que os entusiastas da
LISP tinham na dcada de 1970 era que a linguagem refletia o modo de
funcionamento do crebro humano que qualquer processo inteligente pode ser
codificado com mais facilidade e eficincia em LISP. Seguiu-se uma
miniexploso de empresas de inteligncia artificial que ofereciam intrpretes
LISP e produtos LISP correlatos, mas quando ficou evidente, em meados da
dcada de 1980, que a LISP no era um atalho para a criao de processos
inteligentes, o balo de investimentos murchou.
Acontece que os entusiastas da LISP no estavam totalmente errados.
Essencialmente, cada identificador de padres do neocrtex pode ser
considerado uma declarao LISP cada uma constitui uma lista de elementos,
e cada elemento pode ser outra lista. Portanto, o neocrtex est dedicado ao
processamento de listas de natureza simblica, algo bem similar ao que acontece
num programa LISP. Alm disso, ele processa todos os 300 milhes de
declaraes semelhantes LISP ao mesmo tempo.
No entanto, havia duas caractersticas importantes faltando no mundo da
LISP, e uma delas era o aprendizado. Os programas LISP precisavam ser
codificados linha por linha por programadores humanos. Houve tentativas de
codificar programas LISP automaticamente usando diversos mtodos, mas eles
no faziam parte do conceito da linguagem. O neocrtex, por sua vez, programa-
se a si mesmo, preenchendo suas declaraes (ou seja, as listas) com
informaes significativas e acionveis a partir de sua prpria experincia e de
seus prprios elos de retroalimentao. Esse um princpio fundamental do
modo de funcionamento do neocrtex: cada um de seus identificadores de
padres (ou seja, cada declarao semelhante LISP) capaz de preencher sua
prpria lista e se conectar com outras listas, para cima e para baixo. A segunda
diferena est nos parmetros de tamanho. possvel criar uma variante da
LISP (codificada em LISP) que permita assimilar esses parmetros, mas eles
no fazem parte da linguagem bsica.
A LISP condizente com a filosofia original do campo da IA, que era
descobrir solues inteligentes para problemas e codific-las diretamente em
linguagens de computador. A primeira tentativa de criar um mtodo auto-
organizado que aprendesse com a experincia redes neurais no teve sucesso
porque no oferecia um meio de modificar a topologia do sistema em resposta
ao aprendizado. O Modelo Hierrquico Oculto de Markov proporcionou isso com
eficincia atravs de seu mecanismo de poda. Hoje, o HHMM, juntamente com
seus primos matemticos, constitui uma parcela significativa do mundo da IA.
Um corolrio da observao da semelhana entre LISP e a estrutura em
listas do neocrtex um argumento lanado por aqueles que afirmam que o
crebro demasiadamente complexo para nossa compreenso. Esses crticos
alegam que o crebro tem trilhes de conexes e, como cada uma deve estar ali
especificamente por seu desenho, elas constituem o equivalente a trilhes de
linhas de cdigo. Como j vimos, estimei que h cerca de 300 milhes de
processadores de padres no neocrtex ou 300 milhes de listas, nas quais cada
elemento est apontando para outra lista (ou, no nvel conceitual mais baixo, para
um padro bsico e irredutvel fora do neocrtex). Mas 300 milhes ainda um
nmero razoavelmente grande de declaraes LISP e, de fato, maior do que
qualquer programa existente escrito por humanos.
Todavia, precisamos ter em mente que essas listas no esto efetivamente
especificadas no desenho original do sistema nervoso. O crebro cria sozinho
essas listas, conectando automaticamente os nveis a partir de suas prprias
experincias. Esse o principal segredo do neocrtex. Os processos que realizam
essa auto-organizao so muito mais simples do que os 300 milhes de
declaraes que constituem a capacidade do neocrtex. Esses processos esto
especificados no genoma. Como demonstro no captulo 11, a quantidade de
informaes nicas no genoma (aps uma compresso sem perdas) aplicada ao
crebro de 25 milhes de bytes, equivalente a menos do que um milho de
linhas de cdigo. A complexidade efetiva do algoritmo ainda menor do que isso,
pois a maioria dos 25 milhes de bytes de informao gentica pertence s
necessidades biolgicas dos neurnios, no especificamente sua capacidade de
processamento de informao. No entanto, mesmo esses 25 milhes de bytes de
informao de projeto constituem um nvel de complexidade com o qual
podemos lidar.

Sistemas de memria hierrquica


Como discuti no captulo 3, Jeff Hawkins e Dileep George em 2003 e 2004
desenvolveram um modelo do neocrtex incorporando listas hierrquicas, o que
foi descrito no livro de Hawkins e Blakeslee de 2004, On intelligence. Uma
apresentao mais atualizada e muito elegante do mtodo da memria temporal
hierrquica pode ser encontrada na dissertao de doutorado de Dileep George,
de 2008.12 A Numenta o implementou num sistema chamado NuPIC (Numenta
Platform for Intelligent Computing, ou Plataforma Numenta para Computao
Inteligente) e desenvolveu o reconhecimento de padres e sistemas inteligentes
de prospeco de dados para clientes como Forbes e a Power Analy tics
Corporation. Depois de trabalhar com a Numenta, George criou uma nova
empresa chamada Vicarious Sy stems, com verbas do Founder Fund
(administrado por Peter Thiel, o capitalista de investimentos de risco por trs do
Facebook, e Sean Parker, o primeiro presidente do Facebook) e da Good
Ventures, gerida por Dustin Moskovitz, cofundador do Facebook. George
apresentou progressos significativos em processos automticos de modelagem,
aprendizado e reconhecimento de informaes com um nmero substancial de
hierarquias. Ele chamou seu sistema de uma rede cortical recursiva e planeja
aplicaes para robtica e gerao de imagens mdicas, entre outros campos.
Em termos matemticos, a tcnica de modelos hierrquicos ocultos de Markov
bastante similar a esses sistemas de memria hierrquica, especialmente se
permitimos que o sistema HHMM organize suas prprias conexes entre mdulos
de reconhecimento de padres. Como mencionado antes, os HHMM
proporcionam um elemento adicional importante, que a modelagem da
distribuio esperada da magnitude (dentro de um continuum) de cada input ao
computar a probabilidade de existncia do padro sendo analisado.
Recentemente, fundei uma nova empresa chamada Patterns, Inc., que pretende
desenvolver modelos neocorticais hierrquicos e auto-organizados, utilizando os
HHMMs e tcnicas anlogas com o propsito de entender a linguagem natural.
Uma nfase importante estar na capacidade do sistema de projetar suas
prprias hierarquias, de forma similar a um neocrtex biolgico. O sistema que
imaginamos vai ler continuamente uma ampla gama de materiais, como
Wikipdia e outros recursos de conhecimento, alm de ouvir tudo que voc disser
e de observar tudo que voc escrever (desde que voc permita). A meta que
ele se torne um amigo prestativo para responder s suas perguntas antes
mesmo que voc as formule e dar-lhe informaes e sugestes teis durante
sua rotina diria.

A fronteira mvel da IA: escalando a hierarquia de competncia

1. Um discurso longo e cansativo feito por uma espumosa


cobertura de torta.
2. Roupa usada por uma criana, talvez a bordo de um navio de
pera.
3. Procurado por uma onda de crime de 12 anos, devorando os
soldados do rei Hrothgar; o oficial Beowulf foi designado para
o caso.
4. Pode se desenvolver gradualmente na mente ou ser levado
durante a gravidez.
5. Dia Nacional do Professor e Dia do Preo de Kentucky.
6. Wordsworth disse que ela ala voo, mas nunca vagueia.
7. Palavra de quatro letras que designa o aparato de ferro no
casco de um cavalo ou uma caixa para distribuio de cartas
de jogo num cassino.
8. No terceiro ato de uma pera de Verdi de 1846, esse Flagelo
de Deus apunhalado at a morte por sua amante, Odabella.

Exemplos de perguntas de Jeopardy!, todas respondidas


corretamente por Watson. As respostas so: arenga de merengue,
pinafore, Grendel, gestar, maio, cotovia, shoe (em ingls). No caso
da oitava pergunta, Watson respondeu: O que tila? O
apresentador respondeu dizendo: Seja mais especfico. Watson
esclareceu dizendo: O que tila, o Huno?, o que est correto.

As tcnicas do computador para decifrar as pistas de Jeopardy! so


parecidas com as minhas. A mquina focaliza as palavras-chave da
pista e varre sua memria (no caso de Watson, um banco de dados
com 15 terabytes de conhecimento humano) procura de
associaes com essas palavras. Ele confere rigorosamente as
principais hipteses com as informaes contextuais que pode reunir:
o nome da categoria; o tipo de resposta buscada; o momento, o lugar
e o gnero sugeridos pela pista; e assim por diante. E quando ele se
sente suficientemente seguro, decide apertar o boto. Isso um
processo instantneo e intuitivo para um jogador humano de
Jeopardy!, mas estou convencido de que debaixo do cap meu
crebro estava fazendo mais ou menos a mesma coisa.
Ken Jennings, campeo humano de Jeopardy!, que perdeu para
Watson
No meu caso, eu dou as boas-vindas a nossos novos senhores
robticos.
Ken Jennings, parafraseando Os Simpsons, depois de perder para
Watson

Meu Deus. [Watson] mais inteligente do que o jogador mediano de


Jeopardy! para responder s perguntas de Jeopardy! algo
inteligente de uma maneira impressionante.
Sebastian Thrun, ex-diretor do Laboratrio de IA de Stanford

Watson no entende nada. Ele um grande rolo compressor.


Noam Chomsky

A inteligncia artificial est nossa volta no temos mais a mo na tomada. O


simples ato de nos conectarmos com algum por meio de uma mensagem de
texto, e-mail ou celular usa algoritmos inteligentes para direcionar a informao.
Quase todo produto que tocamos foi desenhado originalmente por uma
colaborao entre inteligncias humanas e artificiais, e depois construdo em
fbricas automatizadas. Se todos os sistemas de IA decidissem entrar em greve
amanh, nossa civilizao ficaria aleijada: no conseguiramos tirar dinheiro do
banco, e, na verdade, nosso dinheiro desapareceria; comunicaes, transportes e
fbricas parariam completamente. Felizmente, nossas mquinas inteligentes
ainda no so inteligentes o suficiente para organizarem uma conspirao dessas.
O que novo na atual IA a natureza visceralmente impressionante de
exemplos abertos ao pblico. Pense, por exemplo, nos carros autodirigidos do
Google (que, enquanto escrevo, j percorreram mais de 320 mil quilmetros em
cidades grandes e pequenas), uma tecnologia que levar a um nmero muito
menor de colises, otimizao da capacidade das estradas, ao alvio humano da
tarefa de dirigir e a muitos outros benefcios. Carros sem motoristas j podem
operar legalmente em vias pblicas de Nevada com algumas restries, embora
o uso amplo e pblico em escala mundial s seja esperado no final desta dcada.
A tecnologia que observa com inteligncia as vias e avisa o motorista de possveis
perigos j est sendo instalada em carros. Uma dessas tecnologias se baseia em
parte no bem-sucedido modelo de processamento visual do crebro criado por
Tomaso Poggio, do MIT. Chamado MobilEy e, foi desenvolvido por Amnon
Shashua, que foi aluno de ps-doutorado de Poggio. Ele consegue alertar o
motorista de perigos como uma coliso iminente ou uma criana correndo na
frente do carro, e recentemente foi instalado em carros das marcas Volvo e
BMW.
Vou focalizar as tecnologias da linguagem nesta seo do livro por vrios
motivos. No deve surpreender ningum o fato de a natureza hierrquica da
linguagem refletir de perto a natureza hierrquica de nosso pensamento. A
linguagem falada foi nossa primeira tecnologia, e a linguagem escrita, a segunda.
Meu trabalho pessoal na inteligncia artificial, como este captulo demonstrou,
tem focalizado intensamente a linguagem. Finalmente, o domnio da linguagem
uma capacidade com enorme alavancagem. Watson j leu centenas de milhes
de pginas na Internet e dominou o conhecimento contido nesses documentos.
Em ltima anlise, as mquinas sero capazes de dominar todo o conhecimento
na Internet que , em essncia, todo o conhecimento de nossa civilizao
homem-mquina.
O matemtico ingls Alan Turing (1912-1954) baseou seu teste homnimo
na capacidade de um computador conversar em linguagem natural usando
mensagens de texto [13]. Turing achava que toda a inteligncia humana estava
incorporada linguagem e era representada por ela, e que nenhuma mquina
poderia passar pelo teste de Turing com simples truques de linguagem. Embora o
teste de Turing seja um jogo envolvendo a linguagem escrita, Turing acreditava
que a nica maneira para um computador passar pelo teste seria possuir, de fato,
uma inteligncia de nvel equivalente humana. Os crticos propuseram que um
verdadeiro teste de inteligncia de nvel humano tambm deveria incluir o
domnio de informaes visuais e auditivas. Como boa parte de meus prprios
projetos de IA envolve ensinar computadores a dominar informaes sensoriais
como a fala humana, formas de letras e sons musicais, esperar-se-ia que eu
defendesse a incluso dessas formas de informao num verdadeiro teste de
inteligncia. Mas concordo com a observao original de Turing, de que a verso
apenas textual do teste de Turing suficiente. O acrscimo de inputs ou outputs
visuais ou auditivos ao teste no o tornaria mais difcil.
No preciso ser um especialista em IA para ficar sensibilizado com o
desempenho de Watson em Jeopardy! Embora eu compreenda razoavelmente a
metodologia utilizada em diversos de seus subsistemas principais, isso no diminui
minha reao emocional ao observar esse negcio ele? trabalhando. At a
compreenso perfeita do funcionamento de todos os seus sistemas componentes
algo que ningum tem no ajudaria a prever como Watson poderia reagir de
fato a uma situao especfica. Ele contm centenas de subsistemas interativos, e
cada um deles analisa milhes de hipteses concorrentes ao mesmo tempo, de
modo que impossvel prever um resultado. Fazer uma anlise completa aps
o fato das deliberaes de Watson para uma nica pergunta de trs segundos
levaria sculos para um humano.
Dando continuidade minha prpria histria, no final da dcada de 1980 e na
seguinte, comeamos a trabalhar com a compreenso de linguagem natural em
reas limitadas. Voc poderia conversar com um de nossos produtos, chamado
Kurzweil Voice, a respeito de qualquer coisa que quisesse, desde que se referisse
edio de documentos. (Por exemplo, mova para c o terceiro pargrafo da
pgina anterior.) Funcionou muito bem nessa rea limitada, mas til. Tambm
criamos sistemas com conhecimentos na rea mdica para que mdicos
pudessem ditar relatrios sobre pacientes. Ele tinha conhecimentos suficientes
sobre campos como radiologia e patologia para questionar o mdico caso alguma
coisa no relatrio parecesse confusa, e orientava o mdico no processo de
criao do relatrio. Esses sistemas de relatrios mdicos evoluram e se
tornaram um negcio de um bilho de dlares para a Nuance.
Compreender a linguagem natural, especialmente como uma extenso do
reconhecimento automtico de fala, uma coisa que se tornou convencional.
Enquanto escrevo este livro, Siri, a assistente pessoal automtica do iPhone 4S,
criou uma comoo no mundo da computao mvel. Voc pode pedir que Siri
faa qualquer coisa que um smartphone de respeito deve ser capaz de fazer (por
exemplo, onde posso encomendar comida indiana perto daqui?, ou mande
uma mensagem de texto para minha mulher e diga que estou a caminho, ou o
que as pessoas esto dizendo sobre o novo filme do Brad Pitt?), e na maior parte
das vezes, Siri vai responder. Siri tambm capaz de bater papo. Se voc lhe
perguntar qual o sentido da vida, ela vai responder 42, que os fs do filme O
guia do mochileiro da galxia vo reconhecer como a resposta para a questo
maior da vida, do universo e tudo o mais. Perguntas de conhecimento (inclusive
essa sobre o sentido da vida) so respondidas por Wolfram Alpha, descrito na
pgina 209. H todo um mundo de chatbots que no fazem nada exceto manter
conversas fiadas. Se voc quiser conversar com nossa chatbot chamada Ramona,
v ao nosso website KurzweilAI.net e clique em Chat with Ramona.
Algumas pessoas reclamaram comigo sobre o fato de Siri no conseguir
responder a certos pedidos, mas lembro-me de que so as mesmas pessoas que
tambm costumam reclamar insistentemente sobre provedores humanos de
servios. s vezes, sugiro que tentemos faz-lo juntos, e geralmente funciona
melhor do que eles esperam. As reclamaes me fazem lembrar da histria do
cachorro que sabia jogar xadrez. Para um interlocutor incrdulo, o dono do
cachorro responde Sim, verdade, ele joga xadrez, mas seu final de jogo
fraco. Esto surgindo concorrentes eficientes, como o Google Voice Search.
O fato de o pblico em geral estar conversando em linguagem falada natural
com seus computadores portteis assinala uma nova era. normal as pessoas
menosprezarem a importncia da primeira gerao de uma tecnologia em
virtude de suas limitaes. Alguns anos depois, quando a tecnologia funciona
direito, as pessoas ainda menosprezam sua importncia porque, bem, ela no
mais nova. Dito isso, Siri funciona impressionantemente bem para um produto de
primeira gerao, e est claro que essa categoria de produto s vai melhorar.
Siri usa as tecnologias de reconhecimento de fala com base em HMM da
Nuance. As extenses em linguagem natural foram desenvolvidas inicialmente
pelo projeto CALO, financiado pela DARPA. Siri foi reforada com as
tecnologias de linguagem natural da prpria Nuance, e esta oferece uma
tecnologia bem semelhante chamada Dragon Go! [16]
Os mtodos usados para se compreender a linguagem natural so muito
similares aos modelos hierrquicos ocultos de Markov, e, de fato, o prprio
HHMM usado habitualmente. Embora alguns desses sistemas no revelem
especificamente que usam HMM ou HHMM, a matemtica praticamente
idntica. Todos envolvem hierarquias de sequncias lineares nas quais cada
elemento tem um peso, conexes que so autoadaptveis e um sistema geral que
se organiza sozinho com base em dados de aprendizado. Geralmente, o
aprendizado continua durante o uso efetivo do sistema. Essa abordagem se ajusta
estrutura hierrquica da linguagem natural: apenas uma extenso natural num
ponto superior da escala conceitual, indo de partes da fala para palavras, para
frases e para estruturas semnticas. Faria sentido executar um algoritmo gentico
sobre os parmetros que controlam o algoritmo preciso de aprendizado dessa
classe de sistemas hierrquicos de aprendizado e determinam os detalhes
algortmicos ideais.
Na ltima dcada, houve uma mudana na maneira como essas estruturas
hierrquicas so criadas. Em 1984, Douglas Lenat (nascido em 1950) fundou o
ambicioso projeto Cy c (de enCYClopedic, ou enciclopdico), que visava criar
regras que codificariam todo conhecimento derivado do senso comum. As
regras foram organizadas numa grande hierarquia, e cada regra envolvia mais
uma vez uma sequncia linear de estados. Por exemplo, uma regra de Cy c
pode dizer que um co tem uma cara. Cy c pode associar isso a regras gerais
sobre a estrutura de caras: que uma cara tem dois olhos, nariz, boca e assim por
diante. No precisamos criar um conjunto de regras para a cara de um co e
outra para a cara de um gato, embora possamos, evidentemente, acrescentar
regras extras para a maneira pela qual as caras de ces diferem das caras de
gatos. O sistema tambm inclui um mecanismo de inferncia: se temos regras
que dizem que um cocker spaniel um co, que ces so animais e que animais
comem comida, e se perguntssemos ao mecanismo de inferncia se cocker
spaniels comem, o sistema responderia que sim, cocker spaniels comem comida.
Nos 20 anos seguintes, e com milhares e milhares de horas de trabalho, mais de
um milho de regras desse tipo foram escritas e testadas. interessante observar
que a linguagem usada para escrever as regras de Cy c chamada Cy cL
quase idntica LISP.
Enquanto isso, uma escola oposta de pensamento acreditava que a melhor
abordagem para a compreenso da linguagem natural, e para a criao de
sistemas inteligentes em geral, seria o aprendizado automtico mediante a
exposio a um nmero bastante grande de exemplos dos fenmenos que o
sistema estaria tentando dominar. Um exemplo poderoso desse tipo de sistema
o Google Translate, que pode traduzir de e para 50 lnguas. So 2.500 direes
diferentes de traduo, embora, na maioria dos pares de lnguas, em vez de
traduzir da lngua 1 diretamente para a lngua 2, o sistema traduza primeiro a
lngua 1 para o ingls e depois o ingls para a lngua 2. Isso reduz a 98 o nmero
de tradutores de que o Google precisa se valer (alm de um nmero limitado de
pares no ingleses para os quais existe uma traduo direta). Os tradutores do
Google no usam regras gramaticais; com efeito, criam amplos bancos de dados
para cada par de lnguas contendo tradues comuns, com base num grande
corpo de documentos traduzidos entre as duas lnguas, como uma pedra de
Rosetta. Para as seis lnguas que constituem as lnguas oficiais das Naes
Unidas, o Google usou documentos das Naes Unidas, que so publicados nessas
seis lnguas. Para lnguas menos comuns, foram usadas outras fontes.
Os resultados costumam ser impressionantes. A DARPA promove
competies anuais para os melhores sistemas de traduo automtica de lnguas
para diferentes pares de lnguas, e o Google Translate costuma vencer no caso de
certos pares, com um desempenho melhor do que sistemas criados diretamente
por linguistas humanos.
Na ltima dcada, duas ideias importantes influenciaram profundamente o
campo da compreenso da linguagem natural. A primeira tem relao com as
hierarquias. Embora a abordagem do Google tenha comeado com a associao
de sequncias simples de palavras entre uma lngua e outra, a natureza
intrinsecamente hierrquica da linguagem acabou interferindo inevitavelmente
nessa operao. Sistemas que incorporam metodicamente um aprendizado
hierrquico (como os modelos hierrquicos ocultos de Markov) proporcionaram
um resultado significativamente melhor. Entretanto, tais sistemas no so to
automticos assim para se elaborar. Assim como os humanos precisam aprender
aproximadamente uma hierarquia conceitual de cada vez, o mesmo se aplica a
sistemas computadorizados, de modo que o processo de aprendizado precisa ser
administrado com cuidado.
A outra ideia que regras feitas mo funcionam bem para um ncleo de
conhecimentos bsicos e comuns. Para a traduo de trechos curtos, essa postura
costuma dar resultados mais precisos. A DARPA, por exemplo, obteve notas
melhores para tradutores do chins para o ingls com base em regras do que o
Google Translate em trechos curtos. No caso da cauda de uma lngua, que se
refere aos milhes de frases e conceitos pouco frequentes usados nela, a preciso
dos sistemas com base em regras aproxima-se de uma assntota
inaceitavelmente baixa. Se representarmos num grfico a preciso da
compreenso da linguagem natural versus o tempo de treinamento de sistemas
baseados em regras com anlise de dados, estes tero um desempenho inicial
superior, mas depois devero se manter numa preciso em torno de 70%. Em
contraste ntido, sistemas estatsticos podem atingir uma preciso de mais de
90%, mas exigem muitos dados para isso.
Normalmente, precisamos de uma combinao de desempenho moderado,
no mnimo, sobre uma pequena quantidade de dados de treinamento, e depois a
oportunidade de atingir precises maiores com uma quantidade mais
significativa. Atingir rapidamente um desempenho moderado permite-nos
colocar o sistema em campo, coletando automaticamente dados de treinamento
medida que as pessoas o usam efetivamente. Desse modo, possvel haver
bastante aprendizado ao mesmo tempo em que o sistema est sendo usado, e sua
preciso vai aumentar. O aprendizado estatstico precisa ser plenamente
hierrquico para refletir a natureza da linguagem, o que tambm reflete o modo
como o crebro humano funciona.
Tambm esse o modo como Siri e Dragon Go! funcionam: usando regras
para os fenmenos mais comuns e confiveis, aprendendo depois a cauda da
linguagem nas mos de usurios reais. Quando a equipe do Cy c percebeu que
tinham atingido um teto de desempenho baseando-se em regras codificadas
mo, eles tambm adotaram essa abordagem. As regras codificadas mo
proporcionam duas funes essenciais. Oferecem uma preciso inicial adequada
a ponto de o sistema em teste poder ser posto em funcionamento, melhorando
automaticamente com isso. Segundo, do uma base slida para os nveis mais
baixos da hierarquia conceitual, e assim o aprendizado automtico pode comear
a aprender nveis conceituais mais elevados.
Como mencionei antes, Watson representa um exemplo particularmente
impressionante da abordagem que combina regras codificadas manualmente
com aprendizado hierrquico estatstico. A IBM combinou diversos programas
importantes de linguagem natural para criar um sistema capaz de jogar
Jeopardy!, um jogo em linguagem natural. Entre os dias 14 e 16 de fevereiro de
2011, Watson competiu com os dois principais jogadores humanos: Brad Rutter,
que ganhou mais dinheiro do que qualquer outra pessoa nesse jogo de perguntas,
e Ken Jennings, que deteve o ttulo de Jeopardy! pelo tempo recorde de 75 dias.
Preciso dos sistemas de compreenso de linguagem natural como funo da
quantidade de dados de treinamento. A melhor abordagem consiste em combinar
regras para o ncleo da linguagem e uma postura baseada em dados para a
cauda da linguagem

A ttulo de contexto, eu previ em meu primeiro livro, The age of intelligent


machines, escrito em meados da dcada de 1980, que um computador venceria o
campeonato mundial de xadrez at 1998. Previ ainda que, quando isso
acontecesse, ou pioraramos nossa opinio sobre a inteligncia humana e
melhoraramos nossa opinio sobre a inteligncia das mquinas, ou
menosprezaramos a importncia do xadrez, e que, se a histria pudesse servir de
guia, minimizaramos o xadrez. As duas coisas aconteceram em 1997. Quando o
supercomputador de xadrez da IBM, o Deep Blue, derrotou o campeo mundial
humano de xadrez da poca, Garry Kasparov, vimos imediatamente uma
enxurrada de argumentos alegando que era de se esperar que um computador
vencesse no xadrez, pois computadores so mquinas lgicas e o xadrez , afinal
de contas, um jogo de lgica. Por isso, a vitria do Deep Blue no foi considerada
nem surpreendente, nem importante. Muitos de seus crticos disseram que os
computadores nunca chegariam a dominar as sutilezas da linguagem humana,
inclusive metforas, analogias, trocadilhos, duplos sentidos e humor.
Existe pelo menos um motivo para que Watson represente um marco to
importante: Jeopardy! precisamente uma tarefa lingustica com esse grau de
sofisticao e de desafio. As perguntas tpicas de Jeopardy! incluem muitas
dessas excentricidades da linguagem humana. O que no deve ficar to evidente
para muitos observadores que Watson teve no s de dominar a linguagem nas
perguntas inesperadas e complexas, como, na maioria das vezes, seu
conhecimento no foi codificado mo. Ele amealhou esse conhecimento lendo
de fato 200 milhes de pginas de documentos em linguagem natural, inclusive
toda a Wikipdia e outras enciclopdias, abrangendo 4 trilhes de bytes de
conhecimentos baseados na linguagem. Como os leitores deste livro sabem muito
bem, a Wikipdia no est escrita em LISP ou em Cy cL, mas em frases naturais,
com todas as ambiguidades e complexidades inerentes linguagem. Watson
precisou levar em conta todos os 4 trilhes de caracteres de seu material de
referncia ao responder a uma pergunta. (Percebi que as perguntas de Jeopardy!
so respostas procura de uma questo, mas isso um aspecto tcnico no final,
so mesmo questes.) Se Watson pode compreender e responder a perguntas
com base em 200 milhes de pginas em trs segundos! no h nada que
possa impedir sistemas similares de ler os outros bilhes de documentos na
Internet. Na verdade, esse esforo j est sendo feito.
Quando estvamos desenvolvendo sistemas de reconhecimento de
caracteres e de fala e os primeiros sistemas de compreenso de linguagem
natural entre as dcadas de 1970 e de 1990, usamos a metodologia que consiste
em incorporar um gerenciador especialista. Desenvolvemos diversos sistemas
para fazer a mesma coisa, mas incorporamos abordagens um pouco diferentes
em cada uma. Algumas das diferenas eram sutis, como variaes nos
parmetros controlando a matemtica do algoritmo de aprendizado. Algumas
variaes eram fundamentais, como a incluso de sistemas baseados em regras
em vez de sistemas de aprendizado estatstico hierrquico. O gerenciador
especialista era um software programado para aprender as foras e as fraquezas
desses sistemas diferentes, examinando seu desempenho em situaes do mundo
real. Baseava-se na ideia de que essas foras eram ortogonais, ou seja, um
sistema tenderia a ser forte naquilo em que outro era fraco. Com efeito, o
desempenho global dos sistemas combinados com o gerenciador especialista
treinado foi bem melhor do que o de qualquer sistema individual.
Watson funciona do mesmo modo. Usando uma arquitetura chamada
Unstructured Information Management Architecture (UIMA, Arquitetura de
gerenciamento de informao no estruturada), Watson emprega literalmente
centenas de sistemas diferentes muitos dos componentes individuais de
linguagem do Watson so os mesmos usados em sistemas de compreenso de
linguagem natural disponveis publicamente , todos tentando encontrar
diretamente uma resposta para a pergunta do Jeopardy!, ou pelo menos
apresentar alguma desambiguao da pergunta. O UIMA est agindo
basicamente como o gerenciador especialista para combinar de forma
inteligente os resultados dos sistemas independentes. O UIMA vai muito alm dos
sistemas anteriores, tal como aquele que desenvolvemos na empresa que
antecedeu a Nuance, pois seus sistemas individuais podem contribuir para um
resultado sem encontrarem necessariamente uma resposta final. suficiente se
um subsistema ajuda a reduzir as solues. O UIMA tambm consegue calcular
o grau de confiana na resposta final. O crebro humano tambm faz isso;
provavelmente, temos muita confiana em nossa resposta quando nos perguntam
o nome de nossa me, mas no tanta quando precisamos nos lembrar do nome
de algum que conhecemos informalmente h um ano.
Assim, em vez de descobrir uma nica abordagem elegante para
compreender o problema de linguagem inerente ao Jeopardy!, os cientistas da
IBM combinaram todos os mdulos mais avanados de compreenso da
linguagem que puderam encontrar. Alguns usam os Modelos Hierrquicos
Ocultos de Markov; outros usam variantes matemticas do HHMM; outros usam
abordagens baseadas em regras para codificarem diretamente um conjunto
central de regras confiveis. O UIMA avalia o desempenho de cada sistema no
seu uso real e os combina de maneira otimizada. H certo equvoco nas
discusses pblicas de Watson, pois os cientistas da IBM que o criaram costumam
se concentrar no UIMA, o gerenciador especialista criado por eles. Isso levou
alguns observadores a comentar que o Watson no compreende de fato a
linguagem, pois difcil identificar onde est essa compreenso. Apesar de a
estrutura do UIMA tambm aprender com sua prpria experincia, a
compreenso de linguagem do Watson no pode ser encontrada apenas no
UIMA, mas est distribuda atravs de todos os seus vrios componentes,
inclusive os mdulos auto-organizados de linguagem que usam mtodos similares
ao HHMM.
Uma parte separada da tecnologia de Watson usa a estimativa de confiana
do UIMA em suas respostas para determinar a forma de fazer as apostas do
Jeopardy! Embora o sistema do Watson seja otimizado especificamente para
jogar esse jogo especfico, sua tecnologia central de busca de linguagem e de
conhecimento pode ser adaptada facilmente para realizar outras tarefas amplas.
Poder-se-ia pensar que um conhecimento profissional menos compartilhado,
como aquele pertencente rea mdica, seria mais difcil de ser dominado do
que o conhecimento comum e de propsitos gerais necessrio para jogar
Jeopardy! Na verdade, o contrrio: o conhecimento profissional tende a ser
mais organizado, estruturado e menos ambguo do que seu equivalente do senso
comum; desse modo, o uso dessas tcnicas altamente sucetvel compreenso
precisa de uma linguagem natural. Como disse, atualmente a IBM est
trabalhando junto com a Nuance para adaptar a tecnologia do Watson
medicina.
A conversa que acontece quando Watson joga Jeopardy! breve: faz-se uma
pergunta e Watson produz uma resposta. (Novamente, em termos tcnicos, ele
produz uma questo que corresponde a uma resposta.) Ele no participa de uma
conversa, o que exigiria o acompanhamento de todas as declaraes anteriores
de todos os participantes. (Na verdade, Siri faz isso at certo ponto: se voc pedir
que ela mande uma mensagem para sua esposa, ela vai lhe pedir para identific-
la, mas vai se lembrar de quem ela em pedidos posteriores.) O
acompanhamento de todas as informaes de uma conversa uma tarefa que
seria claramente exigida para se passar pelo teste de Turing um requisito
adicional importante, mas fundamentalmente no mais difcil do que aquilo que
Watson j est fazendo.
Em suma, Watson leu centenas de milhes de pginas de material, que
obviamente incluem muitas histrias, e por isso ele capaz de rastrear eventos
sequenciais complicados. Portanto, deveria ser capaz de acompanhar suas
prprias conversas e lev-las em conta em suas respostas subsequentes.
Outra limitao do jogo de Jeopardy! que as respostas costumam ser
breves: ele no faz, por exemplo, perguntas do tipo que leva os concorrentes a
dar o nome dos cinco temas primrios de Um conto das duas cidades. Para poder
encontrar documentos que discutem efetivamente os temas desse romance, uma
verso adequadamente modificada de Watson deveria poder responder a essa
pergunta. Encontrar sozinho tais temas apenas pela leitura do livro, e no
copiando os pensamentos (mesmo sem as palavras) de outros pensadores, j
outra histria. Faz-lo constituiria uma tarefa de nvel superior quela de que
Watson capaz hoje em dia seria uma tarefa que eu consideraria do nvel do
teste de Turing. (Dito isso, devo lembrar que a maioria dos seres humanos
tampouco apresenta seus prprios pensamentos originais, mas copia as ideias de
seus pares e de formadores de opinio.) Seja como for, estamos em 2012 (sic) e
no em 2029, e por isso eu ainda no esperaria uma inteligncia do nvel do teste
de Turing. Por outro lado, eu diria que a avaliao das respostas a perguntas,
como a descoberta das principais ideias de um romance, no , em si, uma
tarefa objetiva. Se perguntarmos a algum quem assinou a Declarao de
Independncia, podemos determinar se a resposta da pessoa verdadeira ou
falsa. A validade de respostas a perguntas de nvel superior, como a descrio dos
temas de uma obra criativa, determinada com mais dificuldade.
interessante notar que apesar das habilidades lingusticas de Watson
ficarem um pouco abaixo daquelas de um humano instrudo, ele conseguiu
derrotar os dois melhores jogadores de Jeopardy! do mundo. A vitria se deve
capacidade de combinar sua habilidade lingustica e sua compreenso de
conhecimentos com a recordao perfeita e as memrias altamente precisas que
as mquinas possuem. por isso que j transferimos para elas nossas memrias
pessoais, sociais e histricas.
Apesar de eu no estar preparado para alterar minha previso de um
computador passando pelo teste de Turing em 2029, o progresso feito em
sistemas como Watson deve nos dar uma boa confiana de que o advento da IA
de nvel de Turing est prximo. Se pudermos criar uma verso de Watson
otimizada para o teste de Turing, provavelmente estaramos bem prximos.
O filsofo norte-americano John Searle (nascido em 1932) disse
recentemente que Watson no capaz de pensar. Citando seu experimento
mental do quarto chins (que vou comentar em detalhe no captulo 11), ele
afirma que Watson apenas manipula smbolos sem compreender seu significado.
Na verdade, Searle no est descrevendo Watson com preciso, pois sua
compreenso da linguagem se baseia em processos estatsticos hierrquicos e
no na manipulao de smbolos. A nica maneira de a caracterizao de Searle
ser precisa seria considerarmos cada etapa dos processos de auto-organizao de
Watson uma manipulao de smbolos. Mas, se fosse assim, o crebro humano
tambm no seria considerado capaz de pensar.
divertido e irnico ver os observadores criticando Watson por fazer apenas
uma anlise estatstica da linguagem, diferentemente de possuir a verdadeira
compreenso da linguagem que os humanos possuem. A anlise estatstica
hierrquica exatamente o que o crebro humano faz ao resolver hipteses
mltiplas com base em inferncia estatstica (e, na verdade, em todos os nveis
da hierarquia neocortical). Tanto Watson como o crebro humano aprendem e
respondem com base numa abordagem similar compreenso hierrquica. Em
muitos aspectos, o conhecimento de Watson bem mais extenso do que o de um
humano; nenhum humano pode afirmar que dominou toda a Wikipdia, que
apenas parte da base de conhecimentos de Watson. Por outro lado, hoje um
humano pode dominar mais nveis conceituais do que Watson, mas certamente
essa lacuna no permanente.
Um sistema importante que demonstra a fora da computao aplicada ao
conhecimento organizado o Wolfram Alpha, um mecanismo de respostas
(distinto de um mecanismo de pesquisa) desenvolvido pelo dr. Wolfram (nascido
em 1959), matemtico e cientista britnico, e seus colegas da Wolfram Research.
Se voc perguntar ao Wolfram Alpha (em WolframAlpha.com), por exemplo,
quantos nmeros primos h abaixo de um milho? ele vai responder 78.498.
Ele no procurou a resposta, ele a calculou e, aps a resposta, ele mostra as
equaes que usou. Se tentarmos obter essa resposta usando um mecanismo de
pesquisa convencional, ele nos direcionaria para links onde encontraramos os
algoritmos necessrios. Ento, teramos de conectar essas frmulas a um sistema
como o Mathematica, tambm desenvolvido pelo dr. Wolfram, mas obviamente
isso exigiria muito mais trabalho (e compreenso) do que a mera pergunta ao
Alpha.
Com efeito, o Alpha consiste em 15 milhes de linhas de cdigo do
Mathematica. O que o Alpha faz, literalmente, calcular a resposta a partir de
aproximadamente 10 trilhes de bytes de dados que foram cuidadosamente
selecionados pela equipe da Wolfram Research. Voc pode fazer uma grande
variedade de perguntas factuais, como que pas tem a maior renda per capita?
(Resposta: Mnaco, com US$ 212 mil por pessoa), ou Qual a idade de Stephen
Wolfram? (Resposta: 52 anos, 9 meses e 2 dias no momento em que escrevo
isto). Como mencionei, o Alpha usado como parte da Siri, da Apple; se voc
fizer uma pergunta factual para Siri, ela passada para Alpha, que a responde. O
Alpha tambm trata de algumas das pesquisas apresentadas ao mecanismo de
pesquisa do Bing, da Microsoft.
Num post recente de seu blog, o dr. Wolfram disse que agora o Alpha
apresenta respostas bem-sucedidas em 90% dos casos [17]. Ele tambm informa
que houve uma queda exponencial no ndice de falhas, com um perodo mdio
de 18 meses. um sistema impressionante, que usa mtodos artesanais e dados
conferidos mo. Trata-se de um testemunho do motivo pelo qual criamos
computadores. Na medida em que descobrimos e compilamos mtodos
cientficos e matemticos, os computadores se mostram bem melhores em
implement-los do que a inteligncia humana desassistida. Muitos dos mtodos
cientficos conhecidos foram codificados no Alpha, juntamente com dados
continuamente atualizados sobre tpicos que vo da economia fsica. Numa
conversa particular que tive com o dr. Wolfram, ele estimou que mtodos auto-
organizados como esses usados no Watson costumam atingir uma preciso de
80% quando esto funcionando bem. Segundo disse, o Alpha est prximo de
90% de preciso. claro que existe uma autosseleo nos dois ndices de
preciso, pois os usurios (como eu) j sabem em que tipo de questes o Alpha
tem bom desempenho, e um fator similar se aplica aos mtodos auto-
organizados. Oitenta por cento parece uma estimativa razovel da preciso de
Watson nas perguntas de Jeopardy!, mas foi suficiente para vencer os melhores
humanos.
Acredito que mtodos auto-organizados como os que sistematizei na teoria da
mente baseada no reconhecimento de padres so necessrios para se
compreender as hierarquias complexas e geralmente ambguas que encontramos
em fenmenos do mundo real, inclusive na linguagem humana. Uma
combinao ideal para um sistema de inteligncia robusta seria aliar a
inteligncia hierrquica baseada em TMRP (que, segundo afirmo, o modo
como o crebro humano funciona) codificao precisa do conhecimento e dos
dados cientficos. Essencialmente, isso descreve um humano com um
computador. Vamos aprimorar os dois polos de inteligncia nos prximos anos.
Com relao nossa inteligncia biolgica, apesar de nosso neocrtex ter
bastante plasticidade, sua arquitetura bsica limitada por suas restries fsicas.
Desenvolver um neocrtex maior na testa foi uma inovao evolutiva
importante, mas hoje no podemos expandir com facilidade o tamanho de nossos
lobos frontais por um fator de mil, nem mesmo de 10%. Quer dizer, no
podemos faz-lo biologicamente, mas exatamente isso que faremos
tecnologicamente.

