Animais raciocinam usando probabilidades

Estudo americano revela que roedores aplicam estatísticas bayesianas, quantificando o processo de iniciar com um pressuposto incerto e atualizando-o com novas informações

Labirinto em laboratório do MIT. Um roedor deve inferir que esse é um contexto diferente em relação, por exemplo, a um labirinto que utilizou diferentes sinais de forma ou um que tivesse um braço adicional. Um novo estudo sugere que esses animais pesam as probabilidades de fazer tais inferências. Crédito: Peter Goldberg

Entre as muitas coisas que os roedores ensinaram aos neurocientistas está o fato de que, em uma região chamada hipocampo, o cérebro cria um novo mapa para cada contexto espacial único – por exemplo, uma sala ou labirinto diferente. Mas os cientistas até agora buscavam aprender como os animais decidem quando um contexto é novo o suficiente para merecer a criação, ou pelo menos a revisão, desses mapas mentais. Em um estudo na revista “eLife”, pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) e da Universidade Harvard, nos EUA, propõem um novo entendimento: o processo de “remapeamento” pode ser modelado matematicamente como uma façanha do raciocínio probabilístico dos roedores.

A abordagem oferece aos cientistas uma nova maneira de interpretar muitos experimentos que dependem da medição do remapeamento para investigar a aprendizagem e a memória. O remapeamento é parte integrante dessa busca, porque os animais (e as pessoas) associam o aprendizado ao contexto, e os mapas do hipocampo indicam em que contexto o animal acredita estar.

“As pessoas perguntavam anteriormente ‘que mudanças no ambiente fazem com que o hipocampo crie um novo mapa?’, mas não havia respostas claras”, disse o principal autor do estudo, Honi Sanders. “Depende de todos os tipos de fatores, o que significa que a forma como os animais definem o contexto ficou envolta em mistério.”

LEIA TAMBÉM: Abelhas conseguem associar números e símbolos

Previsão matemática

Sanders é aluno de pós-doutorado no laboratório do coautor Matthew Wilson, professor do Instituto Picower de Aprendizagem e Memória e dos departamentos de Biologia e Ciências Cognitivas e do Cérebro do MIT. Ele também é membro do Centro de Cérebros, Mentes e Máquinas. A dupla colaborou com Samuel Gershman, professor de psicologia em Harvard, no estudo.

Fundamentalmente, um problema com o remapeamento que frequentemente levou os laboratórios a relatar resultados conflitantes, confusos ou surpreendentes é que os cientistas não podem simplesmente garantir a seus camundongos que eles passaram do Contexto A experimental para o Contexto B, ou que ainda estão no Contexto A, mesmo se alguma condição ambiental, como temperatura ou odor, foi alterada inadvertidamente. Cabe ao roedor explorar e inferir que condições como a forma do labirinto, ou cheiro, ou iluminação, ou a posição de obstáculos e recompensas, ou a tarefa que eles devem executar, mudaram ou não o suficiente para provocar uma remapeamento parcial.

Sanders, Wilson e Gershman argumentam que, em vez de tentarem entender as medidas de remapeamento com base no que o projeto experimental deve induzir, os cientistas devem prever o remapeamento matematicamente, contabilizando o raciocínio do roedor usando estatísticas bayesianas, que quantificam o processo de começar com um pressuposto incerto e depois o atualizam à medida que novas informações surgem.

“Você nunca experimenta exatamente a mesma situação duas vezes. A segunda vez é sempre um pouco diferente”, disse Sanders. “Você precisa responder à pergunta: ‘Essa diferença é apenas o resultado da variação normal nesse contexto ou é realmente um contexto diferente?’ Na primeira vez em que você experimenta a diferença, não pode ter certeza, mas depois de experimentar o contexto várias vezes e ter uma noção de qual variação é normal e qual não é, você pode perceber imediatamente quando algo está fora de linha.”

Estado oculto

O trio chama sua abordagem de “inferência do estado oculto” porque, para o animal, a possível mudança de contexto é um estado oculto que deve ser inferido.

No estudo, os autores descrevem vários casos em que a inferência de estado oculto pode ajudar a explicar o remapeamento, ou a falta dele, observado em estudos anteriores.

Por exemplo, em muitos estudos, tem sido difícil prever como a alteração de algumas dicas pelas quais um roedor navega em um labirinto (por exemplo, uma luz ou uma campainha) influenciará se ele faz um mapa completamente novo ou remapeia parcialmente o atual e em qual medida. Em geral, os dados mostraram que não há uma relação óbvia “individual” entre mudança de sugestão e remapeamento. Mas o novo modelo prevê como, à medida que mais pistas mudam, um roedor pode passar de uma incerteza sobre se um ambiente é novo (e, portanto, parcialmente remapeá-lo) para ter certeza suficiente disso a fim de remapeá-lo completamente.

Em outro caso, o modelo oferece uma nova previsão para resolver uma ambiguidade de remapeamento que surgiu quando os cientistas “incrementaram” a forma dos recintos de roedores. Vários laboratórios, por exemplo, encontraram resultados diferentes quando familiarizaram os camundongos com ambientes quadrados e redondos e depois tentaram medir como e se eles faziam remapeamentos quando colocados em formas intermediárias, como um octógono. Alguns laboratórios viram remapeamentos completos, enquanto outros observaram apenas remapeamentos parciais. O novo modelo prevê como isso pode ser verdade: os roedores expostos ao ambiente intermediário após um treinamento mais longo seriam mais propensos a remapear completamente do que aqueles expostos à forma intermediária no início do treinamento, porque, com mais experiência, eles teriam mais certeza de seus ambientes originais e, portanto, mais certeza de que o intermediário foi uma mudança real.

Nova forma de pensar

A matemática do modelo inclui até uma variável que pode explicar diferenças entre animais individuais. Sanders está analisando se repensar resultados antigos dessa maneira pode permitir que os pesquisadores entendam por que roedores diferentes respondem de forma tão variada a experimentos semelhantes.

Por fim, disse Sanders, ele espera que o estudo ajude os colegas pesquisadores de remapeamento a adotar uma nova forma de pensar em resultados surpreendentes – considerando o desafio que seus experimentos representam para seus sujeitos.

“Os animais não têm acesso direto às identidades de contexto, mas precisam inferi-las”, disse ele. “As abordagens probabilísticas capturam a maneira como a incerteza desempenha um papel quando ocorre a inferência. Se caracterizarmos corretamente o problema que o animal está enfrentando, podemos entender resultados diferentes em situações diferentes, porque as diferenças devem resultar de uma causa comum: a maneira como oculta inferência de estado funciona.”

Veja também

+ Invasão de vespas assassinas aumenta tensão com 2020 nos EUA
+ Anticoagulante reduz em 70% infecção de células pelo coronavírus
+ Assintomáticos: 5 dúvidas sobre quem pega o vírus e não tem sintomas
+ 12 dicas de como fazer jejum intermitente com segurança