Psicologia e Neurociência em Edward Thorndike

O foco neste artigo será em Thorndike e a sua visão inteligência animal, além de outra obra dele associada a psicologia do aprendizado, embora sejam tratados antigos, o foco será também analisar as relações recentes com suas obras e em vários aspectos o que ele ensina aqui não é apenas de valor histórico como outras, mas também de valor para entendermos pontos práticos sobre experimentos na psicologia, sobre a limitação deles e como em diversos pontos não devemos criar teorias com base neles sem realmente interpretar os dados que obtivemos corretamente.

Outro o ponto é o fato que teorias que não passaram pelo teste do tempo, tendem a ser por design equivocadas. E esse pode ser o maior erro de uma teoria, quando não conseguimos nem provar ou desaprovar elas com certo rigor. Como vemos isso em Freud, Piaget, Skinner, John B. Watson e outros, que tem seu valor histórico, mas em vários pontos não conseguiram passar pelo teste do tempo até os dias de hoje, e assim como a teoria do Aether foi destruída por Einstein (Einstein, Albert. "On the electrodynamics of moving bodies." The collected papers of Albert (1989)) em 1905 nos seus annus mirabilis.

Então devemos olhar para teorias sempre as questionando e vendo a validade delas de fato de um ponto de vista lógico, talvez nós mesmos possamos estar errados na realidade, mas uma coisa eu sei com a experiência, é que as pessoas tendem a acreditar nas teorias anteriores como filhos, não exatamente filhos gerados por elas, mas talvez adotados, e não podemos ser assim, devemos entender que a razão de muito da psicologia do século 20 tem diversos problemas, é porque eles não tinham muito acesso laboratorial a neurociência como temos hoje, não existiam PET Scans, MEG, FMRi e coisas do tipo, ainda sim existem muitos pontos relevantes e que de fato são verdade e outros de fato não são.

Bem, na página dois do livro, Thorndike diz:

“Eles, e não o instinto, que fazem o animal usar da melhor forma sua área onde ele se alimenta, dormir no mesmo lar, evitar novos perigos e ganhar pelas novas mudanças na natureza. O desenvolvimento elevado em mamíferos é o fator principal na supremacia deste grupo. Isto no entanto ,é uma pequena consideração.O principal foco do estudo da mente animal é aprender o desenvolvimento da vida mental através do phylum, para traçar a origem particular da faculdade humana” (L. Thorndike, Animal Intelligence: An Experimental Study of the Associative Processes in Animals, Series of Monograph Supplements, Vol. II, No.4 (Whole No.8). The Macmillan Company, pg. 2, June,1898).

Esse tal de phylum ou filo tem haver com o termo filogenética e é um dos mais importantes nesse contexto na minha opinião, pois temos algo que é associado a inteligência quando falamos de animais, que é indicado pelo termo “phylogenetic complexity” ou complexidade filogenética. O que é isso? Porque é tão importante? Basicamente esse termo vem desde Darwin, assim, com ele veio a implicação desse termo na minha opinião, para mim, a “Origem das Espécies” que é um livro magnífico por sinal, eu gosto especialmente das partes que Darwin fala sobre botânica, competitividade entre organismos em um ecossistema ecológico, como pequenas mudanças no ecossistema, podem afetar os animais, insetos e plantas como um todo. Mas o ponto de toda a teoria dele, na minha visão, é a questão da filogenia, a árvore biológica de seres vivos e a representação da semelhança entre eles. É estranho que a maioria dos genes ativos durante a formação de uma mosca da fruta são similares aos do ser humano, quando eu aprendi isso num artigo, eu achei que era mentira e acabei confirmando através de outros que não era, isso é realmente esquisito, ver algo assim é tão bizarro mesmo que verdade, que é dificil de acreditar.