Estratgia para a criao de uma mente

Nosso crebro contm bilhes de neurnios, mas o que so os


neurnios? Apenas clulas. O crebro s tem conhecimento quando
se formam conexes entre os neurnios. Tudo aquilo que sabemos,
tudo que somos, provm do modo como nossos neurnios se
conectam.
Tim Berners-Lee

Vamos usar as observaes que discuti antes para comear a construir um


crebro. Partiremos da construo de um identificador de padres que preencha
os atributos necessrios. Depois faremos tantas cpias do identificador quanto
nossa memria e nossos recursos computacionais puderem suportar. Cada
identificador calcula a probabilidade de que seu padro tenha sido identificado.
Ao faz-lo, leva em conta a magnitude observada de cada input (num continuum
apropriado) e pareia essa informao com o tamanho aprendido e com os
parmetros de variao de tamanho associados a cada input. O identificador
dispara seu axnio simulado se a probabilidade calculada excede um limiar. Esse
limiar e os parmetros que controlam o clculo da probabilidade do padro
encontram-se entre os parmetros que otimizaremos com um algoritmo
gentico. Como no uma exigncia que cada input se mantenha ativo para que
um padro seja identificado, isso proporciona um reconhecimento
autoassociativo (ou seja, o reconhecimento de um padro com base apenas na
presena de parte do padro). Tambm reservamos uma margem para sinais
inibidores (sinais que indicam que o padro menos provvel).
O reconhecimento do padro envia um sinal ativo pelo axnio simulado
desse identificador de padres. Esse axnio, por sua vez, est conectado a um ou
mais identificadores de padres no nvel conceitual imediatamente superior.
Todos os identificadores de padres conectados no nvel conceitual
imediatamente superior esto aceitando esse padro como um de seus inputs.
Cada identificador de padres tambm envia sinais para baixo, para
identificadores de padres de nveis conceituais inferiores, sempre que a maior
parte de um padro for identificada, indicando que o restante do padro
esperado. Cada identificador de padres tem um ou mais desses canais de
input de sinal esperado. Quando um sinal esperado recebido dessa forma, o
limiar de identificao do identificador de padres diminudo (facilitado).
Os identificadores de padres so responsveis por se cabearem a outros
identificadores de padres, tanto acima como abaixo na hierarquia conceitual.
Perceba que todos os cabos numa implementao por software operam
atravs de links virtuais (que, como os links da Internet, so basicamente
indicadores de memria) e no cabos fsicos. Na verdade, esse sistema muito
mais flexvel do que o do crebro biolgico. Num crebro humano, novos
padres precisam ser atribudos a um identificador de padres fsico, e novas
conexes precisam ser feitas com um vnculo real entre axnio e dendrito.
Geralmente, isso significa adotar uma conexo fsica existente que seja
aproximadamente aquilo de que se necessita, cultivando depois as extenses
necessrias de axnio e dendrito para formar a conexo plena.
Outra tcnica usada nos crebros biolgicos de mamferos comear com
um grande nmero de conexes possveis, podando depois as conexes neurais
que no forem usadas. Se um neocrtex biolgico redesignar identificadores
corticais de padres que j aprenderam padres mais antigos a fim de aprender
materiais mais recentes, ento as conexes precisaro ser reconfiguradas
fisicamente. Mais uma vez, essas tarefas so muito mais simples numa
implementao de software. Simplesmente designamos novos locais de memria
para um novo identificador de padres e usamos links de memria para as
conexes. Se o neocrtex digital deseja redesignar recursos de memria cortical
de um conjunto de padres para outro, ele simplesmente devolve os antigos
identificadores de padres para a memria e depois faz a nova designao. Esse
tipo de coleta de lixo e de redesignao de memria uma caracterstica-
padro da arquitetura de muitos sistemas de software. Em nosso crebro digital,
ns tambm fazemos o backup de memrias antigas antes de elimin-las do
neocrtex ativo, uma precauo que no podemos ter em nossos crebros
biolgicos.
So muitas as tcnicas matemticas que podem ser empregadas para
implementar essa abordagem identificao hierrquica e auto-organizada de
padres. O mtodo que eu usaria o dos Modelos Hierrquicos Ocultos de
Markov, por diversos motivos. Quanto a mim, tenho vrias dcadas de
familiaridade com esse mtodo, tendo-o usado nos primeiros sistemas de
reconhecimento de fala e de linguagem natural desde a dcada de 1980. Quanto
ao campo em geral, h uma experincia maior com os Modelos Ocultos de
Markov do que com qualquer outra abordagem para tarefas de identificao de
padres. Eles tambm so muito usados na compreenso de linguagem natural.
Muitos sistemas de compreenso de linguagem natural usam tcnicas que so, no
mnimo, matematicamente similares ao HHMM.
Perceba que nem todos os sistemas de modelos ocultos de Markov so
plenamente hierrquicos. Alguns permitem apenas uns poucos nveis de
hierarquia indo, por exemplo, de estados acsticos para fonemas e destes para
palavras. Para construir um crebro, queremos que nosso sistema possa criar
tantos nveis hierrquicos novos quantos forem necessrios. Alm disso, muitos
dos sistemas de modelos ocultos de Markov no so plenamente auto-
organizados. Alguns tm conexes fixas, embora esses sistemas podem
efetivamente muitas de suas conexes incipientes permitindo que desenvolvam
conexes com peso zero. Nossos sistemas das dcadas de 1980 e 1990 podavam
automaticamente conexes com peso de conexo inferior a certo nvel, e
tambm permitiam a formao de novas conexes para modelar melhor os
dados de treinamento e para aprender enquanto operavam. Um requisito
importante, creio, permitir que o sistema crie com flexibilidade suas prprias
topologias com base nos padres a que exposto durante o aprendizado.
Podemos usar a tcnica matemtica da programao linear para designar
conexes a novos identificadores de padres de forma otimizada.
Nosso crebro digital tambm vai acomodar uma redundncia substancial de
cada padro, especialmente aqueles que ocorrem com frequncia. Isso permite
a identificao robusta de padres comuns, e tambm um dos principais
mtodos para se conseguir a identificao invariante de diferentes formas de um
padro. Entretanto, vamos precisar de regras para saber quanta redundncia ser
permitida, pois no queremos usar quantidades excessivas de memria em
padres de baixo nvel muito comuns.
As regras que tratam da redundncia, de limiares de identificao e do efeito
sobre o limiar de uma indicao como este padro esperado so alguns
exemplos de parmetros gerais importantes que afetam o desempenho desse tipo
de sistema auto-organizado. Inicialmente, eu estabeleceria esses parmetros com
base em minha intuio, mas depois o otimizaria usando um algoritmo gentico.
Um ponto muito importante a se considerar a educao de um crebro,
seja ele biolgico, seja baseado em software. Como disse antes, um sistema
hierrquico de identificao de padres (digital ou biolgico) vai aprender apenas
dois preferivelmente um nveis hierrquicos de cada vez. Para reforar o
sistema, eu comearia usando redes hierrquicas previamente treinadas que j
tivessem aprendido suas lies de identificao de fala humana, de caracteres
impressos e de estruturas de linguagem natural. Um sistema assim seria capaz de
ler documentos em linguagem natural, mas s seria capaz de dominar
aproximadamente um nvel conceitual de cada vez. Nveis aprendidos
anteriormente proporcionariam uma base relativamente estvel para o
aprendizado do nvel seguinte. O sistema pode ler os mesmos documentos
repetidas vezes, ganhando novos nveis conceituais a cada leitura, tal como as
pessoas fazem quando releem textos e os compreendem com mais profundidade.
A Internet tem bilhes de pginas de material disponvel. A prpria Wikipdia tem
cerca de 4 milhes de artigos na verso em ingls.
Eu tambm incluiria um mdulo de pensamento crtico, que realizaria uma
varredura contnua em segundo plano de todos os padres existentes, revisando
sua compatibilidade com os outros padres (ideias) nesse neocrtex em software.
No dispomos dessa facilidade em nossos crebros biolgicos, motivo pelo qual
as pessoas podem ter pensamentos completamente inconsistentes com a
equanimidade. Ao identificar uma ideia inconsistente, o mdulo digital iniciaria a
busca por uma soluo, incluindo suas prprias estruturas corticais e toda a vasta
literatura disponvel para ela. Uma soluo significaria simplesmente a
determinao de que uma das ideias inconsistentes est apenas incorreta (se
contraindicada por um predomnio de dados conflitantes). Em termos mais
construtivos, ele encontraria uma ideia num nvel conceitual superior que
solucionaria a aparente contradio, apresentando uma perspectiva que
explicasse cada ideia. O sistema acrescentaria essa soluo como um novo
padro e um vnculo com as ideias que geraram inicialmente a procura pela
soluo. Esse mdulo de pensamento crtico funcionaria como uma tarefa
contnua em segundo plano. Seria muito benfico para os humanos se nossos
crebros fizessem a mesma coisa.
Eu tambm incluiria um mdulo que identificasse questes abertas em cada
disciplina. Como outra tarefa contnua em segundo plano, ele procuraria solues
para elas em outras reas dspares de conhecimento. Como disse, o
conhecimento no neocrtex consiste em padres profundamente aninhados em
padres, e por isso totalmente metafrico. Podemos usar um padro para
encontrar uma soluo ou insight num campo aparentemente desconexo.
Como exemplo, lembre-se da metfora que usei no captulo 4 sobre os
movimentos aleatrios das molculas de um gs e os movimentos aleatrios da
mudana evolutiva. As molculas de um gs se movem aleatoriamente sem um
senso de direo aparente. Apesar disso, praticamente todas as molculas de um
gs num bquer, com o tempo, sairo do bquer. Comentei que isso abria uma
perspectiva sobre uma questo importante a respeito da evoluo da inteligncia.
Como as molculas de um gs, as mudanas evolutivas tambm se movem em
todas as direes, sem orientao aparente. Contudo, vemos um movimento na
direo de maior complexidade e de maior inteligncia, rumando efetivamente
para a realizao suprema da evoluo: o desenvolvimento de um neocrtex
capaz de pensar hierarquicamente. Assim, conseguimos perceber como um
processo aparentemente sem propsito e sem direo pode ter um resultado
aparentemente proposital num campo (evoluo biolgica) analisando-se outro
campo (termodinmica).
Mencionei antes como o insight de Charles Ly ell (a respeito da forma como
mudanas mnimas em formaes rochosas causadas por filetes de gua
puderam escavar grandes vales ao longo do tempo) teria inspirado Charles
Darwin a fazer uma observao semelhante sobre pequenas e minsculas
mudanas contnuas nas caractersticas dos organismos de uma espcie. Essa
procura por metforas seria outro processo contnuo em segundo plano.
Deveramos apresentar um meio de percorrer diversas listas ao mesmo
tempo para proporcionar o equivalente a um pensamento estruturado. Uma lista
poderia ser a declarao das limitaes que uma soluo a um problema devem
satisfazer. Cada etapa pode gerar uma busca recursiva pela hierarquia existente
de ideias, ou pela literatura disponvel. O crebro humano parece ser capaz de
lidar com apenas quatro listas simultneas de cada vez (sem a ajuda de
ferramentas como os computadores), mas no h motivo para que um neocrtex
artificial deva ter tal limitao.
Tambm queremos dotar nossos crebros artificiais com uma inteligncia do
tipo em que os computadores sempre foram excepcionais, ou seja, a capacidade
de dominar imensos bancos de dados com preciso e implementar algoritmos
conhecidos rpida e eficientemente. O Wolfram Alpha combina de forma
singular muitos mtodos cientficos conhecidos e os aplica a dados coletados
cuidadosamente. Esse tipo de sistema tambm vai continuar a melhorar, tendo
em vista o comentrio do dr. Wolfram sobre um declnio exponencial nos ndices
de erros.
Por fim, nosso novo crebro precisa de um propsito. Um propsito se
expressa na forma de uma srie de metas. No caso dos crebros biolgicos,
nossas metas so estabelecidas pelos centros de prazer e de medo que herdamos
do crebro primitivo. Esses impulsos primitivos foram estabelecidos inicialmente
pela evoluo biolgica para fomentar a sobrevivncia da espcie, mas o
neocrtex permitiu que ns os sublimssemos. A meta do Watson era responder
s questes do Jeopardy! Outra meta simples poderia ser passar no teste de
Turing. Para isso, um crebro digital precisaria da narrativa humana de sua
histria fictcia para que pudesse fingir ser um ser humano biolgico. Ele
tambm precisaria se fingir de tolo, pois qualquer sistema que exibisse os
conhecimentos de Watson, digamos, seria rapidamente desmascarado como no
biolgico.
O mais interessante disso que poderamos dar ao nosso novo crebro uma
meta mais ambiciosa, como contribuir para melhorar o mundo. Naturalmente,
uma meta dessas provocaria uma srie de perguntas: melhor para quem? Melhor
em que sentido? Para os seres humanos biolgicos? Para todos os seres
conscientes? Nesse caso, quem ou o que consciente?
Quando os crebros no biolgicos se tornarem to capazes quanto os
biolgicos de efetuar mudanas no mundo com efeito, bem mais capazes do
que os crebros biolgicos desassistidos teremos de pensar em sua educao
moral. Um bom lugar para comear seria uma antiga ideia de nossas tradies
religiosas: a regra de ouro.
Captulo 8

A mente como computador

Com o formato que lembra um po francs redondo, o crebro


humano um laboratrio qumico agitado, repleto de conversas
neurais incessantes. Imagine o crebro, esse montculo reluzente de
existncia, esse parlamento celular cinzento como um camundongo,
essa fbrica de sonhos, esse pequeno tirano dentro de uma bola de
osso, esse feixe de neurnios que comanda todas as aes, esse
pequeno onipresente, essa caprichosa redoma de prazer, esse guarda-
roupas enrugado de eus enfiado no crnio, tal como roupas em
demasia numa sacola de ginstica.
Diane Ackerman

Os crebros existem porque a distribuio de recursos necessrios


para a sobrevivncia e os perigos que ameaam a sobrevivncia
variam no espao e no tempo.
John M. Allman

A moderna geografia do crebro tem um ar deliciosamente antiquado


como um mapa medieval onde se v o mundo conhecido rodeado
por terra incognita, onde monstros vagueiam.
David Bainbridge

Na matemtica, voc no compreende coisas. Voc simplesmente se


acostuma com elas.
John von Neumann

D esde o surgimento do computador em meados do sculo 20, tem havido uma


discusso contnua no apenas sobre o limite final de sua capacidade, como a
respeito de podermos considerar o prprio crebro humano um tipo de
computador. No que diz respeito a essa ltima questo, o consenso mudou; antes
se viam essas duas espcies de entidades de processamento de informaes
como essencialmente a mesma coisa, e agora elas so consideradas
fundamentalmente diferentes. E ento, o crebro um computador?
Quando os computadores comearam a se popularizar na dcada de 1940,
foram considerados imediatamente mquinas de pensar. O ENIAC, que foi
anunciado em 1946, foi descrito na imprensa como um crebro gigante.
Quando os computadores se tornaram comercialmente disponveis na dcada
seguinte, os anncios se referiam rotineiramente a eles como crebros capazes
de feitos que os crebros biolgicos comuns no conseguiam realizar.
Rapidamente, os programas de computador permitiram que as mquinas
correspondessem a essa expectativa. O solucionador geral de problemas,
criado em 1959 por Herbert A. Simon, J. C. Shaw e Allen Newell na Carnegie
Mellon University, conseguiu idealizar uma prova para um teorema que os
matemticos Bertrand Russell (1872-1970) e Alfred North Whitehead (1861-
1947) no tinham conseguido resolver em sua famosa obra de 1913, Principia
Mathematica. O que ficou aparente nas dcadas seguintes foi que os
computadores podiam exceder, rpida e significativamente, a capacidade
humana desassistida em exerccios intelectuais como a soluo de problemas
matemticos, o diagnstico de doenas e o jogo de xadrez, mas tinham
dificuldade para controlar um rob tentando dar o lao num cordo de sapatos ou
compreender a linguagem comum, algo que uma criana de 5 anos conseguia
entender. Somente agora, os computadores esto comeando a dominar esse tipo
de habilidade. Ironicamente, a evoluo da inteligncia dos computadores
dirigiu-se no sentido oposto ao da maturao humana.
Propaganda de 1957 mostrando a concepo popular do computador como um
crebro gigante
At hoje, controvertida a questo sobre se o computador e o crebro
humano se equivaleriam em algum nvel. Na introduo, mencionei que havia
milhes de links para citaes sobre a complexidade do crebro humano. De
modo anlogo, uma pesquisa no Google sobre Citaes: o crebro no um
computador tambm produz milhes de links. Na minha opinio, frases nesse
sentido so semelhantes a dizer que Compota de ma no ma.
Tecnicamente, essa declarao verdadeira, mas voc pode fazer compota de
ma com uma ma. Seria mais objetivo dizer algo como: Computadores no
so processadores de texto. verdade que um computador e um processador de
texto existem em nveis conceituais diferentes, mas um computador pode se
tornar um processador de texto se tiver um programa de processamento de texto
sendo executado, e no o contrrio. Do mesmo modo, um computador pode se
tornar um crebro se tiver um software cerebral sendo executado. isso que
pesquisadores, inclusive eu, esto tentando fazer.
Portanto, a questo saber se podemos ou no descobrir um algoritmo que
transforme um computador numa entidade equivalente a um crebro humano.
Afinal, um computador pode executar qualquer algoritmo que possamos definir,
por causa de sua universalidade inata (sujeita apenas sua capacidade). O
crebro humano, por outro lado, executa um conjunto especfico de algoritmos.
Seus mtodos so inteligentes, pois ele d espao para uma plasticidade
significativa e para a reestruturao de suas prprias conexes com base em sua
experincia, mas essas funes podem ser emuladas por software.
A universalidade da computao (o conceito de que um computador de
propsitos gerais pode implementar qualquer algoritmo) e o poder dessa ideia
surgiu junto com as primeiras mquinas fsicas. H quatro conceitos vitais por
trs da universalidade e da viabilidade da computao e sua aplicabilidade a
nosso modo de pensar. Vale a pena revis-los aqui, pois o prprio crebro os
utiliza. O primeiro a capacidade de comunicar, lembrar e computar
informaes de maneira confivel. Por volta de 1940, se voc usasse a palavra
computador, as pessoas presumiriam que voc estivesse falando de um
computador analgico, no qual os nmeros eram representados por nveis
diferentes de voltagem, e componentes especializados podiam executar funes
especficas como soma e multiplicao. Entretanto, uma grande limitao dos
computadores analgicos que eles eram atormentados por problemas de
preciso. Os nmeros s podiam ser representados com preciso de um
centsimo, e como o nvel da voltagem que os representava era processado por
um nmero cada vez maior de operadores aritmticos, os erros eram
cumulativos. Se voc quisesse realizar mais do que um punhado de operaes, os
resultados seriam to imprecisos que no teriam sentido nenhum.
Quem se recorda da poca em que se gravava msica em gravadores
analgicos de fita vai se lembrar desse efeito. Havia uma degradao sensvel na
primeira cpia, que ficava com um pouco mais de rudo do que a fita original.
(Lembre-se de que o rudo representa impreciso aleatria.) A cpia da cpia
tinha mais rudo ainda, e por volta da dcima gerao, a cpia era quase que s
rudo. Presumia-se que o mesmo problema atormentaria o mundo emergente
dos computadores digitais. Podemos entender essa preocupao se
considerarmos a comunicao de informaes digitais por um canal. Nenhum
canal perfeito e cada um ter um nvel intrnseco de erro. Suponha que temos
um canal com uma probabilidade de 0,9 de transmitir corretamente cada bit. Se
eu enviar uma mensagem com um bit, a probabilidade de esta ser transmitida
corretamente ser 0,9. E se eu enviar dois bits? Agora, a preciso de 0,92 =
0,81. E se eu enviar um byte (oito bits)? Terei menos do que 50% (0,43, para ser
preciso) de chance de envi-lo corretamente. A probabilidade de enviar com
preciso cinco bytes de 1%, aproximadamente.
Uma soluo bvia para impedir esse problema tornar o canal mais
preciso. Suponha que o canal comete apenas um erro a cada milho de bits. Se
eu enviar um arquivo formado por meio milho de bytes (mais ou menos do
tamanho de um programa ou banco de dados modesto), a probabilidade de
transmiti-lo corretamente de menos do que 2%, apesar de a preciso inerente
do canal ser bastante elevada. Tendo em vista que um erro de um nico bit pode
invalidar completamente um programa de computador e outras formas de dados
digitais, essa soluo no satisfatria. No importa qual seja a preciso do
canal, como a probabilidade de um erro numa transmisso aumenta rapidamente
com o tamanho da mensagem, essa barreira pareceria intransponvel.
Computadores analgicos lidaram com esse problema atravs da
degradao graciosa (o que significa que os usurios s apresentavam problemas
nos quais podiam tolerar pequenos erros); porm, se os usurios de computadores
analgicos se limitassem a um conjunto restrito de clculos, os computadores se
mostravam razoavelmente teis. Computadores digitais, por outro lado, exigem
comunicao contnua, no s de um computador para outro, como dentro do
computador em si. Existe comunicao entre sua memria e a unidade central
de processamento. Dentro da unidade central de processamento, h
comunicao entre um registro e outro, e de um lado para outro da unidade
aritmtica, e assim por diante. Mesmo dentro da unidade aritmtica, h
comunicao entre o registro de um bit e outro. A comunicao permeia todos os
nveis. Se lembrarmos que o ndice de erro aumenta rapidamente com o
aumento da comunicao e que um erro de um nico bit pode destruir a
integridade de um processo, a computao digital estava fadada ao fracasso
pelo menos, era o que se pensava na poca.
Essa era a opinio geral at o matemtico norte-americano Claude Shannon
(1916-2001) aparecer e demonstrar como podemos criar comunicaes
arbitrariamente precisas usando at os canais de comunicao menos confiveis.
O que Shannon disse em seu trabalho monumental, A Mathematical Theory of
Communication, publicado no Bell System Technical Journal em julho e outubro
de 1948, e em particular em seu teorema de codificao de canais ruidosos, era
que se tivssemos um canal com qualquer ndice de erros (exceto um canal com
exatamente 50% por bit, o que significaria que o canal estaria transmitindo rudo
puro), seramos capazes de transmitir uma mensagem na qual o ndice de erro
seria to preciso quanto quisssemos. Noutras palavras, o ndice de erros da
transmisso poderia ser de um bit em n bits, sendo que n pode ter o tamanho que
definirmos. Assim, por exemplo, num extremo, se tivermos um canal que
transmite corretamente bits de informao apenas em 51% do tempo (ou seja,
ele transmite um bit correto um pouco mais frequentemente do que um bit
errado), mesmo assim poderemos transmitir mensagens de modo que apenas um
bit num milho estar incorreto, ou um bit num trilho ou num trilho de trilhes.
Como isso possvel? Pela redundncia. Hoje talvez isso parea bvio, mas
na poca no era assim. Como exemplo simples, se eu transmitir trs vezes cada
bit e tiver a maioria dos votos, terei aumentado substancialmente a confiabilidade
do resultado. Se isso no for suficiente, basta aumentar a redundncia at obter a
confiabilidade de que precisa. A mera repetio da informao a forma mais
fcil de obter elevados ndices de preciso com canais de baixa preciso, mas
no a abordagem mais eficiente. O trabalho de Shannon, que estabeleceu o
campo da teoria da informao, apresentou mtodos ideais de deteco de erros
e cdigos de correo que podem atingir qualquer preciso desejada atravs de
qualquer canal no aleatrio.
Os leitores mais velhos vo se lembrar do modem telefnico, que transmitia
informaes atravs de ruidosas linhas telefnicas analgicas. Essas linhas
apresentavam rudos e chiados bvios, bem como outras formas de distoro,
mas mesmo assim eram capazes de transmitir dados digitais com ndices de
preciso bastante elevados, graas ao teorema do canal ruidoso de Shannon. O
mesmo problema e a mesma soluo existem para a memria digital. Nunca se
perguntou como CDs, DVDs e discos de programas continuam a apresentar
resultados confiveis mesmo depois que o disco caiu no cho e se arranhou? Mais
uma vez, devemos agradecer a Shannon.
A computao consiste em trs elementos: comunicao que, como
mencionei, est sempre presente dentro de computadores e entre eles ,
memria e portas lgicas (que realizam as funes aritmticas e lgicas). A
preciso das portas lgicas tambm pode ser arbitrariamente elevada usando-se,
do mesmo modo, deteco de erros e cdigos de correo. Graas ao teorema e
teoria de Shannon, podemos lidar com dados e algoritmos digitais
arbitrariamente grandes e complexos sem que os processos sejam perturbados
ou destrudos por erros. importante destacar que o crebro tambm usa o
princpio de Shannon, embora a evoluo do crebro humano seja claramente
anterior do prprio Shannon! A maioria dos padres ou ideias (e uma ideia
tambm um padro), como vimos, est armazenada no crebro com uma
quantidade substancial de redundncia. Uma razo primria para a redundncia
no crebro a inconfiabilidade intrnseca dos circuitos neurais.
A segunda ideia importante na qual a era da informao se baseia uma que
j mencionei: a universalidade da computao. Em 1936, Alan Turing descreveu
sua mquina de Turing, que no era uma mquina de verdade, mas outro
experimento mental. Seu computador terico consiste numa fita de memria
infinitamente longa com um 1 ou 0 em cada quadrado. O input da mquina
apresentado por essa fita, que a mquina consegue ler razo de um quadrado
por vez. A mquina tambm contm uma tabela de regras essencialmente um
programa armazenado que consiste em estados numerados. Cada regra
especifica uma ao se o quadrado sendo lido for um 0, e uma ao diferente se
o quadrado atual for um 1. As aes possveis incluem escrever 0 ou 1 na fita,
mover a fita um quadrado para a direita ou para a esquerda, ou parar. Cada
estado vai especificar o nmero do prximo estado em que a mquina deveria
estar.
O input da mquina de Turing apresentado na fita. O programa roda e,
quando a mquina para, o algoritmo foi concludo e o output-processo fica na
fita. Perceba que, apesar de a fita ter, teoricamente, um comprimento infinito,
qualquer programa que no entre num lao infinito vai usar apenas uma parte
finita da fita; logo, se nos limitarmos a uma fita finita, a mquina ainda vai
resolver um conjunto til de problemas.
Se a mquina de Turing parece simples porque foi esse o objetivo de seu
inventor. Turing queria que a mquina fosse o mais simples possvel (mas no
mais simples, parafraseando Einstein). Turing e Alonzo Church (1903-1995), seu
antigo professor, desenvolveram a tese Church-Turing, que afirma que, se um
problema que pode ser apresentado a uma mquina de Turing no pode ser
resolvido por ela, ele tambm no pode ser resolvido por mquina nenhuma, em
decorrncia da lei natural. Apesar de a mquina de Turing ter apenas um
punhado de comandos e processar apenas um bit de cada vez, ela pode calcular
qualquer coisa que qualquer computador possa calcular. Outra forma de dizer
isso que qualquer mquina que seja Turing completa (ou seja, que tenha
capacidades equivalentes a uma mquina de Turing) pode computar qualquer
algoritmo (qualquer procedimento que possamos definir).
Diagrama em blocos de uma mquina de Turing com um cabeote que l e
escreve na fita e um programa interno que consiste em transies de estados

Interpretaes fortes da tese Church-Turing propem uma equivalncia


essencial entre o que um humano pode pensar ou saber, e o que computvel
por uma mquina. A ideia bsica que o crebro humano est, do mesmo modo,
sujeito lei natural, e assim sua capacidade de processamento de informaes
no pode exceder de uma mquina (e, portanto, de uma mquina de Turing).
Podemos dar os crditos apropriados a Turing por ter estabelecido a base
terica da computao com seu trabalho de 1936, mas importante observar que
ele foi profundamente influenciado por uma palestra apresentada pelo
matemtico hngaro-americano John von Neumann (1903-1957) em
Cambridge, em 1935, sobre seu conceito de programa armazenado, um conceito
que foi incorporado mquina de Turing [1]. Por sua vez, von Neumann foi
influenciado pelo trabalho de Turing de 1936, que estabeleceu de forma elegante
os princpios da computao, e tornou-o leitura obrigatria para seus colegas no
final da dcada de 1930 e incio da seguinte [2].
No mesmo trabalho, Turing relata outra descoberta inesperada: a dos
problemas insolveis. So problemas bem definidos e com respostas nicas que
se pode mostrar que existem, mas que tambm podemos provar que nunca
podem ser computados por uma mquina de Turing ou seja, por nenhuma
mquina, o inverso de um dogma do sculo 19 que afirmava que problemas que
podiam ser definidos poderiam, em ltima anlise, ser resolvidos. Turing mostrou
que h tantos problemas insolveis quanto solveis. O matemtico e filsofo
austro-americano Kurt Gdel chegou a uma concluso similar em seu teorema
da incompletude, de 1931. Assim, ficamos com a surpreendente situao na
qual podemos definir um problema, provar que existe uma resposta nica, e
saber que a resposta nunca pode ser encontrada.
Turing mostrara que, em sua essncia, a computao se baseia num
mecanismo muito simples. Como a mquina de Turing (e portanto qualquer
computador) capaz de basear seu futuro curso de ao nos resultados que j
calculou, ela capaz de tomar decises e de modelar hierarquias arbitrariamente
complexas de informao.
Em 1939, Turing projetou uma calculadora eletrnica chamada Bombe que
ajudou a decodificar mensagens que tinham sido criptografadas pela mquina de
codificao nazista Enigma. Em 1943, uma equipe de engenheiros influenciada
por Turing concluiu a construo daquele que foi provavelmente o primeiro
computador, o Colossus, que permitiu aos aliados continuarem a decodificar
mensagens das verses mais sofisticadas da Enigma. Bombe e Colossus foram
projetados para uma nica tarefa e no podiam ser reprogramados para outra.
Mas realizaram brilhantemente suas tarefas e receberam o crdito por terem
permitido aos Aliados vencer a vantagem de trs da Luftwaffe alem sobre a
Roy al Air Force britnica, e a vencer a crucial Batalha da Inglaterra, bem como
a continuar a antever as tticas nazistas ao longo da guerra.
Foi com base nisso que John von Neumann criou a arquitetura do
computador moderno, que representa nossa terceira ideia importante. Chamada
de mquina de von Neumann, tem sido a estrutura central de praticamente todos
os computadores dos ltimos 67 anos, desde o microcontrolador em sua mquina
de lavar at os maiores supercomputadores. Num trabalho datado de 30 de junho
de 1945 e intitulado Primeiro Esboo de um Relatrio sobre o EDVAC, von
Neumann apresentou as ideias que tm dominado a computao desde ento [3].
O modelo de von Neumann inclui uma unidade central de processamento, na
qual so realizadas as operaes aritmticas e lgicas; uma unidade de memria,
na qual so armazenados programas e dados; armazenagem em grande escala;
um contador de programas; e canais de input e de output. Embora esse trabalho
fosse apenas um documento de um projeto interno, tornou-se a bblia dos
projetistas de computadores. Voc nunca sabe quando um memorando interno,
aparentemente rotineiro, vai acabar revolucionando o mundo.
A mquina de Turing no foi projetada para ser prtica. Os teoremas de
Turing no se preocupavam com a eficincia na soluo de problemas, mas com
o exame da gama de problemas que, teoricamente, poderiam ser resolvidos pela
computao. A meta de von Neumann, por outro lado, era criar um conceito
vivel de mquina computacional. Seu modelo substitui os clculos de um bit de
Turing por palavras com mltiplos bits (geralmente, algum mltiplo de oito bits).
A fita de memria de Turing sequencial, e por isso os programas de mquinas
de Turing passam um tempo enorme movendo a fita para a frente e para trs
para armazenar e recuperar resultados intermedirios. Em contraste, a memria
de von Neumann de acesso aleatrio, e por isso qualquer dado pode ser
resgatado imediatamente.
Uma das principais ideias de von Neumann o programa armazenado, que
ele introduzira uma dcada antes: colocar o programa no mesmo tipo de
memria de acesso aleatrio que os dados (e geralmente no mesmo bloco de
memria). Isso permitia ao computador ser reprogramado para diversas tarefas,
bem como para a automodificao dos cdigos (se o local de armazenamento do
programa for gravvel), o que permite uma forma poderosa de recursividade.
At ento, praticamente todos os computadores, inclusive o Colossus, tinham sido
construdos para uma tarefa especfica. O programa armazenado permitia que
um computador fosse realmente universal, satisfazendo assim a viso de Turing
sobre a universalidade da computao.
Outro aspecto importante da mquina de von Neumann que cada instruo
inclui um cdigo de operao especificando a operao aritmtica ou lgica que
ser realizada e o endereo de um operando da memria.
O conceito de von Neumann sobre o modo como um computador deveria
ser arquitetado foi apresentado com sua publicao do desenho do EDVAC, um
projeto que ele realizou com os colaboradores J. Presper Eckert e John Mauchly.
O EDVAC em si funcionou somente em 1951, poca na qual j havia outros
computadores com programas armazenados, como o Manchester Small-Scale
Experimental Machine, o ENIAC, o EDSAC e o BINAC, todos influenciados
profundamente pelo trabalho de von Neumann, e envolvendo Eckert e Mauchly
como projetistas. Von Neumann contribuiu diretamente para o desenho de
diversas dessas mquinas, inclusive uma verso posterior do ENIAC, que
suportava um programa armazenado.
Houve alguns precursores da arquitetura de von Neumann, embora, com
uma surpreendente exceo, nenhuma delas seja uma verdadeira mquina de
von Neumann. Em 1944, Howard Aiken apresentou o Mark I, que tinha um
elemento de programabilidade, mas no usava um programa armazenado. Ele
lia instrues de uma fita perfurada de papel e executava cada comando
imediatamente. Ele tambm no tinha uma instruo de desvio condicional.
Em 1941, o cientista alemo Konrad Zuse (1910-1995) criou o computador
Z-3. Ele tambm lia seu programa numa fita (neste caso, codificada em filme) e
tambm no tinha instruo de desvio condicional. interessante observar que
Zuse obteve apoio do German Aircraft Research Institute (Instituto de Pesquisa
Aeronutica da Alemanha), que usou o aparelho para estudar a vibrao de asas,
mas seu pedido ao governo nazista de verbas para substituir os rels por vlvulas
foi recusado. Os nazistas consideravam que a computao no tem importncia
para a guerra. Essa perspectiva ajuda muito, em minha opinio, a explicar o
resultado da guerra.
Na verdade, h um precursor autntico do conceito de von Neumann, e ele
surgiu um sculo antes! A chamada Mquina Analtica do matemtico e inventor
ingls Charles Babbage (1791-1871), descrita por ele em 1837, incorporava as
ideias de von Neumann e apresentava um programa armazenado atravs de
cartes perfurados, tomados por emprstimo do tear de Jacquard [4]. Sua
memria de acesso aleatrio inclua mil palavras com 50 dgitos decimais cada
uma (o equivalente a 21 kilobytes aproximadamente). Cada instruo inclua um
cdigo operacional e um nmero operando, tal como as modernas linguagens de
mquina. Ela inclua desvio condicional e looping, e por isso era uma verdadeira
mquina de von Neumann. Baseava-se inteiramente em engrenagens mecnicas
e, ao que parece, a Mquina Analtica estava alm da capacidade de projeto e
organizao de Babbage. Ele construiu partes dela, mas nunca a ligou. No se
sabe ao certo se os pioneiros da computao do sculo 20, inclusive von
Neumann, conheciam o trabalho de Babbage.
O computador de Babbage resultou na criao do campo da programao de
softwares. A escritora inglesa Ada By ron (1815-1852), condessa de Lovelace e
nica filha legtima de lorde By ron, o poeta, foi a primeira programadora de
computadores do mundo. Ela escreveu programas para a Mquina Analtica, que
ela precisava depurar em sua prpria mente (uma vez que o computador nunca
chegou a funcionar), uma prtica bem conhecida dos engenheiros de software da
atualidade como tabela de checagem. Ela traduziu um artigo do matemtico
italiano Luigi Menabrea sobre a Mquina Analtica e acrescentou suas prprias
anotaes, escrevendo que a Mquina Analtica tece padres algbricos, assim
como o tear de Jacquard tece flores e folhas. Ela apresentou depois aquelas que
podem ter sido as primeiras especulaes sobre a viabilidade da inteligncia
artificial, mas concluiu que a Mquina Analtica no tem pretenso alguma de
originar o que quer que seja.
O conceito de Babbage bem milagroso se voc pensar na era em que ele
viveu e trabalhou. No entanto, em meados do sculo 20, suas ideias tinham sido
perdidas nas brumas do tempo (embora tenham sido redescobertas
subsequentemente). Foi von Neumann quem conceituou e articulou os princpios
bsicos do computador tal como o conhecemos hoje, e o mundo reconhece isso
continuando a se referir mquina de von Neumann como o principal modelo de
computao. Lembre-se, porm, de que a mquina de von Neumann comunica
continuamente dados entre suas diversas unidades e dentro dessas unidades, e por
isso no poderia ser construda sem os teoremas de Shannon e os mtodos que ele
idealizou para transmitir e armazenar informaes digitais confiveis.
Isso nos leva quarta ideia importante, que ir alm da concluso de Ada
By ron de que um computador no pode pensar criativamente e encontrar os
principais algoritmos empregados pelo crebro, usando-os para transformar um
computador num crebro. Alan Turing apresentou essa meta em seu trabalho de
1950, Computing Machinery and Intelligence, que inclui o hoje famoso teste
de Turing para averiguar se uma IA atingiu um nvel humano de inteligncia.
Em 1956, von Neumann comeou a preparar uma srie de palestras
destinadas prestigiosa srie Silliman de palestras na Universidade de Yale.
Devido ao cncer, ele nunca apresentou essas palestras, nem concluiu o
manuscrito a partir do qual elas seriam compiladas. Esse documento inacabado
, at hoje, uma brilhante e proftica antecipao daquele que considero o mais
assombroso e importante projeto da humanidade. Foi publicado postumamente
como O computador e o crebro [The Computer and the Brain], em 1958.
coerente ver que a obra final de um dos mais brilhantes matemticos do sculo
passado e um dos pioneiros da era dos computadores tenha sido um exame da
prpria inteligncia. Esse projeto foi a primeira investigao sria do crebro
humano segundo a perspectiva de um matemtico e cientista da computao.
Antes de von Neumann, os campos da cincia da computao e da neurocincia
eram duas ilhas sem uma ponte entre elas.
Von Neumann comea sua discusso apresentando as semelhanas e as
diferenas entre o computador e o crebro humano. Tendo em conta a poca em
que redigiu esse manuscrito, ele notavelmente preciso. Ele comentou que o
output dos neurnios era digital: um axnio disparava ou no. Isso estava longe de
ser bvio naquele tempo, pois se achava que o output poderia ser um sinal
analgico. O processamento nos dendritos que se ligam a neurnios, e no corpo
celular do neurnio somtico, porm, era analgico, e ele descreveu seus
clculos como uma soma ponderada de inputs com um limiar. Este modelo do
funcionamento dos neurnios levou ao campo do conexionismo, que construiu
sistemas baseados nesse modelo do neurnio, tanto no hardware como no
software. (Como descrevi no captulo anterior, o primeiro desses sistemas
conexionistas foi criado por Frank Rosenblatt como programador de software
num computador IBM 704 em Cornell em 1957, logo aps os esboos de palestra
de von Neumann serem divulgados.) Hoje, temos modelos mais sofisticados da
maneira como os neurnios combinam inputs, mas a ideia essencial do
processamento analgico dos inputs dos dendritos usando concentraes de
neurotransmissores permaneceu vlida.
Von Neumann aplicou o conceito da universalidade da computao para
concluir que, apesar de a arquitetura e os tijolos parecerem radicalmente
diferentes entre crebro e computador, podemos concluir, ainda assim, que uma
mquina de von Neumann pode simular o processamento num crebro. O
contrrio no se aplica, porm, uma vez que o crebro no uma mquina de
von Neumann e no possui um programa armazenado (embora possamos
simular uma mquina de Turing bem simples em nossas cabeas). Seu algoritmo
ou seus mtodos esto implcitos em sua estrutura. Von Neumann conclui
corretamente que os neurnios podem aprender padres com seus inputs, o que
j determinamos que est codificado em parte na fora dos dendritos. O que no
se sabia na poca de von Neumann que o aprendizado tambm tem lugar
atravs da criao e da destruio de conexes entre neurnios.
Von Neumann comenta, com prescincia, que a velocidade do
processamento neural extremamente baixa, da ordem de uma centena de
clculos por segundo, mas que o crebro compensa isso atravs de um
processamento paralelo macio outro insight nada bvio e crucial. Von
Neumann disse que cada um dos 1010 neurnios do crebro (um nmero
razoavelmente preciso; as estimativas atuais ficam entre 1010 e 1011) estaria
processando ao mesmo tempo. Com efeito, cada uma das conexes (com uma
mdia entre 103 e 104 conexes por neurnio) est computando
simultaneamente.
As estimativas de von Neumann e sua descrio do processamento neural
so notveis, tendo em vista o estado primitivo da neurocincia nessa poca. Um
aspecto de sua obra do qual discordo, porm, sua avaliao da capacidade de
memria do crebro. Ele presume que o crebro se recorda de todos os inputs
durante toda a sua vida. Von Neumann supe uma vida mdia de 60 anos, ou
cerca de 2 109 segundos. Com cerca de 14 inputs por neurnio por segundo (o
que na verdade baixo, pelo menos com trs ordens de grandeza) e com 1010
neurnios, ele chega a uma estimativa de cerca de 1020 bits para a capacidade
de memria do crebro. A realidade, como comentei antes, que nos
lembramos apenas de uma pequena frao de nossos pensamentos e
experincias, e mesmo essas memrias no esto armazenadas como padres de
bits num nvel inferior (como uma imagem em vdeo), mas como sequncias de
padres de nvel superior.
Quando von Neumann descreve cada mecanismo do crebro, ele mostra
como um computador moderno poderia realizar a mesma coisa, apesar de
diferenas aparentes. Os mecanismos analgicos do crebro podem ser
simulados atravs de mecanismos digitais, pois a computao digital pode emular
valores analgicos em qualquer grau desejado de preciso (e a preciso da
informao analgica no crebro bem baixa). O paralelismo macio do
crebro tambm pode ser simulado, tendo em vista a significativa vantagem de
velocidade dos computadores na computao serial (uma vantagem que
aumentou muito ao longo do tempo). Alm disso, tambm podemos usar o
processamento paralelo em computadores usando mquinas de von Neumann
em paralelo que exatamente a forma como os supercomputadores trabalham
hoje.
Von Neumann conclui que os mtodos do crebro no podem envolver
algoritmos sequenciais extensos, se levarmos em conta a velocidade com que os
humanos conseguem tomar decises em combinao com a velocidade
computacional muito lenta dos neurnios. Quando um jogador da terceira base
pega a bola no ar e decide lan-la para a primeira base e no para a segunda,
ele toma essa deciso numa frao de segundo, tempo apenas suficiente para
que cada neurnio passe por um punhado de ciclos. Von Neumann conclui
corretamente que os notveis poderes do crebro provm do fato de que seus 100
bilhes de neurnios conseguem processar simultaneamente as informaes.
Como j disse, o crtex visual faz sofisticados julgamentos visuais em apenas trs
ou quatro ciclos neurais.
H uma plasticidade considervel no crebro, o que nos permite aprender.
Mas h bem mais plasticidade num computador, que pode reestruturar
completamente seus mtodos mudando seu software. Logo, nesse sentido, um
computador ser capaz de imitar o crebro, mas o inverso no se aplica.
Quando von Neumann comparou a capacidade da imensa organizao
paralela do crebro com os (poucos) computadores de sua poca, ficou claro que
o crebro tinha bem mais memria e velocidade. Mas, hoje, o primeiro
supercomputador a atingir especificaes que equivalem a algumas das
estimativas mais conservadoras da velocidade necessria para simular o crebro
humano em termos funcionais (cerca de 1016 operaes por segundo) j foi
construdo [5]. (Estimo que esse nvel de computao custar US$ 1 mil no incio
da dcada de 2020.) Com relao memria, estamos at mais prximos.
Apesar de ter escrito seu trabalho num momento notavelmente precoce da
histria do computador, von Neumann acreditava que tanto o hardware como o
software da inteligncia humana acabariam se ajustando, o que foi a sua
motivao para preparar essas palestras.
Von Neumann estava profundamente ciente da acelerao do ritmo do
progresso e de suas profundas implicaes para o futuro da humanidade. Um ano
aps sua morte em 1957, o colega matemtico Stan Ulam mencionou uma frase
dele do incio da dcada de 1950, na qual dizia que o progresso cada vez mais
acelerado da tecnologia e das mudanas no modo de vida humana do a
aparncia de que estamos nos aproximando de uma singularidade essencial na
histria da raa alm da qual os assuntos humanos, tal como os conhecemos, no
poderiam continuar. Esse foi o primeiro uso conhecido da palavra
singularidade no contexto da histria tecnolgica do homem.
O insight fundamental de von Neumann foi que havia uma equivalncia
essencial entre um computador e o crebro. Perceba que a inteligncia
emocional de um ser humano biolgico parte de sua inteligncia. Se o insight de
von Neumann estiver correto, e se aceitarem minha declarao de f em que
uma entidade no biolgica que torna a criar de forma convincente a inteligncia
(emocional e outras) de um humano biolgico tem conscincia (veja o prximo
captulo), ento teremos de concluir que existe uma equivalncia essencial entre
um computador com o software correto e uma mente (consciente). Desse
modo, ser que von Neumann est certo?
A maioria dos computadores de hoje inteiramente digital, enquanto o
crebro humano combina mtodos digitais e analgicos. Mas os mtodos
analgicos so fcil e rotineiramente recriados pelos digitais, com qualquer nvel
desejado de preciso. O cientista norte-americano da computao Carver Mead
(nascido em 1934) mostrou que podemos emular diretamente os mtodos
analgicos do crebro com o silcio, que ele demonstrou com o que chama de
chips neuromrficos [6]. Mead demonstrou como essa abordagem pode ser
milhares de vezes mais eficiente do que a emulao digital de mtodos
analgicos. Ao codificarmos o algoritmo neocortical maciamente repetido, far
sentido usar a abordagem de Mead. O IBM Cognitive Computing Group,
comandado por Dharmendra Modha, introduziu chips que emulam neurnios e
suas conexes, inclusive a capacidade de formar novas conexes [7]. Chamado
Sy NAPSE, um dos chips proporciona uma simulao direta de 256 neurnios
com cerca de 250 mil conexes sinpticas. A meta do projeto criar um
neocrtex simulado com 10 bilhes de neurnios e 100 trilhes de conexes o
que se aproxima de um crebro humano que consome apenas um quilowatt de
energia.
Como von Neumann descreveu h mais de meio sculo, o crebro
extremamente lento, mas maciamente paralelo. Os circuitos digitais atuais so,
no mnimo, 10 milhes de vezes mais rpidos do que os comutadores
eletroqumicos do crebro. Por outro lado, os 300 milhes de identificadores
neocorticais de padres processam simultaneamente, e seu quatrilho de
conexes interneuronais tem o potencial para computar ao mesmo tempo. O
ponto principal para se obter o hardware necessrio para modelar com sucesso
um crebro humano, porm, so a memria global e a taxa de transferncia
computacional necessrias. No precisamos copiar diretamente a arquitetura do
crebro, o que seria uma abordagem muito ineficiente e inflexvel.
Vamos estimar quais so os requisitos de hardware. Muitos projetos tentaram
emular o aprendizado hierrquico e a identificao de padres que acontecem na
hierarquia neocortical, inclusive meu prprio trabalho com os Modelos
Hierrquicos Ocultos de Markov. Uma estimativa conservadora a partir de minha
prpria experincia que para imitar um ciclo de um nico identificador de
padres no neocrtex de um crebro biolgico precisaramos de uns 3 mil
clculos. A maioria das simulaes executada numa frao dessa estimativa.
Com o crebro funcionando razo de 102 (100) ciclos por segundo, teremos 3
105 (300 mil) clculos por segundo por identificador de padres. Usando minha
estimativa de 2 108 (300 milhes) de identificadores de padres, teramos
cerca de 1014 (100 trilhes) de clculos por segundo, um nmero consistente
com minha estimativa apresentada em The singularity is near. Nesse livro,
projetei que para simular o crebro de maneira funcional precisaramos de um
nmero entre 1014 e 1016 clculos por segundo (cps), e usei 1016 cps para ser
conservador. A estimativa do especialista em IA Hans Moravec, baseada na
extrapolao dos requisitos computacionais do processamento visual inicial do
crebro como um todo, de 1014 cps, o que corresponde minha avaliao.
Mquinas de desktop podem atingir 1010 cps, embora esse nvel de
desempenho possa ser significativamente ampliado usando-se recursos da
nuvem. O supercomputador mais veloz, o K Computer, do Japo, j atingiu 1016
cps [8]. Como o algoritmo do neocrtex se repete maciamente, a abordagem de
se usar chips neuromrficos como os chips Sy NAPSE da IBM, mencionados
acima, tambm promissora.
Em termos de exigncias de memria, vamos precisar de cerca de 30 bits
(quatro bytes) para que uma conexo se ocupe de um dos 300 milhes de
identificadores de padres. Se estimarmos uma mdia de oito inputs para cada
identificador de padro, teremos 32 bytes por identificador. Se acrescentarmos
um peso de um byte para cada input, teremos 40 bytes. Acrescente outros 32
bytes para conexes descendentes e somamos 72 bytes. Perceba que o nmero
da ramificao para cima e para baixo ser bem superior a oito, embora essas
rvores de ramificao muito grandes sejam compartilhadas por diversos
identificadores. Por exemplo, pode haver centenas de identificadores envolvidos
na identificao da letra p. Estes vo alimentar milhares de identificadores no
nvel imediatamente superior que lidam com palavras e frases que incluem p.
No entanto, cada identificador de p no repete a rvore de conexes que
alimenta todas as palavras e frases que incluem p todos compartilham uma
de tais rvores de conexes. O mesmo se aplica a conexes descendentes: um
identificador responsvel pela palavra APPLE vai dizer a todos os milhares de
identificadores de E num nvel inferior que um E ser esperado caso j
tenham sido vistos A, P, P e L. Essa rvore de conexes no se repete
para cada identificador de palavra ou de frase que quer informar o nvel
imediatamente inferior que um E esperado. Mais uma vez, eles so
compartilhados. Por esse motivo, uma estimativa geral de oito para cima e oito
para baixo, em mdia, por identificador de padres, razovel. Mesmo que
aumentemos essa estimativa em particular, isso no aumentar
significativamente a ordem de magnitude da estimativa resultante.
Com 3 108 (300 milhes) de identificadores de padres com 72 bytes cada,
teremos uma necessidade geral de memria da ordem de 2 1010 (20 bilhes)
de bytes. Trata-se de um nmero at modesto, que os computadores normais
atuais podem exceder.
Essas estimativas tm o objetivo apenas de proporcionar uma noo
aproximada da ordem de grandeza exigida. Lembrando que os circuitos digitais
so intrinsecamente cerca de 10 milhes de vezes mais rpidos do que os
circuitos neocorticais biolgicos, no precisamos igualar o crebro humano em
seu paralelismo um processamento paralelo modesto (comparado com o
paralelismo da ordem de trilhes de vezes do crebro humano) ser suficiente.
Percebemos que os requisitos computacionais necessrios esto ficando ao nosso
alcance. O recabeamento do prprio crebro os dendritos esto criando novas
sinapses continuamente tambm pode ser emulado por software usando links,
um sistema bem mais flexvel do que o mtodo de plasticidade do crebro, que,
como vimos, impressionante, porm limitado.
A redundncia usada pelo crebro para atingir resultados invariantes robustos
certamente pode ser replicada em emulaes por software. A matemtica para
se otimizar esses tipos de sistemas de aprendizado hierrquico auto-organizados
bem conhecida. A organizao do crebro est longe de ser a ideal.
Naturalmente, nem precisava s-lo; ela s precisa ser boa o suficiente para se
atingir o limiar da possibilidade de criar ferramentas que compensam suas
prprias limitaes.
Outra restrio do neocrtex humano que no existe processo que elimine
ou mesmo revise ideias contraditrias, o que explica a razo pela qual o
pensamento humano costuma ser maciamente inconsistente. Temos um
mecanismo fraco para lidar com isso, chamado pensamento crtico, mas essa
habilidade no , nem de longe, to praticada quanto deveria. Num neocrtex
baseado em software, podemos construir um processo que revela inconsistncias
que sero analisadas mais a fundo.
importante observar que o desenho de toda uma regio cerebral mais
simples do que o desenho de um nico neurnio. Como discuti antes, os modelos
costumam ficar mais simples num nvel superior pense na analogia com um
computador. Precisamos compreender em detalhes a fsica dos semicondutores
para modelar um transistor, e as equaes por trs de um nico transistor real so
complexas. Um circuito digital que multiplica dois nmeros exige centenas deles.
Mas podemos modelar esse circuito de multiplicao de forma bem simples,
com uma ou duas frmulas. Um computador inteiro com bilhes de transistores
pode ser modelado atravs de seu conjunto de instrues e da descrio dos
registros, que podem ser descritos num punhado de pginas escritas com textos e
frmulas. Os programas de software de um sistema operacional, os
compiladores de linguagem e os montadores so razoavelmente complexos, mas
a modelagem de um programa especfico por exemplo, um programa de
reconhecimento de fala baseado em Modelos Hierrquicos Ocultos de Markov
tambm pode ser descrito em poucas pginas de equaes. Em nenhum ponto
dessa descrio encontraramos os detalhes da fsica dos semicondutores, nem
mesmo da arquitetura de computadores.
Uma observao similar vlida para o crebro. Um identificador
neocortical de padres especfico, que detecta uma caracterstica visual
invariante em particular (como um rosto) ou que realiza uma filtragem de passo
de faixa (limitando o input a uma gama de frequncias especfica) num som, ou
que avalia a proximidade temporal de dois eventos, pode ser descrito com muito
menos detalhes especficos do que a fsica e as relaes qumicas que controlam
os neurotransmissores, os canais de ons e outras variveis sinpticas e dendrticas
envolvidas nos processos neurais. Embora toda essa complexidade precise ser
cuidadosamente avaliada antes de avanar para o prximo nvel conceitual
superior, boa parte dela pode ser simplificada quando os princpios operacionais
do crebro so revelados.
Captulo 9

Experimentos mentais sobre a mente

A mente nada mais do que aquilo que o crebro faz.


