Descobre como um estudo chocante revelou que o teu cérebro e a IA Whisper da OpenAI processam linguagem de forma semelhante. Mergulha na neurociência e IA.

O Teu Cérebro Processa a Linguagem Como Uma IA?

Prepara-te para ter a tua perceção sobre o cérebro e a IA completamente abanada.

E se eu te dissesse que a forma como o teu cérebro compreende e produz linguagem durante uma conversa casual tem semelhanças espantosas com o funcionamento de um dos mais avançados modelos de IA, o Whisper da OpenAI?

Esta é a conclusão surpreendente de uma investigação surpreendente.

Vamos mergulhar nesta descoberta que está a redefinir o que sabemos sobre nós mesmos e as máquinas que criamos. Será que temos vindo a construir espelhos da nossa própria mente sem nos apercebermos?

A Descoberta Surpreendente

Os neurocientistas conseguiram “ouvir” o cérebro humano durante horas de conversas naturais e descobriram padrões que ecoam de forma incrível o funcionamento interno de uma IA de reconhecimento de fala.

Uma investigação publicada na Nature acaba de ensinar-nos algo impressionante sobre como funciona o nosso cérebro durante as conversas, pois resulta que o nosso cérebro e a IA poderiam processar a linguagem de forma surpreendentemente parecida e não estou a exagerar, este estudo sugere que estamos a construir IAs que, sem nos darmos conta, funcionam com princípios semelhantes aos do nosso próprio cérebro.

O interessante desta investigação é que os neurocientistas gravaram a atividade cerebral durante 100 horas de conversas naturais. Pelo que, não estamos a falar de frases preparadas ou de experiências artificiais no laboratório, mas de pessoas em situações reais a conversar, por exemplo, com amigos, com a família ou mesmo com os médicos, enquanto os elétrodos registravam toda a atividade do seu cérebro.

E depois compararam esta atividade com o modelo Whisper da OpenAI e descobriram padrões incrivelmente parecidos entre ambos os sistemas.

Sabes o que me fascina neste tipo de investigações é que ao procurar entender melhor o cérebro humano, descobrimos que as IAs que estamos a construir, nalguns dos seus pontos, já funcionam de maneira semelhante a nós.

Hoje quero contar-te exatamente o que descobriram estes investigadores e porque acredito que poderá mudar a nossa forma de entender tanto as máquinas como a nós mesmos.

Esta revelação não só valida a abordagem dos modelos de IA como o Whisper, mas também oferece uma nova lente para observar a complexidade do processamento linguístico no nosso próprio cérebro.

Para Além dos Estudos Clássicos da Linguagem

Esta investigação representa uma mudança de paradigma na neurociência da linguagem.

Para mim, uma das coisas mais interessantes desta investigação é como rompe com a tradição dos estudos clássicos sobre o cérebro.

Durante décadas, os neurocientistas dividiram a linguagem em compartimentos. Por um lado, olhavam a fonética, por outro lado, a síntese e a semântica, como se fossem peças que são completamente independentes.

As experiências típicas consistiam em colocar alguém num scanner e pedir-lhe que levasse algumas palavras soltas ou frases preparadas, algo que em realidade não se parece em nada à forma como utilizamos a linguagem na vida real.

Em paralelo, a evolução da IA seguiu um caminho bastante parecido, primeiro desenvolvemos sistemas para processar sons, depois outros para entender palavras e finalmente alguns para compreender os significados, tudo muito separado, muito ordenado e, sendo sincera, bastante artificial.

Até que apareceram os LLMs e mudaram as regras do jogo por completo. A OpenAI, com o seu modelo Whisper, conseguiu criar um sistema unificado que converte o áudio em texto e entende tudo num só processo e aqui é onde a coisa fica realmente interessante.

Os modelos tradicionais, que normalmente se baseiam em regras gramaticais explícitas e dicionários, são terríveis para processar conversas reais, eles não são capazes de processar, por exemplo, pausas, interrupções ou erros, ou seja, coisas que realmente fazemos continuamente quando estamos a falar.

Pelo contrário, os novos modelos que se baseiam em redes neuronais, como o Whisper, são surpreendentemente bons em tudo isso e agora parece que, uma vez que descobrimos o porque, eles processam os idiomas de forma muito mais parecida a como faz o nosso cérebro.