Mas muito na biologia é assim, do tipo: porque a forma que embriões em répteis, aves e mamíferos se desenvolvem é tão similar inicialmente, ao ponto que vemos relações homólogas entre esses seres, isso é incrível para mim pessoalmente, que vemos especialmente nos vertebrados tantas semelhanças entre si ao ponto que nos mamíferos podemos fazer experimentos com medicamentos e esperar ao menos um highlight se aquele medicamento para tratar diabete e câncer, e coisas do tipo podem dar certo (embora nem sempre seja o caso, às vezes uma droga funciona em animais e não em humanos), e isso porque tem espécies de mamíferos que são filogeneticamente bem próximas a nós. Mas o que significa uma espécie ser próxima de um ser humano?

Talvez o primeiro pensamento seja de genética comparativa, ou seja, comparar a sequência de aminoácidos de seres vivos e comparar as semelhanças. Interespécies as semelhanças são pequenas em comparação com outras de outros reinos que são: Animalia, Reino Plantae, Reino Fungi, Reino Protista, Reino Monera, não sei porque sempre me lembro de Power Rangers: Força Animal com o termo “Animalia”, meu avô gostava de me fazer assistir essa série antiga quando pequeno, eu realmente gostava mas preferia Power Rangers: A força do tempo. E esses reinos, tem sim similaridades em certos contextos, mas essa distinção de classes tem tanto obviamente uma classificação e fim, objetivo fenóptico, estrutural e característico desses organismos, é claro que uma planta é muito diferente de um tigre, mas é claro que vemos relações de hábitat e estruturas de ecossistemas ecológicos onde tipos de plantas, e hábitat, especialmente da comida das presas que eles caçam, faz parte do seu ecossistema e são importantes para eles indiretamente.

Porém, quando falamos de inteligência, não a humana, a animal, quando falamos de insetos, de plantas ou organismos mais complexos, e vamos ver mais sobre isso também, nós na verdade estamos dizendo algo sobre a estrutura genética deles, sobre a distância filogenética entre seres vivos, pois tirando humanos, vemos que um avestruz sendo um tipo de ave é bem mais imbecil (espero não ter nenhum avestruz aqui) que um corvo que é considerado um animal bem inteligente, em vários aspectos o cérebro do avestruz é meio que subdesenvolvido, essa é a forma que Deus criou tal animal, ao ponto que:

“A avestruz bate alegre as asas, como se tivesse asas e plumagem de cegonha.14 Ela põe os seus ovos no chão e deixa que sejam chocados na areia,15 e se esquece de que algum pé os pode esmagar ou de que os animais do campo podem pisá-los.16 Trata com dureza os seus filhos, como se não fossem seus. Embora seja em vão o seu trabalho, ela está tranquila,17 porque Deus lhe negou sabedoria e não lhe deu entendimento.18 Mas, quando de um salto se levanta para correr, ri do cavalo e do cavaleiro” (Jó 39:13-18).

Gosto muito deste texto, pois é a base do que penso sobre filogenética. Tem animais que são predispostos geneticamente a certas características e isso é absolutamente óbvio, mas cada reino, cada espécie dentro das inúmeras classes que as representam, tem seus aspectos comportamentais bem diferentes. Existem, por exemplo, mais de 20.700 abelhas distribuídas em diversas partes do mundo, em diferentes ecossistemas e com características completamente diferentes. A Trigona hypogea é conhecida por comer carne morta, assim como corvos fazem, o que deu um nome a ela de Vulture Bee, ou abelha corvo, e é algo que talvez alguém nunca pensasse que seria possível, uma abelha fazer algo tão diferente e ainda ser chamada de abelha parece ficção. Acontece que filogeneticamente, estruturalmente e fenotipicamente em muitos aspectos, são abelhas, parecem abelhas, mas fazem agem de formas diferentes.

