A tecnologia parece desafiar os limites do humano, tentando imitar aquilo que, até agora, era apenas da nossa alçada. A Inteligência Artificial (IA), historicamente projetada para superar capacidades humanas, encontra agora um caminho inverso: olhar para a biologia, para a complexidade do cérebro, e aprender com ela. É neste ponto de intersecção entre ciência e […]
A tecnologia parece desafiar os limites do humano, tentando imitar aquilo que, até agora, era apenas da nossa alçada. A Inteligência Artificial (IA), historicamente projetada para superar capacidades humanas, encontra agora um caminho inverso: olhar para a biologia, para a complexidade do cérebro, e aprender com ela. É neste ponto de intersecção entre ciência e tecnologia que emergem as EVNets — Early Vision Networks, um modelo de IA inspirado nos mecanismos visuais dos primatas, capaz de lidar com distorções e alterações visuais com uma robustez até agora rara em algoritmos de reconhecimento de imagens.
O desafio é familiar: para os humanos, reconhecer um rosto, interpretar uma paisagem ou conduzir até casa é quase instintivo. Para a IA, uma variação mínima de brilho, contraste ou uma distorção subtil pode derrubar horas de processamento e produzir erros fatais. É esta lacuna, entre percepção biológica e capacidade computacional, que investigadores portugueses procuraram reduzir.
Inspirar-se na biologia para avançar na IA
Investigadores do INESC-ID, do Instituto Superior Técnico (IST) e da Fundação Champalimaud, em Lisboa, decidiram não lutar contra a natureza, mas aprender com ela. Lucas Piper, Arlindo L. Oliveira e Tiago Marques desenvolveram as EVNets como uma arquitetura que emula o processamento visual inicial do cérebro dos primatas.
«O reconhecimento de objetos por IA evoluiu muito na última década, impulsionado por pioneiros como Geoffrey Hinton, vencedor do Prémio Nobel da Física de 2024. Mas, apesar do progresso, continuamos a ser muito mais robustos do que os algoritmos», explica Tiago Marques. «Por isso, optámos por construir modelos inspirados pela biologia, combinando conhecimento neurocientífico com redes neuronais convolucionais (CNNs), a espinha dorsal da visão por computador.»
O trabalho parte de experiências anteriores de Tiago no MIT, onde introduziu o VOneBlock, módulo que emula o córtex visual primário (V1) dos primatas. Combinado com um novo Subcortical-Block — inspirado na retina e no núcleo geniculado lateral — as EVNets permitem que o algoritmo lide com distorções visuais de forma semelhante à humana, aumentando substancialmente a robustez e a fiabilidade do sistema.
Mais próximo da nossa forma de ver
O que torna as EVNets particularmente notáveis é que não só melhoram o desempenho técnico em tarefas de visão por computador, como também se aproximam da visão humana em termos de comportamento. Para quantificar esta proximidade, a equipa recorreu ao Brain-Score, ferramenta de benchmarking que avalia o alinhamento de um modelo computacional com o processamento visual dos primatas. Os resultados foram claros: a IA tornou-se mais biológica e, por consequência, mais interpretável.
«A interpretabilidade é crucial», acrescenta Lucas Piper. «À medida que os modelos se tornam mais complexos, queremos conseguir compreender e explicar o seu funcionamento. Quando a IA se aproxima do cérebro humano, começamos já com uma base que permite transparência e interpretação — e isso é essencial para qualquer aplicação crítica.»
IA que devolve respostas sobre nós próprios
O ciclo virtuoso entre neurociência e Inteligência Artificial abre portas que vão muito além da ciência computacional. Modelos como as EVNets permitem não só compreender melhor o cérebro que os inspirou, mas também aplicar esta robustez em contextos médicos.
Na Fundação Champalimaud, Tiago Marques coordena o Digital Surgery Lab, em colaboração com João Santinha e Pedro Gouveia, para estudar se as EVNets podem analisar exames médicos provenientes de equipamentos distintos. Um desafio que tem limitado algoritmos tradicionais. Se a precisão observada em tarefas de visão por computador se traduzir para a imagiologia médica, a IA poderá melhorar diagnósticos e cuidados a doentes de forma significativa.
O percurso das EVNets é um exemplo de como a ciência portuguesa se posiciona na fronteira da investigação mundial: inovadora, rigorosa e capaz de traduzir a complexidade biológica em soluções práticas, abrindo um caminho onde máquinas aprendem não apenas a ver, mas a compreender como nós vemos.