O Whisper foi treinado com enormes quantidades de informações de áudio da internet, aprendeu a transcrever e até traduzir a fala com uma robustez impressionante, sabe lidar com o ruído de fundo, sotaques diversos e a natureza caótica da fala espontânea e isto eram os desafios onde os modelos anteriores falhavam redondamente.

A chave está na sua arquitetura unificada, que tem por base redes neuronais profundas, que processa o áudio na sua totalidade, desde as características acústicas básicas até ao significado semântico, muito à semelhança, como este estudo sugere, do que acontece no nosso cérebro.

Este estudo representa uma mudança total de foco, em vez de analisar os componentes isolados do processamento linguístico, estes neurocientistas o que fizeram foi desenvolver uma abordagem unificada que conecta todos esses níveis de linguagem, desde o som até ao significado, igual como faz o nosso cérebro e o mais valioso é que a experimentaram em conversas reais e não em fragmentos de texto artificial.

Esta abordagem integrada, tanto na IA como na análise da atividade cerebral, revelou-se fundamental para desvendar estas semelhanças.

Como Mapearam o Cérebro em Conversa?

A obtenção dos dados cerebrais com a precisão e duração necessárias para este tipo de análise não é tarefa fácil, requer uma técnica específica e circunstâncias particulares.

Vamos ver de seguida os detalhes técnicos, pois a mim parecem-me bastante curiosos, uma vez que a pergunta que se coloca de imediato é: como conseguimos gravar a atividade cerebral de alguém durante dias inteiros?

Estes investigadores utilizaram uma técnica chamada eletrocorticografia (ECoG), que consiste em colocar elétrodos diretamente sobre o córtex cerebral. Isto só pode ser feito em pacientes que já se vão submeter a cirurgia cerebral e, neste caso, pacientes com epilepsia. Uma técnica que é muito invasiva, mas que proporciona dados de uma qualidade incomparável.

Estes elétrodos registaram a atividade neuronal 24×7, enquanto os participantes tinham conversas livremente.

Estamos a falar de meio milhão de palavras em aproximadamente 100 horas de conversas, uma quantidade de informação sobre o cérebro em funcionamento que simplesmente nunca antes tínhamos tido acesso.

Uma Janela Invasiva Mas Poderosa para o Cérebro

A Eletrocorticografia (ECoG) oferece uma resolução temporal e espacial muito superior à do EEG (Eletroencefalograma) tradicional, pois captura a atividade neuronal com uma fidelidade extraordinária, diretamente da superfície do córtex. Embora seja invasiva, a oportunidade de registar dados durante dias, enquanto os pacientes interagem naturalmente, fornece um tesouro de informação sem precedentes sobre o cérebro “em estado selvagem”.

A Chave para Descodificar a Atividade Cerebral

O passo seguinte foi correlacionar esta rica atividade cerebral com o funcionamento interno da IA Whisper. Para isso, os investigadores focaram-se nos ”embeddings” do modelo.

Agora, podes estar-te a perguntar: o que fizeram com toda essa informação?

Do modelo Whisper extraíram 3 tipos de embeddings.

Um embedding, basicamente, são como as representações matemáticas da informação.

Primeiro, retiraram os embeddings acústicos, que representam os padrões dos sons básicos, depois os embeddings da fala, que captam as características da fala humana e, finalmente, os embeddings da linguagem, que representam o significado ao nível de palavra por palavra.

Podes pensar nos embeddings como a “linguagem” interna da IA. São vetores numéricos num espaço multidimensional que codificam diferentes aspetos da informação processada.

E ao extrair estes embeddings de diferentes camadas do Whisper (que representam diferentes níveis de processamento desde o som ao significado), os neurocientistas tinham uma forma de comparar, momento a momento, o que a IA estava a “pensar” com o que o cérebro estava a “fazer”.

A Precisão da Previsão da IA Whisper

A comparação entre os embeddings do Whisper e os dados da ECoG forneceu resultados que excederam as expectativas.

O surpreendente foi que estes embeddings do Whisper previram com uma precisão espetacular a atividade cerebral palavra por palavra. As correlações chegaram até o 0,5, o que para um estudo de neurociência é um número extraordinariamente alto.

Basicamente, ao observar a atividade do Whisper, podiam prever o que estava a acontecer no cérebro durante conversas completamente novas. É como se tivessem encontrado um tradutor entre a atividade cerebral e os modelos de IA.

