The algorithms supplying your feeds may be designed to prioritize content that clashes with your values.

Os algoritmos de previsão podem subestimar o sucesso de estudantes negros e hispânicos, prevendo erroneamente o fracasso de forma desproporcional, mesmo quando esses estudantes acabam se formando.

Entenda qual o papel de Rússia, Estados Unidos, Irã, Ucrânia, Israel, China e Coreia do Norte neste tabuleiro.

No Brasil, cerca de 140 milhões de mensagens são trocadas por dia apenas com o ChatGPT, segundo a OpenIA, responsável pela tecnologia de Inteligência Artificial (IA) que destaca que o país está entre os três que mais utilizam o recurso no mundo. Esse uso já se reflete nos campos do trabalho, da informação e do aprendizado. Mas o que acontece quando a IA passa a mediar também o campo simbólico, espiritual e religioso?

Nesta temporada, Diálogos para entender o que é real, o Pauta Pública convida o acadêmico e pastor Valdinei Ferreira para falar sobre o atual cenário de uso da IA relacionado à fé, desde usuários que acreditam estar de fato conversando com uma consciência de outra dimensão, até as situações mais corriqueiras, como a utilização da IA para criar sermões e pregações que são reproduzidas por pastores nas igrejas. Na entrevista ele fala como tem sido a adaptação para estes novos tempos e aponta os principais desafios e limites das tecnologias em relação às vivências humanas.

De acordo Ferreira, o grande desafio é ajudar as pessoas a entenderem que existe um viés e que é preciso formar algum tipo de filtro crítico para que elas não sejam manipuladas pelas ferramentas de IA.” É difícil de entender e conseguir prever exatamente como as próprias igrejas e lideranças vão se posicionar em relação a isso […] e a gente tem uma falta de clareza de como as respostas são geradas. Então é bem difícil prever se isso pode recrudescer ainda mais o fundamentalismo.”

Leia os principais pontos da conversa e ouça o podcast completo abaixo.

“Se Deus tem usado o rádio, a televisão, as redes sociais e tantos outros meios tecnológicos para alcançar pessoas, por que não utilizaria também as IAs? Com certeza, Ele as utilizará!”. A frase é do pastor William E. Timm, coordenador de evangelismo digital na Rede Novo Tempo, publicada na Revista Adventista. 

Cada vez mais, a indústria da tecnologia tenta vender a ideia de que a Inteligência Artificial (IA) e seus desdobramentos são inevitáveis e necessários – para criar respostas, pensar por nós, dar conta de produzir dentro do tempo acelerado do capitalismo neoliberal que nos esmaga, solucionar crises e, no fim das contas, atuar como um oráculo do qual, em um futuro próximo, vamos precisar tanto quanto necessitamos de água ou luz. 

Mas tem um campo que ainda precisa ser totalmente convencido pelos “tech bros”: o da direita cristã, que ainda está… dividida. 

E é isso que alguns círculos do Vale do Silício estão tentando fazer, como mostra uma reportagem recente da revista Mother Jones. A jornalista Kiera Butler, que assina o texto, lembra que em 2025, durante a Conferência Nacional de Conservadorismo que acontece anualmente nos Estados Unidos (e que reúne um grupo que se consolidou como uma forte influência nas decisões políticas do governo Trump), o professor de psicologia da Universidade do Novo México, Geoffrey Miller confrontou o diretor de tecnologia da Palantir, Shyam Sankar, em uma discussão acalorada, dizendo que a indústria de IA, é “globalista, secular, liberal, feminizada e transumanista. Eles querem explicitamente o desemprego em massa, planejam um comunismo baseado na Renda Básica Universal e veem a espécie humana como um ‘carregador de inicialização’ biológico, como eles dizem, para a superinteligência artificial”. Sankar ficou visivelmente desconfortável.   