E a aparência da Trigona hypogea é meio grotesca mesmo quando pensamos na Apis mellifera que é tão conhecida ou a Apis bombus, e seu comportamento é totalmente diferente, sua imagem é representada como se fosse um personagem de anime modificado, eu acho bem bonita é claro, mas é realmente de um jeito mais grotesco. A Apis dorsata é enorme e bem perigosa, habitando na Ásia, bem violenta, então mesmo numa árvore filogenética de curta distância vemos diferenças bem fundamentais no comportamento dessas espécies de abelhas, porém, podemos dizer que o que chamamos de inteligência para cada uma delas é diferente. Uma Trigona hypogea não produz mel, pois ela não precisa, ela é capaz de se alimentar de carne morta, de carniça de animais, algo que a Apis bombus e a Apis mellifera não podem, embora sejam da mesma classe Apis, suas diferenças são bem fundamentais e podemos ver essa diferença geneticamente e interpretar quais proteínas e estruturas químicas-morfológicas permitem tais comportamentos.

Porém comportamento apenas em certo sentido, pois eu não posso voar sendo um ser humano, não sou uma ave, não tenho asas, assim, em abelhas, cada uma tem suas características transmitidas para sua progênese, que mantém suas peculiaridades que aparecem fenotipicamente de forma similar ou de forma completamente diferente uma das outras. Isso tudo para dizer que a transmissão genética de seres vivos e a distância filogenética entre eles cria um senso de função possível de ações dentro do ambiente, criando um espectro de atividades possíveis que podem ser executadas com o que cada organismo possui. A Sphecodes ranunculi pode se alimentar de néctar, mas ela vai atrás de outras espécies de abelhas em seu hábitat para matar os ovos das mesmas e usar o ninho para si e depositar seus ovos lá, o que é totalmente esquisito, pensar em abelhas que matam outras, como piratas ou coisa do tipo, e que esse é o foco delas. Talvez seja uma forma de equalização populacional entre tipos de abelhas e coisas do tipo, creio que existem pontos de equilíbrio ecológico que podem ser desbalanceados quando tiramos um elemento do mesmo, mas o ponto é: porque essas espécies existem? E porque elas agem dessa forma?

Mas quando falamos sobre a inteligência de animais, insetos e plantas (sim, plantas, leia: Chamovitz, Daniel. What a plant knows: A field guide to the senses: Updated and expanded edition. Scientific American/Farrar, Straus and Giroux, 2020), eles possuem um espectro de inteligência que pode ser focado em áreas específicas, muito do que Thorndike fala, é sobre a questão de Imitation Learning, onde o animal aprende vendo outros de sua espécie ou até de diferentes, como resolver um problema como no caso de seus experimentos. Mas embora imitation learning seja relevante, é apenas parte desta equação, é claro que o aprendizado não pode ser visto apenas como isso, em certos aspectos é muito importante, mas em vários sentidos (e Thorndike fala bastante dessa parte) outros aspectos são importantes, e aspectos que vemos filogeneticamente são um dos mais relevantes, pois embora cada abelha por exemplo, ou gato, cachorro e etc, tenha uma certa introspecção de pessoalidade (embora não no nível humano de complexidade) e identidade que mesmo que não percebida é palpável para o organismo em si, o espectro de inteligência de cada ser vivo é travado pela transmissão genética na espécie.

Então você pode ter dois gatos que são irmãos, são naturalmente da mesma espécie, mas eles são diferentes em seu comportamento, você fala com um: “não faça mais isso, não arranhe as cortinas” e coisas do tipo, e com o outro talvez você não precise, a raça do cachorro ou do gato não indica completamente seu comportamento, pois seria loucura admitir que tais animais não tenham consciência, veremos posteriormente questões sobre o cérebro de animais, e em muitos sentidos, estruturalmente falando não são tão diferentes do nosso em áreas específicas, é claro que o nosso cérebro tem uma capacidade de processar informação (seguindo Integration Information Theory) que é acima de qualquer organismo neste mundo mas não necessariamente tamanho e razão de corpo massa do cérebro e número de neurônios e células gliais que criam esse efeito (Azevedo, Frederico AC, et al. 2009; Herculano-Houzel, 2009; Herculano-Houzel, 2012), outra coisa é que viram neste artigo é que a maioria dos neurônios do cérebro estão no cerebelo, que é importante para movimentos motores na sua comunicação com a basal ganglia, córtex primário motor e toda essa conexão através da rede de comunicação do tálamo até a espinha.

