Reutilização de esquemas específicos de domínio apoia aprendizado flexível de como aprender no cérebro de primatas

Por que experiências passadas facilitam novo aprendizado

Por que aprender uma nova habilidade dentro de uma família de habilidades familiar costuma parecer mais fácil — como pegar badminton depois de anos de tênis, ou se adaptar a um novo smartphone após ter usado vários? Este artigo explora como o cérebro de primatas realiza esse truque. Estudando macacos que aprendem uma série de tarefas visuais para movimento, os autores revelam como o cérebro armazena "modelos" reutilizáveis para decisões ao mesmo tempo em que se mantém suficientemente flexível para lidar com novas situações, oferecendo pistas tanto para a neurociência quanto para a inteligência artificial.

Padrões no cérebro que capturam regras gerais

Os pesquisadores se concentram em um conceito que os psicólogos chamam de esquema — uma estrutura mental que captura a estrutura comum entre experiências relacionadas. No nível neural, eles se referem à versão cerebral disso como correlatos neurais de esquema (NCS): padrões de atividade estáveis que reaparecem quando regras semelhantes são aplicadas em contextos diferentes. A grande questão é como o cérebro pode preservar esses padrões estáveis, que aceleram aprendizados futuros, sem se tornar rígido e incapaz de se adaptar quando as circunstâncias mudam. Essa troca é conhecida como o dilema estabilidade–plasticidade e também é um grande desafio no projeto de redes neurais artificiais que precisam aprender continuamente sem "esquecer" o que já sabem.

Ensinando novas regras aos macacos e revisitanto as antigas

Para investigar isso, três macacos macaque foram treinados em tarefas de mapeamento visomotor. Em cada tentativa, uma imagem aparecia em uma tela sensível ao toque e, após um breve atraso, o macaco tinha de pressionar um de dois botões, por exemplo, superior ou inferior, para receber uma recompensa. Em cada sessão de treinamento, os animais primeiro aprendiam um novo mapeamento entre imagens e ações (tarefa A), depois um ou dois outros novos mapeamentos (tarefas B e, às vezes, C), então revisitavam o mapeamento original (Revisit-A) e, em alguns casos, por fim aprendiam a inversão da regra original (Reverse-A), na qual as mesmas figuras exigiam agora o botão oposto. Enquanto os macacos trabalhavam, os pesquisadores registraram a atividade de centenas de neurônios no córtex premotor dorsolateral, uma região envolvida no planejamento de movimentos e decisões.

Quando tarefas similares ficam mais fáceis — mas regras opostas ficam mais difíceis

Comportamentalmente, os macacos exibiram um efeito clássico de "aprender a aprender". Tarefas novas mas semelhantes (B e C) foram aprendidas mais rápido do que a primeira tarefa A, e quando retornaram ao mapeamento original (Revisit-A) o reaprenderam ainda mais rapidamente. Em forte contraste, o mapeamento invertido (Reverse-A), que contradizia diretamente o que haviam aprendido antes, levou mais tempo para ser dominado. Esse padrão sugere que o conhecimento prévio ajuda quando novas tarefas compartilham a mesma regra subjacente, mas pode na verdade retardar quando a nova regra conflita com a antiga. As gravações neuronais ofereceram uma janela para o motivo: revelaram quais aspectos das tarefas eram codificados em padrões estáveis e reutilizáveis e quais podiam mudar.

Separando escolhas estáveis de imagens mutáveis

Usando métodos avançados de análise, os autores decomporam a atividade populacional no córtex premotor em dois principais "subespaços" — coleções de padrões de atividade neural que carregavam tipos diferentes de informação. Um subespaço capturava as decisões dos macacos (por exemplo, escolher o botão superior versus inferior). O outro subespaço capturava detalhes das imagens visuais. No subespaço relacionado à decisão, as mesmas escolhas formavam trajetórias estáveis e de baixa dimensionalidade que foram reutilizadas nas tarefas A, B, C e Revisit-A, mesmo quando as imagens mudavam. Quanto mais similares as trajetórias entre uma nova tarefa e a tarefa original, menos tentativas o macaco precisava para aprendê‑la. Em contraste, na tarefa reversa, esses padrões de decisão não foram reutilizados: as trajetórias neurais deslocaram‑se e o aprendizado foi mais lento. Entretanto, o subespaço visual mudou mais livremente de tarefa para tarefa e não mostrou o mesmo reaproveitamento estável.

Mantendo fluxos de informação quase em ângulos retos

Uma descoberta marcante foi a relação geométrica entre esses dois subespaços. Matematicamente, eles eram quase ortogonais — dispostos no espaço de atividade neural em ângulos próximos de 90 graus. Esse arranjo próximo ao ângulo reto significa que mudanças na forma como a informação visual é representada têm impacto mínimo nos padrões de decisão, e vice‑versa. Em outras palavras, o cérebro parece abrigar esquemas de decisão estáveis e reutilizáveis em um domínio, enquanto permite que outro domínio permaneça flexível para novos detalhes sensoriais, com os dois mantidos separados o suficiente para evitar interferência. Essa arquitetura pode ser um princípio geral observado em várias regiões cerebrais que lidam com comportamento complexo.

O que isso significa para cérebros e máquinas

Para um leitor geral, a conclusão é que o cérebro parece resolver o dilema estabilidade–plasticidade organizando cuidadosamente sua atividade interna. Ele armazena a "essência" de uma regra — agir de uma forma ou de outra — em um subespaço protegido e estável, enquanto deixa espaço em outros subespaços para acomodar novas aparências e situações. Tarefas semelhantes podem então ser aprendidas rapidamente reutilizando o modelo de decisão existente, ao passo que regras diretamente opostas exigem que o cérebro construa um novo padrão do zero. Além de explicar como os animais aprendem eficientemente a partir da experiência, este trabalho sugere estratégias para construir sistemas de inteligência artificial que possam, como os cérebros, tanto lembrar o que importa quanto se adaptar com flexibilidade ao que vier a seguir.

Citação: Tian, K., Zhao, Z., Chen, Y. et al. Domain-specific schema reuse supports flexible learning to learn in the primate brain. Nat Commun 17, 2150 (2026). https://doi.org/10.1038/s41467-026-68692-x

Palavras-chave: aprendizado de esquema, representações neurais, flexibilidade cognitiva, aprendizado visomotor, estabilidade plasticidade