Miller não está sozinho, há toda uma leva de cristãos ultraconservadores dizendo por aí que a IA é o anticristo e que o plano “woke” não vai parar na transição de gênero, mas que o objetivo final é transicionar de humano para máquina. 

Também não ajuda o fato de que alguns porta-vozes como Sam Altman, cofundador da OpenAI, amam declarações apocalípticas como a de que a IA “provavelmente levará ao fim do mundo, mas, enquanto isso, haverá grandes empresas”. 

Por isso, alguns oligarcas do Vale do Silício estão tentando intermediar a discussão entre esses dois campos emergentes na direita religiosa: de um lado, dos admiradores da IA, de outro, seus céticos. Figuras como Peter Thiel, aliado do vice-presidente JD Vance e dono da Palantir, e outros entusiastas da tecnologia ligados à religião, como Katherine Boyle, uma das principais vozes da chamada “direita tecnológica”, católica e também próxima de Donald Trump e J.D Vance, e Trae Stephens, cofundador e presidente executivo da empresa de tecnologia de defesa Anduril Industries, sócio da Founders Fund, empresa de capital de risco de Peter Thiel, estão liderando um esforço para defender que a IA é mais comparável a um “ente salvador”, até mesmo a um messias semelhante a Cristo. 

Assim, os cristãos têm sido convocados não só a abraçar a tecnologia, mas teriam a obrigação de fazê-lo, porque o progresso em si seria um bem moral.

A mensagem é sedutora para todo mundo porque promete para os pregadores da tecnologia uma legitimidade moral e, para os setores religiosos, a mesma tecnologia oferece poder, dinheiro e alcance no mundo contemporâneo. 

Uma pesquisa do Pew Research Center mostrou que, em 2023, 52% dos americanos diziam estar mais preocupados do que entusiasmados com a inteligência artificial; em 2025, esse número caiu para 50%, mas a desconfiança continua alta. Por isso a legitimidade espiritual, que exige menos fatos concretos e mais a subjetividade da fé, se encaixa como uma luva. É uma tentativa de “reencantar a máquina”. 

No Brasil, esse movimento também cresce. O país tem cerca de 47 milhões de evangélicos, o equivalente a 27% da população, enquanto os católicos seguem como maioria, com 57%. E 95% dos brasileiros acessam a internet diariamente, segundo dados recentes do IBGE. E aí, claro: um país que é ao mesmo tempo massivamente cristão e massivamente conectado, se torna um laboratório perfeito para plataformas que transformam experiência religiosa em mercado digital. 

Os cristãos no Brasil já abraçam a tecnologia. O Hallow, aplicativo de oração mais popular do mundo, afirma ter 24 milhões de downloads em 150 países. No Brasil, superou 4,8 milhões de downloads desde 2022 e, entre janeiro e abril de 2026, gerou US$400 mil em receita no país, segundo dados da AppMagic. 

A IA também já tem sido usada por aqui para criar sermões para criar vídeos de Jesus, para “ouvir” e “interagir” com pecados que os crentes não têm coragem de contar aos seus líderes religiosos, como mostramos no podcast Pauta Pública.

A Igreja Adventista do Sétimo Dia, por exemplo, investiu em ferramentas como o chatbot Esperança e o 7chat.ai. Em um único mês, o 7chat.ai registrou 94,5 mil interações com fiéis. 

A teologia da prosperidade e a teologia “coaching” propagada por influenciadores como Pablo Marçal também unem elementos a essa fórmula. Se nessas duas vertentes a ideia principal é a de que se você seguir um código divino e de conduta você desbloqueia bens materiais e prospera, no arranjo que agora se desenha entre cristianismo e Vale do Silício, a mensagem passa a ser algo como “adote a tecnologia certa, alinhe-se ao progresso e isso também será sinal de virtude espiritual”. 