Quando vemos pessoas com atrofia no cerebelo por conta de beber muito álcool por exemplo, as funções mentais dessas pessoas no geral permanecem intactas, embora seus movimentos motores podem ser permanentemente danificados por tal atrofia, uma dica do que veremos mais à frente é que entendemos mais o que partes do cérebro fazem quando uma área para de funcionar e é assim no caso do cerebelo. Só me é estranho que o córtex pré-frontal, que é um dos principais no raciocínio lógico do ser humano e de mamíferos, essencialmente para modelos de atenção e por fim retenção de memória e aprendizado, não é onde existem mais neurônios, então o número não é o mais importante, mas sim a capacidade de integrar informação funcionalmente e como isso é realizado.

É claro que gatos não são matemáticos, mas conseguem fazer inferências facilmente, se você der mais comida para seu amiguinho na hora de distribuir ração e ficar irritado por exemplo, então podemos sim entender que inferências lógicas são feitas por esses animais continuamente, inferências visuais que nos fazem até pensar em alguma racionalidade, não como o ser humano mas ao ponto de que no espectro de inteligência possível de um gato, ele consegue realizar funções e tarefas para si mesmo que demonstram inferências lógicas que não necessariamente são como o Thorndike diz aqui, como veremos.

“A associação de ideias próprias, imaginação, memória, abstração, generalização, julgamento, inferência, tem sua fonte, e na metamorfose os instintos, impulsos, emoções e impressões sensoriais vão sendo transformadas da sua natureza antiga. Para a origem e desenvolvimento do intelecto humano devemos olhar para esses processos e associação com animais de menor grau” (L. Thorndike, Animal Intelligence: An Experimental Study of the Associative Processes in Animals, Series of Monograph Supplements, Vol. II, No.4 (Whole No.8). The Macmillan Company, pg. 3, June,1898).

Não discordo que aprendemos muito sobre psicologia e neurociência de animais, isso de fato é muito útil. Posso te dar certeza depois de estudar o tema a fundo, que alguém que é especialista em neurociência animal terá muito mais dor de cabeça, muito mais mesmo do que alguém que foca só na humana. Pois além da humana essa pessoa terá que lidar com milhões de milhões de espécies,muitas que nem foram descobertas, é claro que ter conhecimento em certos reinos e nas suas peculiaridade é importante, mas se alguém ficasse apenas em analisar os comportamentos de abelhas em suas milhares de espécies, já seria o esforço de uma vida e tal pessoa não conseguiria completar sua obra, além de ir longe no tema, pois é simplesmente algo massivo. Nos mamíferos tem algumas milhares de espécies, mesmo assim ver as características comportamentais, fisiológicas, neurocientíficas e sociais de cada um desses animais é impossível, e por isso é necessário diversos laboratórios ao redor do mundo fazendo isso, algo que foi criado em 2032, em Londres na verdade, uma Instituição focada apenas em publicar artigos de acadêmicos no mundo todo focados em psicologia animal só que não somente com foco em etologia e coisas do tipo, mas em outros aspectos fundamentais em espécies onde tem pouca pesquisa.

E isto é um fato, dentre a pesquisa de diferentes espécies você acha menos artigos, menos informação do que das mais populares, e o objetivo dessa instituição que hoje é umas principais na publicação nesse tema, neste assunto, é basicamente incentivar esse tipo de pesquisa e a cadência de publicação deles é muito alta, principalmente com publicação do sequenciamento de DNA de espécies que ainda não foram catalogadas e ferramentas de software de genética comparativa com algoritmos de optimização rodando na nuvem em computadores da Quantum Dots com alta capacidade. Mas apenas isso não é o suficiente, muitos dos maiores avanços na ciência vem de pessoas que nem necessariamente estão numa certa instituição própria, mas fizeram avanços publicando artigos que mudaram um tema para sempre, mas dar um incentivo no geral é relevante para aumentar a quantidade de pesquisa nesse tema e os bancos de dados para entendermos melhor sobre a psicologia e comportamento de diferentes espécies, além de estudos focados em análises anatômicas dos cérebros desses animais, insetos e todo tipo de espécie.