Marvin Minsky, A sociedade da mente

Quando forem construdas mquinas inteligentes, no deveremos nos


surpreender se elas forem to confusas e teimosas quanto os homens
em suas convices sobre mente-matria, conscincia, livre-arbtrio
e coisas do gnero.
Marvin Minsky, A sociedade da mente

Quem consciente?
A verdadeira histria da conscincia comea com nossa primeira
mentira.
Joseph Brodsky

O sofrimento a nica origem da conscincia.


Fidor Dostoivski, Memrias do subsolo

H um tipo de planta que se alimenta de comida orgnica com suas


flores: quando um inseto pousa sobre a flor, as ptalas se fecham
sobre ele e o prendem at a flor ter absorvido o inseto em seu
sistema; mas ela s se fecha sobre aquilo que bom para se comer;
se for uma gota de chuva ou um graveto, ela no se abala. Curioso
ver que uma coisa inconsciente tem um olho clnico para aquilo que
lhe interessa. Se isso inconscincia, para que serve a conscincia?
Samuel Butler, 1871
xaminamos o crebro como uma entidade capaz de certos nveis de realizao.
E Mas essa perspectiva deixa nossos eus fora do quadro. Aparentemente,
vivemos em nosso crebro. Temos vidas subjetivas. De que maneira a viso
objetiva do crebro, que discutimos at agora, se relaciona com nossos
sentimentos, com a sensao de que somos a pessoa que est tendo as
experincias?
O filsofo ingls Colin McGinn (nascido em 1950) trata disso, dizendo que a
conscincia pode reduzir at o pensador mais meticuloso a um balbuciar
incoerente. A razo para isso que as pessoas costumam ter opinies
inconsistentes e no examinadas sobre o significado exato da expresso.
Muitos observadores consideram a conscincia uma forma de
representao; por exemplo, a capacidade de autorreflexo, ou seja, a habilidade
de compreendermos nossos prprios pensamentos e de explic-los. Eu
descreveria isso como a capacidade de pensar sobre nosso prprio pensamento.
Presumivelmente, deveramos encontrar um modo de avaliar essa capacidade,
usando depois esse teste para separar coisas conscientes de coisas inconscientes.
No entanto, deparamos rapidamente com problemas quando tentamos pr
em prtica essa abordagem. Um beb tem conscincia? Um co? Eles no tm
l muita habilidade para descrever seus processos mentais. H quem acredite
que bebs e ces no so seres conscientes justamente porque no conseguem se
explicar. E o que dizer do computador conhecido como Watson? Ele pode ser
posto num modo no qual efetivamente explica de que forma encontrou
determinada resposta. Como ele contm um modelo de seu prprio pensamento,
ser que Watson consciente, enquanto o beb e o cachorro no so?
Antes de continuarmos a explorar essa questo, importante refletir sobre a
distino mais importante relacionada com ela: o que podemos descobrir pela
cincia e o que se mantm de fato como uma questo da filosofia? Uma posio
diz que a filosofia uma espcie de depsito intermedirio para perguntas que
ainda no sucumbiram ao mtodo cientfico. Segundo essa perspectiva, quando a
cincia progride o suficiente para resolver determinado conjunto de questes, os
filsofos podem passar para outras perguntas, at chegar o momento em que a
cincia as elucida tambm. Essa viso endmica no que diz respeito ao
problema da conscincia, e, mais especificamente, o que e quem
consciente?
Pense nestas declaraes do filsofo John Searle: Sabemos que os crebros
causam a conscincia com mecanismos biolgicos especficos. [...] O essencial
perceber que a conscincia um processo biolgico como a digesto, a lactao,
a fotossntese ou a mitose. [...] O crebro uma mquina, mquina biolgica,
claro, mas ainda assim uma mquina. Logo, a primeira etapa consiste em
descobrir como o crebro a cria para construirmos depois uma mquina artificial
com um mecanismo igualmente eficiente para causar a conscincia [1]. As
pessoas costumam se surpreender ao lerem essas frases porque presumem que
Searle se dedica a proteger o mistrio da conscincia de reducionistas como Ray
Kurzweil.
O filsofo australiano David Chalmers (nascido em 1966) criou a expresso
o duro problema da conscincia para descrever a dificuldade de enquadrar
esse conceito essencialmente indescritvel. s vezes, uma frase breve engloba
to bem toda uma escola de pensamento que se torna emblemtica (como a
banalidade do mal, de Hannah Arendt). A famosa formulao de Chalmers faz
isso muito bem.
Quando se discute a conscincia, fica muito fcil incorrer no erro de
considerar os atributos observveis e mensurveis que associamos com o fato de
sermos conscientes, mas essa abordagem no trata da verdadeira essncia da
ideia. Acabei de mencionar o conceito da metacognio a ideia de se pensar
sobre o prprio pensamento como um de tais correlatos da conscincia. Outros
observadores equiparam a inteligncia emocional ou a inteligncia moral com a
conscincia. Mais uma vez, porm, nossa capacidade de expressar um
sentimento amoroso, de compreender uma piada ou de sermos sensuais so
simplesmente tipos de representao at impressionantes e inteligentes, mas
habilidades que podem ser observadas e medidas (embora possamos questionar
como podemos avali-las). Entender como o crebro realiza esse tipo de tarefa e
o que acontece no crebro quando as realizamos constitui a questo fcil de
Chalmers sobre a conscincia. Naturalmente, o problema fcil pode ser tudo,
menos fcil, e talvez represente a mais difcil e importante busca cientfica de
nossa era. Enquanto isso, a questo dura de Chalmers to dura que se mostra
essencialmente inefvel.
Apoiando essa distino, Chalmers introduz um experimento mental
envolvendo o que ele chama de zumbis. O zumbi uma entidade que atua como
uma pessoa, mas simplesmente no tem experincia subjetiva, ou seja, um
zumbi no tem conscincia. Chalmers alega que como podemos conceber
zumbis, eles so possveis, pelo menos em termos lgicos. Se voc estivesse
numa festa e nela houvesse tanto humanos normais como zumbis, como voc
perceberia a diferena? Talvez isso at se parea com alguma festa na qual voc
esteve.
Muitos respondem a essa questo dizendo que perguntariam aos indivduos
que desejam avaliar quais as suas reaes emocionais a eventos e ideias.
Segundo acreditam, um zumbi revelaria sua falta de experincia subjetiva por
meio de uma deficincia em certos tipos de resposta emocional. Mas uma
resposta nesse sentido deixaria de levar em conta as premissas do experimento
mental. Se encontrarmos uma pessoa no emocional (como um indivduo com
certas deficincias emocionais, como comum em certos tipos de autismo), ou
um avatar, ou um rob que no se mostrou convincente como ser humano
emocional, ento essa entidade no um zumbi. Lembre-se: segundo a premissa
de Chalmers, o zumbi completamente normal em sua capacidade de reagir,
inclusive a capacidade de reagir emocionalmente; ele s no tem experincia
subjetiva. O fundo da questo que no h maneira de identificarmos um zumbi
porque, por definio, no existe indicao aparente de sua natureza zumbi em
seu comportamento. Assim, ser esta uma distino sem uma diferena?
Chalmers no tenta responder questo dura, mas apresenta algumas
possibilidades. Uma uma forma de dualismo na qual a conscincia em si no
existe no mundo fsico, mas como uma entidade ontolgica separada. Segundo
essa formulao, aquilo que uma pessoa faz se baseia nos processos em seu
crebro. Como o crebro causalmente fechado, podemos explicar plenamente
as aes de uma pessoa, inclusive seus pensamentos, por meio de seus processos.
Assim, a conscincia existe essencialmente noutra esfera, ou, no mnimo, uma
propriedade separada do mundo fsico. Essa explicao no permite que a mente
(quer dizer, a propriedade consciente associada com o crebro) afete
causalmente o crebro.
Outra possibilidade sugerida por Chalmers, que no difere logicamente de
seu conceito de dualismo, e que costuma ser chamada de panprotopsiquismo,
sustenta que todos os sistemas fsicos so conscientes, embora um ser humano
seja mais consciente do que um interruptor de luz, por exemplo. Eu certamente
concordo; um crebro humano precisa ter mais conscincia do que um
interruptor de luz.
Minha opinio, que talvez seja uma subescola do panprotopsiquismo, que a
conscincia uma propriedade emergente de um sistema fsico complexo.
Segundo essa viso, um co tambm tem conscincia, mas esta um pouco
menor do que a humana. Uma formiga tambm tem certo nvel de conscincia,
mas muito menor que a de um co. Por outro lado, podemos considerar que a
colnia de formigas tem um nvel de conscincia superior ao de cada formiga;
ela , com certeza, mais inteligente do que uma formiga isolada. Segundo essa
linha, um computador que imita com sucesso a complexidade de um crebro
humano tambm teria a mesma conscincia emergente que um humano.
Outra maneira de conceituar a conscincia como um sistema que tem
qualia. E o que so os qualia? Uma definio do termo seria experincias
conscientes. Isso, porm, no nos leva muito longe. Imagine este experimento
mental: um neurocientista completamente cego para cores no daltnico,
ou seja, no confunde certos tons de verde e vermelho (como eu); tem um
problema no qual o indivduo vive num mundo totalmente preto e branco. (Numa
verso mais extrema desse cenrio, ele cresceu num mundo preto e branco e
nunca viu cor nenhuma. Em sntese, seu mundo no tem cores.) Contudo, ele
estudou a fundo a fsica da cor ele sabe que o comprimento de onda da luz
vermelha 700 nanmetros e os processos neurolgicos de uma pessoa que
consegue lidar normalmente com as cores, e que portanto conhece muita coisa
sobre o modo como o crebro processa cores. Esse indivduo sabe mais coisas
sobre as cores do que a maioria das pessoas. Se voc quisesse ajud-lo,
explicando-lhe como a verdadeira experincia do vermelho, como poderia
faz-lo?
Voc poderia ler para ele um trecho do poema Vermelho, do poeta
nigeriano Olusey i Oluseun:

Vermelho a cor do sangue


smbolo da vida
Vermelho a cor do perigo
smbolo da morte

Vermelho a cor das rosas


smbolo da beleza
Vermelho a cor dos enamorados
smbolo da unidade

Vermelho a cor do tomate


smbolo da boa sade
Vermelho a cor do fogo quente
smbolo do desejo ardente

Isso lhe daria uma excelente ideia de algumas das associaes que as
pessoas fizeram com o vermelho, e poderia at lev-lo a ter uma posio numa
conversa sobre essa cor. (Sim, adoro a cor vermelha, to quente e fogosa, to
perigosamente bela...) Se ele quisesse, poderia at convencer as pessoas de que
tinha vivenciado o vermelho, mas toda a poesia do mundo no permitiria
efetivamente que ele tivesse essa vivncia.
De modo anlogo, como voc explicaria a sensao de mergulhar na gua
para algum que nunca encostou na gua? Novamente, seramos forados a
recorrer poesia, mas no h de fato um modo de transmitir a experincia em
si. So essas experincias que chamamos de qualia.
Muitos dos leitores deste livro experimentaram a cor vermelha. Mas como
eu sei se sua experincia de vermelho no a mesma experincia que tenho ao
olhar para o azul? Ns dois olhamos para um objeto vermelho e afirmamos com
segurana que ele vermelho, mas isso no responde pergunta. Eu posso estar
tendo a experincia que voc tem ao olhar para o azul, mas ambos aprendemos a
chamar as coisas vermelhas de vermelhas. Poderamos comear a trocar
poemas novamente, mas eles simplesmente refletiriam as associaes que as
pessoas tm feito com as cores; eles no falam da verdadeira natureza do qualia.
Com efeito, cegos de nascena j leram muito sobre cores, pois essas
referncias so abundantes na literatura, e por isso eles tm alguma verso de
uma experincia da cor. Como sua experincia do vermelho se compara com a
experincia de pessoas dotadas de viso? Essa a mesma pergunta que aquela
feita sobre a pessoa no mundo preto e branco. notvel como fenmenos to
comuns em nossas vidas so inefveis e tornam uma confirmao simples, como
a de que estamos tendo o mesmo qualia, impossvel.
Outra definio de qualia o sentimento de uma experincia. No entanto,
essa definio no menos circular do que nossas tentativas anteriores de definir
a conscincia, pois as expresses sentimento, ter uma experincia e
conscincia so sinnimas. A conscincia e a questo intimamente relacionada
a ela do qualia so uma questo filosfica fundamental, talvez a questo suprema
(embora o tema da identidade possa ser ainda mais importante, como vou
discutir na seo final deste captulo).
Portanto, com relao conscincia, qual mesmo a pergunta? esta:
quem ou o que consciente? Refiro-me mente no ttulo deste livro, e no a
crebro, pois a mente um crebro que consciente. Tambm poderamos
dizer que a mente tem livre-arbtrio e identidade. A alegao de que essas
questes so filosficas no evidente por si s. Afirmo que essas questes nunca
podero ser plenamente resolvidas pela cincia. Noutras palavras, no h
experimentos falsificveis que possamos imaginar para resolv-las, no sem
assumirmos premissas filosficas. Se estivssemos construindo um detector de
conscincia, Searle desejaria se assegurar de que ele estaria espremendo
neurotransmissores biolgicos. O filsofo norte-americano Daniel Dennett
(nascido em 1942) seria mais flexvel no substrato, mas poderia querer
determinar se o sistema continha ou no um modelo de si mesmo e de sua
prpria representao. Essa viso se aproxima mais da minha, mas, em essncia,
ainda uma premissa filosfica.
Muitas propostas tm sido apresentadas regularmente com a pretenso de
serem teorias cientficas associando a conscincia a algum atributo fsico
mensurvel, aquilo a que Searle se refere como o mecanismo que causa a
conscincia. O cientista, filsofo e anestesiologista norte-americano Stuart
Hameroff (nascido em 1947) escreveu que filamentos citoesquelticos so as
razes da conscincia [2]. Ele se refere a fios finos presentes em todas as clulas
(inclusive nos neurnios, mas no se limitando a eles) chamados microtbulos,
que do a cada clula integridade estrutural e tm um papel na diviso celular.
Seus livros e trabalhos sobre essa questo contm equaes e descries
detalhadas que explicam a plausibilidade de que os microtbulos tenham um
papel no processamento de informaes dentro da clula. Mas a conexo entre
os microtbulos e a conscincia exige um salto de f, fundamentalmente em
nada diferente do salto de f implcito numa doutrina religiosa que descreve um
ser supremo conferindo a conscincia (s vezes chamada de alma) a certas
entidades (geralmente humanas). Uma evidncia fraca foi apresentada para a
posio de Hameroff, especificamente a observao de que os processos
neurolgicos que poderiam apoiar esse suposto cmputo celular so
interrompidos durante uma anestesia. Mas isso est longe de ser uma
confirmao convincente, tendo em vista que muitos processos so interrompidos
durante uma anestesia. No podemos nem mesmo dizer com certeza que os
sujeitos no esto conscientes quando so anestesiados. S sabemos que as
pessoas no se lembram de suas experincias depois. E nem isso universal, pois
algumas pessoas se lembram com preciso de sua experincia enquanto
esto sob efeito de anestesia, inclusive, por exemplo, conversas de seus
cirurgies. Chamado percepo anestsica, estima-se que esse fenmeno ocorra
cerca de 40 mil vezes por ano nos Estados Unidos [3]. Mas, mesmo deixando-o
de lado, conscincia e memria so conceitos completamente diferentes. Como
j discuti amplamente, se eu penso nas experincias do dia anterior, momento a
momento, tive um grande nmero de impresses sensoriais, mas me lembro de
muito poucas delas. Ser que por isso no estive consciente daquilo que vi e ouvi
o dia todo? uma boa pergunta, na verdade, e a resposta no muito clara.
O fsico e matemtico ingls Roger Penrose (nascido em 1931) deu um salto
de f diferente ao propor a fonte da conscincia, embora tambm esteja tratando
dos microtbulos especificamente, sua suposta capacidade de cmputos
qunticos. Seu raciocnio, embora no seja explicitamente declarado, parece ser
o de que a conscincia misteriosa, e um evento quntico tambm misterioso,
e por isso eles devem ter algum tipo de liame.
Penrose comeou sua anlise com os teoremas de Turing sobre problemas
insolveis e com o anlogo teorema da incompletude, de Gdel. A premissa de
Turing (que foi discutida com detalhes no captulo 8) que h problemas
algortmicos que podem ser declarados mas que no podem ser solucionados por
uma mquina de Turing. Tendo em vista a universalidade computacional da
mquina de Turing, podemos concluir que esses problemas insolveis no
podem ser solucionados por nenhuma mquina. O teorema da incompletude de
Gdel tem um resultado similar com relao capacidade de provar conjecturas
envolvendo nmeros. O argumento de Penrose que o crebro humano capaz
de resolver esses problemas insolveis, e portanto capaz de fazer coisas que uma
mquina determinstica como um computador incapaz de fazer. Sua motivao,
ao menos em parte, elevar os seres humanos acima das mquinas. Mas sua
premissa central a de que os humanos podem resolver os problemas insolveis
de Turing e de Gdel infelizmente no verdadeira.
Um famoso problema insolvel chamado problema do castor atarefado
posto desta maneira: descubra o nmero mximo de 1 que uma mquina de
Turing com determinado nmero de estados pode escrever em sua fita. Para
determinar o castor atarefado do nmero n, construmos todas as mquinas de
Turing que tm n estados (que sero um nmero finito caso n seja finito) e depois
determinamos o maior nmero de 1 que essas mquinas escrevem em suas
fitas, excluindo as mquinas de Turing que entram num lao infinito. Isso
insolvel, pois quando tentamos simular todas essas mquinas de Turing com n
estados, nosso simulador vai entrar num lao infinito ao tentar simular uma das
mquinas de Turing que esto num lao infinito. Entretanto, mesmo assim os
computadores conseguiram determinar a funo do castor atarefado para certos
ns. Os humanos tambm, mas os computadores resolveram o problema para
bem mais ns do que os humanos desassistidos. Geralmente, os computadores so
melhores do que os humanos na soluo de problemas insolveis de Turing e
Gdel.
Penrose associou essas capacidades alegadamente transcendentes do
crebro humano computao quntica que, segundo sua hiptese, aconteceria
nele. Segundo Penrose, esses efeitos qunticos neurais, de algum modo, no
eram obtenveis intrinsecamente pelos computadores, e por isso o pensamento
humano tem uma vantagem inerente. De fato, a eletrnica comum usa efeitos
qunticos (os transistores dependem da tunelizao quntica dos eltrons atravs
de barreiras); a computao quntica do crebro nunca foi demonstrada; o
desempenho mental humano pode ser explicado satisfatoriamente por mtodos
clssicos de computao; e, de qualquer modo, nada nos impede de aplicar a
computao quntica a computadores. Nenhuma dessas objees foi alvo da
ateno de Penrose. S depois que os crticos comentaram que o crebro um
lugar morno e confuso para a computao quntica que Hameroff e Penrose
uniram foras. Penrose encontrou um veculo perfeito nos neurnios para
realizar cmputos qunticos, ou seja, os microtbulos que Hameroff havia
especulado que faziam parte do processamento de informaes dentro dos
neurnios. Assim, a tese de Hameroff-Penrose que os microtbulos nos
neurnios esto fazendo cmputos qunticos e que isso responsvel pela
conscincia.
Esta tese tambm foi criticada, por exemplo, pelo fsico e cosmologista
sueco-americano Max Tegmark (nascido em 1967), que determinou que eventos
qunticos nos microtbulos s conseguiam sobreviver durante 10-13 segundos,
um perodo breve demais, seja para calcular resultados de qualquer
significncia, seja para afetar processos neurais. H certos tipos de problemas
para os quais a computao quntica mostraria capacidade superior da
computao clssica, como, por exemplo, a decifrao de cdigos cifrados
atravs da fatorao de nmeros grandes. Contudo, o pensamento humano
desassistido tem se mostrado pssimo para resolv-los, e no pode se igualar
sequer aos computadores clssicos nessa rea, o que sugere que o crebro no
est demonstrando nenhuma capacidade quntica de computao. Ademais,
mesmo que existisse um fenmeno como a computao quntica cerebral, ele
no seria necessariamente associado conscincia.

Voc precisa ter f


Que obra de arte o homem! Quo nobre na razo! Quo infinito nas
faculdades! Na forma e nos movimentos, quo determinado e
admirvel! Em ao, como se parece com um anjo! Na apreenso,
com um deus! A beleza do mundo, o paradigma dos animais! E,
mesmo assim, o que esta quintessncia de p?
Hamlet, em Hamlet, de Shakespeare

A realidade que todas essas teorias so saltos de f, e eu acrescentaria que, no


que diz respeito conscincia, o princpio orientador este: voc precisa ter f
ou seja, cada um de ns precisa de um salto de f com relao a o que e quem
consciente, e quem e o que somos como seres conscientes. Do contrrio, no
acordaramos de manh. Mas deveramos ser honestos com relao
necessidade fundamental de um salto de f sobre essa questo, e refletirmos
sobre o que envolve nosso salto.
As pessoas do saltos muito diferentes, apesar das impresses em contrrio.
As premissas filosficas individuais sobre a natureza e a fonte da conscincia
esto por trs de desentendimentos sobre assuntos que vo de direitos dos animais
a aborto, e vo resultar em conflitos futuros ainda mais acirrados com relao
aos direitos das mquinas. Minha previso objetiva que, no futuro, as mquinas
parecero conscientes e sero convincentes para pessoas biolgicas ao falarem
de seus qualia. Exibiro toda a gama de sugestes emocionais sutis e familiares;
nos faro rir e chorar; e ficaro loucas conosco se dissermos que no
acreditamos que elas so conscientes. (Elas sero muito inteligentes, e por isso
no vamos querer que isso acontea.) Vamos acabar aceitando que so pessoas
conscientes. Meu prprio salto de f : assim que as mquinas conseguirem ser
convincentes ao falarem de seus qualia e de suas experincias conscientes, elas
constituiro de fato pessoas conscientes. Cheguei a essa posio atravs deste
experimento mental: imagine que voc conheceu uma entidade no futuro (um
rob ou um avatar), completamente convincente em suas reaes emocionais.
Essa entidade ri de suas piadas de forma convincente, e, por sua vez, faz voc rir
e chorar (mas no porque beliscou voc). Ela convence voc de sua sinceridade
ao falar de seus medos e anseios. De todas as maneiras, parece consciente. De
fato, ela se parece com uma pessoa. Voc a aceita como uma pessoa consciente?
Se a sua reao inicial que voc provavelmente detectaria alguma coisa
nela que revelaria sua natureza no biolgica, ento voc no est respeitando as
premissas dessa situao hipottica, que estabeleceram que ela totalmente
convincente. Levando em conta essa premissa, se ela fosse ameaada de
destruio e reagisse, como um ser humano, com terror, voc reagiria da
mesma forma emptica como reagiria caso testemunhasse uma cena dessas
envolvendo um ser humano? Para mim, a resposta sim, e creio que a resposta
seria a mesma para a maioria, se no para praticamente todas as pessoas,
independentemente do que poderiam dizer agora num debate filosfico.
Novamente, a nfase est na palavra convincente.
H certo desentendimento a respeito de encontrarmos ou no essa entidade
no biolgica um dia. Minha predio consistente que isso vai ocorrer pela
primeira vez em 2029 e se tornar rotina na dcada de 2030. Mas, deixando de
lado a linha do tempo, creio que mais cedo ou mais tarde iremos considerar
conscientes tais entidades. Pense como j as tratamos quando somos expostos a
elas como personagens de histrias e filmes: R2D2 de Guerra nas estrelas, David
e Teddy do filme Inteligncia artificial, Data da srie de TV Jornada nas estrelas:
A Nova Gerao, Johnny 5 do filme Curto-circuito, WALL-E do filme Wall-E, da
Disney, T-800 o (bom) exterminador do segundo e do terceiro filme O
exterminador do futuro, Rachael, a replicante de Blade Runner (que, por falar
nisso, no tem noo de que no humana), Bumblebee do filme, da srie da TV
e dos quadrinhos Transformers, e Sonny, do filme Eu, rob. Sentimos empatia por
esses personagens, embora saibamos que no so biolgicos. Ns os
consideramos pessoas conscientes, tal como fazemos com os personagens
humanos biolgicos. Compartilhamos suas emoes e receamos por eles quando
se metem em encrencas. Se assim que tratamos personagens no biolgicos
fictcios hoje, ento assim que iremos tratar inteligncias da vida real no futuro
que, por acaso, no tm um substrato biolgico.
Se voc aceitar o salto de f de que uma entidade no biolgica que
convincente em suas reaes aos qualia mesmo consciente, ento pense no que
isso implica: a conscincia uma propriedade emergente do padro geral de
uma entidade, e no o substrato que a move.
Existe uma lacuna conceitual entre a cincia, que representa medies
objetivas e as concluses que podemos extrair delas, e a conscincia, que um
sinnimo de experincia subjetiva. Obviamente, no podemos simplesmente
perguntar entidade em questo: Voc consciente? Se olharmos dentro de
sua cabea, biolgica ou no, para determinar isso, ento teremos de
estabelecer premissas filosficas para saber o que estamos procurando. Saber se
uma entidade ou no consciente, portanto, no uma questo cientfica. Com
base nisso, alguns observadores se perguntam se a prpria conscincia tem
alguma base na realidade. A escritora e filsofa inglesa Susan Blackmore
(nascida em 1951) fala da grande iluso da conscincia. Ela admite a
realidade do meme (ideia) da conscincia; noutras palavras, certamente a
conscincia existe como ideia, e h muitas grandes estruturas neocorticais que
lidam com essa ideia, para nem falar de palavras que foram ditas e escritas
sobre ela. Mas no est claro se ela se refere a alguma coisa real. Blackmore
explica que ela no est necessariamente negando a realidade da conscincia,
mas sim tentando expressar o tipo de dilema que encontramos quando tentamos
determinar o conceito. Como o psiclogo e escritor ingls Stuart Sutherland
(1927-1998) escreveu no International Dictionary of Psychology, a conscincia
um fenmeno fascinante, mas esquivo; impossvel especificar o que ela , o
que ela faz ou porque ela se desenvolveu [4].
Entretanto, seria prudente no descartar o conceito sumariamente como um
debate educado entre filsofos que, por falar nisso, recua 2 mil anos at os
dilogos platnicos. A ideia da conscincia est por trs de nosso sistema moral, e
nosso sistema legal, por sua vez, foi mais ou menos construdo em torno dessas
crenas morais. Se uma pessoa extingue a conscincia de outra, como no
homicdio, consideramos isso imoral, e, com algumas excees, um crime
grave. Essas excees tambm so relevantes para a conscincia, pois podemos
autorizar foras policiais ou militares a matar certas pessoas conscientes para
proteger um nmero maior de outras pessoas conscientes. Podemos discutir o
mrito de excees especficas, mas o princpio subjacente vlido.
Atacar algum e fazer com que essa pessoa experimente o sofrimento
tambm costuma ser considerado imoral e ilegal. Se eu destruo minha
propriedade, provavelmente aceitvel. Se eu destruo sua propriedade sem
permisso, provavelmente isso no aceitvel, mas no porque estou causando
sofrimento sua propriedade, e sim a voc como dono dela. Por outro lado, se
minha propriedade inclui um ser consciente como um animal, ento eu, como
dono desse animal, no tenho necessariamente liberdade moral ou legal para
fazer o que quiser com ele: h, por exemplo, leis sobre a crueldade contra
animais.
Como boa parte de nosso sistema moral e legal se baseia na proteo da
existncia de entidades conscientes e na preveno de seu sofrimento
desnecessrio, para fazermos juzos responsveis temos de responder pergunta:
quem consciente? Portanto, essa pergunta no simplesmente o tema de um
debate intelectual, como fica evidente na controvrsia que cerca uma questo
como o aborto. Devo dizer que a questo do aborto pode ir um pouco alm da
questo da conscincia, pois os proponentes pr-vida alegam que o potencial para
que um embrio se torne uma pessoa consciente motivo suficiente para
receber proteo, assim como algum em coma merece esse direito. Mas, no
fundo, a questo uma discusso sobre o momento em que o feto se torna
consciente.
As percepes da conscincia tambm costumam afetar nossos julgamentos
em reas controvertidas. Analisando novamente a questo do aborto, muita gente
faz uma distino entre uma medida como a plula do dia seguinte, que impede a
implantao de um embrio no tero nos primeiros dias de gravidez, e um aborto
num estgio posterior. A diferena tem a ver com a probabilidade de que o feto
esteja consciente num estgio posterior. difcil sustentar que um embrio com
alguns dias possa ter conscincia, a menos que se adote uma posio
panprotopsiquista, mas mesmo nesses termos ele estaria abaixo do animal mais
simples em termos de conscincia. De modo anlogo, temos reaes muito
diferentes quanto aos maus-tratos de grandes smios e quanto a insetos, digamos.
Hoje em dia, ningum se preocupa muito com a dor ou o sofrimento de um
programa de computador (embora comentemos muito o fato de o software ter a
capacidade de nos fazer sofrer), mas quando um software futuro tiver a
inteligncia intelectual, emocional e moral de seres humanos biolgicos, essa
preocupao se tornar real.
Portanto, minha posio que aceitaremos entidades no biolgicas que
sejam plenamente convincentes em suas reaes emocionais a ponto de serem
pessoas conscientes, e minha previso que o consenso da sociedade vai aceit-
las como tal. Note que essa definio se estende alm de entidades que podem
passar pelo teste de Turing, que exige o domnio da linguagem humana. Estas so
humanas o suficiente para que eu as inclua, e creio que a maior parte da
sociedade tambm o far, mas eu tambm incluo entidades que evidenciam
reaes emocionais semelhantes s humanas, mas que talvez no passem pelo
teste de Turing, como crianas pequenas, por exemplo.
Isso resolve a questo filosfica sobre quem consciente, pelo menos para
mim e para outros que aceitam esse salto de f especfico? A resposta : no
totalmente. S cobrimos um caso, que o das entidades que agem de maneira
semelhante humana. Embora estejamos discutindo futuras entidades que no
so biolgicas, estamos falando de entidades que demonstram reaes
semelhantes s humanas convincentes, e por isso essa posio ainda
humanocntrica. Mas, o que falar de formas de inteligncia mais estranhas, que
no so semelhantes s humanas? Podemos imaginar inteligncias que so to
complexas quanto crebros humanos, ou talvez muito mais complexas e
intricadas do que estes, mas que tm emoes e motivaes completamente
diferentes. Como decidimos se elas so conscientes ou no?
Podemos comear analisando criaturas do mundo biolgico que possuem
crebros comparveis aos dos humanos, mas que exibem comportamentos de
tipos muito diferentes. O filsofo ingls David Cockburn (nascido em 1949)
escreveu sobre um vdeo a que assistiu no qual uma lula-gigante estava sendo
atacada (ou que, no mnimo, imaginou que estivesse sendo Cockburn levantou a
hiptese de que ela deve ter ficado com medo do humano com cmera de
vdeo). A lula tremeu e se recolheu, e Cockburn escreveu: Ela reagiu de um
modo que, na mesma hora e com grande intensidade, imaginei que fosse medo.
Parte do que foi notvel nessa sequncia foi o modo pelo qual foi possvel ver, no
comportamento de uma criatura fisicamente to diferente dos seres humanos,
uma emoo to inconfundvel e especfica quanto o medo [5]. Ele conclui que
o animal estava sentindo essa emoo e demonstra acreditar que a maioria das
pessoas que viram esse filme chegou mesma concluso. Se aceitarmos a
descrio e a concluso de Cockburn, ento teremos de acrescentar as lulas-
gigantes nossa lista de entidades conscientes. No entanto, isso tambm no nos
levou muito longe, pois ainda estamos baseados em nossa reao emptica a
uma emoo que percebemos em ns mesmos. Ainda estamos dentro de uma
perspectiva autocntrica ou humanocntrica.
Se sairmos da biologia, a inteligncia no biolgica ser ainda mais variada
do que a inteligncia no mundo biolgico. Por exemplo, algumas entidades
podem no recear sua prpria destruio, e podem no precisar das emoes
que vemos nos humanos ou em qualquer criatura biolgica. Talvez elas ainda
passem no teste de Turing, ou talvez nem estejam dispostas a tentar.
De fato, hoje ns construmos robs que no tm um senso de
autopreservao para realizar misses em ambientes perigosos. Eles no tm a
complexidade nem a inteligncia suficiente para que consideremos a srio sua
sensibilidade, mas podemos imaginar robs futuros desse tipo que so to
complexos quanto os humanos. O que dizer deles?
Pessoalmente, eu diria que se visse no comportamento de um aparelho
desses uma dedicao a uma meta complexa e digna, e a capacidade de
executar decises e aes notveis para a realizao de sua misso, eu ficaria
impressionado e provavelmente me sentiria mal se ele fosse destrudo. Talvez eu
esteja forando um pouco o conceito, pois estou reagindo a um comportamento
que no inclui muitas emoes que consideramos universais nas pessoas ou
mesmo em criaturas biolgicas de todos os tipos. Porm, mais uma vez, estou
tentando entrar em contato com atributos que eu posso avaliar em mim e em
outras pessoas. A ideia de uma entidade totalmente dedicada a uma meta nobre,
que a realiza ou pelo menos tenta faz-lo sem considerao por seu prprio bem-
estar, no , afinal, completamente alheia experincia humana. Nesse caso,
tambm estamos levando em conta uma entidade que est buscando proteger
seres humanos biolgicos, ou, de algum modo, defendendo nossos interesses.
E se essa entidade tivesse suas prprias metas, distintas das de um humano, e
no estivesse realizando uma misso que, segundo nossos termos, identificamos
como nobre? Ento, eu poderia tentar descobrir se conseguiria me conectar com
algumas de suas habilidades ou apreci-las de outro modo. Se ela for realmente
muito inteligente, provavelmente deve ser boa em matemtica, e assim talvez eu
possa conversar com ela sobre esse assunto. Talvez ela aprecie piadas sobre
matemtica.
Mas se a entidade no tiver interesse em se comunicar comigo, e eu no
tiver acesso suficiente s suas aes e tomadas de deciso para me comover
com a beleza de seus processos internos, isso significa que ela no consciente?
Eu teria de concluir que as entidades que no conseguem me convencer de suas
reaes emocionais, ou que no se esforam para tentar, no so
necessariamente no conscientes. Seria difcil reconhecer outra entidade
consciente sem estabelecer algum nvel de comunicao emptica, mas esse
julgamento reflete minhas prprias limitaes, mais do que a entidade sendo
levada em conta. Portanto, precisamos prosseguir com humildade. J
desafiador nos colocarmos nos sapatos subjetivos de outro ser humano; a tarefa
ser muito mais difcil com inteligncias extremamente diferentes da nossa.

Do que temos conscincia?


Se pudssemos ver atravs do crnio e contemplar o crebro de uma
pessoa consciente e pensante, e o lugar da excitabilidade ideal
estivesse luminoso, ento veramos, brincando sobre a superfcie do
crebro, um ponto luminoso com bordas fantsticas e ondulantes,
com tamanho e forma flutuando constantemente, cercado por uma
escurido mais ou menos profunda, cobrindo o resto do hemisfrio.
Ivan Petrovich Pavlov, 1913 [6]

Retornando lula-gigante, podemos identificar algumas de suas emoes


aparentes, mas boa parte de seu comportamento um mistrio. O que significa
ser uma lula-gigante? Como ela se sente ao espremer seu corpo sem coluna
vertebral atravs de uma pequena abertura? No temos nem mesmo o
vocabulrio para responder a essa pergunta, uma vez que no podemos nem
mesmo descrever experincias que compartilhamos com outras pessoas, como
enxergar a cor vermelha ou sentir a gua batendo em nosso corpo.
Mas no precisamos ir ao fundo do oceano para encontrar mistrios na
natureza das experincias conscientes basta analisarmos as nossas. Sei, por
exemplo, que sou consciente. Presumo que voc, leitor, tambm seja consciente.
(Quanto s pessoas que no compraram meu livro, no tenho tanta certeza.) Mas,
de que tenho conscincia? Talvez voc se faa a mesma pergunta.
Faa este experimento mental (que vai funcionar para aqueles que dirigem
carros): imagine-se na faixa esquerda de uma estrada. Agora, feche os olhos,
agarre um volante imaginrio e faa os movimentos para passar para a faixa
sua direita.
Certo, antes de continuar a ler, experimente faz-lo.
Eis o que voc deve ter feito: voc segura o volante. Certifica-se de que a
faixa da direita est livre. Presumindo que a faixa est livre, voc vira o volante
para a direita por um breve momento. Depois, voc o endireita. Misso
cumprida.
Ainda bem que voc no estava num carro de verdade porque voc cruzou
todas as faixas da estrada e bateu numa rvore. Embora eu devesse ter
mencionado que voc no deve tentar fazer isso num carro que est realmente
em movimento (mas eu presumi que voc j deve ter dominado a regra que diz
que no se deve dirigir de olhos fechados), o problema central no esse. Se
voc seguiu o procedimento que acabei de descrever e quase todos o fazem ao
realizar este experimento mental , voc fez errado. Virar o volante para a direita
e depois endireit-lo faz com que o carro tome uma direo diagonal sua
direo original. Ele vai atravessar a faixa para a direita, como voc queria, mas
depois vai seguir indefinidamente em frente at sair da rodovia. O que voc
precisava fazer assim que seu carro cruzou para a faixa da direita era virar o
volante para a esquerda, na mesma proporo com que o virou para a direita,
endireitando-o depois. Com isso, o carro vai seguir novamente uma linha reta
sobre a nova faixa.
Pense que, se voc costuma dirigir, deve ter feito essa manobra milhares de
vezes. Voc no est consciente quando faz isso? Nunca prestou ateno naquilo
que est fazendo de fato ao trocar de faixa? Presumindo que voc no est lendo
este livro num hospital enquanto se recupera de um acidente causado por troca
de faixas, certamente j dominou essa habilidade. Mas voc no est consciente
do que faz, por mais que tenha realizado essa ao.
Quando as pessoas contam histrias de suas experincias, elas as descrevem
como sequncias de situaes e decises. Mas no assim que vivenciamos uma
histria pela primeira vez. Nossa experincia original como uma sequncia de
padres de alto nvel, alguns dos quais podem ter ativado sentimentos.
Lembramo-nos de um pequeno subconjunto de padres, se tanto. Mesmo se
formos razoavelmente precisos ao tornar a contar uma histria, usamos nossos
poderes de confabulao para preencher detalhes faltantes e converter a
sequncia numa histria coerente. No podemos ter certeza de nossa experincia
consciente original apenas com base na rememorao que fazemos dela, mas a
memria o nico acesso que temos a essa experincia. O momento presente
fugaz, digamos, e se transforma rapidamente numa memria, ou, como mais
comum, no o faz. Mesmo que uma experincia se torne uma memria, ela fica
armazenada, como indica a TMRP, como um padro de alto nvel composto de
outros padres, numa grande hierarquia. Como disse diversas vezes, quase todas
as experincias que temos (como qualquer das ocasies em que trocamos de
faixas) so esquecidas imediatamente. Por isso, descobrir o que constitui nossa
prpria experincia consciente no vivel na prtica.

Oriente Oriente e Ocidente Ocidente


Antes dos crebros, no existia cor ou som no universo, nem sabores
ou aromas, provavelmente poucos sentidos, nenhum sentimento ou
emoo.
Roger W. Sperry [7]

Ren Descartes entra num restaurante e se senta para jantar.