“No século 21, o Anticristo é um ludita” (luditas foram trabalhadores ingleses do setor têxtil que protestavam contra a substituição da mão de obra humana por máquinas na Revolução Industrial, sobretudo quebrando máquinas) afirmou Peter Thiel durante encontros secretos vazados em outubro de 2025, publicados pelo Washington Post.  Segundo o jornal, Thiel fez uma série de quatro palestras particulares em São Francisco, chamadas “O Anticristo: Uma Série de Palestras em Quatro Partes”. Para ele,  no século 21, o Anticristo não seria mais um cientista ambicioso ou um agente do caos, mas sim aqueles que tentam impedir o progresso tecnológico, incluindo a ativista ambiental Greta Thunberg. Assim, o que ele está fazendo é deslocar um conflito econômico e regulatório para o terreno da fé cega. 

E aí esse projeto também produz obviamente efeitos políticos. Imaginem se os “tech bros” conseguem, com todo o dinheiro que têm à mão, emplacar a IA como bem moral e expressão da criatividade divina? Isso vai reduzir o espaço a críticas sobre concentração de poder, precarização do trabalho, vigilância, desinformação, crise climática, impacto ambiental de data centers, e levar a uma nova “inquisição” contra quem questionar não só o “progresso”, mas a vontade de Deus. Que perigo. 

A implementação do ECA Digital traz novas responsabilidades e desafios para as redes de ensino. Mais do que conhecer a legislação, é fundamental que os Municípios estejam preparados para cumprir suas determinações, acompanhar e fiscalizar sua aplicação e planejar ações efetivas para a proteção de crianças e adolescentes no ambiente digital.
 Pensando nisso, a Undime MG realiza nesta quinta-feira (20/08), às 15h, a LIVE 04/2026: “ECA Digital: Estratégias para Redes Municipais de Ensino”.
 Como o Município deve se organizar? O que precisa ser observado? Como orientar as escolas? Quais ações podem ser planejadas desde já? E como se preparar para o acompanhamento e a fiscalização do cumprimento da legislação?
Para conversar sobre esses pontos e trazer orientações práticas às redes municipais, teremos a participação de Luciano Sathler, membro do Conselho Estadual de Educação de Minas Gerais, doutor em Administração pela USP e especialista em Educação Digital e Inteligência Artificial.
A live contará ainda com a participação de Jônatas Gonçalves Rêgo, presidente da Undime MG e da Undime Sudeste, e Suely Duque Rodarte, diretora executiva da Undime MG.

Artificial intelligence chatbots have become the bane of teachers everywhere, but to prepare for the new school year, a group of educators in Charleston, South Carolina, packed into a high school auditorium and talked about inviting AI into the classroom.

The teachers and principals watched as an instructor prompted an AI tool to “create a map of the world.”

The result drew gasps of disbelief and laughter. Projected on a large screen was a map riddled with bizarre errors. Mali was spelled “Mail.” Egypt was identified as “Sopth.” In place of Libya was something simply called “Africa.” Dozens of other countries’ names were misspelled or written in pure gibberish.

Análise do Todos Pela Educação, com base no Saeb, mostra avanços em Língua Portuguesa e Matemática desde 2005, mas revela cenário crítico sobretudo em Matemática: no ensino médio, só 8,5% dos alunos atingem nível considerado adequado.

Estão aptas a atuar como instituições promotoras aquelas que possuem programa de pós-graduação stricto sensu que já tenha passado por pelo menos uma avaliação e obtido, no mínimo, nota 4 para a oferta de mestrado e nota 5 para a de doutorado. Já as instituições receptoras podem ser públicas ou privadas, nacionais ou estrangeiras, desde que atuem no ensino, na pesquisa ou em atividades relacionadas à área de atuação da instituição promotora e possam garantir a infraestrutura necessária ao desenvolvimento do projeto, bem como ao apoio administrativo necessário à sua execução. 

Dispositivo recebeu autorização do órgão regulador chinês para uso em pessoas com tetraplegia causada por lesão medular no pescoço e se tornou o primeiro a cruzar a ponte dos laboratórios para a prática clínica

Pesquisadores do MIT exploram o conceito de "deterioração da atribuição" e o que isso pode significar para artistas que buscam proteger suas obras.