Desde Sir WM.Turner (Turner, 1890) vemos avanços em anatomia comparativa entre espécies e isso de fato é muito importante mostrando dados do Ursus maritimus, felix domestica, Mustela furo, Ungulata, Hapale jacchus, entre muitos outros, porém, o mais complexo não é dizer o que cada parte do cérebro de animais fazem ou que, qual fica mais ativa em certas atividades num PET Scan ou Fmri, mas principalmente “como”, como essas estruturas neurais dão vida ao pensamento e comportamento animal. E quando digo como, tenho em vista questões algorítmicas que mostrem isso, se você não puder tornar algum processo físico num algoritmo, você não o entende, e o fato que ainda avanços em Artificial Intelligence estão engatinhando 100 anos depois da gloriosa tese de Alan Turing chamada “Computing Machinery and Intelligence”, que para mim é seu magnum opus e que fala como seria mais fácil inicialmente simular a mente de crianças, e pela lógica podemos considerar a mente de animais, insetos e coisas semelhante se buscar criar modelos computacionais que se assemelha no comportamento desses seres, a questão é se podemos de fato gerar um ser consciente em um ambiente algorítmico que não seja o biológico, que na minha opinião pessoal, pode ser descrito algoritmicamente se tivermos os predicados certos.

Predicados são como conceitos fundamentais necessários para alguém criar um algoritmo. Não tem como você criar um algoritmo que simula o movimento das estrelas se você não entender nada de mecânica celestial, ou muito menos simular o comportamento de partículas sem entender nada de física ou química e relatividade especial, então é claro que você precisa entender o cérebro adequadamente, e como ele cria e efetua a consciência em si, e essa é a pergunta de um milhão de dólares, a qual não temos ainda a resposta. É claro que sabemos que animais possuem formas de reconhecer pessoas, objetos, e entender o mundo a sua volta adequadamente, e isso envolve um processamento neural necessário para realizar tais funções, mesmo no cheiro de uma pessoa, ou da lembrança de longo prazo que pode ser observada em diverso mamíferos, o ponto é que vários aspectos de cognição em animais são facilmente observáveis, o que indica também que eles podem fazer inferências lógicas com certas limitações, e talvez isso indica um animal como um ser irracional, a sua falta de capacidade de ultrapassar sua barreira de avanço cognitivo em áreas que ele não foi feito para ser bom, e creio que fica claro que animais, insetos e plantas não só se adaptam ao ambiente ao seu redor, mas foram feitos para se adaptar a certos ambientes com mais facilidade dentro do espectro genético de transmissão de cada espécie, funções de reprodução em dinâmicas populacionais e coisas semelhantes.

Alguém pode citar inferências com mapas cognitivos no estilo bayesiano ou markoviano como na teoria de Markov Blankets (Pellet e Elisseeff, 2008;Kirchhoff et, al. 2018;Hipólito et, al. 2021;Friston, et, al. 2021;Parr et, al. 2021; Bruineberg et, al. 2022) que aplicada no cérebro seria uma forma de redes neurais implicarem em certas áreas do cérebro em nodes com em certo sentido algoritmos focados em inferências bayesianas com dados na experiência prévia e recente armazenada por exemplo em mamíferos no hipocampo, lesões ali em ratos causam naturalmente problemas de memória por exemplo.

Markov Blankets se baseia muito em free energy, o que eles descrevem desta forma:

“A energia livre a que nos referimos aqui é um análogo da teoria da informação da quantidade termodinâmica. A energia livre é um limite para a “surpresa” (ou evidência negativa do modelo) ou, mais simplesmente, para a “surpresa”. A média temporal da surpresa é a entropia (uma medida de incerteza), portanto a minimização da energia livre ao longo do tempo garante que a entropia seja limitada” (Kirchhoff et, al. 2018).