O garom aparece e pergunta se ele gostaria de um tira-gosto.
No, obrigado, diz Descartes. S quero pedir o jantar.
Gostaria de saber qual o prato do dia?, pergunta o garom.
No, diz Descartes, um tanto impaciente.
Gostaria de um drinque antes do jantar?, pergunta o garom.
Descartes se sente insultado, pois abstmio. Creio que no!, diz
indignado, desaparecendo num PUF!
Uma piada contada por David Chalmers

H duas maneiras de analisar as questes de que estivemos tratando: perspectivas


ocidentais e orientais contrrias sobre a natureza da conscincia e da realidade.
Segundo a perspectiva ocidental, comeamos com um mundo fsico que envolve
padres de informao. Aps alguns bilhes de anos de evoluo, as entidades
desse mundo evoluram o suficiente para se tornarem seres conscientes. Na viso
oriental, a conscincia a realidade fundamental; o mundo fsico s ganha
existncia atravs dos pensamentos de seres conscientes. Naturalmente, estas so
simplificaes de filosofias complexas e variadas, mas representam as principais
polaridades nas filosofias da conscincia e de seu relacionamento com o mundo
fsico.
A diviso Oriente-Ocidente sobre a questo da conscincia tambm ganhou
expresso em escolas de pensamento opostas sobre a questo da fsica
subatmica. Na mecnica quntica, as partculas existem como campos de
probabilidade, como so chamados. Qualquer medida realizada sobre elas por
um aparelho de medio causa o que se tem chamado de colapso da funo de
onda, o que significa que a partcula assume subitamente uma localizao
especfica. Uma viso popular que tal medio pode ser a observao por um
observador consciente, ou do contrrio a medio seria um conceito sem
significado. Logo, a partcula assume uma localizao especfica (bem como
outras propriedades, como velocidade) s quando observada. Basicamente, as
partculas descobrem que se ningum se d ao trabalho de olhar para elas, elas
no precisam decidir aonde vo. Chamo isso de escola budista da mecnica
quntica, pois nela as partculas simplesmente no existem enquanto no forem
observadas por uma pessoa consciente.
Existe outra interpretao da mecnica quntica que evita a terminologia
antropomrfica. Nessa anlise, o campo que representa uma partcula no um
campo de probabilidades, mas apenas uma funo com valores diferentes em
locais diferentes. O campo, portanto, fundamentalmente aquilo que a partcula
. H limites quanto aos valores do campo em locais diferentes, pois todo o
campo representando uma partcula representa apenas uma quantidade limitada
de informaes. da que vem a palavra quantum. O chamado colapso da
funo de onda, conforme esta viso, no um colapso. Na verdade, a funo de
onda nunca desaparece. que um aparelho de medio tambm feito de
partculas com campos, e a interao do campo de partculas sendo medido e os
campos de partculas do aparelho de medio resultam numa leitura pela qual a
partcula est num local especfico. O campo, porm, ainda est presente. Essa
a interpretao ocidental da mecnica quntica, embora seja interessante notar
que a viso mais popular entre fsicos do mundo inteiro aquela que chamo de
interpretao oriental.
Houve um filsofo cujo trabalho cobriu essa diviso Oriente-Ocidente. O
pensador austro-britnico Ludwig Wittgenstein (1889-1951) estudou a filosofia da
linguagem e do conhecimento e pensou na questo sobre o que realmente
podemos conhecer. Ele ponderou sobre o tema enquanto combatia na Primeira
Guerra Mundial e fez anotaes para aquele que seria seu nico livro publicado
em vida, Tractatus Logico-Philosophicus. A obra tinha uma estrutura incomum, e
s graas aos esforos de seu antigo instrutor, o matemtico e filsofo ingls
Bertrand Russell, foi que ele encontrou um editor em 1921. Esse livro se tornou a
bblia de uma importante escola de filosofia conhecida como positivismo lgico,
que procurou definir os limites da cincia. O livro e o movimento que o rodeou
influenciaram Turing e o surgimento da teoria da computao e da lingustica.
O Tractatus Logico-Philosophicus antecipa a percepo de que todo
conhecimento intrinsecamente hierrquico. O prprio livro organizado em
proposies encadeadas e numeradas. Por exemplo, as quatro proposies
iniciais do livro so:

1 O mundo tudo que o caso.


1.1 O mundo a totalidade dos fatos, no das coisas.
1.11 O mundo determinado pelos fatos, e por serem todos os fatos.
1.12 Pois a totalidade dos fatos determina o que o caso e tambm
tudo que no o caso.

Outra proposio importante no Tractatus qual Turing faria eco a


seguinte:

4.0031 Toda filosofia uma crtica da linguagem.

Essencialmente, tanto o Tractatus Logico-Philosophicus como o movimento


do positivismo lgico afirmam que a realidade fsica existe separadamente da
percepo que temos dela, mas que tudo que podemos saber sobre essa realidade
aquilo que percebemos com nossos sentidos que pode ser aprimorado atravs
de nossas ferramentas e as inferncias lgicas que podemos extrair dessas
impresses sensoriais. Essencialmente, Wittgenstein est tentando descrever os
mtodos e as metas da cincia. A proposio final do livro a de nmero 7:
Sobre aquilo de que no se pode falar, deve-se calar. Coerentemente, no
comeo Wittgenstein considera que a discusso sobre a conscincia circular e
tautolgica, e portanto uma perda de tempo.
Posteriormente, porm, Wittgenstein rejeitou por completo essa postura e
dedicou toda a sua ateno filosfica a falar de questes que antes ele acreditava
que deviam ser alvo do silncio. Seus textos sobre esse pensamento revisado
foram reunidos e publicados em 1953, dois anos aps sua morte, num livro
chamado Investigaes filosficas. Ele criticou suas ideias anteriores do Tractatus,
considerando-as circulares e despidas de significado, e passou a acreditar que
aquilo que considerara alvo de silncio era, na verdade, tudo sobre o que se
deveria refletir. Esses textos influenciaram fortemente os existencialistas,
tornando Wittgenstein a nica figura da filosofia moderna a ser um grande
arquiteto de duas importantes e contraditrias escolas de pensamento filosfico.
E o que Wittgenstein considerou, mais tarde, digno de ser pensado e falado?
Foram questes como beleza e amor, que ele percebeu que existiam de forma
imperfeita como ideias nas mentes dos homens. Todavia, ele escreve que tais
conceitos existem num mbito perfeito e idealizado, similar s formas
perfeitas de que Plato tratou em seus dilogos, outra obra que lanou luzes sobre
abordagens aparentemente contraditrias sobre a natureza da realidade.
Um pensador cuja posio tem sido mal caracterizada, na minha opinio, o
filsofo e matemtico francs Ren Descartes. Sua famosa proposio Penso,
logo existo costuma ser interpretada como um louvor ao pensamento racional,
no sentido de Penso, ou seja, consigo realizar um pensamento lgico, portanto
sou digno. Assim, Descartes foi considerado o arquiteto da perspectiva racional
ocidental.
Mas ao ler essa proposio no contexto de seus outros textos, fiquei com uma
impresso diferente. Descartes estava intrigado com aquele que chamado de
problema mente-corpo: como uma mente consciente surge da matria fsica
do crebro? Nessa perspectiva, parece que ele estava tentando levar o ceticismo
racional at o ponto de ruptura, e por isso, em minha opinio, o que sua
proposio realmente queria dizer era: Penso, ou seja, est acontecendo uma
experincia subjetiva, portanto tudo que sabemos ao certo que alguma coisa
chame-a de eu existe. Talvez ele no tivesse certeza da existncia do mundo
fsico, pois tudo o que temos so nossas impresses sensoriais e individuais sobre
ele, que podem estar erradas ou ser completamente ilusrias. Sabemos, no
entanto, que o experimentador existe.
Minha formao religiosa foi numa igreja unitarista, onde estudamos todas
as religies do mundo. Passvamos seis meses vendo o budismo, digamos, e
depois frequentvamos servios budistas, lamos seus livros e mantnhamos
discusses em grupo com seus lderes. Depois, passvamos para outra religio,
como o judasmo. O tema principal era muitos caminhos at a verdade,
juntamente com tolerncia e transcendncia. Esta ltima ideia significa que
conciliar contradies aparentes entre tradies no nos obriga a decidir que uma
est certa e a outra, errada. A verdade s pode ser descoberta encontrando-se
uma explicao que se sobrepe transcende s aparentes diferenas,
especialmente em questes fundamentais sobre significado e propsito.
Foi assim que resolvi a diviso entre Ocidente e Oriente no que tange
conscincia e ao mundo fsico. Acredito que as duas perspectivas tm de ser
verdadeiras.
Por um lado, tolice negar o mundo fsico. Mesmo que vivamos numa
simulao, conforme especulou o filsofo sueco Nick Bostrom, ainda assim a
realidade um nvel conceitual verdadeiro para ns. Se aceitarmos a existncia
do mundo fsico e a evoluo que tem ocorrido nele, podemos ver que entidades
conscientes evoluram a partir dele.
Por outro lado, a perspectiva oriental a de que a conscincia fundamental
e representa a nica realidade verdadeiramente importante tambm difcil de
negar. Basta levar em conta a preciosa considerao que damos a pessoas
conscientes versus coisas inconscientes. Consideramos que essas ltimas no tm
valor intrnseco, exceto pelo fato de poderem influenciar a experincia subjetiva
das pessoas conscientes. Mesmo se considerarmos a conscincia uma
propriedade emergente de um sistema complexo, no podemos adotar a posio
de que ela apenas outro atributo (juntamente com a digesto e a lactao,
para citar John Searle). Ela representa o que verdadeiramente importante.
A palavra espiritual costuma ser usada para denotar as coisas que so da
maior significncia. Muita gente no gosta de usar a terminologia de tradies
espirituais ou religiosas porque ela implica conjuntos de crenas que as pessoas
talvez no adotem. Mas, se despirmos as complexidades msticas das tradies
religiosas e simplesmente respeitarmos espiritual como uma palavra que
implica algo de significado profundo para os humanos, ento o conceito da
conscincia se encaixa bem nela. Ela reflete o mais elevado valor espiritual. De
fato, a prpria palavra esprito costuma ser usada para denotar a conscincia.
Portanto, a evoluo pode ser vista como um processo espiritual na medida
em que cria seres espirituais, ou seja, entidades conscientes. A evoluo tambm
se move na direo de maior complexidade, de um conhecimento maior, uma
inteligncia maior, mais beleza, mais criatividade, e da capacidade de expressar
emoes mais transcendentes, como o amor. Todas so descries usadas pelas
pessoas para o conceito de Deus, embora Deus seja descrito como ilimitado
nesses mbitos.
As pessoas costumam se sentir ameaadas por discusses que implicam a
possibilidade de que uma mquina possa ter conscincia, pois elas acham que
esse tipo de considerao denigre o valor espiritual das pessoas conscientes. Mas
essa reao reflete uma compreenso errnea do conceito de mquina. Esses
crticos esto lidando com o assunto com base nas mquinas que eles conhecem
hoje, e, embora sejam impressionantes, concordo que os exemplos
contemporneos de tecnologia ainda no so dignos de nosso respeito como seres
conscientes. Minha previso que elas vo se tornar indistinguveis de humanos
biolgicos, que consideramos como seres conscientes, e vo compartilhar,
portanto, o valor espiritual que atribumos conscincia. Isso no desprestigia as
pessoas; uma elevao de nossa compreenso de (algumas) mquinas futuras.
Talvez devssemos adotar uma terminologia diferente para essas entidades, pois
elas sero um tipo diferente de mquina.
Com efeito, ao olharmos hoje para o crebro e decodificarmos seus
mecanismos, descobrimos mtodos e algoritmos que no apenas podemos
compreender, mas recriar as partes de um moinho empurrando-se umas s
outras, parafraseando o matemtico e filsofo alemo Gottfried Wilhelm
Leibniz (1646-1716) quando escreveu sobre o crebro. Os humanos j so
mquinas espirituais. Ademais, vamos nos fundir to intimamente com as
ferramentas que estamos criando que a distino entre humano e mquina vai
esmaecer at desaparecer a diferena. Esse processo j est em andamento,
embora a maioria das mquinas que nos servem de extenso ainda no fique
dentro de nosso corpo e crebro.

Livre-arbtrio
Um aspecto central da conscincia a capacidade de olhar para a
frente, a habilidade que chamamos de anteviso. a capacidade
de planejar, e, em termos sociais, de traar um cenrio daquilo que
deve acontecer, ou pode acontecer, em interaes sociais que ainda
no aconteceram. [...] um sistema pelo qual aumentamos a chance
de fazer as coisas que vo representar nossos melhores interesses. [...]
Sugiro que o livre-arbtrio seria nossa capacidade aparente de
escolher e pr em prtica aquilo que nos parece mais til ou
apropriado, e nossa insistncia em achar que tais escolhas so nossas.
Richard D. Alexander

Devemos dizer que a planta no sabe o que est fazendo


simplesmente por no possuir olhos, ou ouvidos, ou crebro? Se
dissermos que ela age mecanicamente, e apenas mecanicamente,
no seremos forados a admitir que muitas outras aes,
aparentemente muito deliberadas, tambm so mecnicas? Se nos
parece que a planta mata e come uma mosca mecanicamente, no
pode parecer para a planta que um homem deve matar e comer uma
ovelha mecanicamente?
Samuel Butler, 1871

Ser o crebro, cuja estrutura notadamente dupla, um rgo duplo,


aparentemente partido, mas ainda numa unio nessa partio?
Henry Maudsley [8]

Como aprendemos, a redundncia uma estratgia importante adotada pelo


neocrtex. Mas h outro nvel de redundncia no crebro, pois seus hemisfrios
esquerdo e direito, embora no sejam idnticos, so muito semelhantes. Assim
como certas regies do neocrtex acabam processando certos tipos de
informao, os hemisfrios tambm se especializam at certo ponto; por
exemplo, o hemisfrio esquerdo tipicamente responsvel pela linguagem
verbal. Mas essas atribuies podem ser retraadas, a ponto de podermos
sobreviver e funcionar de maneira razoavelmente normal apenas com uma
metade. As pesquisadoras norte-americanas de neuropsicologia Stella de Bode e
Susan Curtiss apresentaram um trabalho sobre 49 crianas que foram submetidas
a uma hemisferectomia (remoo de metade do crebro), uma operao
extrema realizada em pacientes com um distrbio convulsivo, com perigo de
morte, que s existe num hemisfrio. Algumas das pessoas que se submetem
cirurgia ficam com deficincias, mas essas deficincias so especficas e os
pacientes tm uma personalidade razoavelmente normal. Muitos deles ficam
bem, e os observadores no percebem que eles tm apenas metade do crebro.
De Bode e Curtiss escreveram sobre crianas que sofreram a hemisferectomia
esquerda e que desenvolveram uma linguagem notavelmente boa, apesar da
remoo do hemisfrio da linguagem [9]. Elas contam que um desses
estudantes concluiu o colegial, frequentou a faculdade e teve resultados acima da
mdia em testes de QI. Estudos mostraram efeitos mnimos no longo prazo sobre
sua cognio geral, memria, personalidade e senso de humor [10]. Num estudo
de 2007, os pesquisadores norte-americanos Shearwood McClelland e Robert
Maxwell mostraram resultados positivos de longo prazo similares em adultos
[11].
Os relatos sobre uma menina alem de 10 anos que nasceu com apenas
metade do crebro mostram-na como normal. Ela tem viso quase perfeita num
dos olhos, apesar de pacientes de hemisferectomia perderem parte de seu campo
de viso logo aps a operao [12]. O pesquisador escocs Lars Muckli
comentou: O crebro tem uma plasticidade espantosa, mas ficamos atnitos ao
ver como foi boa a adaptao do nico hemisfrio do crebro dessa menina para
compensar a metade faltante.
Embora essas observaes apoiem claramente a ideia da plasticidade do
neocrtex, sua implicao mais interessante que parece que temos dois
crebros, no apenas um, e que podemos nos sair muito bem com qualquer um
deles. Se perdemos um, perdemos os padres corticais que s esto armazenados
ali, mas cada crebro razoavelmente completo em si mesmo. Assim, ser que
cada hemisfrio tem sua prpria conscincia? H um argumento a favor desse
caso. Veja os pacientes com crebros partidos, que ainda possuem ambos os
hemisfrios cerebrais, mas com o canal entre eles cortado. O corpo caloso um
feixe com cerca de 250 milhes de axnios que conecta os hemisfrios cerebrais
esquerdo e direito, permitindo que se comuniquem e se coordenem um com o
outro. Assim como duas pessoas podem se comunicar de perto e agir como um
nico tomador de decises, embora sejam indivduos separados e ntegros, os
dois hemisfrios cerebrais podem funcionar como uma unidade, mantendo-se
independentes.
Como o termo implica, em pacientes com crebros partidos o corpo caloso
foi cortado ou danificado, deixando-os efetivamente com dois crebros
funcionais sem um vnculo direto de comunicao entre eles. O pesquisador de
psicologia norte-americano Michael Gazzaniga (nascido em 1939) realizou
diversos experimentos sobre aquilo que cada hemisfrio em pacientes com
crebros partidos est pensando.
Geralmente, o hemisfrio esquerdo de um paciente com crebro partido v
o campo visual direito, e vice-versa. Gazzaniga e seus colegas mostraram a um
paciente com crebro partido a figura de um p de galinha para o campo visual
direito (que foi vista por seu hemisfrio esquerdo) e uma cena de neve para o
campo visual esquerdo (que foi vista por seu hemisfrio direito). Depois, ele
mostrou uma coleo de imagens para que os dois hemisfrios as pudessem ver.
Ele pediu para o paciente escolher uma imagem que se harmonizasse com a
primeira imagem. A mo esquerda do paciente (controlada por seu hemisfrio
direito) apontou para a imagem de uma p, enquanto a mo direita apontou para
a imagem de uma galinha. At aqui, tudo bem os dois hemisfrios estavam
atuando de forma independente e sensata. Por que voc escolheu isso?,
Gazzaniga perguntou ao paciente, que respondeu verbalmente (sob o controle do
centro de fala do hemisfrio esquerdo): Obviamente, o p de galinha combina
com a galinha. Mas depois o paciente olhou para baixo e, percebendo que sua
mo esquerda estava apontando para a p, explicou o fato imediatamente (mais
uma vez, com o centro de fala controlado pelo hemisfrio esquerdo) dizendo ...
e voc precisa de uma p para limpar a sujeira da galinha.
Isso foi uma confabulao. O hemisfrio direito (que controla a mo e o
brao esquerdos) apontou corretamente para a p, mas como o hemisfrio
esquerdo (que controla a resposta verbal) no tem conscincia da neve, ele
confabula uma explicao, sem perceber que est confabulando. Ele est
assumindo a responsabilidade por uma medida que nunca decidiu tomar e nunca
tomou, mas acha que o fez.
Isso implica que cada um dos dois hemisfrios num paciente com crebro
partido tem sua prpria conscincia. Aparentemente, os hemisfrios no
percebem que seu corpo controlado efetivamente por dois crebros, porque
eles aprendem a se coordenar mutuamente e suas decises so suficientemente
alinhadas e consistentes, de modo que cada um pensa que as decises do outro
so as suas prprias.
O experimento de Gazzaniga no prova que um indivduo normal com um
corpo caloso operacional tem duas metades cerebrais conscientes, mas sugere
essa possibilidade. Embora o corpo caloso permita uma colaborao eficiente
entre as duas metades cerebrais, isso no significa necessariamente que no so
mentes separadas. Cada uma pode ser enganada a ponto de pensar que tomou
todas as decises, pois elas seriam muito semelhantes s que cada metade
tomaria por conta prpria, e, afinal, cada uma exerce muita influncia em cada
deciso (colaborando com o outro hemisfrio atravs do corpo caloso). Assim,
para cada uma das duas mentes, a impresso que ela tem o controle.
Como podemos testar a conjectura de que ambos esto conscientes?
Podemos avali-los buscando correlatos neurolgicos da conscincia, que foi
exatamente o que Gazzaniga fez. Seus experimentos mostram que cada
hemisfrio est atuando como um crebro independente. A confabulao no se
limita aos hemisfrios cerebrais; ns fazemos isso regularmente. Cada
hemisfrio praticamente to inteligente quanto um humano; logo, se
acreditamos que um crebro humano consciente, ento temos de concluir que
cada hemisfrio independentemente consciente. Podemos avaliar os correlatos
neurolgicos e podemos realizar nossos prprios experimentos mentais
(considerando, por exemplo, que se dois hemisfrios cerebrais sem um corpo
caloso funcional constituem duas mentes conscientes e separadas, ento o
mesmo teria de ser verdadeiro para dois hemisfrios sem uma conexo
funcional entre eles), mas qualquer tentativa de uma deteco mais direta da
conscincia em cada hemisfrio pe-nos novamente diante da falta de um teste
cientfico para a conscincia. Mas, se aceitarmos que cada hemisfrio cerebral
consciente, podemos garantir que a chamada atividade inconsciente do neocrtex
(que constitui a maior parte de sua atividade) tambm tem uma conscincia
independente? Ou ser que tem mais do que uma? Com efeito, Marvin Minsky se
refere ao crebro como uma sociedade da mente [13].
Noutro experimento com crebros partidos, os pesquisadores mostraram a
palavra sino para o hemisfrio direito e msica para o hemisfrio esquerdo.
Pediram ao paciente para dizer que palavra ele viu. O centro da fala, controlado
pelo hemisfrio esquerdo, diz msica. Depois, o sujeito viu um grupo de
imagens e lhe pediram para apontar para a imagem que mais se aproximava da
palavra que ele acabara de ver. Seu brao, controlado pelo hemisfrio cerebral
direito, apontou para o sino. Quando lhe perguntaram por que ele apontara para o
sino, o centro da fala, controlado pelo hemisfrio esquerdo, respondeu: Bem,
msica, a ltima vez que ouvi uma msica foi a dos sinos badalando aqui perto.
Ele apresentou essa explicao apesar de haver outras imagens que ele poderia
ter escolhido e que se relacionavam muito mais de perto com a msica.
Novamente, temos uma confabulao. O hemisfrio esquerdo est
explicando, como se fosse sua, uma deciso que ele nunca tomou e nunca levou
a cabo. Ele no est fazendo isso para acobertar um amigo (ou seja, seu outro
hemisfrio); ele realmente pensa que a deciso foi sua.
Essas reaes e decises podem se estender s reaes emocionais. Eles
perguntaram a um paciente adolescente com crebro partido, de tal modo que os
dois hemisfrios ouvissem: Quem a sua preferida... e depois passaram a
palavra namorada s para o hemisfrio direito atravs do ouvido esquerdo.
Gazzaniga conta que o paciente corou e reagiu envergonhado, uma reao
apropriada para um adolescente ao qual se pergunta algo sobre uma namorada.
Mas o centro de fala, controlado pelo hemisfrio esquerdo, informou que no
tinha ouvido nada e pediu esclarecimentos: Minha preferida o qu? Quando lhe
pediram novamente para responder pergunta, desta vez por escrito, a mo
esquerda, controlada pelo hemisfrio direito, escreveu o nome de sua namorada.
Os testes de Gazzaniga no so experimentos mentais, mas verdadeiros
experimentos com a mente. Embora ofeream uma perspectiva interessante
sobre a questo da conscincia, lidam ainda mais diretamente com a questo do
livre-arbtrio. Em cada um desses casos, um dos hemisfrios acreditou que tinha
tomado uma deciso que, na verdade, nunca tomara. At que ponto isso se aplica
s decises que tomamos no nosso cotidiano?
Veja o caso de uma paciente epilptica de 10 anos de idade. O
neurocirurgio Itzhak Fried estava fazendo uma cirurgia cerebral enquanto ela
estava acordada (o que vivel, uma vez que o crebro no tem receptores para
a dor [14]). Sempre que ele estimulava um ponto especfico de seu neocrtex,
ela ria. No incio, a equipe cirrgica pensou que eles podiam estar ativando
algum tipo de reflexo de riso, mas no demorou para perceberem que estavam
acionando a prpria percepo do humor. Aparentemente, tinham encontrado
um ponto de seu neocrtex e obviamente, h mais do que um que reconhece
a percepo do humor. Ela no estava apenas rindo; na verdade, ela achava a
situao engraada, embora nada tivesse mudado na situao, alm de terem
estimulado esse ponto de seu neocrtex. Quando lhe perguntaram por que ela
estava rindo, ela no respondeu nada do tipo Ah, por nenhum motivo em
particular, ou Voc acabou de estimular meu crebro, mas confabulou
imediatamente uma razo. Ela apontou para alguma coisa na sala e tentou
explicar por que ela era engraada. Vocs ficam to gozados a em p, foi
outro comentrio.
Aparentemente, ficamos muito ansiosos para explicar e racionalizar nossas
aes, mesmo quando no tomamos efetivamente as decises que levaram a
elas. Assim, qual a responsabilidade que temos por nossas decises? Analise os
experimentos realizados pelo professor de fisiologia Benjamin Libet (1916-2007)
na Universidade da Califrnia em Davis. Libet fez com que os participantes se
sentassem diante de um relgio com eletrodos de EEG conectados ao couro
cabeludo. Ele os instruiu a realizar tarefas simples, como apertar um boto ou
mover um dedo. E pediu aos participantes para anotar o horrio do relgio em
que se deram conta do desejo ou do impulso para agir. Os testes indicaram
uma margem de erro de apenas 50 milissegundos nessas avaliaes feitas pelos
sujeitos. Eles tambm mediram uma mdia de 200 milissegundos entre o
momento em que os sujeitos informaram ter percebido o impulso de agir e a
ao em si [15].
Os pesquisadores tambm analisaram os sinais de EEG provenientes do
crebro dos sujeitos. A atividade cerebral envolvida no incio da ao pelo crtex
motor (responsvel pela realizao da ao) ocorreu na verdade 500
milissegundos, em mdia, antes da realizao da ao. Isso significa que o crtex
motor estava se preparando para realizar a tarefa cerca de um tero de segundo
antes de o sujeito sequer perceber que decidira realiz-la.
As implicaes dos experimentos de Libet foram alvo de discusses
acaloradas. O prprio Libet concluiu que nossa percepo da tomada de deciso
parece ser uma iluso, que a conscincia est fora do elo. O filsofo Daniel
Dennett comentou: A ao se precipitou originariamente em alguma parte do
crebro, e os sinais voaram at os msculos, fazendo uma pausa no caminho
para dizer a voc, o agente consciente, o que est acontecendo (mas, como todo
bom subalterno, fazendo com que voc, o trpego presidente, mantenha a iluso
de que foi voc que deu incio a tudo [16]). Ao mesmo tempo, Dennett
questionou os tempos registrados pelo experimento, argumentando basicamente
que os sujeitos talvez no tenham cincia do momento em que ficaram cientes
da deciso de agir. O que nos leva a perguntar: se o sujeito no tem cincia de
quando ele est ciente de que vai tomar uma deciso, ento, quem tem? Mas o
ponto foi bem levantado; como disse antes, aquilo de que temos conscincia no
est nem um pouco claro.
O neurocientista indo-americano Vilay anur Subramanian Rama
Ramachandran (nascido em 1951) explica a situao de forma um pouco
diferente. Tendo em vista que temos cerca de 30 bilhes de neurnios no
neocrtex, h sempre muita coisa acontecendo l, e estamos conscientes de uma
parcela bem pequena disso. Decises, grandes e pequenas, esto constantemente
sendo processadas pelo neocrtex, e solues propostas sobem at nossa
percepo consciente. Em vez do livre-arbtrio, Ramachandran sugere que
falemos do livre no, ou seja, o poder de rejeitar solues propostas pelas
partes no conscientes de nosso neocrtex.
Pense na analogia com uma campanha militar. Os oficiais do exrcito
preparam uma recomendao para o presidente. Antes de receberem a
aprovao do presidente, eles fazem um trabalho preparatrio que lhes permitir
pr em prtica a deciso. Num dado momento, a deciso proposta apresentada
ao presidente, que a aprova, e o resto da misso levado a cabo. Como o
crebro representado por essa analogia envolve os processos inconscientes do
neocrtex (ou seja, os oficiais abaixo do presidente), bem como seus processos
conscientes (o presidente), veramos a atividade neural bem como aes efetivas
acontecendo antes que a deciso oficial seja tomada. Sempre podemos discutir a
margem que os oficiais deram de fato ao presidente para aceitar ou rejeitar uma
recomendao numa situao especfica, e certamente os presidentes
americanos fizeram as duas coisas. Mas no deve nos surpreender o fato de a
atividade mental, mesmo no crtex motor, comear antes de termos cincia de
que havia uma deciso a se tomar.
O que os experimentos de Libet conseguem enfatizar que existe muita
atividade em nosso crebro, por trs de nossas decises, que no consciente. J
sabemos que a maior parte do que acontece no neocrtex no consciente; no
nos deveria surpreender, portanto, que nossas aes e decises derivem tanto de
atividades conscientes como inconscientes. Essa diferena importa? Se nossas
decises provm de ambas, importa se filtramos as partes conscientes das
inconscientes? Os dois aspectos no representam nosso crebro? No somos, em
ltima anlise, responsveis por tudo aquilo que acontece em nosso crebro?
Sim, atirei na vtima, mas no sou responsvel porque eu no estava prestando
ateno sem dvida uma defesa bem fraca. Apesar de haver alguma tnue
base legal segundo a qual a pessoa no responsvel por suas decises, de modo
geral somos responsveis por todas as escolhas que fazemos.
As observaes e os experimentos que citei acima constituem experimentos
mentais sobre a questo do livre-arbtrio, um assunto que, como o tpico da
conscincia, tem sido discutido desde Plato. A prpria expresso livre-arbtrio
data do sculo 13, mas qual o seu significado exato?
O dicionrio Merriam-Webster a define como a liberdade que tm os
humanos de fazer escolhas que no so determinadas por causas anteriores ou
pela interveno divina. Voc percebe que essa definio irremediavelmente
circular: Livre-arbtrio a liberdade... Deixando de lado a ideia da interveno
divina em oposio ao livre-arbtrio, s h um elemento til nessa definio, que
a ideia de uma deciso no [ser] determinada por causas anteriores. Volto a
isso num momento.
A Stanford Encyclopedia of Philosophy afirma que livre-arbtrio a
capacidade de agentes racionais escolherem um curso de ao dentre diversas
alternativas. Segundo essa definio, um computador simples capaz de livre-
arbtrio, e por isso tal definio menos til que a do dicionrio.
A Wikipdia um pouco melhor. Ela define o livre-arbtrio como a
capacidade de um agente fazer escolhas livre de certos tipos de restrio. [...] A
restrio que mais preocupa tem sido [...] o determinismo. Novamente, ela usa
a palavra circular livre na definio do livre-arbtrio, mas expressa aquilo que
foi considerado o principal inimigo do livre-arbtrio: o determinismo. Nesse
sentido, a definio do Merriam-Webster dada acima , com efeito, similar em
sua referncia a decises que no so determinadas por causas anteriores.
E o que quer dizer determinismo? Se eu digitar 2 + 2 numa calculadora e
ela exibir 4, posso dizer que a calculadora exibiu seu livre-arbtrio decidindo
mostrar esse 4? Ningum aceitaria isso como uma demonstrao de livre-
arbtrio, pois a deciso foi predeterminada pelos mecanismos internos da
calculadora e pelos dados digitados. Se eu fizer uma conta mais complexa, ainda
vamos chegar mesma concluso em relao sua falta de livre-arbtrio.
E o que dizer de Watson quando ele responde a uma pergunta do Jeopardy!?
Embora suas deliberaes sejam bem mais complexas que as da calculadora,
poucos observadores, ou nenhum, atribuiria livre-arbtrio a suas decises.
Nenhum humano conhece exatamente o funcionamento de todos os seus
programas, mas podemos identificar um grupo de pessoas que, coletivamente,
pode descrever todos os seus mtodos. O mais importante que seu output
determinado (1) por todos os seus programas no momento em que a pergunta
feita, (2) pela pergunta em si, (3) pelo estado de seus parmetros internos que
influenciam suas decises e (4) por seus trilhes de bytes de base de
conhecimento, inclusive enciclopdias. Com base nessas quatro categorias de
informao, seu output determinado. Podemos especular que se
apresentssemos a mesma pergunta, obteramos sempre a mesma resposta, mas
Watson foi programado para aprender com sua experincia; logo, h a
possibilidade de que as respostas subsequentes sejam diferentes. Contudo, isso
no contradiz esta anlise; na verdade, constitui apenas uma mudana no item 3,
os parmetros que controlam suas decises.
E como, exatamente, um ser humano difere de Watson, a ponto de
atribuirmos livre-arbtrio ao humano, mas no ao programa de computador?
Podemos identificar vrios fatores. Muito embora Watson jogue Jeopardy!
melhor que a maioria dos humanos, ou que todos eles, ele no nem de longe to
complexo quanto um neocrtex humano. Ento, a diferena apenas na escala
de complexidade de seu pensamento hierrquico? H quem considere que o
problema se reduz a isso. Em minha discusso sobre a questo da conscincia,
comentei que meu prprio salto de f que eu consideraria consciente um
computador que passasse por um teste de Turing vlido. Os melhores chatbots
no conseguem fazer isso hoje (embora estejam melhorando cada vez mais), e
por isso minha concluso, com relao conscincia, uma questo do nvel de
desempenho da entidade. Talvez o mesmo seja verdadeiro quanto ao fato de eu
atribuir livre-arbtrio a ela.
Com efeito, a conscincia uma diferena filosfica entre os crebros
humanos e os atuais programas de software. Consideramos os crebros humanos
conscientes, embora no atribuamos isso ainda a programas de software.
Ser esse o fator que estamos procurando por trs do livre-arbtrio?
Um simples experimento mental apoiaria a ideia de que a conscincia , de
fato, uma parte vital do livre-arbtrio. Pense numa situao na qual algum
realiza uma ao sem a noo de que a est realizando: ela est sendo realizada
inteiramente por uma atividade no consciente do crebro dessa pessoa. Ns
consideraramos isso uma demonstrao de livre-arbtrio? A maioria das pessoas
responderia que no. Se a ao causasse algum mal, provavelmente
consideraramos a pessoa responsvel, mas procuraramos algumas aes
conscientes recentes que poderiam ter levado essa pessoa a realizar algumas
aes sem a percepo consciente, como uma dose de bebida a mais, ou a mera
falha no treinamento adequado para analisar conscientemente suas decises
antes de agir com base nelas.
Segundo alguns comentaristas, os experimentos de Libet so contrrios ao
livre-arbtrio, pois mostram que boa parte das decises que tomamos no so
conscientes. Como existe um razovel consenso entre os filsofos de que o livre-
arbtrio implica uma tomada consciente de decises, parece que esta seria um
pr-requisito para o livre-arbtrio. No entanto, para muitos observadores, a
conscincia uma condio necessria, mas no suficiente. Se nossas decises
conscientes ou no so predeterminadas antes que as tomemos, como podemos
dizer que nossas decises so livres? Essa posio, que sustenta que livre-arbtrio
e determinismo no so compatveis, conhecida como incompatibilismo. Por
exemplo, o filsofo norte-americano Carl Ginet (nascido em 1932) argumenta
que, se eventos no passado, no presente e no futuro so determinados, ento
podemos considerar que no temos controle sobre eles ou suas consequncias.
Nossas decises e aes aparentes so apenas parte dessa sequncia
predeterminada. Para Ginet, isso exclui o livre-arbtrio.
Todavia, nem todos consideram o determinismo incompatvel com o
conceito de livre-arbtrio. Os compatibilistas argumentam, essencialmente, que
voc tem a liberdade para decidir aquilo que quer, mesmo que aquilo que voc
decide possa ser (ou seja) determinado. Daniel Dennett, por exemplo, alega que
embora o futuro possa ser determinado pelo estado do presente, a realidade que
o mundo to intricadamente complexo que no temos como saber o que o
futuro trar. Podemos identificar aquilo a que ele se refere como expectativas,
e temos, de fato, a liberdade para realizarmos atos que diferem dessas
expectativas. Deveramos levar em conta como nossas decises e aes se
comparam com essas expectativas, e no com um futuro determinado
teoricamente e que no podemos conhecer de fato. Isso, conforme alega
Dennett, suficiente para o livre-arbtrio.
Gazzaniga tambm expressa uma posio compatibilista: Somos agentes
pessoalmente responsveis e devemos responder por nossas aes, embora
vivamos num mundo determinado [17]. Um cnico poderia interpretar essa
viso como: voc no tem controle sobre suas aes, mas mesmo assim vamos
culp-lo.
Alguns pensadores descartam a ideia de livre-arbtrio como uma iluso. O
filsofo escocs David Hume (1711-1776) descreveu-o como uma mera questo
verbal caracterizada por uma falsa sensao ou aparncia de experincia
[18]. O filsofo alemo Arthur Schopenhauer (1788-1860) escreveu que cada
um se imagina a priori perfeitamente livre, mesmo em suas aes individuais, e
pensa que a cada momento pode comear outra maneira de vida. [...] Mas a
posteriori, pela experincia, descobre espantado que ele no livre, mas
submisso necessidade, que apesar de todas as suas resolues e reflexes ele
no muda sua conduta, e que, desde o comeo de sua vida at o fim dela, ele
deve levar a cabo o prprio personagem que ele mesmo condena [19].
Eu acrescentaria diversos pontos. O conceito de livre-arbtrio e de
responsabilidade, uma ideia intimamente alinhada com ele til, at mesmo
vital, para a manuteno da ordem social, quer o livre-arbtrio exista de fato,
quer no. Assim como a conscincia existe claramente como um meme, existe o
livre-arbtrio. Tentativas de provar sua existncia, ou mesmo de defini-la, podem
se tornar irremediavelmente circulares, mas a realidade que quase todos
acreditam na ideia. Parcelas bastante substanciais de nosso neocrtex de nvel
superior so dedicadas ao conceito de que fazemos escolhas livremente e somos
responsveis por nossas aes. Se num sentido filosfico estrito isso verdade ou
at mesmo possvel, a sociedade estaria bem pior se no tivssemos tais crenas.
Ademais, o mundo no necessariamente determinado. Discuti antes duas
perspectivas sobre a mecnica quntica que diferem quanto ao relacionamento
entre os campos qunticos e o observador. Uma interpretao popular da
perspectiva baseada no observador proporciona um papel para a conscincia: as
partculas no resolvem sua ambiguidade quntica enquanto no so observadas
por um observador consciente. Existe outra ciso na filosofia dos eventos
qunticos que tem relao com a nossa discusso sobre livre-arbtrio, uma ciso
que gira em torno desta questo: os eventos qunticos so determinados ou
aleatrios?
A interpretao mais comum de um evento quntico que quando a funo
de onda que constitui uma partcula sofre um colapso, a localizao da
partcula se especifica. Aps muitos e muitos desses eventos, haver uma
distribuio previsvel (motivo pelo qual a funo de onda considerada uma
distribuio de probabilidades), mas a resoluo para cada partcula que sofre o
colapso de sua funo de onda aleatria. A interpretao oposta
determinstica: especificamente, existiria uma varivel oculta que no
conseguimos detectar separadamente, mas cujo valor determina a posio da
partcula. O valor ou fase da varivel oculta no momento do colapso da funo
de onda determina a posio da partcula. A maioria dos fsicos qunticos parece
favorecer a ideia de uma resoluo aleatria segundo o campo de probabilidade,
mas as equaes da mecnica quntica permitem a existncia de tal varivel
oculta.
Logo, o mundo pode no ser determinado, afinal. Segundo a interpretao da
onda de probabilidades da mecnica quntica, existe uma fonte contnua de
incerteza no nvel mais bsico da realidade. No entanto, essa observao no
resolve necessariamente as preocupaes dos incompatibilistas. certo que,
segundo essa interpretao da mecnica quntica, o mundo no determinado,
mas nosso conceito de livre-arbtrio vai alm de decises e aes meramente
aleatrias. A maioria dos incompatibilistas consideraria o conceito do livre-
arbtrio incompatvel tambm com a ideia de que nossas decises seriam
essencialmente acidentais. O livre-arbtrio parece implicar tomadas de deciso
voluntrias.
O dr. Wolfram prope um modo para resolver o dilema. Seu livro A new kind
of science (publicado em 2002) apresenta uma viso abrangente da ideia de
autmatos celulares e de seu papel em cada faceta de nossas vidas. Um
autmato celular um mecanismo no qual o valor das clulas de informao
recalculado continuamente como funo das clulas prximas. John von
Neumann criou uma mquina terica e autorreplicante chamada construtor
universal, que deve ter sido o primeiro autmato celular.
O dr. Wolfram ilustra sua tese com os autmatos celulares mais simples, um
grupo de clulas numa linha unidimensional. A cada momento, cada clula tem
um dentre dois valores: preto ou branco. O valor de cada clula recalculado
para cada ciclo. O valor de uma clula para o ciclo seguinte funo de seu
valor atual, bem como o valor de seus dois vizinhos adjacentes. Cada autmato
celular caracterizado por uma regra que determina como se calcula se uma
clula ser preta ou branca no ciclo seguinte.
Vejamos o exemplo daquela que o dr. Wolfram chamou de regra 222.

As oito combinaes possveis de valor para a clula sendo recalculada e


para as vizinhas da esquerda e da direita aparecem na fileira de cima. Seu novo
valor mostrado na fileira de baixo. Assim, por exemplo, se a clula preta e as
duas clulas vizinhas tambm so pretas, ento a clula vai permanecer preta na
gerao seguinte (veja a sub-regra da regra 222 na extremidade esquerda). Se a
clula branca, a vizinha da esquerda tambm branca e a da direita preta,
ento ela mudar e ficar preta na gerao seguinte (veja a sub-regra da regra
222 que a segunda a contar da direita).
O universo desse simples autmato celular apenas uma fileira de clulas.
Se comeamos com apenas uma clula preta no meio e mostramos a evoluo
das clulas aps mltiplas geraes (nas quais cada fileira inferior representa
uma nova gerao de valores), os resultados da regra 222 ficaro parecidos com
isto:
Um autmato se baseia numa regra, e a regra define se a clula ser preta
ou branca com base no padro existente na gerao atual dentre oito padres
possveis. Logo, h 28 = 256 regras possveis. O dr. Wolfram relacionou todos os
256 autmatos possveis e lhes atribuiu um cdigo Wolfram entre 0 e 255.
interessante observar que essas 256 mquinas tericas tm propriedades muito
diferentes. Os autmatos que o dr. Wolfram chama de classe I, como a regra
222, criam padres muito previsveis. Se eu fosse perguntar o valor da clula do
meio aps um trilho de trilhes de iteraes da regra 222, voc poderia
responder facilmente: preto.
Muito mais interessantes, porm, so os autmatos da classe IV, ilustrados
pela regra 110.

Mltiplas geraes destes autmatos se parecem com isto:


O que interessante nos autmatos da regra 110, e nos autmatos da classe
IV em geral, que os resultados so completamente imprevisveis. Os resultados
passam pelos mais severos testes matemticos de aleatoriedade, mas no geram
simplesmente rudo: so padres repetitivos, mas se repetem de maneira singular
e imprevisvel. Se eu lhe perguntasse o valor de uma clula especfica aps um
trilho de trilhes de iteraes, no haveria como responder a essa pergunta sem
fazer essa mquina produzir todas essas geraes. A soluo determinada com
clareza, pois essa uma mquina determinstica muito simples, mas
completamente imprevisvel sem fazer a mquina funcionar.
A tese primria do dr. Wolfram que o mundo um grande autmato celular
da classe IV. A razo pela qual seu livro tem como ttulo A new kind of science
que essa teoria contrasta com a maioria das outras leis cientficas. Se existe um
satlite orbitando a Terra, podemos prever onde ele estar daqui a cinco anos
sem termos de percorrer cada momento de um processo simulado, usando as leis
relevantes da gravitao e encontrando o lugar onde ele estar num momento
futuro. Mas o estado futuro dos autmatos celulares da classe IV no pode ser
previsto sem simular cada etapa do caminho. Se o universo um gigantesco
autmato celular, como postula o dr. Wolfram, no haveria computador grande o
suficiente pois cada computador seria um subconjunto do universo para rodar
tal simulao. Portanto, o estado futuro do universo no pode ser conhecido,
embora seja determinstico.
Logo, apesar de nossas decises serem determinadas (pois nossos corpos e
crebros fazem parte de um universo determinstico), so, ainda assim,
inerentemente imprevisveis, pois vivemos num autmato da classe IV (e
fazemos parte dele). No podemos prever o futuro de um autmato de classe IV,
exceto deixando o futuro se desenvolver. Para o dr. Wolfram, isso suficiente
para se aceitar o livre-arbtrio.
No precisamos observar o universo para ver eventos futuros determinados,
mas imprevisveis. Nenhum dos cientistas que trabalhou com o Watson pode
prever o que ele far, pois o programa simplesmente complexo e variado
demais, e seu desempenho se baseia em conhecimentos vastos demais para que
qualquer ser humano possa domin-los. Se acreditarmos que os humanos exibem
livre-arbtrio, ento o que decorre disso que temos de aceitar que futuras
verses do Watson ou de mquinas semelhantes ao Watson tambm podero
exibi-lo.
Meu prprio salto de f que acredito que os humanos tm livre-arbtrio, e,
embora eu aja como se fosse esse o caso, sinto dificuldades para encontrar, entre
minhas prprias decises, exemplos que ilustrem isso. Pense na deciso de
escrever este livro: eu nunca tomei essa deciso. Na verdade, a ideia do livro
decidiu isso por mim. De modo geral, sinto-me cativo de ideias que parecem se
implantar em meu neocrtex, assumindo o comando. O que dizer da deciso de
me casar, que tomei (em colaborao com outra pessoa) h 36 anos? Na poca,
eu estava seguindo o programa habitual de me sentir atrado por uma bela moa,
e de ir atrs dela. Ento, me apaixonei. Onde est o livre-arbtrio nisso?
E o que dizer das pequenas decises que tomo todos os dias, como as
palavras especficas que decido usar para escrever meu livro? Comeo com uma
folha virtual de papel em branco. Ningum est me dizendo o que fazer. No
existe um editor olhando por cima do meu ombro. Minhas escolhas cabem
totalmente a mim. Sou livre totalmente livre para escrever o que eu...
Uh, grokar...
Grokar? Certo, escrevi isso; finalmente, usei meu livre-arbtrio. Eu ia
escrever a palavra quiser, mas tomei a deciso livre de escrever algo
totalmente inesperado no lugar dela. Talvez esta seja a primeira vez em que tive
sucesso no exerccio do livre-arbtrio mais puro.
Ou no.
Deve ter ficado aparente que essa no foi uma demonstrao da vontade,
mas da tentativa de ilustrar meu ponto (e talvez uma exibio de pssimo senso
de humor).
Embora eu compartilhe a confiana de Descartes quanto minha
conscincia, no tenho a mesma certeza quanto ao livre-arbtrio. difcil escapar
da concluso de Schopenhauer: Voc pode fazer o que quiser, mas num dado
momento de sua vida voc s pode querer uma coisa especfica e absolutamente
nada alm dessa coisa [20]. Mesmo assim, continuo a agir como se tivesse
livre-arbtrio e a acreditar nele, desde que no tenha de explicar a razo.