Uma correlação de 0,5 neste contexto é notável, o que indica uma forte ligação entre os padrões de ativação neuronal e as representações internas da IA. Esta capacidade preditiva sugere que o Whisper, apesar de ser uma criação artificial, capturou alguns princípios fundamentais de como o cérebro humano processa a linguagem falada.

Whisper vs Atividade Cerebral

A análise não se ficou por uma correlação geral. Os investigadores mapearam quais os tipos de embeddings do Whisper que se correlacionavam melhor com quais áreas do cérebro, o que revelou uma organização funcional paralela.

Do Som ao Significado no Cérebro e na IA

Outra descoberta muito interessante foi que o cérebro mostra uma hierarquia muito clara.

As áreas sensoriais, como o lobo temporal superior e as áreas motoras, como o córtex pré-frontal, respondiam melhor aos embeddings do diálogo (fala), enquanto as áreas da linguagem de alto nível, como, por exemplo, o lobo frontal inferior, alinhavam-se perfeitamente com os embeddings linguísticos do Whisper. Ou seja, há uma organização hierárquica que coincide no nosso cérebro e no modelo da IA.

Esta descoberta é crucial, pois demostra que tanto o cérebro como o Whisper parecem seguir uma hierarquia de processamento:

• Nível Baixo (Acústico/Fala): Áreas cerebrais mais ligadas à perceção auditiva e ao controlo motor da fala (como o lobo temporal superior e o córtex pré-frontal) correlacionam-se com os embeddings de áudio e fala do Whisper.

• Nível Alto (Linguístico/Semântico): Áreas classicamente associadas ao processamento do significado e gramática (como o lobo frontal inferior) correlacionam-se com os embeddings da linguagem do Whisper, que capturam o significado das palavras.

Esta correspondência hierárquica fortalece a ideia de que os modelos de IA como o Whisper não estão apenas a imitar a linguagem, mas a desenvolver representações internas que espelham, de alguma forma, a organização funcional do cérebro.

Como Produzimos e Compreendemos a Fala

O estudo também lançou luz sobre a dinâmica temporal do processamento da linguagem no cérebro, tanto ao falar como ao ouvir.

Mas a coisa não termina aí. Durante a produção do diálogo, ou seja, quando estás a falar, a atividade cerebral segue um padrão que é muito claro. Primeiro ativam-se as áreas linguísticas, depois as áreas do diálogo (fala) e finalmente ocorre a articulação.

Tudo isto nós já sabíamos, mais ou menos, mas o incrível é que o cérebro já tem toda a informação sobre o que vais dizer, uns 300 milissegundos antes de que comeces a pronunciar a primeira palavra, é como se o teu cérebro já tivesse preparado todo o plano do que vai dizer antes de abrires a boca.

E durante a compreensão, o processo inverte-se, a atividade flui das áreas do diálogo (fala) para as áreas linguísticas depois de ouvir uma palavra, é como uma espécie de circuito de ida e volta que está perfeitamente organizado.

Esta observação da atividade preditiva (o cérebro a preparar a fala 300ms antes) é fascinante e alinha-se com a forma como os modelos de IA criam texto ou fala sequencialmente, ao prever o próximo elemento com base no contexto anterior.

A inversão do fluxo de informação durante a compreensão (do som/fala para o significado) também espelha a arquitetura de muitos dos modelos de processamento de linguagem natural (PLN).

E há um detalhe que é bastante curioso, depois de falar, os mesmos circuitos que processam o diálogo dos outros também processam a nossa própria voz. Literalmente, ouves-te a ti mesmo com os mesmos mecanismos com os que ouves os outros.

Este mecanismo de auto-monitorização é essencial para a fluência e correção da fala e a descoberta de que utiliza os mesmos circuitos da compreensão auditiva externa é mais uma peça no complexo puzzle da linguagem.

Uma Nova Perspetiva

Talvez uma das implicações mais profundas do estudo seja o desafio que lança às abordagens linguísticas tradicionais que se baseiam em regras e símbolos discretos.

A comparação direta entre os embeddings do Whisper e as características tradicionais linguísticas, como são os fonemas ou as partes do discurso, foi especialmente reveladora.

Os embeddings arrasaram na hora de prever a atividade cerebral durante as conversas. Ou seja, as representações vetoriais contínuas capturam muito melhor o que acontece no cérebro do que as categorias linguísticas discretas que utilizamos durante décadas.