COMPARTILHAR

FACEBOOK

LINKEDIN

CÉU AZUL

X

LINK

ADICIONE NO GOOGLE

[Fonte das imagens: Getty Images]

POR  JESUS DIAZ

OUÇA ESTE ARTIGO
Mais informações


0:00
/
7:25
Há muito tempo que a IA generativa é acusada de copiar descaradamente o trabalho de artistas (vide os inúmeros processos judiciais por violação de direitos autorais em curso). Mas um novo estudo do MIT apresenta um argumento muito diferente — um que pode complicar a forma como esses casos se sustentam.

No estudo, publicado na revista Nature , os pesquisadores do MIT Zheng Dai e David Gifford propuseram-se a testar se uma imagem gerada pode ser rastreada até um único conjunto de dados de treinamento. Eles estavam analisando especificamente modelos de difusão, os sistemas mais frequentemente usados ​​para gerar imagens e vídeos.

A conclusão deles? Tudo se resume ao tamanho do conjunto de dados de treinamento. Eles descobriram que quanto mais dados um modelo usa para ser treinado, mais difícil se torna atribuir sua saída a qualquer conjunto de dados de treinamento específico. Na verdade, quando removeram um conjunto específico de dados de treinamento, descobriram que isso teve pouca ou nenhuma influência na saída atualizada do modelo. Como os pesquisadores afirmaram: "Muitas vezes podemos omitir qualquer amostra ou criador dos dados de treinamento sem afetar uma amostra gerada."

Essa tendência, que os pesquisadores chamam de "deterioração da atribuição", significa que a inteligência artificial pode produzir uma imagem que se assemelha à obra de um determinado artista, sem que haja qualquer vínculo causal comprovável com a contribuição real desse artista para os dados de treinamento.


Assine a newsletter de Design . As últimas inovações em design, direto para você, todos os dias da semana.


INSCREVER-SE
política de Privacidade
|

Boletins informativos da Fast Company
Os pesquisadores suspeitam que isso acontece porque conjuntos de dados maiores tendem a conter muita redundância visual; muitas imagens diferentes compartilham características sobrepostas, então nenhuma imagem individual é responsável pelo DNA de uma imagem gerada por IA. Eles obtiveram o mesmo resultado repetidamente, em dezenas de experimentos. Mas eles são cautelosos em tratar isso como a melhor explicação possível, e não como algo que tenham comprovado diretamente (mais sobre isso abaixo).

COMO ISSO FUNCIONA
Para chegar a essa descoberta, os pesquisadores precisavam de uma maneira de testar causa e efeito com precisão, porque os modelos de difusão não funcionam como um banco de dados do qual você pode simplesmente excluir arquivos. Durante o treinamento, um modelo não armazena cópias das imagens que vê. Em vez disso, ele ajusta milhões de configurações numéricas internas com base em padrões em todo o conjunto de treinamento e, posteriormente, usa essas configurações para transformar ruído aleatório em uma nova imagem. Isso significa que você não pode simplesmente excluir uma imagem de treinamento e esperar uma comparação direta de antes e depois. As influências de todas as imagens de treinamento normalmente estão interligadas em todo o modelo.

Em vez disso, os pesquisadores construíram modelos a partir de componentes separados, cada um treinado independentemente em uma parte diferente dos dados, e depois combinados. Essa estrutura permitiu que eles removessem completamente a influência de um artista, pessoa ou imagem, desativando apenas os componentes que haviam sido expostos a ela, sem precisar treinar todo o modelo do zero. Eles chamam essa técnica de "ablação".

