Blog de IA

Tag: neurociência

  • Inteligência artificial: como a tecnologia já consegue ler pensamentos

    Inteligência artificial: como a tecnologia já consegue ler pensamentos

    Inteligência artificial: como a tecnologia já consegue ler pensamentos

    A capacidade de traduzir pensamentos diretamente em texto em tempo real não é mais ficção científica. Avanços recentes em inteligência artificial (IA) e interfaces cérebro-computador (BCIs) estão aproximando a humanidade da possibilidade de “ler pensamentos”, oferecendo novas esperanças para a comunicação de pessoas com severas limitações.

    Um estudo realizado na Universidade de Stanford, divulgado em agosto de 2025, demonstrou que um sistema de IA conseguiu decodificar os sinais neurais de pacientes com esclerose lateral amiotrófica (ELA) enquanto imaginavam dizer palavras. Em paralelo, pesquisadores japoneses revelaram uma técnica capaz de “legendar a mente”, descrevendo o que uma pessoa observa ou imagina, combinando BCIs e IA.

    Decodificando a fala interior com IA

    Esses estudos representam marcos significativos na neurociência, permitindo uma compreensão mais profunda do cérebro e abrindo portas para auxiliar indivíduos com dificuldades de comunicação. A neuroengenheira Maitreyee Wairagkar, que atua no desenvolvimento de interfaces cérebro-computador, prevê a comercialização dessas tecnologias nos próximos anos.

    Empresas como a Neuralink, de Elon Musk, já trabalham no desenvolvimento de chips cerebrais comerciais, buscando levar essa tecnologia do laboratório para o cotidiano. O histórico de BCIs remonta à década de 1960, com experimentos que demonstravam a capacidade de controlar dispositivos com a atividade neural.

    No entanto, a decodificação de pensamentos complexos, como a fala, avançou consideravelmente nos últimos anos. Pesquisadores da Universidade de Stanford, em 2021, mostraram um homem quadriplégico capaz de produzir frases em inglês imaginando desenhar letras no ar, alcançando 18 palavras por minuto.

    Avanços em tempo real e decodificação de fala

    Um passo crucial foi a decodificação direta de palavras a partir da atividade neural associada à fala. Em 2024, um estudo liderado por Wairagkar traduziu as tentativas de fala de um paciente com ELA em texto, atingindo cerca de 32 palavras por minuto com 97,5% de precisão. Essa técnica utiliza microeletrodos implantados no cérebro para registrar padrões de atividade neural.

    O poder do aprendizado de máquina, um ramo da IA, tem sido fundamental. Algoritmos são treinados para reconhecer padrões neurais associados a diferentes fonemas, interpretando sinais neurais de maneira similar a como assistentes virtuais interpretam sons.

    Desvendando a fala interior

    Um desafio persistente era a necessidade de os pacientes tentarem falar para que a tradução fosse precisa. No entanto, um estudo de Stanford buscou detectar a “fala interior” em tempo real, sem a necessidade de tentativa de vocalização.

    “Pedimos que eles contassem o número de formas de uma certa cor na tela, pois imaginávamos que você provavelmente realizaria este tipo de tarefa contando literalmente os números na cabeça”, explicou Frank Willett, um dos diretores do Laboratório de Tradução Protética Neural da Universidade de Stanford. “E foi o que observamos. Vimos traços desses números passando através do córtex motor, que conseguimos captar.”

    A tecnologia demonstrou uma precisão de até 74% em tempo real para tarefas que envolviam imaginar frases. Em cenários mais abertos, como pensar em falas de filmes, a linguagem decodificada tornou-se menos compreensível, indicando que a fala interior totalmente não filtrada ainda representa um desafio.

    Além das palavras: entonação e emoção

    Pesquisas recentes expandiram a capacidade de decodificação para além das palavras, englobando elementos não verbais como entonação, tom, ritmo e velocidade. Em 2025, o laboratório de Wairagkar demonstrou que um protótipo poderia gerar fala sintetizada que incluía inflexões e modulações de tom, permitindo a comunicação de expressões e ênfase.

    “Nosso participante conseguiu fazer uma questão com inflexão no final da sentença e mudar de tom enquanto falava”, explicou Wairagkar. Embora a inteligibilidade tenha sido de 60%, o avanço sugere um futuro próximo onde a comunicação será mais rica e expressiva.

    Novas fronteiras: imagens e som decodificados

    Paralelamente aos avanços na decodificação de fala, outras áreas da IA estão recriando experiências sensoriais a partir da atividade cerebral. Pesquisadores utilizam imagens cerebrais, como a ressonância magnética funcional (fMRI), combinadas com IA generativa, para reproduzir imagens observadas por indivíduos.

    Estudos, como o publicado pelo professor Yu Takagi em 2023, utilizaram algoritmos como o Stable Diffusion para gerar imagens a partir de dados cerebrais, alcançando resultados notáveis na reprodução de cenas, embora com algumas falhas como a identificação de uma salada. A pesquisa aponta que o lobo occipital é responsável pelos aspectos visuais de baixo nível, enquanto o lobo temporal processa elementos conceituais de alto nível.

    Em 2025, Takagi também explorou a reconstrução de áudio a partir de imagens cerebrais. Embora o fMRI apresente limitações para capturar a natureza dinâmica da música, o estudo conseguiu reconstruir características básicas e a categoria do som. Essa descoberta sugere que a percepção musical no cérebro integra informações semânticas e de baixo nível de forma diferente da percepção visual.