Identidade
Certa vez, um filsofo teve o seguinte sonho.
Primeiro surgiu-lhe Aristteles, e o filsofo lhe disse: Voc pode
me fazer um esboo sinttico de quinze minutos sobre toda a sua
filosofia? Para surpresa do filsofo, Aristteles fez uma excelente
exposio, na qual comprimiu uma enorme quantidade de material
em meros quinze minutos. Depois, porm, o filsofo apresentou uma
objeo para a qual Aristteles no teve resposta. Confuso, Aristteles
desapareceu.
Ento, apareceu Plato. A mesma coisa tornou a acontecer, e a
objeo do filsofo foi a mesma objeo oposta a Aristteles. Plato
tambm no conseguiu responder e desapareceu.
Depois, todos os filsofos famosos da histria apareceram, um por
um, e nosso filsofo apresentou a todos a mesma objeo.
Depois que o ltimo filsofo desapareceu, nosso filsofo disse para
si mesmo: Sei que estou dormindo e sonhando com tudo isso. Mas
encontrei uma refutao universal para todos os sistemas filosficos!
Amanh, quando acordar, provavelmente eu a terei esquecido, e o
mundo ter perdido algo excepcional! Com esforo frreo, o
filsofo forou-se a levantar, correu para sua escrivaninha e anotou
sua refutao universal. Depois, voltou para a cama com um suspiro
de alvio.
Na manh seguinte, ao acordar, correu at a escrivaninha para ver
o que tinha escrito. Era: Isso o que voc diz.
Ray mond Smully an, citado por David Chalmers [21]

O que mais me intriga, at mais do que a dvida de ter ou no conscincia, ou de


exercer ou no o livre-arbtrio, por que eu tenho conscincia das experincias e
das decises dessa pessoa especfica que escreve livros, gosta de caminhar e
andar de bicicleta, toma suplementos alimentares e assim por diante. Uma
resposta bvia seria: Porque voc essa pessoa.
Essa rplica no deve ser mais tautolgica do que as respostas apresentadas
antes s questes sobre conscincia e livre-arbtrio. Mas, na verdade, tenho uma
resposta melhor para o motivo pelo qual minha conscincia est associada com
essa pessoa em particular: porque foi como me criei para ser.
Um aforismo comum : Voc o que voc come. ainda mais
verdadeiro dizer: Voc o que voc pensa. Como discutimos, todas as
estruturas hierrquicas de meu neocrtex que definem minha personalidade,
habilidades e conhecimentos resultam de meus prprios pensamentos e
experincias. As pessoas com quem escolho interagir, e as ideias e os projetos a
que me dedico, so determinantes primrios daquilo que me torno. Por falar
nisso, aquilo que como tambm reflete as decises tomadas por meu neocrtex.
Aceitando o lado positivo da dualidade do livre-arbtrio por enquanto, so minhas
prprias decises que resultam naquilo que sou.
Independentemente de como nos tornamos quem somos, cada um de ns
tem o desejo de que nossa identidade persista. Se voc no tivesse a vontade de
sobreviver, no estaria aqui lendo este livro. Toda criatura tem essa meta; ela o
principal determinante da evoluo. A questo da identidade deve ser ainda mais
difcil de definir do que a conscincia ou o livre-arbtrio, mas provavelmente
mais importante. Afinal, precisamos saber o que somos se desejamos preservar
nossa existncia.
Analise o seguinte experimento mental: voc est no futuro com tecnologias
mais avanadas do que as atuais. Enquanto dorme, um grupo faz a varredura de
seu crebro e capta todos os detalhes evidentes. Talvez eles faam isso com
mquinas de varredura do tamanho de clulas sanguneas percorrendo os
capilares de seu crebro ou com alguma outra tecnologia no invasiva adequada,
mas eles tm todas as informaes sobre seu crebro num determinado
momento do tempo. Eles tambm coletam e registram detalhes corporais que
possam refletir o seu estado mental, como o sistema endcrino. Eles inserem
esse arquivo mental num corpo no biolgico que se parece com voc e se
movimenta como voc, e que tem a sutileza e a adaptabilidade necessrias para
se passar por voc. Pela manh, voc informado dessa transferncia e observa
(talvez sem ser notado) seu clone mental, a quem vamos chamar de Voc 2.
Voc 2 est falando da vida dele como se fosse voc, contando que descobriu
naquela manh que recebeu uma nova verso 2.0 com um corpo muito mais
durvel. Puxa, acho que gostei deste novo corpo!, exclama.
A primeira questo a se analisar : Voc 2 tem conscincia? Bem,
certamente parece que sim. Ele passa pelo teste que comentei antes, pois tem os
sinais sutis de uma pessoa consciente e dotada de sentimentos. Se voc tem
conscincia, Voc 2 tambm tem.
Assim, se voc, bem, desaparecesse, ningum perceberia. Voc 2 estaria por
a, alegando que voc. Todos os seus amigos e entes queridos ficariam felizes
com a situao e at satisfeitos por voc ter um corpo e um substrato mental
mais durveis do que antes. Talvez seus amigos com propenso mais filosfica
expressem alguma preocupao, mas, de modo geral, todos estariam felizes,
inclusive voc, ou, no mnimo, a pessoa que alega convincentemente ser voc.
Assim, no precisamos mais do seu velho corpo e de seu crebro, no ?
Tudo bem se nos livrarmos dele?
Provavelmente, voc no vai concordar com isso. Eu disse que a varredura
no foi invasiva, e por isso voc ainda est por a, consciente. Alm disso, seu
senso de identidade ainda est com voc, e no com Voc 2, embora Voc 2
pense que uma continuao de voc. Talvez Voc 2 nem saiba que voc existe
ou tenha existido. Na verdade, nem voc teria cincia de que Voc 2 existe se
no lhe tivssemos contado.
Nossa concluso? Voc 2 consciente, mas uma pessoa diferente de voc;
Voc 2 tem uma identidade diferente. Ele extremamente similar, muito mais
do que um mero clone gentico, porque ele tambm compartilha todos os seus
padres e conexes neocorticais. Ou devo dizer que ele compartilhou esses
padres no momento em que foi criado. A partir da, vocs dois comearam a
seguir seus prprios rumos em termos neocorticais. Voc ainda est por a. Voc
no est tendo as mesmas experincias que Voc 2. Em suma: Voc 2 no
voc.
At aqui, tudo bem. Agora, analise outro experimento mental que, creio,
mais realista em termos daquilo que o futuro pode trazer. Voc se submete a uma
cirurgia para substituir uma pequena parte de seu crebro por uma unidade no
biolgica. Voc est convencido de que um procedimento seguro, e h relatos
que falam de diversos benefcios.
Isso no to despropositado, pois feito rotineiramente em pessoas com
problemas neurolgicos e sensoriais, como o implante neural para o Mal de
Parkinson e implantes cocleares para surdos. Nesses casos, o aparelho
computadorizado colocado dentro do corpo mas fora do crebro, embora
ligado a este (ou, no caso dos implantes cocleares, ao nervo auditivo). Na minha
opinio, o fato de que o computador em si posto fisicamente fora do crebro
no importante em termos filosficos: com efeito, estamos ampliando o
crebro e substituindo, com um aparelho computadorizado, funes que no
atuam corretamente. Na dcada de 2030, quando aparelhos computadorizados
inteligentes tero o tamanho de clulas sanguneas (e lembre-se de que as clulas
brancas do sangue so inteligentes a ponto de identificar e combater patgenos),
vamos introduzi-los de maneira no invasiva, sem necessidade de cirurgia.
Voltando a nosso cenrio futuro, voc passa pelo procedimento e, como
prometido, tudo corre bem e algumas de suas habilidades melhoraram.
(Provavelmente, sua memria melhorou.) E ento, voc ainda voc?
Certamente, seus amigos pensam que sim. Voc pensa que sim. No adianta
argumentar que subitamente voc ficou diferente. Sem dvida, voc passou pela
cirurgia para efetuar uma mudana em alguma coisa, mas voc ainda voc
mesmo. Sua identidade no mudou. A conscincia de algum no assumiu de
repente o controle do seu corpo.
Bem, assim, estimulado por esses resultados, voc decide realizar outra
cirurgia, desta vez envolvendo uma regio diferente do crebro. O resultado o
mesmo: voc sente alguma melhora na sua capacidade, mas voc ainda voc.
Deve ter ficado claro o que quero mostrar. Voc continua a realizar cirurgias,
sua confiana no processo s aumenta, at um momento em que voc trocou
todas as partes do seu crebro. Em todas as ocasies, o procedimento foi
realizado com cuidado para preservar todos os seus padres e conexes
neocorticais, de modo que voc no perdeu nada de sua personalidade, talentos
ou memrias. Nunca houve um voc e um Voc 2; apenas voc. Ningum,
inclusive voc, acha que voc deixou de existir. De fato, voc est a.
Nossa concluso: voc ainda existe. No h dilema nisso. Tudo est bem.
S um detalhe: voc, aps o processo gradual de substituio, totalmente
equivalente ao Voc 2 no cenrio mental anterior (que podemos chamar de
cenrio de varredura e representao). Voc, aps o cenrio de substituio
gradual, tem todos os padres e conexes neocorticais que tinha originalmente, s
que num substrato no biolgico, o que tambm se aplica ao Voc 2 no cenrio
de varredura e representao. Voc, aps o cenrio de substituio gradual, tem
algumas habilidades adicionais e mais durabilidade do que antes do processo,
mas isso tambm se aplica ao Voc 2 no processo de varredura e representao.
Mas ns conclumos que o Voc 2 no voc. E se voc, aps o processo de
substituio gradual, totalmente equivalente ao Voc 2 aps o processo de
varredura e representao, ento, aps o processo de substituio gradual voc
tambm no deve ser voc.
Todavia, isso contradiz nossa concluso anterior. O processo de substituio
gradual consiste em mltiplas etapas. Cada uma dessas etapas parece ter
preservado a identidade, assim como conclumos hoje que um paciente com mal
de Parkinson tem a mesma identidade aps ter recebido a instalao de um
implante neural [22].
esse tipo de dilema filosfico que leva algumas pessoas a concluir que
esses cenrios de substituio nunca vo acontecer (muito embora j estejam
ocorrendo). Mas pense nisto: ns passamos naturalmente por um processo
gradual de substituio ao longo da vida. A maioria das clulas de nosso corpo
substituda continuamente. (Voc acabou de substituir 100 milhes delas enquanto
leu a ltima sentena.) Clulas no revestimento interno do intestino delgado so
trocadas ao longo de uma semana, bem como o revestimento protetor do
estmago. A vida das clulas brancas do sangue vai de alguns dias a alguns
meses, dependendo do tipo. As plaquetas duram cerca de nove dias.
Os neurnios persistem, mas suas organelas e suas molculas constituintes
sofrem uma troca a cada ms [23]. O tempo mdio de vida do microtbulo do
neurnio de dez minutos; os filamentos de actina nos dendritos duram 40
segundos; as protenas que proporcionam energia para as sinapses so trocadas a
cada hora; os receptores de NMDA nas sinapses tm uma vida relativamente
longa: cinco dias.
Por isso, voc completamente substitudo em questo de meses, algo
comparvel ao cenrio de substituio gradual que descrevi antes. Voc a
mesma pessoa que era h alguns meses? Claro que h algumas diferenas.
Talvez voc tenha aprendido algumas coisas. Mas voc presume que a sua
identidade persiste, que voc no foi destrudo e recriado continuamente.
Pense num rio, como aquele que passa perto do meu escritrio. Enquanto
vejo esse rio que as pessoas chamam de Rio Charles, pergunto-me se ser o
mesmo rio que vi ontem. Primeiro, vamos refletir sobre o que significa um rio. O
dicionrio o define como um curso grande e natural de gua corrente. Segundo
essa definio, o rio que estou vendo hoje completamente diferente do rio que
vi ontem. Cada uma de suas molculas de gua mudou, um processo que
acontece muito rapidamente. O filsofo grego Digenes Larcio escreveu, no
sculo 3 de nossa era, que voc no consegue pisar duas vezes no mesmo rio.
Mas no assim que costumamos entender os rios. As pessoas gostam de v-
los porque eles so smbolos de continuidade e de estabilidade. Segundo a viso
comum, o Rio Charles que vi ontem o mesmo rio que vejo hoje. Nossas vidas
so parecidas. Fundamentalmente, no somos as coisas que constituem nossos
corpos e crebros. Essas partculas fluem atravs de ns, assim como as
molculas de gua fluem por um rio. Somos um padro que muda lentamente,
mas que tem estabilidade e continuidade, embora as coisas que formam o padro
mudem rapidamente.
A introduo gradual de sistemas no biolgicos em nossos corpos e crebros
ser apenas outro exemplo da troca contnua das partes que nos compem. Ela
no vai alterar a continuidade de nossa identidade, e nem a substituio natural de
nossas clulas biolgicas o faz. Em grande parte, j terceirizamos nossas
memrias histricas, intelectuais, sociais e pessoais em nossos aparelhos e na
nuvem. Os aparelhos com que interagimos para ter acesso a essas memrias
ainda no esto dentro de nossos corpos e crebros, mas, medida que
diminuem mais e mais (e estamos reduzindo o tamanho da tecnologia razo de
cem em volume tridimensional por dcada), eles vo obter acesso a eles. De
qualquer maneira, ser um lugar til para guard-los, assim, no vamos perd-
los. Se as pessoas no quiserem colocar aparatos microscpicos em seu corpo,
no far mal, pois teremos outros meios de acessar a fugaz inteligncia na
nuvem.
Mas voltemos ao dilema que apresentei antes. Voc, aps um perodo de
substituio gradual, equivalente ao Voc 2 do cenrio de varredura e
representao, mas decidimos que o Voc 2 desse cenrio no tem a mesma
identidade que voc. Aonde isso nos leva?
Leva-nos a reconhecer uma capacidade dos sistemas no biolgicos que os
sistemas biolgicos no tm: a capacidade de ser copiado, armazenado e
recriado. Fazemos isso rotineiramente com nossos aparelhos. Quando
compramos um smartphone novo, copiamos todos os seus arquivos, e assim ele
tem boa parte da personalidade, das habilidades e das memrias do smartphone
antigo. Talvez tenha at algumas capacidades novas, mas o contedo do fone
antigo ainda est conosco. De modo anlogo, certamente um programa como o
Watson tem uma cpia de segurana. Se o hardware do Watson fosse destrudo
amanh, Watson poderia ser recriado facilmente a partir de seus arquivos de
segurana armazenados na nuvem.
Isso representa uma capacidade no mundo no biolgico que no existe no
mundo biolgico. uma vantagem, no uma limitao, motivo pelo qual estamos
to ansiosos hoje para continuar a armazenar nossas memrias na nuvem. Com
certeza, vamos prosseguir nessa direo, pois sistemas no biolgicos obtm cada
vez mais as capacidades de nosso crebro biolgico.
Minha soluo para o dilema esta: no verdade que Voc 2 no voc;
ele voc. S que agora h dois de voc. Isso no to ruim; se voc se acha
bom, ento dois de voc ainda melhor.
Aquilo que acho que vai acontecer de fato que vamos continuar no
caminho do cenrio da substituio e ampliao gradual at que, em ltima
anlise, a maior parte de nosso pensamento esteja na nuvem. Meu salto de f
sobre a identidade que esta preservada mediante a continuidade do padro de
informao que faz com que ns sejamos ns mesmos. A continuidade abre
espao para a mudana contnua, e assim, embora eu seja um pouco diferente
do que era ontem, mantenho a mesma identidade. Entretanto, a continuidade do
padro que constitui minha identidade no depende de substratos. Os substratos
biolgicos so maravilhosos levaram-nos at onde estamos , mas estamos
criando um substrato mais capaz e durvel por excelentes razes.
Captulo 10

A lei dos retornos acelerados aplicada ao crebro

E embora cada homem deva permanecer, em alguns aspectos, como


a criatura superior, isso no est de acordo com a prtica da natureza,
que permite a superioridade em algumas coisas a animais que, como
um todo, h muito foram superados? Ela no permitiu que a formiga
e a abelha fossem superiores ao homem na organizao de suas
comunidades e estruturas sociais, a ave na travessia do ar, o peixe na
natao, o cavalo na fora e na velocidade, e o co no
autossacrifcio?
Samuel Butler, 1871

Houve uma poca em que a Terra era, para todos os efeitos,


totalmente destituda de vida animal e vegetal, e que, segundo a
opinio de nossos maiores filsofos, era simplesmente uma bola
redonda e quente com uma crosta esfriando gradualmente. Bem, se
quando a Terra estava nesse estado existisse um ser humano que a
visse como se fosse um outro mundo pelo qual no tivesse interesse
algum, e, ao mesmo tempo, esse ser humano fosse totalmente
ignorante de toda cincia fsica, no teria ele considerado impossvel
que criaturas dotadas de qualquer coisa semelhante conscincia
poderiam evoluir das cinzas que estava vendo? No teria negado que
ela poderia abrigar toda possibilidade de conscincia? Mas, com o
passar do tempo, a conscincia chegou. No possvel, portanto, que
ainda haja canais escavados para a conscincia, embora no
possamos hoje detectar seus sinais?
Samuel Butler, 1871
Quando refletimos sobre as diversas fases da vida e da conscincia
que j se desenvolveram, seria imprudente dizer que nenhuma outra
pode se desenvolver, e que a vida animal o final de todas as coisas.
Houve uma poca em que o fogo era o final de todas as coisas; outra,
em que as pedras e a gua o eram.
Samuel Butler, 1871

No existe segurana contra o desenvolvimento supremo da


conscincia mecnica s porque as mquinas possuem pouca
conscincia hoje. Um molusco no tem muita conscincia. Reflita no
extraordinrio progresso feito pelas mquinas nestes ltimos sculos e
veja como foi lento o avano dos reinos animal e vegetal. As
mquinas mais organizadas no seriam propriamente de ontem, mas
dos ltimos cinco minutos, por assim dizer, em comparao com o
tempo passado. Presuma, a ttulo de argumento, que os seres
conscientes existem h cerca de 20 milhes de anos: veja os passos
largos dados pelas mquinas nos ltimos mil! Ser que o mundo no
vai durar mais 20 milhes de anos? E se durar, no que elas se
transformaro?
Samuel Butler, 1871

M inha tese central, que chamo de lei dos retornos acelerados (LRA), que
medidas fundamentais de tecnologia da informao seguem trajetrias
previsveis e exponenciais, desmentindo a sabedoria convencional de que no d
para prever o futuro. Ainda h muitas coisas que projeto, empresa ou padro
tcnico prevalecer no mercado quando a paz chegar ao Oriente Mdio que
permanecem desconhecidas, mas a relao preo/desempenho e a capacidade
de informao tm sido notavelmente previsveis. Surpreendentemente, essas
tendncias no so abaladas por condies como guerra ou paz, prosperidade ou
recesso.
Um motivo primrio para a evoluo ter criado o crebro foi a predio do
futuro. Enquanto um de nossos ancestrais caminhava pelas savanas, milhares de
anos atrs, ele pode ter notado que um animal estava se aproximando da rota que
ele seguia. Ele previu que, se ficasse nessa rota, seus caminhos se cruzariam.
Com base nisso, ele decidiu seguir em outra direo, e sua anteviso mostrou-se
valiosa para a sobrevivncia.
Mas esses previsores de futuro embutidos em ns so lineares, no
exponenciais, uma qualidade que deriva da organizao linear do neocrtex.
Lembre-se de que o neocrtex est sempre fazendo previses: que letra e que
palavra veremos a seguir, quem esperamos ver ao virar a esquina, e assim por
diante. O neocrtex est organizado em sequncias lineares de etapas em cada
padro, o que significa que o pensamento exponencial no surge naturalmente
em ns. O cerebelo tambm usa predies lineares. Quando queremos pegar
uma bola alta no beisebol, ele faz a previso linear do ponto em que a bola estar
em nosso campo de viso e de onde a mo enluvada deveria estar em nosso
campo de viso para peg-la.
Como disse, existe uma diferena drstica entre progresses lineares e
exponenciais (em termos lineares, 40 etapas lineares so 40, mas
exponencialmente so um trilho), o que explica por que as previses que fiz
com base na lei dos retornos acelerados parecem, no incio, surpreendentes para
muitos observadores. Precisamos nos educar para pensar exponencialmente.
Quando se trata de tecnologia da informao, a maneira correta de pensar.
O exemplo quintessencial da lei dos retornos acelerados o crescimento
perfeitamente suave e duplamente exponencial da relao preo/desempenho da
computao, que tem se mantido firme nos ltimos 110 anos, atravessando duas
guerras mundiais, a Grande Depresso, a Guerra Fria, o colapso da Unio
Sovitica, a reapario da China, a recente crise financeira e todos os outros
eventos notveis do final do sculo 19, do sculo 20 e do incio do sculo 21.
Algumas pessoas se referem a esse fenmeno como lei de Moore, mas esse
um conceito errneo. A lei de Moore que afirma que voc pode colocar o
dobro de componentes num circuito integrado a cada dois anos, e que eles so
mais rpidos porque so menores apenas um paradigma entre muitos. Na
verdade, foi o quinto, e no o primeiro paradigma a levar o crescimento
exponencial relao preo/desempenho da computao.
O crescimento exponencial da computao comeou com o censo de 1890
dos EUA (o primeiro a ser automatizado), usando o primeiro paradigma do
clculo eletromecnico, dcadas antes de Gordon Moore ter nascido. Em The
singularity is near, apresento esse grfico at 2002, e aqui eu o atualizei at 2009
(veja o grfico na pgina 309 intitulado Crescimento Exponencial da
Computao em 110 anos). A trajetria suavemente previsvel tem continuado,
mesmo depois da recente reviravolta econmica.
A computao o exemplo mais importante da lei dos retornos acelerados
em funo da quantidade de dados que temos para ela, da onipresena da
computao e de seu papel crucial na revoluo suprema de tudo que nos
interessa. Mas ela est longe de ser o nico exemplo. Depois que uma tecnologia
se transforma numa tecnologia da informao, ela se torna sujeita LRA.
Custo de sequenciamento de um genoma de tamanho humano [1]

Quantidade de dados genticos sequenciados no mundo a cada ano [2]


A biomedicina est se tornando a rea mais importante e recente da
tecnologia e da indstria a se transformar dessa maneira. Historicamente, o
progresso da medicina tem se baseado em descobertas acidentais, e por isso o
progresso no incio da era foi linear e no exponencial. Contudo, isso se mostrou
benfico: h um milnio, a expectativa de vida era de 23 anos; h dois sculos,
passou a ser de 37; hoje de aproximadamente 80 anos. Com a coleta do
software da vida, o genoma, a medicina e a biologia humana tornaram-se parte
da tecnologia da informao. O prprio Projeto Genoma foi perfeitamente
exponencial, com a quantidade de dados genticos dobrando e o custo por par de
bases reduzindo-se pela metade a cada ano, desde que o projeto foi iniciado em
1990 [3]. (Todos os grficos deste captulo foram atualizados desde a publicao
de The singularity is near.)

Hoje somos capazes de projetar intervenes biomdicas em computadores


e de test-las depois em simuladores biolgicos, cuja escala e preciso tambm
esto dobrando a cada ano. Tambm podemos atualizar nosso prprio software
obsoleto: a interferncia no RNA pode desativar genes, e novas formas de terapia
gentica podem acrescentar novos genes, no apenas a um recm-nascido,
como a um indivduo maduro. O progresso das tecnologias genticas tambm
afeta o projeto de engenharia reversa do crebro, pois um de seus aspectos
importantes entender como os genes controlam funes cerebrais como a
criao de novas conexes para refletir conhecimentos corticais recentemente
acrescentados. H muitas outras manifestaes dessa integrao entre biologia e
tecnologia da informao, como a passagem do sequenciamento do genoma
para a sintetizao do genoma.
Outra tecnologia da informao que tem visto um crescimento exponencial
uniforme nossa capacidade de nos comunicar uns com os outros e de
transmitirmos grandes compilaes de conhecimento humano. H muitas
maneiras de medir esse fenmeno. A lei de Cooper, que afirma que a
capacidade total em bits das comunicaes sem fio numa dada quantidade de
espectro de rdio dobra a cada 30 meses, tem se mantido firme desde a poca
em que Guglielmo Marconi usou o telgrafo sem fio para transmisses de cdigo
Morse, em 1897, at as tecnologias de comunicao 4G de hoje [4]. Segundo a
lei de Cooper, a quantidade de informao que pode ser transmitida dentro de
determinado espectro de rdio tem dobrado a cada dois anos e meio, h mais de
um sculo. Outro exemplo o nmero de bits por segundo transmitidos pela
Internet, que vem dobrando a cada 15 meses [5].
A razo pela qual eu me interessei em tentar predizer certos aspectos da
tecnologia que percebi, h cerca de 30 anos, que a chave para ser bem-
sucedido como inventor (profisso que adotei quando tinha 5 anos de idade) o
senso de oportunidade. A maioria das invenes e dos inventores fracassa no
porque os aparelhos no funcionam, mas porque o momento no era o adequado,
aparecendo antes que todos os fatores propcios estivessem no lugar, ou tarde
demais, perdendo a janela de oportunidade.
Como engenheiro, h cerca de trs dcadas comecei a reunir dados sobre
medidas da tecnologia em diversas reas. Quando iniciei esse trabalho, no
esperava que ele fosse apresentar uma imagem clara, mas esperava que
proporcionasse certa orientao e me permitisse dar palpites bem embasados.
Minha meta era e ainda cronometrar meus prprios esforos tecnolgicos
para que sejam apropriados para o estado do mundo quando eu concluir um
projeto, que, segundo percebi, seria muito diferente do mundo que existia quando
comecei.

Largura de banda internacional (de pas para pas) dedicada Internet para o
mundo [6]
A maior largura de banda da estrutura da Internet [7]

Pense em quanto o mundo mudou recentemente, e com que velocidade. H


poucos anos, as pessoas no usavam redes sociais (o Facebook, por exemplo, foi
fundado em 2004 e tinha 901 milhes de usurios ativos mensalmente no final de
maro de 2012 [8]), wikis, blogs ou tutes. Na dcada de 1990, a maioria das
pessoas no usava mecanismos de busca nem celulares. Imagine o mundo sem
eles. Isso parece histria antiga, mas no faz tanto tempo assim. O mundo vai
mudar ainda mais drasticamente no futuro prximo.
No decorrer de minha investigao, fiz uma descoberta surpreendente: se
uma tecnologia uma tecnologia de informao, as medidas bsicas de
preo/desempenho e capacidade (por unidade de tempo, de custo ou de outro
recurso) acompanham trajetrias exponenciais com espantosa preciso.
Essas trajetrias superam os paradigmas especficos em que esto baseadas
(como a lei de Moore). Mas quando um paradigma perde o flego (por exemplo,
quando os engenheiros no conseguiram mais reduzir o tamanho e o custo dos
tubos de vcuo na dcada de 1950), isso cria presso na rea de pesquisa para
criar o paradigma seguinte, e assim tem incio nova curva-S de progresso.
A poro exponencial dessa prxima curva-S do novo paradigma d
continuidade exponencial contnua de medida da tecnologia da informao.
Logo, a computao baseada em tubos a vcuo da dcada de 1950 deu lugar aos
transistores na dcada de 1960 e depois aos circuitos integrados e lei de Moore
no final da dcada de 1960, e mais alm. A lei de Moore, por sua vez, dar lugar
computao tridimensional, e os primeiros exemplos dela j esto em
andamento. O motivo pelo qual as tecnologias da informao so capazes de
transcender consistentemente as limitaes de qualquer paradigma em particular
que os recursos necessrios para computar ou lembrar ou transmitir um bit de
informao so extremamente pequenos.
Podemos nos perguntar: h limites fundamentais para nossa capacidade de
computar e de transmitir informaes, independentemente do paradigma? A
resposta sim, com base no que conhecemos hoje sobre a fsica da computao.
Esses limites, porm, no so muito restritivos. Em ltima anlise, podemos
expandir nossa inteligncia trilhes de vezes com apoio na computao
molecular. Segundo meus clculos, vamos atingir esses limites no final deste
sculo.
importante destacar que nem todo fenmeno exponencial exemplifica a lei
dos retornos acelerados. Alguns observadores interpretam erroneamente a LRA
citando tendncias exponenciais que no se baseiam em informaes.
Mencionam, por exemplo, os barbeadores masculinos, que passaram de uma
lmina para duas e para quatro, e perguntam onde esto os barbeadores com oito
lminas. Barbeadores (ainda) no so uma tecnologia da informao.
Em The singularity is near, apresentei um exame terico, inclusive (no
apndice desse livro) um tratamento matemtico da razo para que a LRA seja
to notavelmente previsvel. Essencialmente, sempre usamos a tecnologia mais
recente para criar a seguinte. Tecnologias se acumulam umas sobre as outras de
maneira exponencial, e esse fenmeno prontamente mensurvel se envolver
alguma tecnologia da informao. Em 1990, usamos os computadores e outras
ferramentas daquela era para criar os computadores de 1991; em 2012, estamos
usando as atuais ferramentas da informao para criar as mquinas de 2013 e
2014. Falando em termos mais amplos, essa acelerao e o crescimento
exponencial se aplicam a qualquer processo no qual se desenvolvam padres de
informao. Assim, vemos a acelerao no ritmo da evoluo biolgica, e uma
acelerao similar (mas muito mais rpida) na evoluo tecnolgica, que, em si,
fruto da evoluo biolgica.
Tenho hoje um registro pblico com mais de um quarto de sculo de
predies feitas com base na lei dos retornos acelerados, comeando por aquelas
apresentadas em The age of intelligent machines, que escrevi em meados da
dcada de 1980. Entre exemplos de predies precisas desse livro temos: o
surgimento, entre meados e final da dcada de 1990, de uma vasta rede mundial
de comunicaes unindo pessoas ao redor do mundo umas s outras e a todo o
conhecimento humano; uma grande onda de democratizao emergindo dessa
rede descentralizada de comunicaes, varrendo do mapa a Unio Sovitica; a
derrota do campeo mundial de xadrez por volta de 1998; e muitas outras.
Descrevi detalhadamente a lei dos retornos acelerados, tal como se aplica
computao, em A era das mquinas espirituais, onde apresentei um sculo de
dados mostrando a progresso duplamente espiritual da relao
preo/desempenho da computao at 1998. Atualizei-a at 2009 a seguir.
Recentemente, escrevi uma anlise de 146 pginas das predies que fiz em
The age of intelligent machines, A era das mquinas espirituais e The singularity is
near. (Para ler o ensaio, visite o link reproduzido nesta nota [9].) A era das
mquinas espirituais incluiu centenas de predies para dcadas especficas
(2009, 2019, 2029 e 2099). Fiz, por exemplo, 147 predies para 2009 em A era
das mquinas espirituais, que escrevi na dcada de 1990. Delas, 115 (78%)
estavam totalmente corretas at o final de 2009; as predies que tratavam de
medidas bsicas de capacidade e da relao preo/desempenho das tecnologias
da informao foram particularmente precisas.

Clculos por segundo por milhar de dlares (constantes) de diferentes aparelhos


de computao [10]
Operaes em ponto flutuante por segundo de diversos supercomputadores [11]

Transistores por chip de diversos processadores Intel [12]


Bits por dlar de chips de memria de acesso aleatrio dinmico

Bits por dlar de chips de memria de acesso aleatrio [14]


Preo mdio por transistor em dlares [15]

Nmero total de bits de memria de acesso aleatrio enviados a cada ano [16]
Bits por dlar (em dlares constantes de 2000) de armazenamento magntico de
dados [17]

Outras 12 (8%) foram essencialmente corretas. No total, 127 predies


(86%) foram corretas ou essencialmente corretas. (Como as predies foram
feitas especificamente numa dcada especfica, uma predio para 2009 foi
considerada essencialmente correta se foi verdadeira em 2010 ou 2011.)
Outras 17 (12%) foram parcialmente corretas, e trs (2%) erradas.
Mesmo as predies que foram erradas no o foram de todo. Por
exemplo, julguei que minha predio de que teramos carros que se conduziam
sozinhos estava errada, apesar de o Google ter demonstrado seus carros
autodirigidos, e apesar de, em outubro de 2010, quatro vans eltricas sem
motorista terem concludo com sucesso um test-drive de 13 mil quilmetros, da
Itlia at a China [18]. Especialistas da rea predisseram atualmente que essas
tecnologias estaro disponveis rotineiramente para consumidores at o final
desta dcada.
A expanso exponencial das tecnologias da computao e das comunicaes
contribui para o projeto de compreender e recriar os mtodos do crebro
humano. Esse esforo no um projeto organizado individualmente, mas o
resultado de muitos projetos diferentes e grandiosos, inclusive a modelagem
detalhada de constituintes do crebro, que vo de neurnios individuais at o
neocrtex como um todo, o mapeamento do conectoma (as conexes neurais
do crebro), simulaes de regies cerebrais e muitas outras. Tudo isso vem
crescendo em escala exponencial. Muitas evidncias apresentadas neste livro s
se tornaram disponveis recentemente, como, por exemplo, o estudo Wedeen de
2012, discutido no captulo 4, que mostrou o padro de grade muito organizado e
simples (citando os pesquisadores) das conexes do neocrtex. Os
pesquisadores nesse estudo admitem que seu insight (e as imagens) s se
tornaram viveis como resultados da nova tecnologia de imagens em alta
resoluo.
Diagrama de Venn de mtodos de mapeamento cerebral [19]

A lei dos retornos acelerados aplicada ao crebro


Ferramentas para mapeamento do crebro [20]

Resoluo espacial da IRM em mcrons [21]


Resoluo espacial de tcnicas destrutivas de mapeamento [22]
Resoluo espacial de tcnicas no destrutivas de mapeamento cerebral em
animais [23]

As tecnologias de varredura cerebral esto melhorando em resoluo


espacial e temporal, a um ritmo exponencial. Os diversos tipos de mtodos de
varredura cerebral em desenvolvimento vo de mtodos completamente no
invasivos, que podem ser usados com humanos, a mtodos mais invasivos ou
destrutivos em animais.
A IRM (imagem por ressonncia magntica), uma tcnica no invasiva de
mapeamento com resoluo temporal relativamente elevada, tem melhorado
firmemente em ritmo exponencial, a ponto de a resoluo espacial estar hoje
prxima de 100 mcrons (milionsimos de metro).
O mapeamento destrutivo, realizado para coletar o conectoma (mapa de
todas as conexes interneuronais) em crebros animais, tambm melhorou em
ritmo exponencial. A atual resoluo mxima est prxima de quatro
nanmetros, que suficiente para vermos as conexes isoladamente.
As tecnologias de inteligncia artificial como sistemas de compreenso de
linguagem natural no so necessariamente projetadas para emular princpios
teorizados de funes cerebrais, mas para uma eficcia mxima. Sabendo disso,
notvel que as tcnicas que se sobressaram sejam consistentes com os
princpios que delineei neste livro: identificadores hierrquicos auto-organizados
de padres autoassociativos invariantes com redundncia e predies
ascendentes e descendentes. Esses sistemas tambm esto evoluindo
exponencialmente, como Watson demonstrou.
Um dos principais propsitos para compreendermos o crebro expandir
nossa caixa de ferramentas e tcnicas para a criao de sistemas inteligentes.
Embora muitos pesquisadores de IA no aceitem isso plenamente, eles j foram
bastante influenciados pelo nosso conhecimento dos princpios de operao do
crebro. Compreender o crebro tambm nos ajuda a reverter disfunes
cerebrais de diversas espcies. Naturalmente, h outra meta importante no
projeto para fazer a engenharia reversa do crebro: compreender quem somos.
Captulo 11

Objees

Se uma mquina se mostra indistinguvel de um humano, devemos


estender a ela o respeito devido a um humano; devemos aceitar que
ela possui uma mente.
Stevan Harnad

A mais importante fonte de objees minha tese sobre a lei dos retornos
acelerados e sua aplicao ampliao da inteligncia humana deriva da
natureza linear da intuio humana. Como descrevi antes, cada um dentre vrias
centenas de milhes de identificadores de padres do neocrtex processam
informaes de forma sequencial. Uma das implicaes dessa organizao que
temos expectativas lineares sobre o futuro, e assim os crticos aplicam sua
intuio linear a fenmenos de informao que so fundamentalmente
exponenciais.
Chamo as objees dentro dessas linhas de crticas da incredulidade, pois
as projees exponenciais parecem incrveis tendo em vista nossa predileo
linear, e elas assumem diversas formas. O cofundador da Microsoft, Paul Allen
(nascido em 1953), e seu colega Mark Greaves manifestaram recentemente
diversas delas num ensaio intitulado The Singularity Isnt Near, publicado na
revista Technology Review [1]. Embora minha resposta aqui seja s crticas
especficas de Allen, ela representa uma gama tpica de objees aos
argumentos que levantei, especialmente com relao ao crebro. Apesar de
Allen mencionar The singularity is near no ttulo de seu ensaio, sua nica citao
no trabalho a de um ensaio que escrevi em 2001 (The Law of Accelerating
Returns). Ademais, seu artigo no identifica nem responde a argumentos que
levantei no livro. Infelizmente, percebo que costuma ser essa a atitude dos
crticos de meu trabalho.
Quando A era das mquinas espirituais foi publicado em 1999 e ampliado
posteriormente pelo ensaio de 2001, gerou vrias linhas de crticas, como: a lei de
Moore vai acabar; a capacidade do hardware pode estar se expandindo
rapidamente, mas o software est atolado na lama; o crebro complicado
demais; o crebro tem capacidades que no podem ser replicadas inerentemente
por software; e muitas outras. Uma das razes para ter escrito The singularity is
near foi para responder a essas crticas.
No posso dizer que Allen e crticos similares ficariam necessariamente
convencidos pelos argumentos que levantei naquele livro, mas pelo menos ele e
outros poderiam ter respondido quilo que realmente escrevi. Allen argumenta
que a Lei dos Retornos Acelerados (LRA) [...] no uma lei da fsica. Eu
lembraria que a maioria das leis cientficas no so leis da fsica, mas resultam
das propriedades emergentes de um grande nmero de eventos num nvel
inferior. Um exemplo clssico so as leis da termodinmica (LT). Se analisarmos
a matemtica envolvendo as LT, veremos que ela modela cada partcula como se
seguisse um trajeto aleatrio, e por isso, por definio, no podemos prever onde
cada partcula especfica estar num momento futuro. Mas as propriedades
globais do gs so previsveis com elevado grau de preciso, segundo as leis da
termodinmica. O mesmo acontece com a lei dos retornos acelerados: os
projetos e os colaboradores da tecnologia so imprevisveis, mas a trajetria
geral, quantificada por medidas bsicas de preo/desempenho e capacidade,
seguem um caminho notavelmente previsvel.
Se a tecnologia dos computadores estivesse sendo trabalhada apenas por um
punhado de pesquisadores, certamente seria imprevisvel. Mas fato em um
sistema suficientemente dinmico de projetos competitivos que uma medida
bsica de sua relao preo/desempenho, como clculos por segundo por dlar
constante, segue um caminho exponencial muito uniforme, recuando ao censo
norte-americano de 1890, como observei no captulo anterior. Embora a base
terica da LRA tenha sido apresentada em detalhes em The singularity is near,
sua defesa mais forte est na vasta evidncia emprica que eu e outros autores
apresentamos.
Allen escreve que essas leis funcionam at pararem de funcionar. Aqui,
ele est confundindo os paradigmas com a trajetria contnua de uma rea
bsica da tecnologia da informao. Se estivssemos examinando, por exemplo,
a tendncia de criao de tubos de vcuo cada vez menores o paradigma para
melhoria da computao na dcada de 1950 , verdade que ela continuou at
parar. Mas quando o fim desse paradigma em particular ficou claro, a presso
sobre a pesquisa aumentou para o paradigma seguinte. A tecnologia dos
transistores manteve a tendncia subjacente do crescimento exponencial de
preo/desempenho, o que levou ao quinto paradigma (a lei de Moore) e
compresso contnua dos componentes dos circuitos integrados. Temos visto
predies regulares de que a lei de Moore vai chegar ao fim. O International
Technology Roadmap for Semiconductors (Mapa Internacional de Tecnologia
de Semicondutores), da indstria de semicondutores, projeta componentes de
sete nanmetros para o incio da dcada de 2020 [2]. Nesse ponto, os principais
elementos tero a largura de 35 tomos de carbono, e ser difcil continuar a
encolh-los ainda mais. Contudo, a Intel e outros fabricantes de chips j esto
dando os primeiros passos na direo do sexto paradigma, a computao em trs
dimenses, para continuar a melhora exponencial da relao preo/desempenho.
A Intel projeta que os chips tridimensionais sero corriqueiros em mais de 12
anos; transistores tridimensionais e chips de memria 3D j foram apresentados.
O sexto paradigma vai manter a LRA em funcionamento no que concerne
relao preo de computadores/desempenho at um momento posterior deste
sculo, quando mil dlares de computador sero trilhes de vezes mais poderosos
do que o crebro humano [3]. (Aparentemente, Allen e eu estamos no mnimo
de acordo sobre o nvel de computao necessrio para simular funcionalmente
o crebro humano [4].)
Depois, Allen continua, mencionando o argumento-padro de que o software
no est progredindo da mesma maneira exponencial que o hardware. Tratei
minuciosamente dessa questo em The singularity is near, citando diversos
mtodos para se medir complexidade e capacidade em software que
demonstram um crescimento exponencial similar [5]. Um estudo recente
(Report to the President and Congress, Designing a Digital Future: Federally
Funded Research and Development in Networking and Information Technology ,
realizado pelo Presidents Council of Advisors on Science and Technology
(Conselho Consultivo sobre Cincia e Tecnologia da presidncia dos EUA) afirma
o seguinte:

Ainda mais notvel e ainda menos compreendido que, em


muitas reas, os ganhos em desempenho devidos a melhorias nos
algoritmos excederam em muito at mesmo os drsticos ganhos
devidos melhoria na velocidade dos processadores. Os algoritmos
que usamos hoje para reconhecimento de fala, para traduo de
linguagem natural, para jogar xadrez, para planejamento logstico,
evoluram notavelmente na dcada passada... Eis apenas um
exemplo, proporcionado pelo professor Martin Grtschel, do Konrad-
Zuse-Zentrum fr Informationstechnik Berlin. Grtschel, especialista
em otimizao, observa que um modelo de planejamento de
produo ideal, usando programao linear, teria levado 82 anos para
ser criado em 1988, usando-se os computadores e os algoritmos de
programao linear da poca. Quinze anos depois, em 2003, esse
mesmo modelo poderia ser resolvido aproximadamente num minuto,
uma melhora da ordem aproximada de 43 milhes de vezes. Disso,
um fator de cerca de 1.000 deveu-se a um aumento na velocidade
dos processadores, enquanto um fator aproximado de 43 mil deveu-se
a melhoras nos algoritmos! Grtschel tambm menciona uma
melhora nos algoritmos de cerca de 3 mil na programao integral
mista, entre 1991 e 2008. O projeto e a anlise de algoritmos, e o
estudo da complexidade computacional intrnseca dos problemas, so
subcampos fundamentais da cincia da computao.