Os geradores de imagens por IA aprendem estudando um grande número de imagens e aprendendo a reconstruí-las. Dai e Gifford geraram uma imagem usando o conjunto de treinamento completo e, em seguida, a regeneraram com um artista, pessoa ou imagem removido, enquanto todo o resto permanecia igual. Se os resultados recém-gerados não mudassem, eles poderiam concluir que a parte faltante não era a causa daquele resultado específico; o modelo teria gerado uma imagem quase idêntica de qualquer maneira.

Eles também testaram o atalho padrão que as pessoas usam para detectar plágio por IA: encontrar a imagem de treinamento mais semelhante à imagem de saída e considerá-la a fonte. Esse atalho falhou com mais frequência à medida que os conjuntos de dados cresciam; a "correspondência mais próxima" era frequentemente uma coincidência. Não havia causalidade, pois removê-la muitas vezes não alterava os resultados gerados. Esse efeito enfraquece muitas das alegações existentes de que "a IA copiou este artista", que se baseiam na semelhança visual em vez de realmente testar causa e efeito.

Por que isso acontece? Os pesquisadores oferecem uma explicação, embora tenham o cuidado de classificá-la como uma conjectura, e não como um fato comprovado. De acordo com o artigo, eles “conjecturam que a deterioração da atribuição ocorre porque as características importantes para modelar o comportamento são codificadas de forma distribuída e redundante em todo o conjunto de treinamento”. 

O efeito de "inatribuibilidade" só se manifesta em grande escala. O artigo afirma que esse efeito já é significativo em escalas de 10.000 a 100.000 imagens, enquanto muitos modelos comerciais são treinados em conjuntos de dados com até um bilhão de imagens.

O EFEITO WARHOL
Para entender como isso funciona na prática, vamos usar a obra de Andy Warhol como exemplo. Imagine um modelo treinado com 50.000 obras de arte que por acaso incluem as serigrafias de Warhol. Se você excluir as imagens específicas de Warhol e regenerar o modelo, o resultado praticamente não muda. Isso não ocorre porque o modelo "entende" o estilo de Warhol em algum sentido abstrato, mas sim porque Warhol não era o único artista a usar cores chapadas e vibrantes, grades repetidas e temas da cultura pop.

Na verdade, vários outros artistas nesse mesmo conjunto de dados estavam fazendo coisas visualmente semelhantes. Isso significa que as características visuais de milhares de imagens se sobrepõem o suficiente para que nenhuma imagem seja insubstituível. Em outras palavras, as pinturas de Warhol não eram um ingrediente único; eram uma das muitas fontes que usam o mesmo padrão visual. Removê-las deixaria muito sinal redundante para o modelo usar.

ANÚNCIO
É importante ressaltar que os pesquisadores não estão argumentando que os modelos de IA podem simplesmente criar uma imagem no estilo de Warhol do nada. Se esse mesmo conjunto de dados não contivesse nenhuma obra de arte pop, nenhuma serigrafia em cores chapadas e nenhuma composição com grades repetidas, o modelo não teria nada em que se basear para produzir uma imagem nesse estilo.

Em vez disso, eles estão dizendo que a não-atribuibilidade entra em ação quando um estilo está presente de forma redundante em várias imagens. Exclua uma fonte de uma característica comum e a característica sobreviverá nas imagens semelhantes restantes. Exclua todas as fontes de uma característica rara e o modelo perderá completamente a capacidade de produzi-la.

O QUE ISSO SIGNIFICA?
Essas descobertas dificultam a identificação de uma origem artística específica, o que pode minar os argumentos dos artistas de que a IA copiou suas obras. A mesma redundância que permite que um estilo sobreviva à remoção de um artista também torna muito difícil provar que um único artista foi a fonte definitiva de uma determinada produção.

O artigo revisado por pares na Nature oferece às empresas de IA uma poderosa arma de defesa nos tribunais, mas não um escudo. Os próprios pesquisadores falam sobre as implicações legais, com uma cuidadosa ressalva: a não-atribuibilidade "ostensivamente fornece uma refutação do acesso, um elemento-chave usado para estabelecer a violação, contornando assim as proteções de propriedade intelectual destinadas a limitar tal uso, desde que a coleta seja realizada em escala suficiente para que a perda de atribuição se manifeste".