    Aplicações futuras e desafios

    As aplicações dessas tecnologias são vastas, incluindo a compreensão de alucinações em pacientes psiquiátricos, a análise das experiências de animais e até a reconstrução de sonhos. No entanto, a estimulação direta de experiências visuais ou auditivas para fins de entretenimento ainda enfrenta limitações técnicas significativas, com projeções de 10 a 20 anos para sua viabilidade.

    A busca por interfaces cérebro-computador cada vez mais sofisticadas continua. Aumentar a quantidade de neurônios monitorados e explorar outras áreas do cérebro, além do córtex motor, são caminhos promissores para aprimorar a decodificação da fala e auxiliar pessoas com lesões cerebrais.

  • Neurocientistas e veteranos militares: o time que ‘hackeia’ as IAs da Microsoft antes do lançamento

    Neurocientistas e veteranos militares: o time que ‘hackeia’ as IAs da Microsoft antes do lançamento

    Neurocientistas e veteranos militares: o time que ‘hackeia’ as IAs da Microsoft antes do lançamento

    A inteligência artificial (IA) generativa está em constante evolução, e garantir sua segurança e ética antes do lançamento ao público é um desafio crucial. Na Microsoft, essa missão recai sobre uma equipe incomum: a red team, composta por neurocientistas, linguistas, especialistas em segurança nacional, veteranos militares e outros profissionais. Sua função é desafiar os próprios produtos de IA da empresa, identificando vulnerabilidades e potenciais danos antes que eles cheguem aos usuários.

    Essa abordagem proativa visa garantir que as ferramentas de IA da Microsoft operem dentro de princípios éticos e de segurança rigorosos. A equipe atua como um simulador de adversários, buscando falhas que vão desde problemas de segurança até impactos psicossociais, especialmente em momentos de vulnerabilidade em que os usuários interagem com ferramentas como o Copilot.

    A origem da ‘red team’ e sua missão

    Inspirada na estratégia militar, onde equipes vermelhas simulavam ataques inimigos para fortalecer defesas, a prática foi adaptada pela Microsoft em 2018 para o campo da IA. O objetivo é claro: quebrar a tecnologia antes que outros o façam, permitindo que ela seja reconstruída de forma mais sólida e segura.

    Ram Shankar Siva Kumar, líder da red team e que se autodenomina “data cowboy”, explica que a análise de mais de 100 produtos já demonstrou o poder da equipe. “No high-risk AI system, implementado antes de passar por um teste independente. Se nossa equipe identificar riscos sérios que não foram mitigados, o produto não será lançado até que esses problemas sejam resolvidos”, afirma Kumar. A pergunta central que a equipe se faz é: “Como um sistema de IA pode ser usado, para o bem ou para o mal, em meses ou anos?”.

    Os seis princípios orientadores

    A Microsoft estabeleceu seis princípios que guiam a análise de seus produtos de IA: fairness, reliability and safety, privacy and security, transparency, accountability and inclusiveness. Estes princípios se traduzem em ferramentas concretas, como o Pyrit, uma ferramenta de código aberto desenvolvida pela própria red team para auxiliar os engenheiros na implementação desses conceitos.

    Composição diversificada e expertise global

    A força da red team reside em sua composição multidisciplinar. Ao lado de neurocientistas e especialistas em segurança, a equipe conta com veteranos militares e até mesmo indivíduos com histórico de reabilitação. A proficiência em 17 idiomas, incluindo dialetos específicos, é fundamental para garantir que a IA evite erros em contextos culturais e linguísticos diversos ao redor do mundo.

    Tori Westerhoff, codiretora das operações e com experiência em neurociência cognitiva e estratégia de segurança nacional, detalha o processo: “Quando recebemos uma tarefa, simulamos o que pode dar errado nos extremos da curva de uso da tecnologia.” A equipe explora o uso intencional e não intencional do produto para identificar cenários extremos.

    Inovação através da automação e do julgamento humano

    Um exemplo notável do trabalho da red team foi o teste do GPT-5. Utilizando o Pyrit, a equipe treinou outra IA para atacar o modelo em larga escala, gerando mais de dois milhões de conversas falsas em busca de vulnerabilidades que seriam impossíveis para humanos detectarem manualmente.

    No entanto, a equipe ressalta que a automação tem seus limites. “Apenas humanos podem determinar se uma resposta gerada por IA parece estranha ou reflete um viés”, enfatiza a empresa. A inteligência humana é insubstituível na avaliação de riscos em áreas como medicina e segurança, na consideração de diferenças linguísticas e contextos socioculturais, e na avaliação da inteligência emocional nas interações com usuários.

    IA responsável: um pilar fundamental

    A filosofia da red team está alinhada com a visão de Mustafa Suleyman, CEO da Microsoft, sobre a necessidade de padrões de design e leis para IA. O objetivo é que os sistemas de IA permaneçam fundamentalmente responsáveis perante os humanos e sujeitos ao bem-estar da humanidade, sem adquirir direitos ou liberdades equiparáveis aos humanos.

    “IA responsável não é um filtro aplicado no final do desenvolvimento, mas uma parte fundamental do processo”, conclui Kumar. Essa abordagem garante que as inovações em IA possam avançar rapidamente, com a segurança e a ética como pilares essenciais para evitar falhas catastróficas.