Então nesse sentido, seria uma forma de inferências ativas probabilísticas que minimizam a energia usada para as executar, sendo que elas podem ser vistas como bayesianas e markovianas também, sendo que temos aqui, creio eu, o uso de experiência, memória de longo prazo (long term memory) e de curto prazo (short term memory) em que a de curto pode ser definida com working memory que é como se fosse uma memória ao vivo (live memory) que computa informação que você está recebendo do ambiente e se perde hierarquicamente, e descrevemos isso usando modelos de atenção, com foco no córtex pré-frontal embora todo esse ambiente envolve o regiões tamolocorticas, hipocampo e coisas do tipo.

Em palavras mais simples, o ato de reflexo de um rato fugindo de um gato, e vou lhes mostrar aqui na tela um vídeo do Tom e Jerry. Veja que o Jerry ao fugir do Tom pelo estímulo que o mesmo deu, talvez (seguindo essa teoria) seu cérebro continuamente esteja fazendo inferências ativas com fim de entender qual é a melhor ação que maximiza sua taxa de sobrevivência, algo que animais fazem todo dia num ambiente de fuga selvagem.

Ainda sim creio que mesmo se essa teoria estivesse certa, assim como outras apenas descreveria predicados que temos como verdade do cérebro e de como talvez ele funcione, que talvez ou não funcionem dessa forma, o ponto é como provar isso de forma absoluta, e no geral, como veremos em outras palestras, teorias da consciência e outras que tentam descrever como o cérebro funciona, seja para humanos ou outros seres vivos, falham ferozmente em de fato ter uma forma de testar essa teoria de forma irrefutável, creio que existem teorias que são contraditórias umas com as outras neste contextos, outras que poderiam se ajudar. Eu creio que Global Workspace Theory e Global Workspace Dynamics (Baars et, al. 2021;Goldstein, e Domenico, 2024) podem aproveitar muito da Integration Information Theory (Tononi, 2012; Oizumi et, al. 2014;Tononi et, al. 2016) que vocês bem conhecem, embora, elas sejam contraditórias em vista da Orch-or-Theory (Hameroff e Penrose, 2014), pois ela infere que a consciência é não computável, algo que discordo visto que toda a informação sendo física, deveriam ser matematizável, e assim computável numa Turing Machine, enfim.

Será que podemos aplicar Global Workspace Theory (que é a favorita do setor de pesquisa em inteligência artificial) ou todo o resto para animais também? Para insetos? Para organismos unicelulares? Esse tipo de pergunta é importante, pois o foco de General Artificial Intelligence tem que ser na verdade na pesquisa e resultados em animais inicialmente, se você não resolveu o problema da consciência num rato, como espera resolver o da consciência humana? É impossível dessa forma, pois sabemos que o nível de complexidade e processamento de informação da humanidade é infinitamente maior. Sobre a GWT, fica claro nessa passagem como funciona:

“Primeiro, há a captação, o processo que determina quais informações provenientes dos módulos entrarão no espaço de trabalho global. Em segundo lugar, existe a transmissão, o processo pelo qual as informações no espaço de trabalho global são enviadas para uma ampla gama de módulos para uso em processamento paralelo adicional. Finalmente, existe o processamento, em que o espaço de trabalho global integra e manipula as informações que absorveu para moldar a trajetória da experiência consciente” (Goldstein, e Domenico, 2024).