A palavra "ostensivamente" é importante porque até mesmo os autores a consideram um argumento jurídico plausível, não um consenso. Se a IA lhe fornece uma serigrafia de uma lata de tomate colorida, ela responde apenas a uma pergunta específica: a ingestão da obra de Warhol causou essa imagem? Ela não diz nada sobre se a inclusão da obra de um artista em um conjunto de treinamento sem permissão era legal. Essa é a batalha maior  que já está em andamento em dezenas de processos judiciais .

Em geral, a pesquisa reforça um argumento na disputa sobre direitos autorais em IA, sem, no entanto, resolvê-la definitivamente. As empresas agora têm evidências concretas que as protegem de serem responsabilizadas por resultados específicos. Mas a questão mais importante, se o uso de obras protegidas por direitos autorais para construir esses sistemas era alguma vez permitido, permanece exatamente a mesma de antes deste estudo.

As duas redes têm tamanhos similares, apesar de realidades econômicas distantes. Piauí soma 103 mil matrículas no ensino médio, a rede do DF é até menor, com 76 mil alunos. Mais da metade dos estados têm redes maiores, dado que explicita a complexidade de atuação.

As diferenças são grandes no perfil dos alunos. Se no Piauí 20% das mães dos estudantes não passaram da 5ª série, esse índice é de apenas 11% no DF —a escolaridade das mães tem grande relevância no sucesso escolar dos filhos.

Esses abismos servem de alerta duplo para olhar o que tem dado certo e o que pede urgente intervenção. Os dados não deixam dúvida de que, ao contrário do DF, há um trabalho educacional positivo e acumulado no Piauí, como na educação integral, mas, sobretudo, na prioridade dedicada à educação.

No Dia da Informática, relembre como a indústria viveu seu auge em décadas passadas, após anos de pesquisas em universidades e nas Forças Armadas.

Continua a discussão sobre se é um problema definir pessoas tão diferentes entre si como autistas

The AI boom is fueling a literal and metaphorical power grab by tech billionaires—and forcing a reckoning.

Early in his career, Hassan Akmal realized career exploration wasn’t about choosing a job; it’s about designing a meaningful, evolving, and purpose-driven life. In response to this revelation, he created “Career and Life Design,” a theoretical framework that reimagines how individuals navigate the ever-evolving journey of their professional and personal lives. 

“It shifts career exploration from a narrow, one-time decision to a lifelong process of continuous self-discovery, iteration, and holistic design,” explains Akmal, executive director of Career & Professional Development at University of California San Diego and an author of The AI Mosaic of Career & Life Design. 

crescimento do uso de celulares, redes sociais, plataformas digitais e ferramentas de inteligência artificial entre crianças e adolescentes amplia a necessidade de orientar os estudantes quanto à participação segura, ética e responsável no ambiente digital. Com o objetivo de apoiar os educadores nessa missão, está disponível a segunda edição do curso Segurança e Cidadania Digital em Sala de Aula, fruto de uma parceria entre o Ministério da Educação (MEC) e a SaferNet Brasil, com apoio do Governo do Reino Unido e da Meta.  

Irfan: Schools use artificial intelligence in many different ways. The real measure of success must be what students retain after the tool disappears.

Há décadas, neurocientistas buscam entender como os neurônios produzem pensamentos, memórias e emoções. E os avanços recentes em simulações computacionais, inteligência artificial e modelos matemáticos têm revolucionado esse conhecimento. A área, conhecida como neurociência computacional, está ampliando as ferramentas teóricas sobre como o cérebro processa informações.
Ela estuda desde os mecanismos elétricos e químicos que fazem um único neurônio funcionar até as redes complexas de milhões deles trabalhando em conjunto. E relaciona os processos biológicos às funções cognitivas, como aprendizado e tomada de decisão. Isso permite criar simulações digitais de partes do cérebro e testar hipóteses que não poderiam ser investigadas diretamente em laboratório.
Assim, a neurociência computacional tem possibilitado novas tecnologias capazes de, por exemplo, prever crises epilépticas e restaurar movimentos em pessoas paralisadas. Além disso, também inspira novos avanços na computação, em inteligência artificial, robótica e sistemas inteligentes.