Perceba que a programao linear citada acima por Grtschel, que teve
benefcios em desempenho de 43 milhes para 1, a tcnica matemtica usada
para atribuir recursos de forma ideal num sistema hierrquico de memria,
como o HHMM de que falei antes. Cito muitos outros exemplos similares como
esse em The singularity is near [6].
Quanto IA, Allen descarta rapidamente o Watson da IBM, uma opinio
compartilhada por muitos outros crticos. Muitos desses detratores no sabem
nada sobre Watson, alm do fato de ser um software que roda num computador
(embora seja um paralelo com 720 processadores). Allen escreve que sistemas
como Watson permanecem quebradios, seus limites de desempenho so
determinados rigidamente por suas premissas internas e algoritmos de definio,
eles no podem generalizar, e frequentemente do respostas sem sentido, fora de
suas reas especficas.
Antes de qualquer coisa, poderamos fazer um comentrio similar sobre
humanos. Eu tambm lembraria que as reas especficas de Watson incluem
toda a Wikipdia, alm de muitas outras bases de conhecimento, o que no
propriamente um foco estreito. Watson lida com uma vasta gama de
conhecimentos e capaz de lidar com formas sutis de linguagem, inclusive jogos
de palavras, analogias e metforas, praticamente em todos os campos da
atividade humana. Ele no perfeito, mas tampouco o so os humanos, e foi
bom o suficiente para ser vitorioso em Jeopardy!, enfrentando os melhores
jogadores humanos.
Allen argumenta que Watson foi montado pelos prprios cientistas, que
construram cada link de conhecimento estreito em reas especficas. Isso no
verdade, pura e simplesmente. Apesar de algumas reas dos dados de Watson
terem sido programadas diretamente, Watson adquiriu a maioria significativa de
seus conhecimentos por conta prpria, lendo documentos em linguagem natural
como a Wikipdia. Isso representa seu principal talento, alm de sua capacidade
de compreender a complexa linguagem das perguntas de Jeopardy! (respostas
em busca de questes).
Como mencionei antes, muitas das crticas a Watson se referem ao fato de
ele trabalhar com probabilidades estatsticas e no com uma compreenso
verdadeira. Muitos leitores interpretam isso como se Watson estivesse apenas
reunindo estatsticas sobre sequncias de palavras. A expresso informao
estatstica, no caso de Watson, refere-se, na verdade, a coeficientes distribudos
e a conexes simblicas em mtodos auto-organizados como os Modelos
Hierrquicos Ocultos de Markov. Do mesmo modo, seria possvel desconsiderar
facilmente as concentraes de neurotransmissores e os padres de conexo
redundantes distribudos pelo crtex humano como informao estatstica. Na
verdade, resolvemos ambiguidades de maneira muito similar de Watson:
levando em conta a probabilidade de interpretaes diferentes de uma frase.
Allen prossegue: Cada estrutura [do crebro] foi moldada com preciso por
milhes de anos de evoluo para fazer determinada coisa, qualquer que ela
seja. Ele no como um computador, com bilhes de transistores idnticos em
fileiras regulares de memria, controlados por uma CPU com alguns elementos
diferentes. No crebro, cada estrutura individual e circuito neural foi refinado
individualmente pela evoluo e por fatores ambientais.
Essa alegao de que cada estrutura e circuito neural do crebro nica e
existe intencionalmente simplesmente impossvel, pois significaria que o
projeto do crebro exigiria centenas de trilhes de bytes de informao. O plano
estrutural do crebro (como o do resto do corpo) est contido no genoma, e o
crebro em si no pode conter mais informao de design do que o genoma.
Perceba que a informao epigentica (como os peptdeos que controlam a
expresso dos genes) no acrescenta nada aprecivel quantidade de
informao do genoma. Experincia e aprendizado acrescentam
significativamente a quantidade de informaes contida no crebro, mas o
mesmo pode ser dito de sistemas de IA como Watson. Em The singularity is near,
mostrei que, aps a compresso sem perdas (devida macia redundncia no
genoma), a quantidade de informaes de design no genoma de 50 milhes de
bytes, e aproximadamente metade disso (ou seja, 25 milhes de bytes) pertence
ao crebro [7]. Isso no simples, mas um nvel de complexidade com o qual
podemos lidar, e representa menos complexidade do que muitos sistemas de
software do mundo moderno. Ademais, boa parte dos 25 milhes de bytes de
informao de design gentico pertence aos requisitos biolgicos dos neurnios, e
no a seus algoritmos de processamento de informao.
Como chegamos ordem de cem a mil trilhes de conexes no crebro a
partir de apenas dezenas de milhes de bytes de informao de design?
Obviamente, a resposta : redundncia macia. Dharmendra Modha, gerente de
Computao Cognitiva para a IBM Research, escreve que neuroanatomistas no
encontraram uma rede desesperadamente emaranhada e conectada
arbitrariamente, completamente idiossincrtica ao crebro de cada indivduo,
mas muitas estruturas repetidas dentro de cada crebro e uma boa quantidade de
homologia em toda a espcie... A espantosa reconfigurabilidade natural d a
esperana de que os algoritmos centrais da neurocomputao sejam
independentes das modalidades sensoriais ou motoras especficas, e que boa
parte da variao observada na estrutura cortical ao longo das reas represente
um refinamento de um circuito cannico; com efeito, nesse circuito cannico
que queremos fazer a engenharia reversa [8].
Allen defende um freio de complexidade inerente que necessariamente
limitaria o progresso na compreenso do crebro humano e na replicao de
suas capacidades, baseado em sua ideia de que cada uma das cem a mil trilhes
de conexes do crebro humano est l por um design explcito. Seu freio de
complexidade confunde a floresta com as rvores. Se voc deseja
compreender, modelar, simular e recriar um pncreas, no precisa recriar ou
simular cada organelo de cada clula insular pancretica. O que voc faria seria
compreender uma clula insular, abstrair sua funcionalidade bsica, que o
controle da insulina, e estender isso para um grande nmero de tais clulas. Esse
algoritmo est bem compreendido com relao s clulas insulares. Hoje, h
pncreas artificiais que utilizam esse modelo funcional em teste. Apesar de haver
certamente mais complexidade e variao no crebro do que nas clulas
insulares do pncreas, maciamente repetidas, h, ainda assim, uma repetio
macia das funes, como descrevi repetidas vezes neste livro.
Crticas similares s de Allen constituem o que chamo de pessimismo do
cientista. Pesquisadores que trabalham na prxima gerao de uma tecnologia
ou na modelagem de uma rea cientfica esto sempre lutando com esse
conjunto de desafios, e assim, se algum descreve a aparncia da tecnologia dali
a dez geraes, eles ficam com os olhos vidrados. Um dos pioneiros dos circuitos
integrados estava me contando recentemente o esforo para passar de
componentes com 10 mcrons (10 mil nanmetros) para 5 mcrons (5 mil
nanmetros), 30 anos atrs. Os cientistas estavam cautelosamente confiantes no
cumprimento dessa meta, mas quando as pessoas previram que um dia teramos
circuitos com componentes de tamanho inferior a 1 mcron (mil nanmetros), a
maioria deles, com foco em suas prprias metas, achou que isso era alucinante
demais para se pensar. Fizeram objees quanto fragilidade de circuitos com
esse nvel de preciso, efeitos termais e assim por diante. Hoje, a Intel est
comeando a usar chips com portas de 22 nanmetros de comprimento.
Testemunhamos o mesmo tipo de pessimismo com relao ao Projeto do
Genoma Humano. Na metade do projeto de 15 anos, apenas 1% do genoma
tinha sido coletado, e os crticos propunham limites bsicos sobre a velocidade
com que ele poderia ser sequenciado sem se destruir as delicadas estruturas
genticas. Porm, graas ao crescimento exponencial, tanto em capacidade
como em preo/desempenho, o projeto foi concludo sete anos depois. O projeto
para fazer a engenharia reversa do crebro humano est tendo progressos
similares. S recentemente, por exemplo, atingimos um limiar com tcnicas de
varredura no invasiva para podermos ver cada uma das conexes
interneuronais se formando e disparando em tempo real. Muitas evidncias que
apresentei neste livro dependeram desses desenvolvimentos e s se tornaram
disponveis recentemente.
Allen descreve minha proposta para fazer a engenharia reversa do crebro
humano como uma simples varredura do crebro para compreender sua
estrutura delicada, simulando-se depois um crebro inteiro de baixo para cima
sem compreender seus mtodos de processamento de informaes. Essa no
minha proposta. Precisamos compreender em detalhes como funciona cada tipo
de neurnio, reunindo depois informaes sobre o modo como cada mdulo
funcional se conecta. Os mtodos funcionais derivados desse tipo de anlise
podem guiar o desenvolvimento de sistemas inteligentes. Basicamente, estamos
procurando mtodos inspirados biologicamente que podem acelerar o trabalho na
IA, boa parte da qual progrediu sem um insight significativo sobre o modo como
o crebro realiza funes similares. A julgar por meu prprio trabalho com o
reconhecimento de fala, sei que nosso trabalho avanou bastante quando
percebemos como o crebro prepara e transforma a informao auditiva.
As estruturas maciamente redundantes do crebro se diferenciam atravs
do aprendizado e da experincia. A atual vanguarda na IA tambm permite, com
efeito, que os sistemas aprendam com sua prpria experincia. Os carros
autodirigidos do Google aprendem com sua prpria experincia de conduo,
bem como com os dados de carros do Google dirigidos por motoristas humanos;
Watson aprendeu a maior parte de seus conhecimentos lendo por conta prpria.
interessante notar que os mtodos usados hoje na IA evoluram e so, em termos
matemticos, muito semelhantes aos mecanismos do neocrtex.
Outra objeo que costuma ser oposta viabilidade da IA forte
(inteligncia artificial em nveis humanos ou alm) que o crebro humano usa
bastante a computao analgica, enquanto mtodos digitais no podem replicar
intrinsecamente as gradaes de valor que as representaes analgicas podem
incorporar. verdade que um bit pode estar ligado ou desligado, mas palavras
com muitos bits podem representar facilmente gradaes mltiplas, e podem
faz-lo com qualquer grau de preciso desejado. Naturalmente, isso feito o
tempo todo em computadores digitais. Tal como est, a preciso da informao
analgica no crebro (como a fora sinptica, por exemplo) apenas um dos
256 nveis que pode ser representado por oito bits.
No captulo 9, citei a objeo de Roger Penrose e Stuart Hameroff sobre
microtbulos e computao quntica. Lembre-se de que eles alegaram que as
estruturas dos microtbulos nos neurnios esto realizando computao quntica
e, como no possvel fazer isso em computadores, o crebro humano
fundamentalmente diferente e presumivelmente melhor. Como disse antes, no
h evidncia de que os microtbulos neuronais estejam realizando computao
quntica. Com efeito, os humanos fazem um pssimo trabalho para solucionar os
problemas nos quais um computador quntico seria excelente (como a fatorao
de nmeros grandes). E, se qualquer dessas coisas se mostrasse real, no haveria
nada que impedisse a computao quntica de tambm ser usada em nossos
computadores.
John Searle ficou famoso por introduzir um experimento mental que ele
chama de quarto chins, que tratei em detalhes em The singularity is near [9].
Em sntese, envolve um homem que recebe perguntas escritas em chins e
depois as responde. Para faz-lo, ele usa um complexo livro de regras. Searle
alega que o homem no compreende chins e no est consciente da
linguagem (pois no compreende as perguntas ou as respostas), apesar de sua
aparente capacidade de responder a perguntas em chins. Searle compara a
situao a um computador e conclui que um computador que pode responder a
perguntas em chins (basicamente, passando por um teste de Turing em chins),
no teria, como o homem no quarto chins, como compreender de fato a
linguagem e no teria noo do que estaria fazendo.
H alguns truques filosficos no argumento de Searle. Acontece que o
homem nesse experimento mental s comparvel CPU (unidade central de
processamento) de um computador. Podemos dizer que uma CPU no
compreende de fato o que est fazendo, que a CPU apenas parte da estrutura.
No quarto chins de Searle, o homem com seu livro de regras o sistema inteiro.
Esse sistema entende chins; do contrrio, no seria capaz de apresentar
respostas convincentes para perguntas em chins, o que violaria a premissa de
Searle para esse experimento mental.
A atratividade do argumento de Searle deriva do fato de que hoje difcil
inferir compreenso e conscincia reais num programa de computador. O
problema com seu argumento, porm, que voc pode aplicar sua prpria linha
de raciocnio ao prprio crebro humano. Cada identificador neocortical de
padres na verdade, cada neurnio e cada componente neuronal est
seguindo um algoritmo. (Afinal, so mecanismos moleculares que seguem leis
naturais.) Se concluirmos que o ato de seguir um algoritmo inconsistente com
compreenso e conscincia reais, ento teremos de concluir tambm que o
crebro humano no exibe essas qualidades. Voc pode usar o argumento do
quarto chins de John Searle e simplesmente substituir manipulando conexes
interneuronais e foras sinpticas pelas palavras usadas por ele, manipulando
smbolos, para ter um argumento convincente de que, na verdade, o crebro
humano no consegue compreender nada.
Outra linha de argumentao vem da natureza, que se tornou um novo solo
sagrado para muitos observadores. Por exemplo, o bilogo neozelands Michael
Denton (nascido em 1943) v uma diferena profunda entre os princpios de
design das mquinas e os da biologia. Denton escreve que as entidades naturais
so auto-organizadas... autorreferentes... autorreplicantes... recprocas...
autoformativas e... holsticas [10]. Ele afirma que tais formas biolgicas s
podem ser criadas atravs de processos biolgicos e que portanto essas formas
so realidades imutveis,... impenetrveis e... fundamentais da existncia,
sendo, portanto, uma categoria filosfica basicamente diferente da categoria das
mquinas.
A realidade, como vimos, que as mquinas podem ser desenhadas usando
esses mesmos princpios. Aprender os paradigmas especficos de design da
entidade mais inteligente da natureza o crebro humano exatamente o
propsito do projeto de engenharia reversa do crebro. Tambm no verdade
que os sistemas biolgicos so completamente holsticos, como afirma Denton,
e nem, por outro lado, que as mquinas precisam ser completamente modulares.
Identificamos claramente hierarquias de unidades de funcionalidade em sistemas
naturais, especialmente o crebro, e sistemas de IA esto usando mtodos
comparveis.
Para mim, parece que muitos crticos no ficaro satisfeitos enquanto os
computadores no passarem rotineiramente pelo teste de Turing, mas at esse
limiar no ser absolutamente claro. Sem dvida, haver controvrsias quanto
validade dos testes de Turing supostamente aplicados. De fato, provavelmente eu
serei um dos crticos a fazer afirmaes similares. Quando os argumentos sobre
a validade de computadores que passam pelo teste de Turing estiverem mais
assentados, h muito os computadores tero ultrapassado a inteligncia humana
sem reforos.
Enfatizo aqui a expresso sem reforos, pois o reforo justamente o
motivo para estarmos criando essas crianas mentais, como Hans Moravec as
chama [11]. Combinar a identificao de padres de nvel humano com a
velocidade e a preciso inerentes dos computadores vai resultar em habilidades
muito poderosas. Mas essa no a invaso aliengena de mquinas inteligentes de
Marte: estamos criando essas ferramentas para nos tornar mais espertos. Creio
que a maioria dos observadores vai concordar comigo que isto que torna a
espcie humana nica: construmos essas ferramentas para ampliar nosso
alcance.
Eplogo

O cenrio est bem feio, senhores... O clima do planeta est


mudando, os mamferos esto dominando e temos crebros do
tamanho de uma noz.
Dinossauros falando em The Far Side, de Gary Larson

A inteligncia pode ser definida como a capacidade de resolver problemas com


recursos limitados, dentre os quais um dos principais o tempo. Logo, a
capacidade de resolver um problema mais rapidamente, como encontrar comida
ou escapar de um predador, reflete um poder intelectual maior. A inteligncia se
desenvolveu porque era til para a sobrevivncia, um fato que pode parecer
bvio, mas com o qual nem todos concordam. Da forma como tem sido
praticada por nossa espcie, ela permitiu no apenas que dominssemos o
planeta, como melhorssemos cada vez mais nossa qualidade de vida. Este
ltimo ponto tambm no fica aparente para todos, uma vez que h uma
percepo disseminada de que a vida est ficando pior. Para citar um exemplo,
uma pesquisa do Gallup divulgada em 4 de maio de 2011 revelou que apenas
44% dos norte-americanos acreditam que a juventude atual ter uma vida
melhor do que a de seus pais [1].
Se olharmos para as tendncias mais amplas, no s a expectativa de vida
humana quadruplicou no ltimo milnio (e mais do que dobrou nos dois ltimos
sculos [2]), como o PIB per capita (em dlares atuais constantes) passou de
centenas de dlares em 1800 para milhares de dlares hoje, com tendncias
ainda mais acentuadas no mundo desenvolvido [3]. S havia um punhado de
democracias h um sculo, enquanto hoje elas so a norma. Para uma
perspectiva histrica dos avanos que fizemos, sugiro que as pessoas leiam
Leviat (1651), de Thomas Hobbes, no qual ele descreve a vida do homem
como solitria, pobre, dura, brutal e breve. Para uma perspectiva moderna, o
recente livro Abundncia (2012), do fundador da X-Prize Foundation (e
cofundador, comigo, da Singularity University ), Peter Diamandis, e do autor de
cincia Steven Kotler, documenta de que maneiras extraordinrias a vida atual
melhorou firmemente em todas as dimenses. O recente livro de Steven Pinker,
Os anjos bons da nossa natureza: por que a violncia diminuiu [Better angels of
our nature: why violence has declined] (2011), documenta minuciosamente um
aumento constante nas relaes pacficas de um povo e entre povos. A advogada,
empreendedora e autora norte-americana Martine Rothblatt (nascida em 1954)
documenta a firme melhoria nos direitos civis, observando, por exemplo, como o
casamento entre pessoas do mesmo sexo passou, em duas dcadas, de uma
situao na qual nenhum lugar do mundo o reconhecia, para a aceitao legal
num nmero de jurisdies que cresce rapidamente [4].
Um dos motivos bsicos para as pessoas acharem que a vida est piorando
que conhecemos cada vez mais os problemas do mundo. Se acontecer uma
batalha hoje em algum lugar do planeta, ns a vivenciaremos quase como se
estivssemos l. Durante a Segunda Guerra Mundial, dezenas de milhares de
pessoas podiam morrer num combate, e, se o pblico chegava a saber disso, era
atravs de um esfumaado noticirio do cinema, semanas depois. Na Primeira
Guerra Mundial, uma pequena elite conseguia saber o progresso do conflito num
jornal (sem fotos). No sculo 19, quase no existia o acesso a notcias em tempo
hbil.
O progresso que fizemos como espcie em funo de nossa inteligncia se
reflete na evoluo de nosso conhecimento, que inclui nossa tecnologia e nossa
cultura. Nossas diversas tecnologias esto se tornando cada vez mais tecnologias
da informao, que continuam intrinsecamente a progredir de forma
exponencial. Graas a essas tecnologias que pudemos tratar dos grandes
desafios da humanidade, como a manuteno de um ambiente saudvel, a oferta
de recursos para uma populao crescente (inclusive energia, alimentos e gua),
superar doenas, estender bastante a longevidade humana e eliminar a pobreza.
S com nossa extenso pelo uso de tecnologias inteligentes que podemos lidar
com a escala de complexidade necessria para enfrentar esses desafios.
Essas tecnologias no so a vanguarda de uma invaso inteligente que vai
competir conosco, substituindo-nos enfim. Desde que pegamos um graveto para
chegar at um galho mais alto, temos usado ferramentas para ampliar nosso
alcance, tanto fsico como mental. O fato de podermos tirar um aparelho do
bolso e acessar boa parte do conhecimento humano mediante a presso de
algumas teclas estende nosso alcance alm de qualquer coisa imaginvel pela
maioria dos observadores h no muitas dcadas. O telefone celular (pus a
expresso entre aspas porque ele muito mais do que um telefone) em meu
bolso um milho de vezes menos caro, mas milhares de vezes mais poderoso
do que o computador que todos os alunos e professores do MIT usavam quando
eu estudava l. Houve um aumento de vrios bilhes de vezes na relao
preo/desempenho nos ltimos 40 anos, uma escalada que continuaremos a ver
nos prximos 25 anos, quando aquilo que costumava caber num edifcio, e hoje
cabe no seu bolso, poder caber numa clula sangunea.
Desse modo, vamos nos fundir com a tecnologia inteligente que estamos
criando. Nanobots inteligentes em nossa corrente sangunea vo manter nosso
corpo biolgico saudvel nos nveis celular e molecular. Eles vo entrar em nosso
crebro de maneira no invasiva pelos vasos capilares, e vo interagir com
nossos neurnios biolgicos, estendendo diretamente a nossa inteligncia. Isso no
to futurista quanto pode parecer. J existem aparatos do tamanho de clulas
sanguneas que podem curar o diabetes tipo I em animais ou detectar e destruir
clulas cancergenas na corrente sangunea. Com base na lei dos retornos
acelerados, essas tecnologias sero um bilho de vezes mais poderosas dentro de
trs dcadas do que so hoje.
Eu j considero que os aparelhos que uso, e a nuvem de recursos de
informtica qual eles esto conectados virtualmente, so extenses de mim
mesmo, e me sinto menos do que completo se fico isolado dessas extenses do
crebro. por isso que a greve de um dia feita pelo Google, a Wikipdia e
milhares de outros sites da Internet contra o SOPA (Stop Online Piracy Act, ou
Lei contra a pirataria on-line), em 18 de janeiro de 2012, foi to notvel: senti-
me como se parte de meu crebro estivesse entrando em greve (embora eu e
outras pessoas tenhamos encontrado maneiras de acessar esses recursos on-line).
Tambm foi uma demonstrao impressionante do poder poltico desses sites,
pois a lei que aparentemente seria ratificada foi retirada imediatamente de
votao. Mais importante ainda o fato de isso ter mostrado at que ponto j
terceirizamos parte de nosso modo de pensar atravs da nuvem da computao.
Ela j faz parte de quem somos. Depois que tivermos inteligncia no biolgica
inteligente em nossos crebros, a capacidade dessa ampliao e a nuvem
qual est conectada vai continuar a crescer exponencialmente.
A inteligncia que criaremos com o processo de engenharia reversa do
crebro ter acesso a seu prprio cdigo-fonte e ser capaz de se aprimorar
rapidamente num ciclo de design iterativo e acelerado. Apesar de haver
considervel plasticidade no crebro humano biolgico, como vimos, ele tem
uma arquitetura relativamente fixa, que no pode ser modificada
significativamente, bem como uma capacidade limitada. No podemos
aumentar seus 300 milhes de identificadores de padres para 400 milhes,
digamos, a menos que o faamos de maneira no biolgica. Aps termos
conseguido isso, no haver motivo para nos determos num nvel especfico de
capacidade. Podemos prosseguir e ter um bilho de identificadores de padres,
ou um trilho.
Da melhoria quantitativa vem o avano qualitativo. O avano evolutivo mais
importante do Homo sapiens foi quantitativo: o desenvolvimento de uma testa
maior para acomodar mais neocrtex. O aumento da capacidade neocortical
permitiu que essa nova espcie criasse e contemplasse pensamentos em nveis
conceituais superiores, resultando no estabelecimento de todos os diversos
campos da arte e da cincia. medida que acrescentamos mais neocrtex em
forma no biolgica, podemos esperar nveis qualitativos de abstrao cada vez
mais elevados.
O matemtico ingls Irvin J. Good, colega de Alan Turing, escreveu em
1965 que a primeira mquina ultrainteligente a ltima inveno que o homem
precisar fazer. Ele definiu tal mquina, dizendo que ela superaria as
atividades intelectuais de qualquer homem, por mais inteligente que fosse,
concluindo que como o projeto de mquinas uma dessas atividades
intelectuais, uma mquina ultrainteligente poderia projetar mquinas ainda
melhores; inquestionavelmente, haveria uma exploso de inteligncia.
A ltima inveno que a evoluo biolgica precisou fazer o neocrtex
est levando inevitavelmente ltima inveno que a humanidade precisa fazer
mquinas realmente inteligentes e o projeto de uma inspira a outra. A
evoluo biolgica vai continuar, mas a evoluo tecnolgica est se movendo
um milho de vezes mais depressa do que a outra. Segundo a lei dos retornos
acelerados, no final deste sculo seremos capazes de criar a computao nos
limites do possvel, com base nas leis da fsica aplicadas computao [5].
Damos matria e energia organizadas dessa forma o nome de
computronium, que muito mais poderoso, quilo por quilo, do que o crebro
humano. No ser apenas a computao simples, mas algo repleto de algoritmos
inteligentes que constituem todo o conhecimento do homem e da mquina. Com
o tempo, teremos convertido boa parte da massa e da energia de nosso pequeno
recanto da galxia adequados para esse propsito em computronium. Ento, para
manter em funcionamento a lei dos retornos acelerados, precisaremos nos
espalhar para o resto da galxia e do universo.
Se a velocidade da luz se mantiver efetivamente como limite inexorvel,
ento a colonizao do universo vai demorar muito, tendo em vista que o sistema
estelar mais prximo da Terra fica a quatro anos-luz de distncia. Se existirem
meios ainda mais sutis para superar esse limite, nossa inteligncia e nossa
tecnologia sero poderosas o suficiente para explor-los. Esse um motivo pelo
qual a recente sugesto de que os mons que atravessaram os 730 quilmetros do
acelerador CERN na fronteira franco-sua at o Gran Sasso Laboratory no
centro da Itlia parecem ter se movido mais depressa do que a velocidade da luz
foi uma notcia potencialmente significativa. Essa observao em particular
parece ter sido um alarme falso, mas h outras possibilidades para contornarmos
esse limite. No precisamos nem exceder a velocidade da luz se pudermos
encontrar atalhos para lugares aparentemente distantes atravs de dimenses
espaciais alm das trs com que estamos familiarizados. A principal questo
estratgica da civilizao homem-mquina do comeo do sculo 22 ser:
seremos capazes de superar a velocidade da luz ou de contornarmos seu limite?
Os cosmologistas se perguntam se o mundo vai terminar em fogo (uma
grande fogueira para combinar com o Big Bang) ou em gelo (a morte das
estrelas, na medida em que se afastam numa grande expanso), mas isso no
leva em conta o poder da inteligncia, como se seu aparecimento fosse apenas
um divertido espetculo secundrio para a grandiosa mecnica celeste que hoje
governa o universo. Quanto tempo vai levar at espalharmos nossa inteligncia
em forma no biolgica pelo universo? Se pudermos transcender a velocidade da
luz e devemos admitir que esse um grande se usando, por exemplo, buracos
de minhoca atravs do espao (que so consistentes com nossa atual
compreenso da fsica), isso pode ser feito dentro de alguns sculos. Do
contrrio, provvel que leve muito mais tempo. Em qualquer desses cenrios,
fazer despertar o universo, decidindo depois sua sina de maneira inteligente,
infundindo nele nossa inteligncia humana em sua forma no biolgica, nosso
destino.
Notas

Introduo

1. Eis um trecho de Cem anos de solido, de Gabriel Garca Mrquez:

Aureliano Segundo no tomou conscincia da ladainha at o dia seguinte


depois do caf quando se sentiu aturdido por um zumbido que j estava mais
fluido e mais alto que o barulho da chuva e era Fernanda que passeava pela
casa inteira se lamentando de que a tivessem educado como uma rainha
para acabar de criada numa casa de loucos, com um marido vagabundo,
idlatra, libertino, que ficava de papo para o ar esperando que chovesse po
do cu, enquanto ela destroncava os rins tentando manter tona um lar
preso com alfinetes, onde tinha tanto que fazer, tanto que aguentar e corrigir,
desde que amanhecia o Senhor at a hora de dormir, que j chegava na
cama com os olhos vidrados, e no entanto nunca ningum lhe dera um bom
dia, Fernanda, como passou a noite, Fernanda? nem lhe perguntara, mesmo
que fosse s por delicadeza, por que estava to plida nem por que se
levantava com essas olheiras roxas, apesar de ela no esperar, claro, que
aquilo sasse do resto de uma famlia que afinal de contas sempre a
considerara como um estorvo, como o pegador de panelas, como uma
bruxinha de pano pendurada na parede, e que sempre andavam tresvariando
contra ela pelos cantos, chamando-a de santarrona, chamando-a de fariseia,
chamando-a de velhaca, e at Amaranta, que Deus tenha, havia dito a viva
voz que ela era das que confundiam o reto com as tmporas, bendito seja
Deus que palavras, e ela aguentara tudo com resignao pelas intenes do
Santo Pai, mas no pudera suportar mais quando o malvado do Jos Arcadio
Segundo disse que a perdio da famlia tinha sido abrir as portas para uma
franguinha, imaginem, uma franguinha mandona, valha-me Deus, uma
franguinha filha de m saliva, da mesma ndole dos frangotes que o
Governo tinha mandado para matar os trabalhadores, veja voc, e se referia
nada mais nada menos do que a ela, a afilhada do Duque de Alba, uma
dama de tanta classe que deixava as esposas dos presidentes no chinelo, uma
fidalga de sangue como ela que tinha o direito de assinar onze sobrenomes
peninsulares e que era o nico mortal desse povoado de bastardos que no se
sentia atrapalhado diante de dezesseis talheres, para que logo o adltero do
seu marido dissesse morrendo de rir que tantas colheres e garfos, e tantas
facas e colherinhas, no eram coisa de cristo, mas de centopeia, e a nica
que podia dizer de olhos fechados quando se servia o vinho branco, e de que
lado, em que taa, e quando se servia o vinho tinto, e de que lado, e em que
taa, e no como a rstica da Amaranta, que em paz descanse, que pensava
que o vinho branco se servia de dia e o vinho tinto de noite, e a nica em
todo o litoral que podia se vangloriar de no se ter aliviado a no ser em
penicos de ouro, para que em seguida o Coronel Aureliano Buenda, que em
paz descanse, tivesse o atrevimento de perguntar com os seus maus bofes de
maom a troco de que tinha merecido esse privilgio, por acaso ela no
cagava merda, e sim orqudeas?, imaginem, com essas palavras, e para que
Renata, sua prpria filha, que por indiscrio tinha visto o seu nmero dois
no quarto, respondesse que realmente o penico era de muito ouro e de muita
herldica, mas o que tinha dentro era pura merda, merda fsica, e pior ainda
que as outras, porque era merda de gente metida a besta, imaginem, a sua
prpria filha, de modo que nunca tivera iluses com o resto da famlia, mas
de qualquer maneira tinha o direito de esperar um pouco mais de
considerao da parte do marido, j que bem ou mal era o seu cnjuge de
sacramento, o seu autor, o seu legtimo prejudicador, que se encarregara
por livre e espontnea vontade da grave responsabilidade de tir-la do solar
paterno, onde nunca se privara de nada nem sofrera por nada, onde tecia
coroas fnebres por pura diverso, j que seu padrinho tinha mandado uma
carta com a sua assinatura e o selo do seu anel impresso no lacre, s para
dizer que as mos da afilhada no tinham sido feitas para os trabalhos deste
mundo que no fossem tocar clavicrdio e, entretanto, o insensato do marido
a tirara de casa, com todas as admoestaes e advertncias, e a trouxera
para aquela caldeira do inferno onde no se podia respirar de tanto calor, e
antes que ela acabasse de guardar as suas abstinncias de Pentecostes, j
tinha ido embora com os seus bas migratrios e o seu acordeo de
perdulrio para gozar em adultrio com uma desgraada de quem bastava
olhar as ndegas, bem, j estava dito, de quem bastava olhar as ndegas de
potranca para adivinhar que era uma, que era uma, exatamente o contrrio
dela, que era uma dama no palcio ou na pocilga, na mesa ou na cama,
uma dama de nascena, temente a Deus, obediente s suas leis e submissa
aos seus desgnios, e com quem no podia fazer, claro, as nojeiras e
vagabundagens que fazia com a outra, que claro que se prestava a tudo,
como as matronas francesas, e pior ainda, pensando bem, porque estas pelo
menos tinham a honradez de colocar uma luz vermelha na porta,
semelhantes porcarias, imaginem, s faltava essa, com a filha nica e bem-
amada de D. Renata Argote e D. Fernando del Carpio, e sobretudo deste,
claro, um santo varo, um cristo dos grandes, Cavaleiro da Ordem do Santo
Sepulcro, desses que recebem diretamente de Deus o privilgio de se
conservarem intactos na cova, com a pele esticada como cetim de noiva e
os olhos vivos e difanos como as esmeraldas.

2. Ver o grfico Aumento na Sequncia de Dados do DNA no Genbank, no


captulo 10.

3. Cheng Zhang e Jianpeng Ma, Enhanced Sampling and Applications in Protein


Folding in Explicit Solvent, Journal of Chemical Physics 132, n. 24 (2010):
244101. Ver tambmhttp://folding.stanford.edu/English/sobre o projeto
Folding@home, que uniu mais de 5 milhes de computadores ao redor do
mundo para simular a dobra de protenas.

4. Para uma descrio mais completa deste argumento, ver a seo [The
Impact...] on the Intelligent Destiny of the Cosmos: Why We Are Probably
Alone in the Universe, no captulo 6 de The singularity is near, de Ray
Kurzweil (Nova York: Viking, 2005).

5. James D. Watson, Discovering the Brain (Washington, DC: National


Academies Press, 1992).

6. Sebastian Seung, Connectome: How the Brains Wiring Makes Us Who We Are
(Nova York: Houghton Mifflin Harcourt, 2012).
7. Mandelbrot Zoom, http://www.y outube.com/watch?v=gEw8xpb1aRA;
Fractal Zoom Mandelbrot Corner, http://www.y outube.com/watch?
v=G_GBwuYuOOs.

Captulo 1: Experimentos mentais pelo mundo


1. Charles Darwin, The Origin of Species (P. F. Collier & Son, 1909), 185/ 95-96.

2. Darwin, On the Origin of Species, 751 (206. 1. 1-6), edio Variorum de


Peckham, organizada por Morse Peckham, The Origin of Species by Charles
Darwin: A Variorum Text (Filadlfia: University of Pennsy lvania Press, 1959).

3. R. Dahm, Discovering DNA: Friedrich Miescher and the Early Years of


Nucleic Acid Research, Human Genetics 122, n. 6 (2008): 565-81,
doi:10.1007/s00439-007-0433-0; PMID 17901982.

4. Valery N. Soy fer, The Consequences of Political Dictatorship for Russian


Science, Nature Reviews Genetics 2, n. 9 (2001): 723-29,
doi:10.1038/35088598; PMID 11533721.

5. J. D. Watson e F. H. C. Crick, A Structure for Deoxy ribose Nucleic Acid,


Nature 171 (1953): 737-38,
http://www.nature.com/nature/dna50/watsoncrick.pdf e Double Helix: 50
Years of DNA, arquivo da Nature,
http://www.nature.com/nature/dna50/archive.html.

6. Franklin morreu em 1958 e o Prmio Nobel pela descoberta do DNA foi


outorgado em 1962. H controvrsias quanto a ela dever ou no ter
compartilhado esse prmio se estivesse viva em 1962.

7. Albert Einstein, On the Electrody namics of Moving Bodies (1905). Esse


trabalho estabeleceu a teoria especial da relatividade. Ver Robert Bruce
Lindsay e Henry Margenau, Foundations of Physics (Woodbridge, CT: Ox Bow
Press, 1981), 330.
8. Crookes radiometer, Wikipdia, http://en.wikipedia.org/wiki/Crookes_
radiometer.

9. Perceba que parte do momento do fton transferida para as molculas de ar


no bulbo (pois no um vcuo perfeito) e depois transferida das molculas de
ar aquecidas para a p.

10. Albert Einstein, Does the Inertia of a Body Depend Upon Its Energy
Content? (1905). Este trabalho deu origem famosa frmula de Einstein, E =
mc2.

11. Albert Einsteins Letters to President Franklin Delano


Roosevelt,http://hy pertextbook.com/eworld/einstein.shtml.

Captulo 3: Um modelo do neocrtex: a teoria da mente baseada em


reconhecimento de padres
1. H relatos de que alguns animais no mamferos, como corvos, papagaios e
polvos, so capazes de demonstrar certo nvel de raciocnio; todavia, isso
limitado e no tem sido suficiente para criarem ferramentas que mostrem seu
prprio curso evolutivo de desenvolvimento. Esses animais podem ter adaptado
outras regies do crebro para realizar um pequeno nmero de nveis de
pensamento hierrquico, mas preciso um neocrtex para o pensamento
hierrquico relativamente irrestrito que os humanos podem manter.

2. V. B. Mountcastle, An Organizing Principle for Cerebral Function: The Unit


Model and the Distributed Sy stem (1978), in Gerald M. Edelman e Vernon B.
Mountcastle, The Mindful Brain: Cortical Organization and the Group-Selective
Theory of Higher Brain Function (Cambridge, MA: MIT Press, 1982).

3. Herbert A. Simon, The Organization of Complex Sy stems, in Howard H.


Pattee, ed., Hierarchy Theory: The Challenge of Complex Systems (Nova York:
George Braziller, Inc., 1973), http://blog.santafe.edu/wp-
content/uploads/2009/03/simon1973.pdf.
4. Marc D. Hauser, Noam Chomsky e W. Tecumseh Fitch, The Faculty of
Language: What Is It, Who Has It, and How Did It Evolve? Science 298
(novembro de 2002): 1569-
79,http://www.sciencemag.org/content/298/5598/1569.short.

5. O seguinte trecho do livro Transcend: Nine Steps to Living Well Forever, de Ray
Kurzweil e Terry Grossman (Nova York: Rodale, 2009), descreve esta tcnica
de sonho lcido com mais detalhes:

Desenvolvi um mtodo para resolver problemas enquanto durmo.


Aperfeioei-o para meu uso ao longo de vrias dcadas e aprendi os meios
sutis pelos quais ele pode funcionar melhor.
Comeo postulando um problema quando vou para a cama. Pode ser
qualquer tipo de problema. Pode ser um problema de matemtica, algum
problema com uma de minhas invenes, uma questo de estratgia de
negcios, ou mesmo um problema interpessoal.
Penso no problema durante alguns minutos, mas no tento resolv-lo. Isso
impediria que aparecesse a soluo criativa do problema. Eu tento pensar
nele. O que sei a respeito do assunto? Que forma a soluo poderia assumir?
E vou dormir. Ao faz-lo, preparo a mente subconsciente para trabalhar no
problema.
Terry: Sigmund Freud disse que, quando sonhamos, muitos dos censores
do crebro ficam relaxados para que possamos sonhar com coisas que so
tabu, social, cultural ou mesmo sexual. Podemos sonhar com coisas
estranhas sobre as quais no nos permitiramos pensar durante o dia. No
mnimo, essa uma razo para os sonhos serem estranhos.
Ray: H ainda obstculos profissionais que impedem as pessoas de
pensarem criativamente, e muitos provm de nosso treinamento
profissional; so blocos mentais como voc no pode resolver um
problema de processamento de sinais dessa maneira, ou a lingustica no
deveria usar estas regras. Essas suposies mentais tambm so relaxadas
em nosso estado onrico, por isso eu sonho com novas maneiras de resolver
problemas sem ficar sobrecarregado pelas limitaes do dia a dia.
Terry: H outra parte de nosso crebro que tambm no trabalha quando
sonhamos: a nossa faculdade racional para avaliar se uma ideia razovel.
Esse mais um motivo pelo qual coisas estranhas ou fantsticas acontecem
em nossos sonhos. Quando o elefante atravessa a parede, no ficamos
chocados imaginando como o elefante conseguiu fazer isso. S dizemos para
o nosso eu onrico: Certo, um elefante atravessou a parede, grande coisa.
Com efeito, se eu acordar no meio da noite, costumo achar que estive
sonhando de formas estranhas e oblquas sobre o problema que reservei.
Ray: A etapa seguinte acontece pela manh, no estado intermedirio entre
o sonho e a viglia, que costuma ser chamado de sonho lcido. Nesse estado,
ainda tenho as sensaes e as imagens dos meus sonhos, mas agora disponho
de minhas faculdades racionais. Percebo, por exemplo, que estou numa
cama. E eu poderia formular o pensamento racional de que preciso fazer
muita coisa, e por isso devo pular da cama. Mas isso seria um erro. Sempre
que posso, fico na cama e continuo nesse estado de sonho lcido, pois essa
a chave deste mtodo de soluo de problemas. Por falar nisso, o mtodo
no vai funcionar caso o despertador toque.
Leitor: Parece ser o melhor dos dois mundos.
Ray: Exatamente. Ainda tenho acesso aos pensamentos ocorridos no
sonho sobre o problema que separei na noite anterior. Mas agora j estou
suficientemente consciente e racional para avaliar as novas ideias criativas
que me ocorreram durante a noite. Posso determinar quais delas fazem
sentido. Aps uns 20 minutos disso, invariavelmente tenho novos insights
sobre o problema.
Inventei coisas dessa maneira (e passei o resto do dia redigindo o pedido
da patente), percebi como organizar material para um livro como este, e
encontrei ideias teis para uma variedade de problemas. Se preciso tomar
uma deciso importante, sempre passo por este processo, e depois tenho
muita confiana em minha deciso.
A chave para o processo deixar sua mente livre, no julgar e no se
preocupar se o processo est funcionando bem ou no. o oposto de uma
disciplina mental. Pense no problema, mas depois deixe as ideias se
espalharem por voc enquanto adormece. Pela manh, deixe sua mente
solta novamente, revendo as estranhas ideias geradas por seus sonhos.
Descobri que esse mtodo excelente para canalizar a criatividade natural
de meus sonhos.
Leitor: Bem, para os workaholics de planto, agora possvel trabalhar
nos sonhos. No sei se minha esposa vai gostar disso.
Ray: Na verdade, voc pode dizer que est fazendo seus sonhos
trabalharem para voc.

Captulo 4: O neocrtex biolgico

1. Steven Pinker, How the Mind Works (Nova York: Norton, 1997), 152-53. [Como
a mente funciona. So Paulo: Companhia das Letras, 1998].

2. D. O. Hebb, The Organization of Behavior (Nova York: John Wiley & Sons,
1949).

3. Henry Markram e Rodrigo Perrin, Innate Neural Assemblies for Lego


Memory , Frontiers in Neural Circuits 5, n. 6 (2011).

4. Comunicao via e-mail de Henry Markram, 19 de fevereiro de 2012.

5. Van J. Wedeen et al., The Geometric Structure of the Brain Fiber Pathway s,
Science 335, n. 6076 (30 de maro de 2012).

6. Tai Sing Lee, Computations in the Early Visual Cortex, Journal of


Physiology-Paris 97 (2003): 121-39.

7. Uma relao de trabalhos pode ser encontrada em


http://cbcl.mit.edu/people/poggio/tpcv_short_pubs.pdf.

8. Daniel J. Felleman e David C. Van Essen, Distributed Hierarchical Processing


in the Primate Cerebral Cortex, Cerebral Cortex 1, n. 1 (jan/fev 1991): 1-47.
Uma anlise convincente da matemtica bay esiana da comunicao
descendente e ascendente pelo neocrtex foi apresentada por Tai Sing Lee em
Hierarchical Bay esian Inference in the Visual Cortex, Journal of the Optical
Society of America 20, n. 7 (julho de 2003): 1.434-48.

9. Uri Hasson et al., A Hierarchy of Temporal Receptive Windows in Human


Cortex, Journal of Neuroscience 28, n. 10 (5 de maro de 2008): 2.539-50.
10. Marina Bedny et al., Language Processing in the Occipital Cortex of
Congenitally Blind Adults, Proceedings of the National Academy of Sciences
108, n. 11 (15 de maro de 2011): 4.429-34.

11. Daniel E. Feldman, Sy naptic Mechanisms for Plasticity in Neocortex,


Annual Review of Neuroscience 32 (2009): 33-55.

12. Aaron C. Koralek et al., Corticostriatal Plasticity Is Necessary for Learning


Intentional Neuroprosthetic Skills, Nature 483 (15 de maro de 2012): 331-35.

13. Comunicao via e-mail de Randal Koene, janeiro de 2012.

14. Min Fu, Xinzhu Yu, Ju Lu e Yi Zuo, Repetitive Motor Learning Induces
Coordinated Formation of Clustered Dendritic Spines in Vivo, Nature 483 (1o
de maro de 2012): 92-95.

15. Dario Bonanomi et al., Ret Is a Multifunctional Coreceptor That Integrates


Diffusible-and Contact-Axon Guidance Signals, Cell 148, n. 3 (fevereiro de
2012): 568-82.

16. Ver nota final 7 no captulo 11.

Captulo 5: O crebro primitivo


1. Vernon B. Mountcastle, The View from Within: Pathway s to the Study of
Perception, Johns Hopkins Medical Journal 136 (1975): 109-31.

2. B. Roska e F. Werblin, Vertical Interactions Across Ten Parallel, Stacked


Representations in the Mammalian Retina, Nature 410, n. 6.828 (29 de maro
de 2001): 583-87; Ey e Strips Images of All but Bare Essentials Before
Sending Visual Information to Brain, UC Berkeley Research Shows,
comunicado imprensa da Universidade da Califrnia em Berkeley, 28 de
maro de 2001,
www.berkeley.edu/news/media/releases/2001/03/28_wers1.html.

3. Lloy d Watts, Reverse-Engineering the Human Auditory Pathway , in J. Liu


et al., eds., WCCI 2012 (Berlim: Springer-Verlag, 2012), 47-59. Lloy d Watts,
Real-Time, High-Resolution Simulation of the Auditory Pathway, with
Application to Cell-Phone Noise Reduction, ISCAS (2 de junho de 2010):
3.821-24. Para outros trabalhos, ver
http://www.lloy dwatts.com/publications.html.

4. Ver Sandra Blakeslee, Humanity ? May be Its All in the Wiring, New York
Times, 11 de dezembro de 2003, http://www.ny times.com/2003/
12/09/science/09BRAI.html.

5. T. E. J. Behrens et al., Non-Invasive Mapping of Connections between Human


Thalamus and Cortex Using Diffusion Imaging, Nature Neuroscience 6, n. 7
(julho de 2003): 750-57.

