A Internet e o seu cérebro são mais parecidos do que você pensa

A Internet e o seu cérebro são mais parecidos do que você pensa

Cientista de Salk encontra regra semelhante que rege o fluxo de tráfego em sistemas biológicos e de engenharia

LA JOLLA—Embora passemos muito do nosso tempo online hoje em dia – transmitindo música e vídeo, verificando e-mail e mídia social ou lendo obsessivamente as notícias – poucos de nós sabemos sobre os algoritmos matemáticos que gerenciam como nosso conteúdo é entregue. Mas decidir como encaminhar informações de forma justa e eficiente por meio de um sistema distribuído sem autoridade central era uma prioridade para os fundadores da Internet. Agora, uma descoberta do Instituto Salk mostra que um algoritmo usado para a Internet também está funcionando no cérebro humano, uma visão que melhora nossa compreensão de redes neurais e de engenharia e, potencialmente, até mesmo de deficiências de aprendizado.

“Os fundadores da Internet passaram muito tempo pensando em como fazer com que as informações fluíssem com eficiência”, diz o professor assistente Salk Saket Navlakha, coautor do novo estudo que aparece online em Computação Neural em 9 de fevereiro de 2017. “Descobrir que um sistema de engenharia e um biológico evoluído surgem em uma solução semelhante para um problema é realmente interessante.”

No sistema projetado, a solução envolve o controle do fluxo de informações de forma que as rotas não sejam obstruídas nem subutilizadas, verificando o quão congestionada a Internet está. Para conseguir isso, a Internet emprega um algoritmo chamado “aumento aditivo, diminuição multiplicativa” (AIMD), no qual seu computador envia um pacote de dados e, em seguida, aguarda uma confirmação do receptor: Se o pacote for prontamente confirmado, a rede não está sobrecarregado e seus dados podem ser transmitidos através da rede a uma taxa mais alta. Com cada pacote sucessivo de sucesso, seu computador sabe que é seguro aumentar sua velocidade em uma unidade, que é a parte do aumento aditivo. Mas se uma confirmação for atrasada ou perdida, seu computador saberá que há congestionamento e diminuirá muito, como pela metade, que é a parte de diminuição multiplicativa. Dessa forma, o usuário encontra gradativamente seu “ponto ideal” e os congestionamentos são evitados porque o usuário tira o pé do acelerador, por assim dizer, assim que percebe uma lentidão. À medida que os computadores em toda a rede utilizam essa estratégia, todo o sistema pode se ajustar continuamente às condições variáveis, maximizando a eficiência geral.

Navlakha, que desenvolve algoritmos para entender redes biológicas complexas, se perguntou se o cérebro, com seus bilhões de neurônios distribuídos, estava gerenciando informações de maneira semelhante. Então, ele e o coautor Jonathan Suen, um pós-doutorando da Duke University, começaram a modelar matematicamente a atividade neural.

Como o AIMD é um dos vários algoritmos de controle de fluxo, a dupla decidiu modelar outros seis também. Além disso, eles analisaram qual modelo correspondia melhor aos dados fisiológicos da atividade neural de 20 estudos experimentais. Em seus modelos, o AIMD revelou-se o mais eficiente em manter o fluxo de informações fluindo suavemente, ajustando as taxas de tráfego sempre que os caminhos ficavam muito congestionados. Mais interessante, AIMD também acabou por explicar melhor o que estava acontecendo com os neurônios experimentalmente.

Acontece que o equivalente neuronal do aumento aditivo é chamado de potencialização de longo prazo. Ocorre quando um neurônio dispara próximo ao outro, o que fortalece sua conexão sináptica e torna um pouco mais provável que o primeiro acione o segundo no futuro. O equivalente neuronal da diminuição multiplicativa ocorre quando o disparo de dois neurônios é revertido (segundo antes do primeiro), o que enfraquece sua conexão, tornando o primeiro muito menos propenso a acionar o segundo no futuro. Isso é chamado de depressão de longo prazo. À medida que as sinapses em toda a rede enfraquecem ou se fortalecem de acordo com essa regra, todo o sistema se adapta e aprende.

“Embora o cérebro e a Internet claramente operem usando mecanismos muito diferentes, ambos usam regras locais simples que dão origem à estabilidade global”, diz Suen. “Fiquei inicialmente surpreso que as redes neurais biológicas utilizassem os mesmos algoritmos de suas contrapartes projetadas, mas, como aprendemos, os requisitos de eficiência, robustez e simplicidade são comuns aos organismos vivos e às redes que construímos”.

Compreender como o sistema funciona em condições normais pode ajudar os neurocientistas a entender melhor o que acontece quando esses resultados são interrompidos, por exemplo, nas dificuldades de aprendizagem. “Variações do algoritmo AIMD são usadas basicamente em todas as redes de comunicação distribuída em grande escala”, diz Navlakha. “Descobrir que o cérebro usa um algoritmo semelhante pode não ser apenas uma coincidência.”

A obra foi financiada pela Departamento de Defesa, Escritório de Pesquisa do Exército.