Um sistema complexo
O cérebro humano é composto por bilhões de neurônios interligados por trilhões de sinapses. Cada um deles recebe sinais (elétricos e químicos) de centenas de outros ao mesmo tempo. Quando esses sinais se acumulam e ultrapassam um certo limite, o neurônio dispara um impulso elétrico que transmite a mensagem dele adiante. Essa comunicação acontece nas sinapses. O neurônio emissor libera neurotransmissores que se encaixam no receptor como uma chave numa fechadura.

Uma das características mais fascinantes desse sistema é sua capacidade de se reorganizar. Conexões usadas com frequência se fortalecem, enquanto as ociosas enfraquecem. É esse mecanismo — conhecido como plasticidade sináptica — que nos permite aprender e memorizar coisas. Embora cada neurônio execute tarefas relativamente simples, a interação coletiva dá origem a comportamentos sofisticados, como reconhecer rostos, sentir medo e planejar uma viagem.

Cérebros simulados
Para estudar toda essa complexidade, os neurocientistas computacionais criam simuladores digitais que imitam o comportamento dos neurônios e das redes neurais, suportados por novas arquiteturas de software. O ponto de partida para eles foi o trabalho revolucionário dos fisiologistas britânicos Alan Hodgkin e Andrew Huxley, que em 1952 descreveram matematicamente como um neurônio dispara um sinal elétrico, trabalho que rendeu o Prêmio Nobel e até hoje serve de base para a área.

Um dos modelos mais usados atualmente de simuladores digitais de neurônios é conhecido como “integrador e disparador”. Nele, o neurônio funciona como um balde sendo enchido por gotas de água. Cada sinal recebido adiciona algumas gotas. Quando o nível ultrapassa o limite, o balde entorna e se esvazia, disparando o seu conteúdo para os outros neurônios. Em seguida, o processo recomeça. Esse modelo é computacionalmente eficiente, pois permite simular milhares de neurônios ao mesmo tempo.

Newsletter semanal gratuita com o que há de mais relevante na produção científica brasileira


Assinar
Este site é protegido pelo reCAPTCHA e pelo Google Política de Privacidade e Termos de Serviço aplicam-se.
Uma das pesquisas mais ambiciosas nessa área hoje é o Blue Brain Project, na Suíça, que tenta reconstruir digitalmente pedaços do córtex de ratos com enorme detalhe biológico. Mesmo assim, o resultado ainda representa apenas uma pequena fração do que um cérebro real faz.

Simular os 86 bilhões de neurônios humanos e seus 100 trilhões de conexões ainda está muito além de qualquer tecnologia atual. Por isso, cientistas trabalham com diferentes níveis de abstração, escolhendo o nível mais correto de detalhamento necessário para responder a cada pergunta que surge.

A inspiração da IA moderna
A relação entre neurociência computacional e inteligência artificial é uma via de mão dupla. Ainda nos anos 1940, o neurofisiologista Warren McCulloch e o cientista cognitivo Walter Pitts criaram o primeiro modelo abstrato de neurônio artificial, inspirado diretamente no neurônio biológico.

Décadas depois, empilhando camadas dessas unidades artificiais, os cientistas desenvolveram os modelos computacionais de redes neurais artificiais. Essa é a base do aprendizado profundo que move tecnologias como reconhecimento de voz, diagnóstico por imagem e modelos de linguagem.