6. Timothy J. Buschman et al., Neural Substrates of Cognitive Capacity


Limitations, Proceedings of the National Academy of Sciences 108, n. 27 (5 de
julho de 2011): 11252-55, http://www.pnas.org/content/108/27/11252.long.

7. Theodore W. Berger et al., A Cortical Neural Prosthesis for Restoring and


Enhancing Memory , Journal of Neural Engineering 8, n. 4 (agosto de 2011).

8. As funes bsicas so funes no lineares que podem ser combinadas


linearmente (acrescentando-se funes bsicas mltiplas ponderadas) para se
aproximar de qualquer funo no linear. A. Pouget e L. H. Sny der,
Computational Approaches to Sensorimotor Transformations, Nature
Neuroscience 3, n. 11, suplemento (novembro de 2000): 1.192-98.

9. J. R. Bloedel, Functional Heterogeneity with Structural Homogeneity : How


Does the Cerebellum Operate? Behavioral and Brain Sciences 15, n. 4 (1992):
666-78.

10. S. Grossberg e R. W. Paine, A Neural Model of Cortico-Cerebellar


Interactions during Attentive Imitation and Predictive Learning of Sequential
Handwriting Movements, Neural Networks 13, n. 8-9 (outubro-novembro de
2000): 999-1.046.
11. Javier F. Medina e Michael D. Mauk, Computer Simulation of Cerebellar
Information Processing, Nature Neuroscience 3 (novembro de 2000): 1.205-1.

12. James Olds, Pleasure Centers in the Brain, Scientific American (outubro de
1956): 105-16. Ary eh Routtenberg, The Reward Sy stem of the Brain,
Scientific American 239 (novembro de 1978): 154-64. K. C. Berridge e M. L.
Kringelbach, Affective Neuroscience of Pleasure: Reward in Humans and
Other Animals, Psychopharmacology 199 (2008): 457-80. Morten L.
Kringelbach, The Pleasure Center: Trust Your Animal Instincts (Nova York:
Oxford University Press, 2009). Michael R. Liebowitz, The Chemistry of Love
(Boston: Little, Brown, 1983). W. L. Witters e P. Jones-Witters, Human
Sexuality: A Biological Perspective (Nova York: Van Nostrand, 1980).

Captulo 6: Habilidades transcendentes


1. Michael Nielsen, Reinventing Discovery: The New Era of Networked Science
(Princeton, NJ: Princeton University Press, 2012), 1-3. T. Gowers e M.
Nielsen, Massively Collaborative Mathematics, Nature 461, n. 7.266 (2009):
879-81. A Combinatorial Approach to Density Hales-Jewett, Gowerss
Weblog, http://gowers.wordpress.com/2009/02/01/a-combi natorial-approach-
to-density -halesjewett/. Michael Nielsen, The Poly math Project: Scope of
Participation, 20 de maro de 2009, http://michaelnielsen.org/blog/?p=584.
Julie Rehmey er, SIAM: Massively Collaborative Mathematics, Society for
Industrial and Applied Mathematics, 1o de abril de 2010,
http://www.siam.org/news/news.php?id=1731.

2. P. Day an e Q. J. M. Huy s, Serotonin, Inhibition, and Negative Mood, PLoS


Computational Biology 4, n. 1 (2008), http://compbiol.plosjournals.org/perlserv/?
request= get-document&doi=10.1371/journal.pcbi.0040004.

Captulo 7: O neocrtex digital inspirado na biologia

1. Gary Cziko, Without Miracles: Universal Selection Theory and the Second
Darwinian Revolution (Cambridge, MA: MIT Press, 1955).
2. Tornei-me mentor de David Dalry mple desde que ele tinha 8 anos de idade,
em 1999. Voc pode conhecer o histrico dele aqui:
http://esp.mit.edu/learn/teachers/davidad/bio.htmlehttp://www.brainsciences.org/Research-
Team/mr-david-dalry mple.html.

3. Jonathan Fildes, Artificial Brain 10 Years Away , BBC News, 22 de julho de


2009, http://news.bbc.co.uk/2/hi/8164060.stm. Ver tambm o vdeo Henry
Markram on Simulating the Brain: The Next Decisive Years,
http://www.kurzweilai.net/henry -markram-simulating-the-brain- next-decisive-
y ears.

4. M. Mitchell Waldrop, Computer Modelling: Brain in a Box, Nature News, 22


de fevereiro de 2012, http://www.nature.com/news/computer-modelling-brain-
in-a-box-1.10066.

5. Jonah Lehrer, Can a Thinking, Remembering, Decision-Making Biologically


Accurate Brain Be Built from a Supercomputer? Seed,
http://seedmagazine.com/content/article/out_of_the_blue/.

6. Fildes, Artificial Brain 10 Years Away .

7. Ver:http://www.humanconnectomeproject.org/.

8. Anders Sandberg e Nick Bostrom, Whole Brain Emulation: A Roadmap,


Technical Report # 2008-3 (2008), Future of Humanity Institute, Oxford
University, www.fhi.ox.ac.uk/reports/2008-3.pdf.

9. Eis o esquema bsico para um algoritmo de rede neural. Muitas variaes so


possveis, e o projetista do sistema precisa apresentar certos parmetros e
mtodos crticos, detalhados nas pginas a seguir.

Criar uma soluo para um problema atravs de uma rede neural envolve
as seguintes etapas:
Definir o input.
Definir a topologia da rede neural (i.e., as camadas de neurnios e
as conexes entre os neurnios).
Treinar a rede neural com exemplos do problema.
Executar a rede neural treinada para resolver novos exemplos do
problema.
Levar ao pblico a empresa de sua rede neural.
Essas etapas (exceto pela ltima) esto detalhadas a seguir:

O input do problema
O input do problema na rede neural consiste em uma srie de nmeros.
Esse input pode ser:

Num sistema de identificao de padres, uma fileira


bidimensional de nmeros representando os pixels de uma imagem;
ou
Num sistema de identificao auditivo (p. ex., fala), uma fileira
bidimensional de nmeros representando um som, na qual a primeira
dimenso representa parmetros do som (p. ex., componentes de
frequncia) e a segunda dimenso representa pontos diferentes no
tempo; ou
Num sistema de identificao de padres arbitrrio, uma fileira n-
dimensional de nmeros representando o padro de input.

Definindo a topologia
Para montar a rede neural, a arquitetura de cada neurnio consiste em:

Inputs mltiplos, nas quais cada input est conectado ou com o


output de outro neurnio, ou com um dos nmeros de input.
Geralmente, um output nico, conectado ou ao input de outro
neurnio (geralmente de uma camada superior) ou ao output final.

Estabelecer a primeira camada de neurnios


Crie N0 neurnios na primeira camada. Para cada um desses
neurnios, conecte cada um dos inputs mltiplos do neurnio a
pontos (ou seja, nmeros) no input do problema. Essas conexes
podem ser determinadas aleatoriamente ou usando um algoritmo
evolutivo (ver abaixo).
Atribua uma fora sinptica inicial para cada conexo criada.
Os pesos atribudos podem ter o mesmo valor inicial, podem ser
atribudos aleatoriamente ou podem ser determinados de outra forma
(ver a seguir).

Estabelecer as camadas adicionais de neurnios


Forme um total de M camadas de neurnios. Em cada camada, monte os
neurnios dessa camada.
Para a camada i:

Crie Ni neurnios na camada i. Em cada um desses neurnios,


conecte cada um dos mltiplos inputs do neurnio aos outputs dos
neurnios na camada i-1 (ver variaes abaixo).
Atribua uma fora sinptica inicial para cada conexo criada.
Os pesos atribudos podem ter o mesmo valor inicial, podem ser
atribudos aleatoriamente ou podem ser determinados de outra forma
(ver a seguir).
Os outputs dos neurnios da camada M so os outputs da rede
neural (ver variaes a seguir).

Testes de identificao
Como funciona cada neurnio
Estabelecido o neurnio, ele faz o seguinte a cada teste de
identificao:
Cada input ponderado que chega ao neurnio computado
multiplicando-se ao output do outro neurnio (ou input inicial) com
cujo input esse neurnio est conectado pela fora sinptica dessa
conexo.
Todos esses inputs ponderados que chegam ao neurnio so
somados.
Se a soma for maior do que o limiar de disparo desse neurnio,
ento se considera que esse neurnio disparou e seu output 1. Do
contrrio, seu output 0 (ver variaes a seguir).
Faa o seguinte em cada teste de identificao
Em cada camada, da camada 0 camada M:
Em cada neurnio da camada:

Some os inputs ponderados (cada input ponderado = o output do


outro neurnio [ou input inicial] aos quais o input desse neurnio est
conectado, multiplicado pela fora sinptica dessa conexo).
Se a soma dos inputs ponderados for maior do que o limiar de
disparo desse neurnio, faa o output desse neurnio = 1; do
contrrio, ajuste-o para 0.

Para treinar a rede neural


Execute testes de identificao repetitivos com problemas de
exemplo.
Aps cada teste, ajuste as foras sinpticas de todas as conexes
interneuronais para melhorar o desempenho da rede neural desse
teste (ver a discusso a seguir sobre como fazer isto).
Continue esse treinamento at o ndice de preciso da rede neural
no melhorar mais (ou seja, atingir uma assntota).

Principais decises de projeto


No esquema simples indicado acima, o projetista desse algoritmo de rede
neural precisa determinar desde o incio:
O que os nmeros de input representam.
O nmero de camadas de neurnios.
O nmero de neurnios em cada camada. (Cada camada no
precisa ter necessariamente o mesmo nmero de neurnios.)
O nmero de inputs de cada neurnio de cada camada. O nmero
de inputs (ou seja, de conexes interneuronais) tambm pode variar
de neurnio para neurnio e de camada para camada.
A fiao (ou seja, as conexes) efetiva. Para cada neurnio de
cada camada, ela consiste em uma lista dos outros neurnios, cujos
outputs constituem os inputs desse neurnio. Isso representa uma rea
importante do projeto. H diversas maneiras possveis para se fazer
isso:

(1) Faa uma fiao aleatria da rede neural; ou


(2) Use um algoritmo evolutivo (ver adiante) para determinar a
fiao ideal; ou
(3) Use o melhor julgamento do projetista do sistema para
determinar a fiao.

As foras sinpticas iniciais (ou seja, pesos) de cada conexo. H


diversas maneiras de se fazer isso:

(1) Ajuste as foras sinpticas com o mesmo valor; ou


(2) Ajuste as foras sinpticas com valores aleatrios diferentes; ou
(3) Use um algoritmo evolutivo para determinar um conjunto ideal
de valores iniciais; ou
(4) Use o melhor julgamento do projetista do sistema para
determinar os valores iniciais.

O limiar de disparo de cada neurnio.


Determine o output. Este pode ser:

(1) os outputs da camadaM de neurnios; ou


(2) o output de um neurnio com output nico, cujos inputs so os
outputs dos neurnios da camadaM; ou
(3) uma funo (p. ex., a soma) dos outputs dos neurnios na
camada M; ou
(4) outra funo dos outputs dos neurnios em diversas camadas.

Determine como as foras sinpticas de todas as conexes so


ajustadas durante o treinamento dessa rede neural. Esta uma
importante deciso de projeto e alvo de muitas pesquisas e
discusses. H diversas maneiras para faz-lo:

(1) A cada teste de identificao, aumente ou diminua cada fora


sinptica de um valor fixo (geralmente pequeno) para que o output
da rede neural se aproxime bastante da resposta correta. Um modo
de faz-lo tentar incrementar e diminuir e ver o que produz o efeito
mais desejvel. Isso pode levar tempo, e por isso h outros mtodos
para se tomar decises locais com relao a aumentar ou diminuir
cada fora sinptica.
(2) H outros mtodos estatsticos para modificar as foras sinpticas
aps cada teste de identificao, para que o desempenho da rede
neural desse teste se aproxime mais da resposta correta.

Perceba que o treinamento da rede neural vai funcionar mesmo


que as respostas dos testes de treinamento no estejam todas
corretas. Isso permite o uso de dados de treinamento do mundo real
que podem ter uma taxa de erros inerente. Uma chave para o
sucesso de um sistema de identificao baseado em rede neural a
quantidade de dados usados para treinamento. Geralmente,
necessrio usar uma quantidade bastante substancial para obter
resultados satisfatrios. Tal como acontece com alunos humanos, o
tempo empregado por uma rede neural no aprendizado de suas lies
um fator crucial para seu desempenho.

Variaes
H muitas variaes viveis do que apresentei acima. Por exemplo:

Existem vrias maneiras de se determinar a topologia. A fiao


interneuronal, em particular, pode ser determinada aleatoriamente
ou usando-se um algoritmo evolutivo.
H vrias maneiras de se estabelecer as foras sinpticas iniciais.
Os inputs dos neurnios da camadai no precisam vir
necessariamente dos outputs dos neurnios da camadai-1.
Alternativamente, os inputs dos neurnios de cada camada
podem vir de qualquer camada inferior ou de qualquer camada.
H vrias maneiras de se determinar o output final.
O mtodo descrito acima resulta num disparo tudo ou nada
(1 ou 0) chamado de no linearidade. H outras funes no
lineares que podem ser usadas. Normalmente, usada uma
funo que vai de 0 a 1 de maneira rpida, mas mais gradual.
Alm disso, os outputs podem ser nmeros diferentes de 0 e 1.
Os diferentes mtodos de ajuste das foras sinpticas durante o
treinamento representam importantes decises do projeto.
O esquema acima descreve uma rede neural sncrona, na
qual cada teste de identificao feito calculando-se os outputs
de cada camada, comeando pela camada0 at a camadaM.
Num sistema realmente paralelo, no qual cada neurnio opera
independentemente dos demais, os neurnios podem atuar
assincronamente (ou seja, independentemente). Numa
abordagem assncrona, cada neurnio rastreia constantemente
seus inputs e dispara sempre que a soma ponderada de seus
inputs excede seu limiar (ou o que sua funo de output
especificar).

10. Robert Mannell, Acoustic Representations of Speech, 2008,


http://clas.mq.edu.au/acoustics/frequency /acoustic_speech.html.

11. Eis o esquema bsico para um algoritmo gentico (evolutivo). Muitas


variaes so possveis, e o projetista do sistema precisa prover certos
parmetros e mtodos crticos, detalhados a seguir.

O algoritmo evolutivo
Crie N criaturas de soluo. Cada uma possui:
Um cdigo gentico: uma sequncia de nmeros que caracteriza
uma soluo possvel para o problema. Os nmeros podem
representar parmetros crticos, etapas para uma soluo, regras etc.

Para cada gerao de evoluo, faa o seguinte:


Faa o seguinte com cada uma das N criaturas de soluo:
Aplique a soluo dessa criatura de soluo (conforme representa
seu cdigo gentico) ao problema, ou ambiente simulado. Avalie a
soluo.
Selecione as L criaturas de soluo com as avaliaes mais altas
para que sobrevivam e passem gerao seguinte.
Elimine as (N L) criaturas de soluo que no sobreviveram.
Crie (N L) novas criaturas de soluo dentre as L criaturas de
soluo sobreviventes:

(1) Fazendo cpias das L criaturas sobreviventes. Introduza pequenas


variaes aleatrias em cada cpia; ou
(2) Crie criaturas de soluo adicionais combinando partes do cdigo
gentico (usando reproduo sexual, ou combinando pores dos
cromossomos) das L criaturas sobreviventes; ou
(3) Faa uma combinao entre (1) e (2).

Determine se deve continuar a evoluir:


Melhoria = (avaliao mais alta nesta gerao) (avaliao mais
alta na gerao anterior).
Se Melhoria < Limiar de Melhoria, ento terminamos.
A criatura de soluo com a avaliao mais elevada da ltima
gerao de evoluo tem a melhor soluo. Aplique a soluo
definida por seu cdigo gentico ao problema.

Decises importantes de projeto


No esquema simples acima, o projetista precisa determinar desde o
incio:

Parmetros principais:
N
L
Limiar de Melhoria.
O que representam os nmeros do cdigo gentico e como a
soluo calculada a partir do cdigo gentico.
Um mtodo para determinar as N criaturas de soluo da primeira
gerao. De modo geral, essas no precisam ser mais do que
tentativas razoveis de se chegar a uma soluo. Se essas solues
de primeira gerao forem muito avanadas, o algoritmo evolutivo
pode ter dificuldade para chegar a uma boa soluo. Geralmente,
interessante criar as primeiras criaturas de soluo com
caractersticas razoavelmente distintas. Isso vai ajudar a impedir que
o processo evolutivo simplesmente encontre uma soluo ideal
localmente.
O modo de avaliar as solues.
Como as criaturas de soluo sobreviventes se reproduzem.

Variaes
So viveis muitas variaes do que vimos acima. Por exemplo:

No preciso haver um nmero fixo de criaturas de soluo


sobreviventes (L) em cada gerao. A(s) regra(s) de sobrevivncia
pode(m) dar margem a um nmero varivel de sobreviventes.
No preciso haver um nmero fixo de novas criaturas de soluo
criadas em cada gerao (N L). As regras de procriao podem ser
independentes do tamanho da populao. A procriao pode estar
relacionada com a sobrevivncia, permitindo assim que as criaturas
de soluo mais aptas procriem mais.
A deciso quanto a continuar ou no a evoluir pode ser variada. Ela
pode levar em conta mais do que apenas a criatura de soluo com a
melhor avaliao da gerao (ou geraes) mais recente(s). Pode
levar tambm em conta uma tendncia que vai alm das duas
ltimas geraes.

12. Dileep George, How the Brain Might Work: A Hierarchical and Temporal
Model for Learning and Recognition (dissertao de doutorado, Universidade
de Stanford, junho de 2008).

13. A. M. Turing, Computing Machinery and Intelligence, Mind, outubro de


1950.

14. Hugh Loebner criou uma competio, o Prmio Loebner, que acontece
todos os anos. A medalha de prata de Loebner vai para o computador que
passar pelo teste original de Turing, apenas com texto. A medalha de ouro vai
para o computador que puder passar por uma verso do teste que inclui
entradas e sadas em udio e vdeo. Acredito que a incluso de udio e vdeo
no torna o teste mais desafiador.
15. Cognitive Assistant That Learns and Organizes, Artificial Intelligence
Center, SRI International, http://www.ai.sri.com/project/CALO.

16. Dragon Go! Nuance Communications, Inc.,


http://www.nuance.com/products/dragon-go-in-action/index.htm.

17. Overcoming Artificial Stupidity , WolframAlpha Blog, 17 de abril de 2012,


http://blog.wolframalpha.com/author/stephenwolfram/.

Captulo 8: A mente como computador

1. Salomon Bochner, A Biographical Memoir of John von Neumann (Washington,


DC: National Academy of Sciences, 1958).

2. A. M. Turing, On Computable Numbers, with an Application to the


Entscheidungsproblem, Proceedings of the London Mathematical Society
Series 2, vol. 42 (1936-37): 230-65, http://www.comlab.ox.ac.uk/activities/ieg/e-
library /sources/tp2-ie.pdf. A. M. Turing, On Computable Numbers, with an
Application to the Entscheidungsproblem: A Correction, Proceedings of the
London Mathematical Society 43 (1938): 544-46.

3. John von Neumann, First Draft of a Report on the EDVAC, Moore School of
Electrical Engineering, University of Pennsy lvania, 30 de junho de 1945. John
von Neumann, A Mathematical Theory of Communication, Bell System
Technical Journal, julho e outubro de 1948.

4. Jeremy Bernstein, The Analytical Engine: Computers Past, Present, and


Future, ed. rev. (Nova York: William Morrow & Co., 1981).

5. Japans K Computer Tops 10 Petaflop/s to Stay Atop TOP500 List, Top 500,
11 de novembro de 2011, http://top500.org/lists/2011/11/press-release.

6. Carver Mead, Analog VLSI and Neural Systems (Reading, MA: Addison-
Wesley, 1986).
7. IBM Unveils Cognitive Computing Chips, comunicado imprensa da IBM,
18 de agosto de 2011, http://www-
03.ibm.com/press/us/en/pressrelease/35251.wss.

8. Japans K Computer Tops 10 Petaflop/s to Stay Atop TOP500 List.

Captulo 9: Experimentos mentais sobre a mente


1. John R. Searle, I Married a Computer, in Jay W. Richards, ed., Are We
Spiritual Machines? Ray Kurzweil vs. the Critics of Strong AI (Seattle:
Discovery Institute, 2002).

2. Stuart Hameroff, Ultimate Computing: Biomolecular Consciousness and


Nanotechnology (Amsterd: Elsevier Science, 1987).

3. P. S. Sebel et al., The Incidence of Awareness during Anesthesia: A


Multicenter United States Study , Anesthesia and Analgesia 99 (2004): 833-39.

4. Stuart Sutherland, The International Dictionary of Psychology (Nova York:


Macmillan, 1990).

5. David Cockburn, Human Beings and Giant Squids, Philosophy 69, n. 268
(abril de 1994): 135-50.

6. Ivan Petrovich Pavlov, de uma palestra apresentada em 1913, publicada em


Lectures on Conditioned Reflexes: Twenty-Five Years of Objective Study of the
Higher Nervous Activity [Behavior] of Animals (Londres: Martin Lawrence,
1928), 222.

7. Roger W. Sperry , da James Arthur Lecture on the Evolution of the Human


Brain, 1964, p. 2.

8. Henry Maudsley , The Double Brain, Mind 14, n. 54 (1889): 161-87.

9. Susan Curtiss e Stella de Bode, Language after Hemispherectomy , Brain and


Cognition 43, nos 1-3 (junho-agosto de 2000): 135-8.
10. E. P. Vining et al., Why Would You Remove Half a Brain? The Outcome of
58 Children after Hemispherectomy the Johns Hopkins Experience: 1968 to
1996, Pediatrics 100 (agosto de 1997): 163-71. M. B. Pulsifer et al., The
Cognitive Outcome of Hemispherectomy in 71 Children, Epilepsia 45, n. 3
(maro de 2004): 243-54.

11. S. McClelland III e R. E. Maxwell, Hemispherectomy for Intractable


Epilepsy in Adults: The First Reported Series, Annals of Neurology 61, n. 4
(abril de 2007): 372-76.

12. Lars Muckli, Marcus J. Naumerd e Wolf Singer, Bilateral Visual Field Maps
in a Patient with Only One Hemisphere, Proceedings of the National Academy
of Sciences 106, n. 31 (4 de agosto de 2009)
http://dx.doi.org/10.1073/pnas.0809688106.

13. Marvin Minsky , The Society of Mind (Nova York: Simon and Schuster, 1988).
[A sociedade da mente. Rio de Janeiro: Francisco Alves, 1989.]

14. F. Fay Evans-Martin, The Nervous System (Nova York: Chelsea House, 2005),
http://www.scribd.com/doc/5012597/The-Nervous-Sy stem.

15. Benjamin Libet, Mind Time: The Temporal Factor in Consciousness


(Cambridge, MA: Harvard University Press, 2005).

16. Daniel C. Dennett, Freedom Evolves (Nova York: Viking, 2003). [A liberdade
evolui. Lisboa: Temas e Debates, 2006.]

17. Michael S. Gazzaniga, Whos in Charge? Free Will and the Science of the
Brain (Nova York: Ecco/HarperCollins, 2011).

18. David Hume, An Enquiry Concerning Human Understanding (1765), 2a ed.,


organizada por Eric Steinberg (Indianpolis: Hackett, 1993). [Investigao
sobre o entendimento humano. So Paulo: Hedra, 2009.]

19. Arthur Schopenhauer, The Wisdom of Life. [A sabedoria da vida. So Paulo:


Edipro, 2012.]
20. Arthur Schopenhauer, On the Freedom of the Will (1839).

21. De Ray mond Smully an, 5000 b.C. and Other Philosophical Fantasies (Nova
York: St. Martins Press, 1983).

22. Para um exame perceptivo e divertido de questes similares sobre identidade


e conscincia, ver Martine Rothblatt, The Terasem Mind Uploading
Experiment, International Journal of Machine Consciousness 4, n. 1 (2012):
141-58. Nesse texto, Rothblatt examina a questo da identidade com relao a
softwares que imitam uma pessoa com base num banco de dados de
entrevistas em vdeo e informaes associadas sobre uma pessoa
predecessora. Nessa proposta de experimento futuro, o software imita com
sucesso a pessoa em quem se baseia.

23. How Do You Persist When Your Molecules Dont? Science and
Consciousness Review 1, n. 1 (junho de 2004), http://www.sci-
con.org/articles/20040601.html.

Captulo 10: A lei dos retornos acelerados aplicada ao crebro


1. DNA Sequencing Costs, National Human Genome Research Institute, NIH,
http://www.genome.gov/sequencingcosts/.

2. Genetic Sequence Data Bank, Distribution Release Notes, 15 de dezembro de


2009, National Center for Biotechnology Information, National Library of
Medicine, ftp://ftp.ncbi.nih.gov/genbank/gbrel.txt.

3. DNA Sequencing The History of DNA Sequencing, 2 de janeiro de 2012,


http://www.dnasequencing.org/history -of-dna.

4. Coopers Law, Array Comm,


http://www.array comm.com/technology /coopers-law.

5. The Zettabyte Era, Cisco,


http://www.cisco.com/en/US/solutions/collateral/ns341/ns525/ns537/ns705/ns827/VNI_Hy p
e Number of Internet Hosts, Internet Sy stems Consortium,
http://www.isc.org/solutions/survey /history .
6. TeleGeography PriMetrica, Inc., 2012.

7. Dave Kristula, The History of the Internet (maro de 1997, atualizado em


agosto de 2001), http://www.davesite.com/webstation/net-history.shtml; Robert
Zakon, Hobbes Internet Timeline v8.0,
http:/www.zakon.org/robert/internet/timeline; Quest Communications, 8-K for
9/13/1998 EX-99.1; Converge! Network Digest, 5 de dezembro de 2002,
http://www.convergedigest.com/Daily /daily.asp?vn=v9n229&fecha=
December%2005,%202002; Jim Duffy, AT&T Plans Backbone Upgrade to
40G, Computerworld, 7 de junho de 2006,
http://www.computerworld.com/action/article.do?
command=viewArticleBasicarticleId=9001032; 40G: The Fastest Connection
You Can Get? InternetNews.com, 2 de novembro de 2007,
http://www.internetnews.com/infra/article.php/3708936; Verizon First Global
Service Provider to Deploy 100G on U. S. Long-Haul Network, news release,
Verizon, http:// newscenter.verizon.com/press-releases/verizon/2011/verizon-
first-global- service.html.

8. Facebook, Key Facts, http://newsroom.fb.com/content/default.aspx?


NewsAreaId=22.

9. Ver link: http://www.kurzweilai.net/how-my -predictions-are-faring.

10. Clculos por segundo por US$ 1.000,00

Ano Clculos Mquina Logaritmo


por
segundo
por US$
1.000,00
1900 5.82E Mquina 12.05404
06 Analtica
1908 1.30E Hollerith 8.948746
04 Tabulator
1911 5.79E Monroe 9.757311
05 Calculator
1919 1.06E IBM 6.84572
03 Tabulator
1928 6.99E National 7.265431
04 Ellis
3000
1939 Zuse 2 4.762175
8.55E
03
1940 1.43E Bell 4.246797
02 Calculator
Model 1
1941 4.63E Zuse 3 3.072613
02
1943 5.31E+00 Colossus 1.6692151
1946 7.98E ENIAC 0.225521
01
1948 3.70E IBM 0.994793
01 SSEC
01 SSEC

1949 1.84E+00 BINAC 0.6081338


1949 1.04E+00 EDSAC 0.0430595
1951 1.43E+00 Univac 1 0.3576744
1953 6.10E+00 Univac 1.8089443
1103
1953 1.19E+01 IBM 701 2.4748563
1954 3.67E EDVAC 1.002666
01
1955 1.65E+01 Whirlwind 2.8003255
1955 3.44E+00 IBM 704 1.2348899
1958 3.26E Datamatic 1.121779
01 1000
1958 9.14E Univac II 0.089487
01
1960 1.51E+00 IBM 1620 0.4147552
1960 1.52E+02 DEC 5.0205856
PDP-1
1961 2.83E+02 DEC 5.6436786
PDP-4
1962 2.94E+01 Univac III 3.3820146
1964 1.59E+02 CDC 5.0663853
6600
1965 4.83E+02 IBM 1130 6.1791882
1965 1.79E+03 7.4910876

DEC
PDP-8
1966 4.97E+01 IBM 360 3.9064073
Model 75
1968 2.14E+02 DEC 5.3641051
PDP-10
1973 7.29E+02 Intellec-8 6.5911249
1973 3.40E+03 Data 8.1318248
General
Nova
1975 1.06E+04 Altair 9.2667207
8800
8800

1976 7.77E+02 DEC 6.6554404


PDP-II
Model 70
1977 3.72E+03 Cray 1 8.2214789
1977 2.69E+04 Apple II 10.198766
1979 1.11E+03 DEC VAX 7.0157124
11 Modl
780
1980 5.62E+03 Sun-1 8.6342649
1982 1.27E+05 IBM PC 11.748788
1982 1.27E+05 Compaq 11.748788
Portable
Portable

1983 8.63E+04 IBM AT- 11.365353


80286
1984 8.50E+04 Apple 11.350759
Macintosh
1986 5.38E+05 Compaq 13.195986
Deskpro
86
1987 2.33E+05 Apple 12.357076
Mac II
1993 3.55E+06 Pentium 15.082176
PC
1996 4.81E+07 Pentium 17.688377
1996 4.81E+07 Pentium 17.688377
PC
1998 1.33E+08 Pentium II 18.708113
PC
1999 7.03E+08 Pentium 20.370867
III PC
2000 1.09E+08 IBM 18.506858
ASCI
White
2000 3.40E+08 Power 19.644456
Macintosh
G4/500
2003 2.07E+09 Power 21.450814
Macintosh
G5 2.0

2004 3.49E+09 Dell 21.973168


Dimension
8400
2005 6.36E+09 Power 22.573294
Mac G5
Quad
2008 3.50E+10 Dell XPS 24.278614
630
2008 2.07E+10 Mac Pro 23.7534
2009 1.63E+10 Intel Core 23.514431
i7
Desktop
2010 5.32E+10 24.697324
Intel Core
i7
Desktop
11. Top 500 Supercomputer Sites, http://top500.org/.

12. Microprocessor Quick Reference Guide, Intel Research,


http://www.intel.com/pressroom/kits/quickreffam.htm.

13. 1971-2000: VLSI Research Inc.

2001-2006: The International Technology Roadmap for Semiconductors,


atualizao de 2002 e atualizao de 2004, Tabela 7a, Cost Near-term
Years, DRAM cost/bit at (packaged microcents) at production.
2007-2008: The International Technology Roadmap for Semiconductors,
2007, Tabelas 7a e 7b, Cost Near-term Years, Cost Long-term
Years, http://www.itrs.net/Links/2007ITRS/ExecSum2007.pdf.
2009-2022: The International Technology Roadmap for Semiconductors,
2009, Tabelas 7a e 7b, Cost Near-term Years, Cost Long-term
Years, http://www.itrs.net/Links/ 2009ITRS/Home2009.htm.

14. Para tornar comparveis todos os valores em dlar, os preos dos


computadores em todos os anos foram convertidos a seu equivalente em
dlares de 2000 usando os dados do Federal Reserve Boards CPI em
http://minneapolisfed.org/research/data/us/calc/. Por exemplo, US$ 1 milho
em 1960 equivalem a US$ 5,8 milhes em 2000, e US$ 1 milho em 2004
equivalem a US$ 0,91 milho em 2000.
1949: http://www.cl.cam.ac.uk/UoCCL/misc/EDSAC99/statistics.html,
http://www.davros.org/misc/chronology.html.
1951: Richard E. Matick, Computer Storage Systems and Technology (Nova
York: John Wiley & Sons, 1977);
http://inventors.about.com/library /weekly /aa062398.htm.
1955: Matick, Computer Storage Systems and Technology; OECD, 1968,
http://members.iinet.net.au/~dgreen/timeline.html.
1960: ftp://rtfm.mit.edu/pub/usenet/alt.sy s.pdp8/PDP-
8_Frequently _Asked_Questions_%28posted_every _other_month%29;
http://www.dbit.com/~greeng3/pdp1/pdp1.html #INTRODUCTION.
1962: ftp://rtfm.mit.edu/pub/usenet/alt.sy s.pdp8/PDP-
8_Frequently _Asked_Questions_%28posted_every _other_month%29.
1964: Matick, Computer Storage Systems and Technology;
http://www.research.microsoft.com/users/gbell/cray talk;
http://www.ddj.com/documents/s=1493/ddj0005hc/.
1965: Matick, Computer Storage Systems and Technology;
http://www.fourmilab.ch/documents/univac/config1108.html;
http://www.frobenius.com/univac.htm.
1968: Data General.
1969, 1970:
http://www.eetimes.com/special/special_issues/millennium/milestones/whittier.html
1974: Scientific Electronic Biological Computer Consulting (SCELBI).
1975-1996: anncios na revista Byte.
1997-2000: anncios na revista PC Computing.
2001: www.pricewatch.com (http://www.jc-news.com/parse.cgi?news/
pricewatch/raw/pw-010702).
2002: www.pricewatch.com (http://www.jc-news.com/parse.cgi?
news/pricewatch/raw/pw-020624).
2003: http://sharky extreme.com/guides/WMPG/article.php/10706_
2227191_2.
2004: http://www.pricewatch.com (17/11/04).
2008: http://www.pricewatch.com (02/10/08) (US$ 16,61).
15. Dataquest/Intel e Pathfinder Research:
Ano US$ Log ($)
1968 1.00000000 0
1969 0.85000000 0.16252
1970 0.60000000 0.51083
1971 0.30000000 1.20397
1972 0.15000000 1.89712
1973 0.10000000 2.30259
1974 0.07000000 2.65926
1975 0.02800000 3.57555
1976 0.01500000 4.19971
1977 0.00800000 4.82831
1978 0.00500000 5.29832
1979 0.00020000 6.21461
1980 0.00130000 6.64539
1981 0.00082000 7.10621
1982 0.00040000 7.82405
1983 0.00032000 8.04719
1984 0.00032000 8.04719
1985 0.00015000 8.80488
1986 0.00009000 9.31570
1987 0.00008100 9.42106
1988 0.00006000 9.72117
1989 0.00003500 10.2602
1990 0.00002000 10.8198
1991 0.00001700 10.9823
1992 0.00001000 11.5129

1993 0.00000900 11.6183


1994 0.00000800 11.7361
1995 0.00000700 11.8696
1996 0.00000500 12.2061
1997 0.00000300 12.7169
1998 0.00000140 13.4790
1999 0.00000095 13.8668
2000 0.00000080 14.0387
2001 0.00000035 14.8653
2002 0.00000026 15.1626
2003 0.00000017 15.5875
2004 0.00000012 15.9358
2005 0.000000081 16.3288
2006 0.000000063 16.5801
2007 0.000000024 17.5452
2008 0.000000016 17.9507
16. Steve Cullen, In-Stat, setembro de 2008, www.instat.com.

Ano Mbits Bits


1971 921.6 9.216E+08
1972 3788.8 3.789E+09
1973 8294.4 8.294E+09
1974 19865.6 1.987E+10
1975 42700.8 4.270E+10
1976 130662.4 1.307E+11
1977 276070.4 2.761E+11
1978 663859.2 6.639E+11
1979 1438720.0 1.439E+12
1980 3172761.6 3.173E+12
1981 4512665.6 4.513E+12
1982 11520409.6 1.152E+13
1983 29648486.4 2.965E+13
1984 68418764.8 6.842E+13
1985 87518412.8 8.752E+13
1986 192407142.4 1.924E+14
1987 255608422.4 2.556E+14
1988 429404979.2 4.294E+14

1989 631957094.4 6.320E+14


1990 950593126.4 9.506E+14
1991 1546590618 1.547E+15
1992 2845638656 2.846E+15
1993 4177959322 4.178E+15
1994 7510805709 7.511E+15
1995 13010599936 1.301E+16
1996 23359078007 2.336E+16
1997 45653879161 4.565E+16
1998 85176878105 8.518E+16
1999 1.47327E+11 1.473E+17
2000 2.63636E+11 2.636E+17
2001 4.19672E+11 4.197E+17
2002 5.90009E+11 5.900E+17
2003 8.23015E+11 8.230E+17
2004 1.32133E+12 1.321E+18
2005 1.9946E+12 1.995E+18
2006 2.94507E+12 2.945E+18
2007 5.62814E+12 5.628E+18
17. Historical Notes about the Cost of Hard Drive Storage Space,
http://www.littletechshoppe.com/ns1625/winchest.html; anncios na revista
Byte, 1977-1998; anncios na revista PC Computing, 3/1999; Understanding
Computers: Memory and Storage (Nova York: Time Life, 1990);
http://www.cedmagic.com/history /ibm-305-ramac.html; John C. McCallum,
Disk Drive Prices (1955-2012), http://www.jcmit.com/diskprice.htm; IBM,
Frequently Asked Questions, http://www-
03.ibm.com/ibm/history /documents/pdf/faq.pdf; IBM, IBM 355 Disk Storage
Unit, http://www-03.ibm.com/ibm/history /exhibits/storage/ storage_355.html;
IBM, IBM 3380 Direct Access Storage Device, http://www.03-
ibm.com/ibm/history /exhibits/storage/storage_3380.html.

18. Without Driver or Map, Vans Go from Italy to China, Sydney Morning
Herald, 29 de outubro de 2010,
http://www.smh.com.au/technology /technology -news/without-driver-or-map-
vans-go-from-italy -to-china-20101029-176ja.html.

19. KurzweilAI.net.

20. Adaptado sob permisso de Amiram Grinvald e Rina Hildesheim, VSDI: A


New Era in Functional Imaging of Cortical Dy namics, Nature Reviews
Neuroscience 5 (novembro de 2004): 874-85.

As principais ferramentas para mapeamento do crebro esto


apresentadas neste diagrama. Suas capacidades so indicadas pelos
retngulos sombreados.
A resoluo espacial refere-se menor dimenso que pode ser medida
com uma tcnica. A resoluo temporal o tempo ou durao da tomada de
imagem. H vantagens e desvantagens em cada tcnica. Por exemplo, o
EEG (eletroencefalograma), que mede ondas cerebrais (sinais eltricos
dos neurnios), pode medir ondas cerebrais muito rpidas (que ocorrem em
breves intervalos de tempo), mas s podem captar sinais prximos da
superfcie do crebro.
Em contraste, a IRMf (imagem por ressonncia magntica funcional),
que usa uma mquina especial de IRM para medir o fluxo sanguneo aos
neurnios (indicando atividade neuronal), pode atingir uma profundidade
bem maior no crebro (e na coluna vertebral) e com resoluo maior,
chegando a dezenas de mcrons (milionsimos de metro). No entanto, a
IRMf opera muito lentamente em comparao com o EEG.
Estas so tcnicas no invasivas (que no exigem cirurgia ou remdios).
O MEG (magnetoencefalograma) outra tcnica no invasiva. Ele detecta
campos magnticos gerados pelos neurnios. O MEG e a EEG podem
indicar eventos com uma resoluo temporal de 1 milissegundo, mas so
melhores do que a IRMf, que, na melhor hiptese, pode indicar eventos com
uma resoluo de vrias centenas de milissegundos. O MEG tambm
localiza com preciso fontes nas reas primrias da audio,
somatossensorial e motora.
O mapeamento ptico cobre quase toda a gama de resolues espaciais e
temporais, mas invasivo. Os VSDI (sigla em ingls para corantes sensveis
a voltagem) so o mtodo mais sensvel de medio da atividade cerebral,
mas limitam-se a medidas prximas da superfcie do crtex dos animais.
O crtex exposto coberto por uma cmara selada e transparente; depois
de ser tingido com um corante sensvel voltagem apropriada, ele
iluminado por luzes e uma sequncia de imagens tirada com uma cmera
de alta velocidade. Outras tcnicas pticas usadas no laboratrio incluem
imagens inicas (tipicamente ons de clcio ou de sdio) e sistemas de
mapeamento fluorescente (imagens confocais e imagens multifotnicas).
Outras tcnicas de laboratrio incluem o PET (sigla em ingls para
tomografia por emisso de psitrons, uma tcnica de mapeamento da
medicina nuclear que produz uma imagem em 3D), 2-DG (histologia ps-
morte por 2-deoxiglucose, ou anlise de tecidos), leses (envolve danos aos
neurnios num animal, observando-se os efeitos), grampeamento de
membrana (para medir correntes inicas atravs das membranas
biolgicas) e microscopia eletrnica (usando um feixe de eltrons para
examinar tecidos ou clulas numa escala muito fina). Essas tcnicas
tambm podem ser integradas com mapeamento ptico.

21. Resoluo espacial da IRM em mcrons (m), 1980-2012:

Ano Resoluo Citao


em
mcrons
2012 125 Characterization
of Cerebral
White Matter
Properties
Using
Quantitative
Magnetic
Resonance
Imaging Stains

2010 200 Study of Brain


Anatomy with
High-Field
MRI: Recent
Progress
2010 250 High-
Resolution
Phased-Array
MRI of the
Human Brain at
7 Tesla: Initial
Experience in
Multiple
Sclerosis
Patients

1994 1.000 Mapping


Human Brain
Activity in
Vivo
1989 1.700 Neuroimaging
in Patients with
Seizures of
Probable
Frontal Lobe
Origin

1985 1.700 A Study of the


Septum
Pellucidum and
Corpus
Callosum in
Schizophrenia
with RM
Imaging

1983 1.700 Clinical


Efficiency of
Nuclear
Magnetic
Resonance
Imaging

1980 5.000 In Vivo NMR


Imaging in
Medicine: The
Aberdeen
Approach, Both
Physical and
Biological [and
Discussion]
22. Resoluo espacial em nanmetros (nm) de tcnicas destrutivas de
mapeamento, 1983-2011:

Ano res Citao URL


x-
y
(nm)

2011 4 Focused Ion http://dx.d


Beam Miling
and Scanning
Electron
Microscopy
of Brain
Tissue

2011 4 Volume http://dx.d


Electron
Microscopy
for Neuronal
Circuit
Reconstruction

2011 4 Volume http://dx.d


Electron
Microscopy
for Neuronal
Circuit
Reconstruction

2004 13 http://dx.d
Ano res Citao URL
x-
y
(nm)

2004 20 Wet SEM: http://dx


A Novel
Method for
Rapid
Diagnosis
of Brain
Tumors

1998 100 http://ww


A
Depolarizing
Chloride
Current
Contributes
to
Chemoelectrical
Transduction
in Olfactory
Sensory
Neurons in
Situ

1994 2000
Enhanced http://jo
Optical and_Tum
Imaging of
Rat
Gliomas
and Tumor
Margins

1983 3000 3D http://ww


Imaging of
X-Ray
Microscopy

23. Resoluo espacial em mcrons (m) de tcnicas de mapeamento no


destrutivo em animais, 1985-2012:
Ano Descoberta

2012 Resoluo 0.07

Citao Sebastian Bernin

URL http://dx.doi.org/

Tcnica Nanoscopia fluo


Nota: Maior resoluo

2012 Resoluo 0.25

Citao Sebastian Bernin

URL http://dx.doi.org/
Tcnica Microscopia con

2004 Resoluo 50

Citao Amiram Grinval

URL http://dx.doi.org/

Tcnica Mapeamento bas


Notas VSDI proporcio

1996 Resoluo 50

Citao Dov Malonek e A

URL http://dx.doi.org/

Tcnica Espectroscopia p
Notas O estudo das re

1995 Resoluo 50

Citao D. H. Turnbull e

URL http://www.pnas

Tcnica Microscpio por


Notas Demonstramos

1985 Resoluo 500

Citao H. S. Orbach, L.

URL http://www.jneu
Tcnica Mtodos pticos

Captulo 11: Objees

1. Paul G. Allen e Mark Greaves, Paul Allen: The Singularity Isnt Near,
Technology Review, 12 de outubro de 2011,
http://www.technology review.com/blog/guest/27206/.

2. ITRS, International Technology Roadmap for Semiconductors, http://


www.itrs.net/Links/2011ITRS/Home2011.htm.

3. Ray Kurzweil, The singularity is near (Nova York: Viking, 2005), captulo 2.

4. A nota 2 de Allen e Greaves, The Singularity Isnt Near, diz o seguinte:


Estamos comeando a nos aproximar do poder de computao de que
poderamos precisar para apoiar esse tipo de simulao cerebral macia.
Computadores da classe petaflop (tal como o BlueGene/P da IBM, usado no
sistema do Watson) esto disponveis comercialmente agora.

Computadores da classe exaflop j esto na prancheta. Esses sistemas


poderiam produzir a capacidade computacional bruta necessria para
simular os padres de disparo de todos os neurnios de um crebro, embora
hoje isso acontea muitas vezes mais lentamente do que aconteceria num
crebro real.

5. Kurzweil, The singularity is near, captulo 9, seo intitulada The Criticism


from Software (pp. 435-42).

6. Ibid., captulo 9.

7. Embora no seja possvel determinar com preciso o contedo de


informaes do genoma, em funo dos pares de bases repetidos, ele
claramente muito menor do que os dados totais no comprimidos. Eis duas
abordagens para estimar o contedo comprimido de informao do genoma,
ambas demonstrando que uma faixa de 30 a 100 milhes de bytes
conservadoramente alta.