Para que entendas com um exemplo simples, o cérebro não parece processar o idioma como: isto é uma palavra, aquilo é outra palavra e esta é a gramática que conecta uma palavra com a outra. O cérebro processa da seguinte forma: este é um ponto num espaço matemático multidimensional que tem certos valores e conecta-se com este outro ponto. E isto é exatamente igual como os modelos de IA como o GPT ou como o Whisper. A semelhança é surpreendente.

O que, por sua vez, sugere que o cérebro, tal como as redes neuronais modernas, pode operar mais com base em padrões estatísticos e representações distribuídas e contínuas (embeddings) do que com base em regras gramaticais explícitas e categorias bem definidas (como nomes, verbos, fonemas). Embora estas categorias sejam úteis para a análise linguística, podem não refletir a forma como o cérebro realmente computa a linguagem em tempo real.

A IA, ao aprender a partir de enormes quantidades de dados, parece ter tropeçado numa forma de representação mais “natural” ou biologicamente plausível.

O Que Ainda Não Sabemos

Apesar dos resultados empolgantes, é crucial manter a perspetiva científica e reconhecer as limitações do estudo.

Como qualquer estudo científico, este também tem as suas limitações.

A mais óbvia é o tamanho da amostra, só 4 pacientes com epilepsia. Embora a quantidade de dados recolhidos seja enorme, porque são 100 horas por paciente, continua sendo uma amostra pequena e demasiado específica. Não podemos estar 100% seguros de que estes resultados se podem generalizar a toda a população.

Outra limitação importante é que a ECoG, apesar da sua incrível resolução, só pode registar a atividade superficial do córtex cerebral. Há muitas regiões, muito mais profundas, que participam no processamento do idioma e que não podem ser capturadas com esta técnica. O cérebro é infinitamente mais complexo do que qualquer modelo de IA atual e seria muito ingénua a pensar que deciframos completamente o seu funcionamento.

Por último, os modelos como o Whisper têm milhares de milhões de parâmetros, o que dificulta muito entender exatamente o que estão a aprender, podem estar a capturar princípios fundamentais do processamento linguístico ou podem estar a aprender atalhos estatísticos que, por acaso, se alinham com alguns aspectos do nosso processamento cerebral.

Pelo que, faltam muitos mais estudos para determinar que aspectos do processamento linguístico estão a capturar exatamente esses modelos, mas, em qualquer caso, há uma correlação que é espetacular.

Em suma, estas limitações são importantes:

• Amostra Pequena e Específica: Os resultados podem não ser universais.

• Cobertura Cerebral Limitada: A ECoG não vê o cérebro todo.

• Complexidade da IA: A natureza “caixa preta” dos modelos como o Whisper dificulta a interpretação exata do que aprenderam.

No entanto, a força das correlações encontradas justifica o entusiasmo e abre o caminho para investigações futuras que abordem estas limitações.

Aplicações Potenciais desta Descoberta

As implicações desta convergência entre neurociência e IA são vastas e potencialmente transformadoras.

Se nos focarmos nas possíveis aplicações no futuro, este estudo abre muitas possibilidades realmente interessantes.

A mais imediata será o desenvolvimento de interfaces cérebro-máquina muito mais efetivas para pessoas com transtornos da fala. Se podermos prever como o cérebro codifica a linguagem, poderemos ler os pensamentos das pessoas que não podem falar devido a lesões ou doenças e traduzi-los em texto ou em fala. Já há empresas como Synchron ou Neuralink que estão a trabalhar nisto, mas este estudo poderá acelerar muito este desenvolvimento.

Também poderá revolucionar a nossa compreensão dos transtornos do idioma, como, por exemplo, a dislexia. Se soubermos exatamente como o cérebro processa o idioma em pessoas saudáveis, poderemos identificar onde estão as falhas nas pessoas com esses transtornos e desenvolver terapias que sejam muito mais efetivas. Inclusive poderão ser criados modelos de IA personalizados que nos ajudem a compensar défices específicos para cada um dos pacientes.

Estas aplicações incluem:

• Interfaces Cérebro-Máquina Avançadas: Traduzir atividade cerebral diretamente em fala ou texto para pessoas com paralisia ou distúrbios da comunicação (Locked-in Syndrome, por exemplo). A capacidade de utilizar modelos como o Whisper para interpretar sinais neuronais pode ser um salto qualitativo.