Em que eles também citam nesse contexto do ponto de vista neural o processamento paralelo e serial em que o tal do global workspace seria uma base para a capacidade de processamento dos módulos de processamento nesse contexto, que no caso do cérebro, sabemos que diferentes áreas têm tipos de neurônios diferentes com diversas estruturas morfológicas variadas que agem conjuntamente e em ordem, em que atividades distintas propagam ativação em locais diferentes como vemos em fMRI e PET Scans da vida. O real problema é descrever isso fisicamente, é claro que o cérebro de fato funciona como um sistema eletrônico, os neurônios se comunicam dessa forma como é descrito no paper celebrado de Hodkin e Huxley (Hodkin e Huxley, 1952) que descobriu como ações potenciais de fato funcionam, coisas como Long term potentiation, foi descoberta por Terje Lømo (parcialmente), como ele descreve:

“Comecei registrando potenciais de campo nas camadas dendríticas e do corpo celular da área dentada durante a estimulação repetitiva da via perfurante e fiquei impressionado não apenas pelo recrutamento de descargas celulares, mas também pelas acentuadas mudanças de corrente contínua de diferentes polaridades que ocorriam em diferentes camadas. Logo, também comecei a procurar efeitos posteriores da estimulação repetitiva, que geralmente eram relatados como de curta duração (minutos) e semelhantes ao PTP” (Lømo T., 2003).

Terje Lømo diz que tal descoberta na verdade foi por acidente, porém logo os dados dos experimentos com coelhos deixaram claro que de fato tal efeito não era um erro mas algo novo. Ele descreve em outro artigo dessa forma:

“No início de meus experimentos em coelhos anestesiados com uretano e cloralose, notei o que hoje é chamado de LTP. Vi a potenciação de frequência descrita por Per, mas também aquela potenciação que podia durar horas quando testada por breves sequências de estímulos em intervalos cada vez mais longos após a sequência anterior. A resposta ao primeiro estímulo nos trens posteriores foi fortemente potencializada em relação à amplitude e menor latência do pico populacional e em relação a uma taxa aumentada de aumento da população monossináptica EPSP” (Lømo, 2025).

É legal ver dos problemas do autor em replicar seus experimentos iniciais, de fato ele estava certo e tinha descoberto algo incrível, que hoje é aplicado para neuroplasticidade e memória, e isso é algo incrível ver que foi através de um acidente que o Long Term Potentiation foi descoberto pela primeira vez, embora meu Senhor já sabia. A questão é o quanto LTP de fato é relevante para o aprendizado como na synaptic plasticity and memory (SPM) (Abraham et, al. 2024), quando dizemos que algo é importante é uma coisa, mas o que podemos fazer nesse contexto e aplicar LTP para animais por exemplo? algo que (Idem, 2024) também discute. É claro que na época de Thorndike esse conceito não havia ainda sido descoberto, mas quando falamos de inferências sensoriais ou associativas, que dão a visão do estado consciente do animal em performar certas ações, como a resposta de escape, estão incrustadas nesse conceito, ao menos no momento e devemos entender o quanto a memória de longo prazo talvez dependa ou não deste conceito.

Eu vejo várias similaridades em GWT e Markov Blankets, só a forma de explicar o processo de reagir a situações que são diferentes e vejo um overlap entre GWT, LTP e plasticidade com unsupervised learning, que é uma forma de aprendizado bem conhecido em inteligência artificial, onde o agente não tem todos os dados categorizados para aprender a resolver um problema, é como aprender na marra a se ajustar ao seu ambiente com elementos que são novos e com os quais o agente não tem experiência, e nós humanos e mesmo os animais lidam com isso periodicamente em certos contextos. O problema é como filtrar que ações executar em diversos contextos probabilisticamente com uma alta eficiência do ponto de vista computacional (Goldstein, e Domenico, 2024), como o cérebro de diversas espécies pode executar funções que de fato são complexas quando tentamos simular elas em sistemas robóticos e sistemas virtuais, tantos problemas houveram para fazer um robô bípede subir uma escada, imagine criar uma colônia de abelhas robóticas e fazer elas produzirem mel ou um algoritmo de swarm intelligence para criar um modelo computacional de vespas ou ant colony para o comportamento das formigas de forma robótica e física, é quando você tenta criar algo assim, que você vê como isso é difícil e como não entendemos nem como pequenos organismos como esses funcionam.