1. Em termos de dados no comprimidos, h 3 bilhes de degraus de DNA


no cdigo gentico humano, cada um codificando 2 bits (pois h quatro
possibilidades para cada par de bases de DNA). Logo, o genoma humano
tem cerca de 800 milhes de bytes no comprimidos. O DNA no
codificante era chamado antes de DNA lixo, mas hoje fica claro que ele
tem um papel importante na expresso gentica. Contudo, ele tem uma
codificao pouco eficiente: h redundncias macias (por exemplo, a
sequncia chamada ALU repete-se centenas de milhares de vezes), algo
de que os algoritmos de compresso podem tirar proveito.
Com a recente exploso de bancos de dados genticos, h muito interesse
na compresso de dados genticos. Trabalhos recentes sobre a aplicao de
compresso de dados-padro a dados genticos indicam que vivel reduzir
os dados em 90% (para uma compresso perfeita de bits). Hisahiko Sato et
al., DNA Data Compression in the Post Genome Era, Genome Informatics
12 (2001): 512-14, http://www.jsbi.org/journal/GIW01/GIW01P130.pdf.
Logo, podemos comprimir o genoma para uns 80 milhes de bytes sem
perda de informaes (o que significa que podemos reconstruir
perfeitamente o genoma no comprimido com todos os seus 800 milhes de
bytes).
Agora, pense que mais de 98% do genoma no codifica protenas. Mesmo
depois de uma compresso de dados-padro (que elimina redundncias e
usa a consulta a dicionrios para as sequncias comuns), o contedo
algortmico das regies no codificadas parece ser muito baixo, o que
significa que provvel que possamos codificar um algoritmo que realizaria
a mesma funo com menos bits. Entretanto, como ainda estamos no incio
do processo de engenharia reversa do genoma, no podemos fazer uma
estimativa confivel sobre essa reduo adicional com base num algoritmo
funcionalmente equivalente. Portanto, estou usando uma faixa de 30 a 100
milhes de bytes de informao comprimida no genoma. A parte superior
dessa faixa presume apenas a compresso de dados e nenhuma
simplificao do algoritmo. Apenas uma poro (embora seja a maior)
dessa informao caracteriza o projeto do crebro.
2. Outra linha de raciocnio a seguinte. Apesar de o genoma humano
conter cerca de 3 bilhes de bases, s uma pequena porcentagem, como
mencionado acima, codifica protenas. Pelas estimativas atuais, h 26 mil
genes codificando protenas. Se presumirmos que esses genes tm, em
mdia, 3 mil bases de dados teis, isso totaliza apenas 78 milhes de bases.
Uma base de DNA exige apenas 2 bits, o que se traduz em cerca de 20
milhes de bytes (78 milhes de bases dividido por quatro). Na sequncia de
codificao de protenas de um gene, cada palavra (cdon) de trs bases
de DNA se traduz num aminocido. H, portanto, 43 (64) cdigos de cdons
possveis, cada um consistindo em trs bases de DNA. H, porm, apenas 20
aminocidos em ao, mais um cdon de parada (sem aminocido) entre os
64. O resto dos 43 cdigos usado como sinnimo dos 21 teis. Embora
sejam necessrios 6 bits para codificar as 64 combinaes possveis, s 4,4
(log221) bits so necessrios para codificar 21 possibilidades, uma economia
de 1,6 em 6 bits (cerca de 27%), o que nos deixa cerca de 15 milhes de
bytes. Alm disso, vivel aqui um pouco de compresso-padro com base
em sequncias repetidas, apesar de ser possvel muito menos compresso
nessa poro codificadora de protenas do DNA do que no chamado DNA
lixo, que tem redundncias macias. Logo, isso deve deixar o nmero
abaixo de 12 milhes de bytes. Todavia, agora temos de acrescentar
informaes para a poro no codificada do DNA que controla a expresso
gentica. Apesar de essa poro do DNA formar a maior parte do genoma,
ela parece ter um nvel mais baixo de contedo de informaes, e est
repleta de redundncias. Estimando que se iguale ao nmero aproximado de
12 milhes de bytes de DNA codificador de protenas, chegamos novamente
a cerca de 24 milhes de bytes. Segundo essa perspectiva, a estimativa de 30
a 100 milhes de bytes conservadoramente alta.

8. Dharmendra S. Modha et al., Cognitive Computing, Communications of the


ACM 54, n. 8 (2011): 62-71, http://cacm.acm.org/magazines/ 2011/8/114944-
cognitive-computing/fulltext.
9. Kurzweil, The singularity is near, captulo 9, seo intitulada The Criticism
from Ontology : Can a Computer Be Conscious? (pp. 458-69).

10. Michael Denton, Organism and Machine: The Flawed Analogy , in Are We
Spiritual Machines? Ray Kurzweil vs. the Critics of Strong AI (Seattle:
Discovery Institute, 2002).

11. Hans Moravec, Mind Children (Cambridge, MA: Harvard University Press,
1988).

Eplogo

1. In U. S., Optimism about Future for Youth Reaches All-Time Low, Gallup
Politics, 2 de maio de 2011, http://www.gallup.com/poll/147350/optimism-
future-y outh-reaches-time-low.aspx.

2. James C. Riley , Rising Life Expectancy: A Global History (Cambridge:


Cambridge University Press, 2001).

3. J. Bradford DeLong, Estimating World GDP, One Million b.C.Present, 24 de


maio de 1998,
http://econ161.berkeley.edu/TCEH/1998_Draft/World_GDP/Estimating_World_
GDP.html, e http://futurist.ty pepad.com/my _weblog/2007/07/economic-
growth.html. Ver tambm Peter H. Diamandis e Steven Kotler, Abundance:
The Future Is Better Than You Think (Nova York: Free Press, 2012).
[Abundncia: o futuro melhor do que voc imagina. So Paulo: HSM, 2012.]

4. Martine Rothblatt, Transgender to Transhuman (edio privada, 2011). Ela


explica como uma trajetria similarmente rpida de aceitao deve ocorrer
para os trans-humanos, por exemplo, mentes no biolgicas, mas
convincentemente conscientes, conforme discutido no captulo 9.

5. O trecho a seguir de The singularity is near, captulo 3 (pp. 133-35), de Ray


Kurzweil (Nova York: Viking, 2005), discute os limites da computao com
base nas leis da fsica:
Os limites extremos dos computadores so profundamente elevados. Com
base no trabalho do professor Hans Bremermann da Universidade da
Califrnia em Berkeley e do terico da nanotecnologia Robert Freitas, Seth
Lloy d, professor do MIT, estimou a capacidade mxima de computao, de
acordo com as leis conhecidas da fsica, de um computador pesando um
quilo e ocupando um volume de um litro mais ou menos o peso e o
tamanho de um pequeno laptop que ele chamou de o laptop supremo.
[Nota: Seth Lloy d, Ultimate Phy sical Limits to Computation, Nature 406
(2000): 1.047-54.
[Um dos primeiros trabalhos sobre os limites da computao foi escrito
por Hans J. Bremermann em 1962: Hans J. Bremermann, Optimization
Through Evolution and Recombination, in M. C. Yovits, C. T. Jacobi, C. D.
Goldstein, orgs., Self-Organizing Systems (Washington, D.C.: Spartan Books,
1962), pp. 93-106.
[Em 1984, Robert A. Freitas Jr. tomou por base o trabalho de
Bremermann em seu Xenopsy chology , Robert A. Freitas Jr., Analog 104
(abril de 1984): 41-53,
http://www.rfreitas.com/Astro/Xenopsy chology.htm#SentienceQuotient.]
A quantidade potencial de computao aumenta com a energia disponvel.
Podemos compreender o vnculo entre energia e capacidade computacional
conforme segue. A energia de uma quantidade de matria a energia
associada com cada tomo (e partcula subatmica). Assim, quanto mais
tomos, mais energia. Como dito antes, cada tomo tem o potencial para ser
usado na computao. Assim, quanto mais tomos, mais computao. A
energia de cada tomo ou partcula aumenta com a frequncia de seu
movimento: quanto mais movimento, mais energia. A mesma relao existe
para o potencial de computao: quanto maior a frequncia do movimento,
mais computao cada componente (que pode ser um tomo) pode realizar.
(Vemos isso nos chips atuais: quanto maior a frequncia do chip, maior a
velocidade de computao.)
Assim, existe uma relao direta e proporcional entre a energia de um
objeto e seu potencial para realizar computao. A energia potencial num
quilo de matria muito grande, como sabemos em funo da equao de
Einstein E = mc 2. A velocidade da luz ao quadrado um nmero bem
grande: aproximadamente 1017 metros2/segundo2. O potencial de
computao da matria tambm governado por um nmero muito
pequeno, a constante de Planck: 6,6 1034 joule-segundo (um joule uma
medida de energia). Essa a menor escala qual podemos aplicar a
energia para computao. Obtemos o limite terico para que um objeto
compute, dividindo a energia total (a energia mdia de cada tomo ou
partcula vezes o nmero dessas partculas) pela constante de Planck.
Lloy d mostra que a capacidade potencial de computao de um quilo de
matria igual a pi vezes a energia dividido pela constante de Planck. Como
a energia um nmero muito grande e a constante de Planck to pequena,
essa equao gera um nmero extremamente grande: cerca de 5 1050
operaes por segundo.
[Nota: energia mxima (1017 kg metro2/segundo2) / (6,6 1034
joule-segundo) = ~ 5 1050 operaes/segundo.]
Se relacionarmos esse valor com a estimativa mais conservadora da
capacidade do crebro humano (1019 cps e 1010 humanos), ele representa
o equivalente a cerca de 5 bilhes de trilhes de civilizaes humanas.
[Nota: 5 1050 cps equivale a 5 1021 (5 bilhes de trilhes) de
civilizaes humanas (cada uma requerendo 1029 cps).]
Se usarmos o valor de 1016 cps que, creio, ser suficiente para a
emulao funcional da inteligncia humana, o laptop supremo funcionaria
com o equivalente ao poder cerebral de 5 trilhes de trilhes de civilizaes
humanas.
[Nota: Dez bilhes (1010) de humanos a 1016 cps cada totalizam 1026 cps
para a civilizao humana. Logo, 5 1050 cps equivalem a 5 1024 (5
trilhes de trilhes) de civilizaes humanas.]
Esse laptop poderia realizar o equivalente a todo pensamento humano dos
ltimos 10 mil anos (ou seja, 10 bilhes de crebros humanos operando
durante 10 mil anos) em um dcimo milsimo de nanossegundo.
[Nota: Essa estimativa adota a premissa conservadora de que tivemos 10
bilhes de humanos nos ltimos 10 mil anos, o que obviamente no o caso.
O nmero de seres humanos tem aumentado gradualmente desde o passado,
atingindo cerca de 6,1 bilhes em 2000. Um ano tem 3 107 segundos, e h
3 1011 segundos em 10 mil anos. Assim, usando a estimativa de 1026 cps
para a civilizao humana, o pensamento humano durante 10 mil anos
certamente equivale a no mais do que 3 1037 clculos. O laptop supremo
realiza 5 1050 clculos num segundo. Logo, para simular 10 mil anos de
pensamentos de 10 bilhes de seres humanos, ele levaria cerca de 10-13
segundos, que um dcimo milsimo de nanossegundo.]
Mais uma vez, preciso fazer algumas advertncias. Converter toda a
massa de nosso laptop de um quilo em energia , basicamente, o que
acontece numa exploso termonuclear. Naturalmente, no queremos que o
laptop exploda, mas que mantenha sua dimenso de um litro. Isso vai exigir
uma embalagem bastante caprichada, para dizer o mnimo. Analisando a
entropia mxima de tal aparelho, Lloy d mostra que tal computador teria
uma capacidade terica de memria de 1031 bits. difcil imaginar
tecnologias que chegariam a atingir esse limite. Mas podemos imaginar
prontamente tecnologias que chegam razoavelmente prximo dele. Como o
projeto da Universidade de Oklahoma mostra, j demonstramos a
capacidade de armazenar pelo menos 50 bits de informao por tomo
(embora apenas num pequeno nmero de tomos, at agora). Armazenar
1027 bits de memria nos 1025 tomos de um quilo de matria, portanto,
pode ser vivel com o tempo.
Mas, como muitas propriedades de cada tomo podem ser exploradas
para o armazenamento de informaes como sua posio precisa, seu spin
e o estado quntico de todas as suas partculas , provavelmente podemos
nos sair melhor do que 1027 bits. O neurocientista Anders Sandberg estima a
capacidade total de armazenamento de um tomo de hidrognio como
sendo da ordem de 4 milhes de bits. Essas densidades ainda no foram
demonstradas, porm, e por isso usaremos a estimativa mais conservadora.
[Nota: Anders Sandberg, The Phy sics of the Information Processing
Superobjects: Daily Life Among the Jupiter Brains, Journal of Evolution
and Technology 5 (22 de dezembro de 1999),
http://www.transhumanist.com/volume5/Brains2.pdf.]
Como discutido acima, 1042 clculos por segundo podem ser atingidos
sem se produzir calor significativo. Com o emprego pleno de tcnicas de
computao reversveis, usando-se projetos que geram baixos nveis de
erros e permitindo uma quantidade razovel de dissipao de energia,
devemos chegar em algum ponto entre 1042 e 1050 clculos por segundo.
O terreno de projeto entre esses dois limites complexo. Examinar as
questes tcnicas que surgem quando passamos de 1042 para 1050 est
alm do escopo deste captulo. Devemos lembrar, porm, que o modo como
isso vai se dar no ser comeando pelo limite final de 1050 e recuando
com base em diversas consideraes prticas. Na verdade, a tecnologia vai
continuar a avanar, sempre usando sua realizao mais recente para
progredir at o nvel seguinte. Assim, quando chegarmos a uma civilizao
com 1042 cps (para cada quilo), os cientistas e os engenheiros dessa poca
vo usar sua inteligncia no biolgica essencialmente vasta para descobrir
como chegar a 1043, depois 1044 e assim por diante. Minha expectativa
que vamos nos aproximar muito dos limites supremos.
Mesmo com 1042 cps, um computador porttil supremo de um quilo
seria capaz de realizar o equivalente a todo pensamento humano dos ltimos
10 mil anos (presumindo-se 10 bilhes de crebros humanos por 10 mil
anos) em 10 microssegundos.
[Nota: Ver nota acima. 1042 cps um fator de 10-8 vezes menos do que
1050 cps, e assim, um dcimo milsimo de nanossegundo torna-se 10
microssegundos.]
Se examinarmos a tabela de Crescimento Exponencial da Computao
(captulo 2), veremos que se estima que essa quantidade de computao
estar disponvel por mil dlares em 2080.
ndice remissivo

aborto
Abundncia (Diamandis e Kotler)
Ackerman, Diane
ACTH (adrenocorticotropina)
adrenalina
Age of intelligent machines, The (Kurzweil)
Aiken, Howard
aleatoriedade, determinismo e,
Alexander, Richard D.
algoritmos evolutivos (genticos) (AGs)
algoritmos inteligentes
Allen, Paul, 220
Allman, John M.
Alzheimer, Mal de,
amgdala
amor
metas evolutivas e
mdulos de identificao de padres e
mudanas bioqumicas associadas a,
Anjos bons da nossa natureza, Os (Pinker)
aprendizado
ambiente e
base neurolgica do
condicionantes do
de padres
e a dificuldade de compreender mais de um nvel conceitual de cada
vez
em redes neurais
hebbiano
hierrquico
identificao simultnea com
identificao de padres como unidade bsica do
no neocrtex digital
processamento simultneo no
aptido
rea sensrio-motora
reas de associao cortical
arganaz-da-montanha
arganaz-das-pradarias
armazenamento magntico de dados
crescimento do
arranjo de portas programvel em campo (FPGA)
associao auditiva
associao visual
tomos de carbono, estruturas de informao baseadas em
Audience, Inc.
autoassociao
autmatos celulares
automveis autodirigidos
axnios
como processadores digitais

Babbage, Charles
Bainbridge, David
bases de conhecimento
como ideias recursivamente ligadas
como intrinsecamente hierrquicas
crescimento exponencial das
do neocrtex digital
linguagem e,
profissional
sistemas de IA e,
Bedny, Marina
Bell System Technical Journal
Berger, Theodore
Berners-Lee, Tim
Bierce, Ambrose
BINAC
Bing
biologia
DNA como teoria unificadora da,
engenharia reversa da,
biomedicina, LRA e,
Blackmore, Susan
Blade Runner (filme)
Blakeslee, Sandra
Bombe
Bostrom, Nick
Boy den, Ed
Bremermann, Hans
Brodsky, Joseph
Burns, Eric A.
Butler, Samuel
By ron, Ada

CALO, projeto
caminho auditivo
caminho sensorial ttil
caminho visual
campos de probabilidade
Carroll, Lewis
casamento entre pessoas do mesmo sexo
clulas, substituio das
clulas ganglionares
Cem anos de solido (Garca Mrquez)
cerebelo
estrutura uniforme do
crebro, evoluo do
crebro humano
complexidade do
computao analgica no
engenharia reversa do, ver crebro humano, emulao por
computador do; neocrtex digital
estrutura do
hemisfrios do
implantes digitais no
LRA aplicada ao
neocrtex digital como extenso do
predio pelo
redundncia do
crebro humano, emulao por computador do
invarincia e
processamento paralelo na
redundncia na
requisitos de memria da
singularidade e
teste de Turing e
velocidade de processamento na
von Neumann sobre
ver tambm neocrtex digital
crebro mamfero
neocrtex no
pensamento hierrquico como algo nico do
crebro novo, ver neocrtex
crebro primitivo
caminho sensorial no
neocrtex como modulador do
Chalmers, David
chatbots
chimpanzs
linguagem e
uso de ferramentas por
chips neuromrficos
chips Sy NAPSE
Chomsky, Noam
Church, Alonzo
Church-Turing, tese de
cincia
baseada em medies objetivas
especializao na,
circuitos integrados
circuitos neurais, inconfiabilidade dos
Cockburn, David
cclea
codificao esparsa
Cold Spring Harbor Laboratory
Colossus
colunas neocorticais
compatibilismo
complexidade
do crebro humano
modelagem e
verdadeira vs. aparente
comportamento animal, evoluo do
comportamento viciante
computao na nuvem
computao
pensamento comparado com
quntica
relao preo/desempenho da
universalidade da
Computador e o crebro, O (von Neumann),
computador Z-3
computadores
algoritmos inteligentes empregados por
base de conhecimentos expandida por
crebro emulado por, ver crebro humano, emulao por
computador do
confiabilidade da comunicao por
conscincia e
memria em
portas lgicas em
ver tambm neocrtex digital
Computing Machinery and Intelligence (Turing)
comunicao, confiabilidade da,
comutao crossbar
condicionantes
conectoma
conexionismo
confabulao
conhecimento profissional
conjunto de Mandelbrot
conscincia
como algo no confirmvel cientificamente
como construo espiritual
como construo filosfica
como experincia subjetiva
como meme
computadores e,
de formas de vida no humanas
Descartes sobre
experimento mental de Kurzweil sobre
experimento mental do zumbi e,
hemisfrios cerebrais e,
livre-arbtrio e,
memria e,
qualia e,
salto de f, viso da,
sistemas morais e legais baseados na,
viso panprotopsiquista da,
vises dualistas da,
vises orientais vs. ocidentais da,
Wittgenstein sobre,
conscincia da anestesia,
construo de ferramentas, por humanos,
conversa, IA e,
convices, coragem das,
corpo caloso,
crtex auditivo,
crtex cerebral,
ver tambm neocrtex
crtex motor,
crtex sensorial,
crtex visual,
de pessoas cegas de nascena,
estrutura hierrquica do,
regio V1,
regio V2 do,
regio V5 (MT) do,
simulao digital do,
cortisol,
Craig, Arthur,
crescimento exponencial, ver lei dos retornos acelerados
criatividade,
e expanso do neocrtex,
Crick, Francis,
crtica da incredulidade,
Curtiss, Susan,
Curto-Circuito (filme),
Cybernetics (Wiener),
Cy c, projecto

dados determinados vs. previsveis


Dalai Lama
Dalry mple, David
DARPA
Darwin, Charles
experimentos mentais de
influncia de Ly ell sobre
de Bode, Stella
Deep Blue
DeMille, Cecil B.
dendritos
apicais
como processadores analgicos
Dennett, Daniel
Denton, Michael
Descartes, Ren
determinismo
aleatoriedade e,
livre-arbtrio e,
Deus, conceito de,
Devils Dictionary, The (Bierce)
Diamandis, Peter
Diamond, Marian
Dickinson, Emily
Digenes Larcio
direitos civis
DNA
codificao da informao no,
como teoria unificadora da biologia,
comportamento animal codificado no,
descoberta e descrio do,
ver tambm genoma humano
dopamina,
Dostoivski, Fidor,
Dragon Dictation,
Dragon Go!,
Dragon Naturally Speaking,
Drave, Scott,

E = mc2, 37, 379n


Eckert, J. Presper
EDSAC
EDVAC
Einstein, Albert
experimentos mentais de
Electric Sheep, 185
Emerson, Ralph Waldo
emoes
como produtos tanto do crebro primitivo como do neocrtex
nvel superior
energia, equivalente em massa d
engenharia reversa
de sistemas biolgicos
do crebro humano, ver crebro humano, emulao por computador
do; neocrtex digital
ENIAC
EPAM (perceptor e memorizador elementar)
Era das mquinas espirituais, A (Kurzweil)
escrita, como sistema de duplicao de segurana
especialistas, conhecimento central dos
especializao, crescimento
espectrogramas
estrognio
estruturas de informao, com base no carbono
Eu, Rob (filme)
evento de extino Cretceo-Paleogeno
evoluo
codificao de informaes e,
como processo espiritual
de organismos simulados
do neocrtex
inteligncia como meta da
LRA e
sobrevivncia como meta da
teoria de Darwin sobre
ver tambm seleo natural
existencialismo
experimento Michelson-Morley
experimentos mentais
quarto chins
de Darwin,
de Einstein,
de Turing,
sobre a mente
sobre conscincia de computadores
sobre identidade
sobre o pensamento
xtase religioso
Exterminador do Futuro, O, filmes

Far Side, The


Feldman, Daniel E.
Felleman, Daniel J.
feniletilamina
feto, crebro do
fsica das partculas, ver mecnica quntica
fsica,
capacidade computacional e,
leis da,
modelo-padro da,
ver tambm mecnica quntica
fonemas
Forest, Craig
formantes
ftons
fractais
Franklin, Rosalind
Freitas, Robert
Freud, Sigmund
Friston, K. J.
funo de onda, colapso da,
funes bsicas

Garca Mrquez, Gabriel


Gazzaniga, Michael
Gene D2
General Electric
genoma humano
informao de projeto codificada no,
redundncia no,
sequenciamento do, LRA e,
ver tambm DNA
George, Dileep
gerenciadores especialistas
Ginet, Carl
giro fusiforme
glndula pituitria
glndula suprarrenal
Gdel, Kurt
teorema da incompletude de,
Good, Irvin J.
Google
carros autodirigidos do,
Google Translate
Google Voice Search
Greaves, Mark
Grossman, Terry
Grtschel, Martin
Guerra nas Estrelas, filmes
Guia do mochileiro das galxias, O (Adams),

Hameroff, Stuart
Hamlet (Shakespeare)
Harnad, Stevan
Harry Potter e o Enigma do Prncipe (Rowling)
Harry Potter e o Prisioneiro de Azkaban (Rowling)
Hasson, Uri
Havemann, Joel
Hawkins, Jeff,
Hebb, Donald O.
hemisferectomia
hipocampo
Hobbes, Thomas
Hock, Dee
Horwitz, B.
Hubel, David H.
Human Connectome Project
humanos
capacidade de construo de ferramentas dos
fuso da tecnologia inteligente com
Hume, David
humor, regulao do

IBM
Cognitive Computing Group da,
ideias, associao recursiva de
identidade
como continuidade de padres
experimentos mentais sobre
identificao de padres
aprendizado simultneo com,
baseada na experincia,
combinao de listas na,
como unidade bsica do aprendizado,
de conceitos abstratos,
de imagens,
distores e,
fluxo bidirecional da informao na,
hierrquica,
invarincia e, ver invarincia na identificao de padres
movimento do olho e,
no neocrtex, ver mdulos de identificao de padres
redundncia na,
implantes cocleares
implantes neurais
incompatibilismo
incompletude, teorema de Gdel da
informao, codificao da
evoluo e,
no DNA,
no genoma humano
Inglaterra, Batalha da
inibidores seletivos da recaptao da serotonina
Instituto Salk
nsula
Intel
inteligncia
como capacidade de soluo de problemas,
como meta evolutiva,
emocional,
evoluo da,
Inteligncia Artificial (filme)
inteligncia artificial (IA)
Allen sobre,
bases de conhecimentos e,
codificao esparsa na,
como extenso do neocrtex,
conversao e,
jogo de xadrez e,
linguagem e processamento de fala na,
medicina e,
mtodos biolgicos para,
onipresena da,
otimizao da identificao de padres em,
ver tambm neocrtex digital
inteligncia moral
International Dictionary of Psychology (Sutherland)
International Technology Roadmap for Semiconductors
Internet, crescimento exponencial da
Interpretao dos sonhos, A (Freud)
intuio, natureza linear da
invarincia, na identificao de padres
e emulao do crebro em,
computador,
quantizao vetorial e,
representaes unidimensionais de dados e,
inventores, senso de oportunidade e,
Investigaes filosficas (Wittgenstein)
IRM (imagem por ressonncia magntica)
resoluo espacial da,

James, William
Jeffers, Susan
Jennings, Ken
Jeopardy! (programa de TV)
jogo
Jornada nas Estrelas: A Nova Gerao (programa de TV)
Joy ce, James
juno neuromuscular

K Computer
Kasparov, Garry
Kodandaramaiah, Suhasa
Koene, Randal
Koltsov, Nikolai
Kotler, Steven
Kurzweil Applied Intelligence
Kurzweil Computer Products
Kurzweil Voice
KurzweilAI.net
largura de banda, da Internet
Larson, Gary
Law of Accelerating Returns, The (Kurzweil)
lei de Cooper
lei de Moore
lei dos retornos acelerados (LRA)
aplicada ao crebro humano,
biomedicina e,
capacidade de computao e,
e a improbabilidade de outra espcie inteligente,
objees ,
predies baseadas na,
tecnologia da comunicao e,
tecnologia da informao e,
Leibniz, Gottfried Wilhelm
Lenat, Douglas
Leviat (Hobbes)
Lewis, Al
Libet, Benjamin
linguagem,
chimpanzs e,
como metfora,
como traduo do pensamento,
e aumento da base de,
conhecimentos,
natureza hierrquica da,
LISP (LISt Processor)
mdulos de identificao de padres comparados com
livre-arbtrio
como meme,
conscincia e,
definio de,
determinismo e,
responsabilidade e,
Lloy d, Seth
lobo frontal
lobo occipital,
Loebner, Hugh,
lgica,
Lois, George,
Love Is the Drug,
luz, velocidade da,
experimentos mentais de Einstein sobre a,
Ly ell, Charles,

magnetoencefalografia
Manchester Small-Scale Experimental Machine
Mquina Analtica
mquina de codificao Enigma
mquina de von Neumann
Marconi, Guglielmo
Mark 1 Perceptron, 164-66
Markov, Andrei Andrey evich
Markram, Henry
Mathematica
Mathematical Theory of Communication, A (Shannon)
Mauchly, John
Maudsley, Henry
Maxwell, James Clerk
Maxwell, Robert
McCarthy, John
McClelland, Shearwood
McGinn, Colin
Mead, Carver
mecnica quntica
aleatoriedade vs. determinismo na,
observao na,
mecanismo lutar ou fugir
mecanismos de inferncia
medicina, IA e
medo, no crebro primitivo e no novo,
medula espinhal
memes
conscincia como
livre-arbtrio como,
memria, memrias, humana(s)
capacidade da,
como sequncias organizadas de padres,
computadores como extenses da,
conceitos abstratos na,
conscincia vs.,
hipocampo e,
operacional,
recordao inesperada de,
reduo da,
redundncia da,
memria de acesso aleatrio (RAM)
aumento da,
367n-68n
tridimensional,
memria em computadores
memria hierrquica
digital,
temporal,
memria operacional
memria RAM dinmica, crescimento da
Memrias do subsolo (Dostoivski)
Menabrea, Luigi
mente
experimentos mentais sobre a,
teoria da mente baseada em reconhecimento de padres (TMRP),
metacognio
metforas
Michelson, Albert
microtbulos
Miescher, Friedrich
Minsky, Marvin
MIT Artificial Intelligence Laboratory
MIT Picower Institute for Learning and Memory
MobilEy e
modelagem, complexidade e
Modelos Hierrquicos Ocultos de Markov (HHMMs)
poda de conexes no utilizadas por
Modelos Ocultos de Markov (HMMs)
Modha, Dharmendra
mdulos de identificao de padres
algoritmo universal dos,
amor e,
autoassociao nos,
axnios dos,
como conjuntos neuronais,
conexes neurais entre,
de sons,
dendritos dos,
digital,
disparos simultneos dos,
estrutura geneticamente determinada dos,
fluxo bidirecional da informao para e do tlamo,
inputs nos,
limiares dos,
nmero total de,
parmetro de Deus nos,
parmetros de importncia nos,
parmetros de tamanho nos,
parmetros de variabilidade de tamanho nos,
predio dos,
processamento sequencial da informao nos,
redundncia dos,
representao unidimensional de dados multidimensionais nos,
sinais de expectativa (excitao) nos,
sinais inibidores nos,
momento
conservao do,
Money, John William
Moore, Gordon
Moravec, Hans
Morley, Edward
Moskovitz, Dustin
Mountcastle, Vernon
movimento ocular, identificao de padres e
Mozart, Leopold
Mozart, Wolfgang Amadeus
MT (V5) regio do crtex visual
Muckli, Lars
msica, como universal na cultura humana
mutaes, simuladas

no mamferos, raciocnio em
National Institutes of Health
Nature
neocrtex
algoritmo universal de processamento do,
atividade inconsciente no,
capacidade total do,
crebro primitivo modulado por,
como exclusivo do crebro dos mamferos,
como mquina de metfora,
como mecanismo de sobrevivncia,
engenharia reversa da IA, ver neocrtex digital
estrutura do,
estrutura regular de grade do,
evoluo do,
expanso do, mediante
colaborao,
expanso do, mediante IA,
fluxo bidirecional da informao no,
identificao de padres no, ver identificao de padres
identificadores de padres no, ver mdulos de identificao de
padres
input sensorial no,
modelo unificado do,
nmero total de neurnios no,
ordem hierrquica do,
organizao linear do,
plasticidade do, ver plasticidade do crebro
poda de conexes no utilizadas no,
predio pelo,
processamento simultneo de informaes no,
processo de aprendizado no, ver aprendizado
redundncia no,
representaes unidimensionais de dados multidimensionais no,
simplicidade estrutural do,
tlamo como portal do,
tipos especficos de padres associados com regies do,
TMRP como algoritmo bsico do,
uniformidade estrutural do,
vazamento neural no,
ver tambm crtex cerebral
neocrtex digital
aprendizado no,
bases de conhecimento do,
benefcios do,
como capaz de ser copiado,
como extenso do crebro humano,
conexes neurais virtuais no,
educao moral do,
estrutura do,
estrutura hierrquica do,
fluxo bidirecional de informaes no,
HHMMs no,
mdulo de pensamento crtico para,
mdulo metafrico de pesquisa no,
pesquisa simultnea no,
redundncia de padro no,
nervo auditivo
reduo de dados no,
nervo ptico
canais do,
nervos motores
nervos sensoriais
neurnios
neurnios da lmina I
neurnios fusiformes
neurotransmissores
new kind of science, A (Wolfram)
Newell, Allen
Newton, Isaac
Nietzsche, Friedrich
nomes, recordao de
noradrenalina
norepinefrina
Nuance Speech Technologies
ncleo accumbens
ncleo geniculado lateral
ncleo geniculado medial
ncleo ventromedial posterior (VMpo)
Numenta
NuPIC

Oluseun, Olusey i
OmniPage
On intelligence (Hawkins e Blakeslee)
organismos simulados, evoluo dos
rgos sensoriais
origem das espcies, A (Darwin)
oxitocina

pacientes com crebro partido


padres
aprendizado dos,
reas especficas do neocrtex associadas com,
armazenamento dos,
estrutura dos,
input dos,
nome dos,
organizao hierrquica dos,
output dos,
padres de nvel superior ligados a,
redundncia e,
plido ventral
pncreas
panprotopsiquismo
Papert, Sey mour
parmetros, na identificao de padres
Deus,
importncia,
tamanho,
variabilidade do tamanho,
Parker, Sean
Parkinson, Mal de
Pascal, Blaise
Patterns, Inc.
Pavlov, Ivan Petrovich
Penrose, Roger
pensamento
como anlise estatstica,
computao comparada com,
crtico,
desordem do,
experimentos mentais sobre,
limitaes do,
linguagem como traduo do,
no direcionado vs. direcionado,
probabilidade estatstica e,
redundncia e,
ver tambm pensamento hierrquico
pensamento hierrquico
como exclusivo do crebro de mamferos,
como mecanismo de sobrevivncia,
fluxo bidirecional da informao em,
identificao de padres como,
linguagem e,
no crebro de mamferos,
recurso no,
tarefas de rotina e,
percepes, como influenciadas por expectativas e interpretaes
perceptrons
Perceptrons (Minsky e Papert)
pessimismo do cientista
Pinker, Steven
plasticidade do crebro
como evidncia do processamento neocortical universal
limitaes da
Plato
poder do supercomputador, aumento do
Poggio, Tomaso
portas lgicas
positivismo lgico
prazer, no crebro primitivo e no novo
preo/desempenho, da computao
Prmio Loebner
Presidents Council of Advisors on Science and Technology
Primeira Guerra Mundial
Primeiro Esboo de um Relatrio sobre o EDVAC (von Neumann)
Principia Mathematica (Russell e Whitehead)
princpio de Bernoulli
problema do castor atarefado
problema do sobreajuste
problema mente-corpo
problemas insolveis, teorema de Turing dos
processadores digitais
emulao do processamento analgico em,
ver tambm computadores; neocrtex digital
processamento analgico, emulao digital do
processamento da informao visual
processamento de informaes auditivas
processamento neural
emulao digital do,
paralelismo macio do,
velocidade do,
programao linear
Projeto Blue Brain,
Projeto do Genoma Humano
protenas, engenharia reversa das

qualia
qualidade de vida, percepo da
quantizao vetorial
invarincia e,
qumica
Quinlan, Karen Ann

racionalizao, ver confabulao


radimetro de Crookes
Ramachandran, Vilay anur Subramanian Rama
realidade, natureza hierrquica da
receptores sensoriais
reconhecimento ptico de caracteres (OCR)
recursividade
redes neurais
algoritmo das
alimentao avante
aprendizado nas
reduo de dados em
redundncia
de memria,
de mdulos de identificao de padres,
no genoma,
pensamento e,
Report to the President and Congress, Designing a Digital Future (Presidents
Council of Advisors on Science and Technology )
reproduo sexual
simulada,
resultados previsveis vs. resultados determinados
retina
robtica da fixao de membrana
Rosenblatt, Frank
Roska, Boton
Rothblatt, Martine
Rowling, J. K.
Roxy Music
Russell, Bertrand
Rutter, Brad

sacadas
Sandberg, Anders
Schopenhauer, Arthur
Science
Searle, John
experimento mental do quarto chins de,
Segunda Guerra Mundial
Seinfeld (programa de TV)
seleo natural
processo geolgico como metfora da,
ver tambm evoluo
senso comum
serotonina
Seung, Sebastian
Sex and the City (programa de TV)
Shakespeare, William
Shannon, Claude
Shashua, Amnon
Shaw, J. C.
Simon, Herbert A.
simulaes de crebro
sinais de expectativa (excitao)
sinais inibidores
singularidade
Singularity is near, The (Kurzweil)
Singularity Isnt Near, The (Allen e Greaves)
Siri
sistema nervoso do nematdeo, simulao do
sistema olfativo
sistemas auto-organizados
sistemas de reconhecimento visual
sistemas hierrquicos
sistemas legais, conscincia como base dos
sistemas morais, conscincia como base dos
sistemas no biolgicos capazes de ser copiados
sistemas nervosos
Skinner, B. F.
Smully an, Ray mond
sobrevivncia
como meta evolutiva
como meta individual
sociedade da mente, A (Minsky )
software de linguagem
gerenciadores especialistas em,
HHMMs na,
regras codificadas mo no,
sistemas hierrquicos na
software de reconhecimento de fala
AGs em,
HHMM em,
Soneto 73 (Shakespeare)
sonhos
como pensamentos no direcionados,
pensamento consciente vs.,
tabus e,
sonhos lcidos
SOPA (Stop Online Piracy Act)
Sperry, Roger W.
Stanford Encyclopedia of Philosophy, The
Sutherland, Stuart
Szent-Gy rgy i, Albert

tabus, sonhos e
tlamo
como portal do neocrtex,
tarefas de rotina, como sries de etapas hierrquicas
Tay lor, J. G.
tear de Jacquard
Technology Review
tcnicas de imageamento destrutivas
tcnicas de imageamento no destrutivas
tecnologia como compensadora da limitao humana
tecnologia da comunicao, LRA e
tecnologias de informao
rescimento exponencial das,
LRA
Tegmark, Max
tempo, experimentos mentais de Einstein sobre o,
teoria da mente baseada em reconhecimento de padres (TMRP)
teoria do ter, refutao por Michelson-Morley
termodinmica
leis da,
tese de Hameroff-Penrose
testosterona
Thiel, Peter
Thrun, Sebastian
Tractatus Logico-Philosophicus (Wittgenstein)
tractografia de difuso
trfego de dados na Internet
Transcend: Nine Steps to Living Well Forever (Kurzweil e Grossman)
Transformers, filmes
transstores
por chip, aumento dos,
reduo de preo dos,
tridimensionais
transtornos obsessivo-compulsivos
tronco enceflico
Turing, Alan
experimentos mentais de,
teorema do problema insolvel de,
Turing, mquina de
Turing, teste de

UIMA (Unstructured Information Management Architecture)


Ulam, Stan
ltima viagem do fantasma, A (Garca Mrquez)
unitarismo
Universidade da Califrnia (Berkeley )
universalidade da computao
University College (Londres)
universo, como capaz de codificar informaes

variabilidade de parmetros de tamanho


variao estocstica
varredura cerebral
destrutiva,
diagrama de Venn da,
LRA e,
no destrutiva,
no invasiva,
vasopressina
velocidade da luz
experimentos mentais de Einstein sobre a,
Vermelho (Oluseun)
Viagem do Beagle, A (Darwin)
Vicarious Sy stems
von Neumann, John
comparao entre crebro e computador,
programa armazenado, conceito de,

xadrez, sistemas de IA e,

Wall-E (filme)
Watson (computador da IBM)
Watson, James D.
Watts, Lloy d
Wedeen, Van J.
Werblin, Frank S.
Whitehead, Alfred North
Whole brain emulation: a roadmap (Sandberg e Bostrom)
Wiener, Norbert
Wikipdia
Wittgenstein, Ludwig
Wolfram, Stephen
Wolfram Alpha
Wolfram Research

Young, Thomas

Zuo, Yi
Zuse, Konrad
"A mente bem mais ampla..." Extrado de LIRA, Jos. A inveno da rima
na traduo de Emily Dickinson. Cadernos de Traduo, v. 2, n. 6, 2000, p. 85.
Disponvel em:
http://www.periodicos.ufsc.br/index.php/traducao/issue/view/429. [N. de T.]
Home runs Principal ponto no beisebol. [N. de T.]
Head Start um programa social desenvolvido pelo governo dos Estados
Unidos dedicado a crianas em idade pr-escolar de famlias de baixa renda,
criado em 1965. [N. de T.]
"Uma estao o outono ..." SHAKESPEARE, William. Sonetos. Trad. de
Pricles Eugnio da Silva Ramos. So Paulo: Hedra, 2008. p. 85. [N. de T.]
Electric Sheep - O nome do projeto uma aluso ao romance do autor norte-
americano Philip K. Dick, Do androids dream of electric sheep? [Androides
sonham com ovelhas eltricas?. So Paulo: Aleph, 2014]. [N. de T.]
"1 O mundo tudo..." WITTGENSTEIN, Ludwig. Tractatus Logico-
Philosophicus. Trad. Luiz Henrique Lopes dos Santos. So Paulo: Edusp, 2008,
p. 135. [N. de T.]
"Toda filosofia..." Idem, p. 165. [N. de T.]
"Sobre aquilo de que ..." Idem, p. 281. [N. de T.]
Conselho Consultivo sobre Cincia e Tecnologia da presidncia dos EUA
Relatrio ao presidente e ao congresso; projetando um futuro digital:
pesquisa e desenvolvimento financiados pelo governo federal sobre
networking e tecnologia da informao. [N. de T.]
Introduo, nota 1- Extrado de MRQUEZ, Gabriel Garca. Cem anos de
solido. Trad. Eliane Zagury. So Paulo: Record, 1996, p. 179-180. [N. de T.]
COMO CRIAR UMA MENTE

TTULO ORIGINAL: How to create a mind


CAPA: MAteus Valadares
PREPARAO DE TEXTO: Rogrio Bettoni
REVISO: Maria Silvia Mouro Netto | Hebe Ester Lucas
PROJETO E DIAGRAMAO ORIGINAL: Join Bureau
VERSO ELETRNICA: Natalli Tami
COORDENAO EDITORIAL: Opus Editorial
EDITORIAL: Daniel Lameira | Mateus Duque Erthal | Katharina Cotrim
| Brbara Prince | Jlia Mendona
DIREO EDITORIAL: Adriano Fromer Piazzi

COPYRIGHT RAY KURZWEIL, 2012


COPYRIGHT EDITORA ALEPH, 2015
(EDIO EM LNGUA PORTUGUESA PARA O BRASIL)

TODOS OS DIREITOS RESERVADOS.


PROIBIDA A REPRODUO, NO TODO OU EM PARTE, ATRAVS
DE QUAISQUER MEIOS.
PUBLICADO MEDIANTE ACORDO COM VIKING, UMA DIVISO
DA PENGUIN GROUP (USA) INC.

CRDITO DOS TEXTOS VERMELHO, AMOO OLUSEUN.


REPRODUZIDO COM AUTORIZAO DO AUTOR.
O CENRIO EST BEM FEIO, SENHORES...... DE THE FAR SIDE,
POR GARY LARSON (7 DE NOVEMBRO DE 1985). REPRODUZIDO
COM AUTORIZAO DE CREATORS SYNDICATE.

CRDITOS DAS ILUSTRAES


Conjunto de Mandelbrot: CRIADA POR WOLFGANG BEYER
(CREATIVE COMMONS ATTRIBUTION SHARE ALIKE 3.0
LICENSE).
Radimetro de Crookes: (CREATIVE COMMONS ATTRIBUTION
SHARE ALIKE 3.0 LICENSE).
Estruturas em grade das conexes iniciais do crtex: RETIRADAS DE
THE GEOMETRIC STRUCTURE OF THE BRAIN FIBER
PATHWAYS, POR VAN J. WEDEEN, DOUGLAS L. ROSENE,
RUOPENE WANG, GUANGPING DAI, FARZAD MORTAZAVI,
PATRIC HAGMANN, JON H. KAAS E WEN-YIH I. TSENG,
SCIENCE, 30 DE MARO DE 2012. REPRODUZIDAS COM
AUTORIZAO DA AAAS (AMERICAN ASSOCIATION FOR THE
ADVANCEMENT OF SCIENCE).
Comutao crossbar: FOTO FORNECIDA POR YEATESH (CREA-
TIVE COMMONS ATTRIBUTION SHARE ALIKE 3.0 LICENSE).
Duas imagens da capa do livro Perceptrons: ILUSTRAES POR
MARVIN MINSKY. REPRODUZIDAS COM AUTORIZAO DE
MARVIN MINSKY. ALGUNS CRDITOS SO CITADOS
IMEDIATAMENTE AO LADO DAS RESPECTIVAS IMAGENS.
OUTRAS ILUSTRAES FORAM IDEALIZADAS POR RAY
KURZWEIL E ILUSTRADAS POR LAKSMAN FRANK.

Rua Lisboa, 314


05413-000 So Paulo/SP Brasil
Tel.: [55 11] 3743-3202
www.editoraaleph.com.br

DADOS INTERNACIONAIS DE CATALOGACO NA


PUBLICAO (CIP)
(Cmara Brasileira do Livro, SP, Brasil)

Kurzweil, Ray
Como criar uma mente [livro eletrnico] : os segredos do pensamento
humano / Ray Kurzweil ; traduo Marcello Borges. -- So Paulo :
Aleph, 2015
2,2 Mb; ePUB

Ttulo original: How to create a mind : the secret of human thought


revealed
ISBN: 978-85-7657-253-4

1. Autoconscincia 2. Crebro - Localizao das funes 3. Inteligncia


artificial I. Ttulo.
15-07759 CDD-612.82

ndices para catlogo sistemtico:


1. Crebro : Neurofisiologia humana 612.82
2. Mente : Neurofisiologia humana 612.82