• Diagnóstico e Terapia de Distúrbios da Linguagem: Identificar com mais precisão as bases neuronais de condições como a afasia (perda de linguagem após AVC) ou dislexia, pode permitir terapias mais direcionadas e personalizadas, talvez até com a ajuda da IA.

Além das aplicações médicas, esta investigação também impulsionará a própria IA.

E, claro, isso vai inspirar uma nova geração de modelos de IA.

Os autores do estudo mencionam desenvolvimentos como modelos de áudio-áudio que processam a língua em articulação sem necessidade de texto escrito ou modelos como o GPT-4o (modelo multimodal), que adicionam uma modalidade visual de processamento a língua e texto.

A tendência aponta para modelos que integrem muito melhor a língua e os sistemas motores, o que nos aproxima cada vez mais de como realmente funciona um cérebro.

A inspiração biológica pode levar a IAs mais eficientes, robustas e capazes de uma compreensão e interação mais naturais e multimodais, o que se aproxima da flexibilidade da cognição humana.

A Fascinante Dança entre Cérebro e IA

Esta investigação deixa-nos com uma sensação de maravilhamento perante a complexidade do cérebro e a capacidade crescente da IA.

A Eficiência Incrível do Cérebro Humano

O que pessoalmente me fascina deste estudo é como demonstra a incrível eficiência do cérebro humano. Pensa que a palavra mais curta que registraram foi “I” (presumivelmente “Eu” ou similar em contexto), com apenas 12 milissegundos de duração, enquanto que a mais larga foi “histericamente”, com 2000 milissegundos.

E o cérebro tem que processar tudo isso em tempo real, enquanto mantém uma conversa que seja mais ou menos fluida, fazer a gestão não apenas do idioma, mas também das emoções, memória e atenção, é como uma orquestra de 1000 instrumentos perfeitamente sincronizados.

A capacidade do cérebro de gerir esta complexidade em tempo real continua a ser um feito muito para além das capacidades atuais da IA, mesmo de modelos poderosos como o Whisper.

Representações Contínuas vs Símbolos Discretos

Além disso, este estudo questiona a ideia tradicional do cérebro como um sistema que processa símbolos discretos. Durante décadas, os linguistas e os neurocientistas têm debatido se o cérebro processa a linguagem através de regras formais, como, por exemplo, as gramaticais ou através de padrões estatísticos como os modelos de IA.

Este estudo sugere que a resposta poderá estar mais perto do segundo foco, o cérebro parece utilizar representações contínuas e fluídas e não categorias discretas e regras rígidas.

Esta é uma mudança potencialmente fundamental na nossa compreensão da cognição linguística, o que aproxima a neurociência das arquiteturas que emergiram no campo da IA.

Imitar para Compreender

No final, acho que começamos a tentar fazer as máquinas falarem como humanos, construímos sistemas cada vez mais complexos e agora descobrimos que esses sistemas se parecem mais ao cérebro humano do que pensávamos ao início. É como se ao tentar imitar o resultado, tivéssemos acabado a reinventar o processo sem nos darmos conta e isso, paradoxalmente, ajuda a entendermo-nos melhor a nós mesmos.

Esta interação entre a tentativa de replicar a inteligência humana em máquinas (IA) e o estudo direto do cérebro (neurociência) está a criar um ciclo de feedback poderoso, onde cada campo informa e acelera o outro.

Um Eco Inesperado no Processamento da Linguagem

A descoberta de que o cérebro humano e modelos de IA como o Whisper partilham princípios de processamento de linguagem é mais do que uma curiosidade técnica, é uma janela para a natureza da inteligência e da comunicação, que nos mostra que, na nossa procura por criar máquinas inteligentes, podemos ter tropeçado em soluções elegantemente semelhantes às que a evolução forjou ao longo de milénios no nosso próprio cérebro.

Esta convergência não diminui a complexidade e o mistério do cérebro humano, mas enriquece a nossa compreensão, ao mesmo tempo que valida e inspira novas direções para a IA.

Estamos, talvez, a começar a decifrar a linguagem comum entre a mente biológica e a IA.

E a mim parece-me uma das investigações mais interessantes e fascinantes dos últimos anos, que abre muitas portas para o futuro.

Pelo que, se gostaste desta análise sobre a interseção entre a IA e a neurociência, subscreve a IA&A e conta-me nos comentários abaixo se achas inquietante ou fascinante que os nossos cérebros e as IAs processem a linguagem de uma forma semelhante.