A troca também revelou diferenças importantes: o cérebro aprende com pouquíssimos exemplos e consome cerca de 20 watts, menos do que uma lâmpada. No entanto, treinar um grande modelo de IA pode consumir energia equivalente à de centenas de casas por dias. Entender como o cérebro consegue ser tão eficiente ainda é uma das grandes perguntas da área. A resposta pode transformar a forma como construímos inteligência artificial.

Aplicações na saúde
Na prática, essas pesquisas já mudam vidas. Em experimentos que usam interfaces cérebro-computador (ou seja, com sensores implantados no cérebro), pessoas completamente paralisadas conseguiram controlar braços robóticos apenas pensando em se mover. Embora os movimentos não sejam muito rápidos e precisos, mostram que é viável serem recuperados, mesmo após anos de uma lesão no sistema nervoso central.

Alguns modelos computacionais já conseguem identificar padrões cerebrais que indicam a aproximação de uma crise epiléptica, oferecendo minutos ou até horas de antecedência. Para quem tem epilepsia resistente a medicamentos, esse aviso prévio pode trazer uma grande melhora na rotina e autonomia.

No Parkinson, a Estimulação Cerebral Profunda ajuda a controlar os sintomas motores da doença quando os medicamentos não são suficientes. Nesse caso, o implante de um eletrodo em áreas motoras do cérebro funciona de forma semelhante a um marca-passo. Isso pode reduzir tremores, rigidez, lentidão e movimentos involuntários, melhorando a qualidade de vida dos pacientes.

Outros modelos também são usados para mapear os sintomas de Alzheimer no cérebro. A doença é causada pelo acúmulo de algumas proteínas tóxicas e resulta em perda de memória, dificuldade de comunicação e confusão. Os modelos facilitam o diagnóstico, pois associam melhor os padrões dos exames aos sintomas clínicos.

Além disso, na saúde mental, pesquisadores vêm criando simulações de circuitos cerebrais envolvidos em transtornos como depressão, transtorno bipolar e esquizofrenia. Elas ajudam a identificar quais redes neurais podem estar funcionando de forma diferente em cada condição. No futuro, esse tipo de abordagem pode contribuir para diagnósticos mais precisos e tratamentos personalizados, direcionados aos circuitos cerebrais mais afetados em cada indivíduo.

Ainda estamos muito longe de simular um cérebro humano completo, mas os avanços recentes são impressionantes. Cada nova equação e simulação tem o potencial de transformar a vida de alguém. No fundo, o que a neurociência computacional pretende é nos aproximar de nós mesmos e das respostas que a humanidade busca há séculos. Quem somos, como pensamos, o que nos faz conscientes? É uma jornada científica e profundamente humana. E ela está apenas começando.

Notícias ruins costumam ocupar boa parte do noticiário e, com as redes sociais, tornaram-se frequentes também no feed. Para a maioria das pessoas, essa exposição aos conteúdos negativos é encerrada após alguns minutos, mas, para uma parcela dos internautas, é difícil parar de consumir esse tipo de material.
Tal comportamento é conhecido como doomscrolling (rolagem compulsiva de notícias negativas na internet) e está relacionado a um fenômeno mais amplo de uso problemático das redes sociais, explica o psiquiatra Thiago Roza, neurocientista e professor da Universidade Federal do Paraná (UFPR).
A seguir, entenda o que está por trás dessa atração por notícias negativas, como o doomscrolling afeta o corpo e a mente e o que fazer para interromper esse comportamento.
Atração por notícias negativas
O cérebro é naturalmente preparado para prestar atenção a novidades e possíveis ameaças. Segundo Craig Sawchuk, psicólogo da Mayo Clinic, nos Estados Unidos, esse mecanismo tem uma função de proteção. “Do ponto de vista evolutivo, identificar rapidamente possíveis perigos foi importante para a sobrevivência. Ao mesmo tempo, a curiosidade nos leva a buscar informações para entender o que acontece ao nosso redor”, afirma.