Esqueça Pavlov: Aprendemos mais com eventos raros do que com repetição

As novas conclusões podem mudar a maneira como tratamos os vícios, a educação e até como treinamos a inteligência artificial.[Imagem: UCSF]

Pavlov estava errado?

Um dos experimentos científicos mais conhecidos na história pode ter sido simplesmente interpretado incorretamente.

No início do século XX, o fisiologista russo Ivan Pavlov (1849-1936) fez um experimento no qual ele tocava um sino sempre que dava comida aos cães. Isso criou um condicionamento em que os animais apresentavam salivação sempre que o sino tocava, mesmo quando a comida não era oferecida ao mesmo tempo.

A conclusão chave desse processo de condicionamento é que a aprendizagem ocorre por repetição - o cão aprende a salivar com o sino, mas se o sino for tocado muitas vezes sem que a comida apareça, ele vai parar de salivar ao ouvir o som.

Mas Dennis Burke e colegas da Universidade da Califórnia de São Francisco (EUA) descobriram agora que esse chamado condicionamento pavloviano não depende tanto da frequência com que o estímulo é apresentado - ele depende principalmente do tempo que se passa entre as recompensas, ou seja, entre a apresentação da comida.

Quando as experiências acontecem mais próximas umas das outras, o cérebro aprende menos com cada uma delas, o que pode explicar muitas coisas. "O que isso nos mostra é que a aprendizagem associativa é menos 'a prática leva à perfeição' e mais 'o momento certo é tudo'," resumiu Burke.

• Qual é a melhor técnica para estudar e aprender?

Acredite: Ficar sem dormir para estudar não dá bons resultados.
[Imagem: Wikimedia/Love Krittaya]

Aprendizagem associativa

Tradicionalmente, os cientistas consideram a aprendizagem associativa como um processo de tentativa e erro. Uma vez que o cérebro detecta que certos estímulos podem levar a recompensas, ele começa a prevê-las. A conclusão básica é que o cérebro só libera dopamina quando há uma recompensa.

Mas, se a recompensa chega com frequência suficiente, o cérebro começa a antecipá-la com uma liberação de dopamina assim que recebe o sinal. A descarga de dopamina refina a previsão do cérebro, segundo a teoria aceita majoritariamente hoje, fortalecendo a ligação com o sinal se a recompensa chegar - ou enfraquecendo-a se a recompensa não aparecer.

Em vez de cães, a equipe usou camundongos, treinando-os para associar um breve som à obtenção de água adoçada com açúcar, variando o intervalo entre as tentativas. Para alguns animais, as tentativas foram espaçadas de 30 a 60 segundos, e para outros, de cinco a 10 minutos, ou mais. Ou seja, os camundongos cujas tentativas foram realizadas com intervalos menores receberam muito mais recompensas do que aqueles cujas tentativas foram realizadas com intervalos maiores, no mesmo período de tempo.

Se a aprendizagem associativa dependesse apenas da repetição, os animais com mais tentativas deveriam ter aprendido mais rápido. Em vez disso, os camundongos que receberam poucas recompensas aprenderam na mesma intensidade que aqueles que receberam 20 vezes mais tentativas no mesmo período de tempo.

A conclusão então é que não é tanto a repetição que leva ao reforço do aprendizado, mas a temporização adequada dos estímulos.

• Aprendizado subliminar é demonstrado cientificamente

Como aprender mais rápido

Além de forçar alterações nos livros-texto, esta descoberta pode mudar a forma como encaramos a aprendizagem e o vício.

Por exemplo, a temporização correta, em vez da repetição, pode explicar porque alunos que estudam intensivamente nas vésperas das provas não se saem tão bem quanto aqueles que estudam ao longo do semestre.

Já fumar é um hábito intermitente e pode envolver estímulos - como a visão ou o cheiro de cigarros - que aumentam a vontade de fumar. Como um adesivo de nicotina libera nicotina constantemente, ele pode interromper a associação do cérebro entre a nicotina e a recompensa de dopamina resultante, diminuindo a vontade de fumar e facilitando o abandono do vício.

Agora a equipe planeja investigar como sua nova teoria poderia acelerar a inteligência artificial. Os sistemas de IA atuais aprendem muito lentamente porque são baseados no modelo predominante de aprendizado associativo, fazendo pequenos ajustes após cada interação entre bilhões de pontos de dados. Modelos baseados na nova teoria poderão ser muito mais rápidos e eficientes.

URL:  

A informação disponível neste site é estritamente jornalística, não substituindo o parecer médico profissional. Sempre consulte o seu médico sobre qualquer assunto relativo à sua saúde e aos seus tratamentos e medicamentos.
Copyright 2006-2023 www.diariodasaude.com.br. Cópia para uso pessoal. Reprodução proibida.