O problema em simular esses sistemas é de fato entender quais são os predicados corretos, caso alguém por exemplo, acreditasse em Markov Blankets como uma teoria válida e aplicar ela em sistemas virtuais de animais num sistema ecológico virtual realista, o ponto é se os resultados poderiam ser considerados satisfatórios caso fossem visualmente interessantes, estou falando do ponto de vista conceptual, eu pessoalmente não acho que essa teoria seja útil nesse contexto para modelar por exemplo, a forma de escape a uma expectativa de surpresa de uma presa em relação a um predador. Sobre isso:

“Esta compreensão ontológica dos Markov Blannkets (ao contrário da compreensão instrumental acima) não pode ser simplesmente justificada apontando para os formalismos matemáticos envolvidos, nem pode ser justificada apontando para os sucessos anteriores de inferência com um modelo e mantas de Pearl de forma mais geral. A abordagem resultante está bastante distante de um programa de investigação empírica e naturalista, e pode ser melhor vista como um ramo da metafísica formal aplicada a uma estrutura científica” (Bruineberg et, al. 2022).

Se de fato markov blankets é uma teoria que assume questões que não tem base na realidade (esse é o argumento acima e o paper tenta resolver isso), como poderíamos usar essa teoria como predicado para formar algoritmos que simular o comportamentos de animais em certos contextos, até com o fim de avançar a inteligência artificial geral nesse tema. Eu de fato creio que o futuro da inteligência artificial está na inteligência artificial geral, ou AGI, porém, os avanços na neurociência, psicologia, biologia comportamental entre outros temas, são necessários para entendermos melhor como esses seres vivos se comportam, mas o ponto é: “como simular a mente de um primata é diferente da de um gato? Ou da de uma abelha ou um peixe?”.

Pois tem uma grande diferença nos espectros de comportamento e não temos de fato um modelo que se adeque a diferentes contextos. Simplesmente esperar uma análise comportamental detalhada de todas as espécies e então criar tais algoritmos, não faz sentido, é claro que estudos de sociologia animal e etologia são devidamente importantes, mas o ponto na simulação não deve ser uma representação como temos nos videogames de simulação realista de caça, como Red Dead Redemption 2, que usam algoritmos heurísticos provavelmente para fazer modelos de imigração de animais, pontos de imigração e rotas, lugares de hábitat, drop de loot e coisas do tipo, o ponto está em simular o comportamento real ao ponto de alguém pensar que aquilo não é mais um jogo, embora seja. De enganar o ser humano não só visualmente, mas sentir a realidade imaginária projetada num modelo que tem não apenas uma inspiração mas um sistema de aprendizado de meta learning em que o NPC, no caso o agente do jogo, um tigre no Red Dead 2 por exemplo, em que a similaridade dele com a vida real chega a ser assustadora.

Mas se Markov Blankets for apenas um modelo de inferências bayesianas de mapas cognitivos e processamento de informação em tempo real com memória de curto e longo prazo para entendermos o mundo a sua volta, seria apenas um objeto parcial da realidade, mesmo que a teoria estiver certa (o que de fato eu não sei), só que uma dica é que não necessariamente uma teoria tem que estar certa. Eu acredito que desde a vinda de Backpropagation (Linnainmaa, 1976; Rumelhart et, al. 1986; é interessante que Amari aplicou o algoritmo para o perceptron de Rosenblatt já naquela época (Amari, 1967), além de outro aplicando hebbian learning e reinforcement signals no mesmo tema (Amari, 1977)) e Gradient Descent (Cauchy, 1847; Hadamard, 2014; Dreyfus, 1962) para um resumo dos métodos principais métodos (Ruder, 2016); outro ponto é o uso de dynamic programming e cálculo de variações para gradient descent (Dreyfus, 1960); o foco de gradient descent é minimizar o jacobian, sobre isso (J. Jacobi, 1884;Brezis et,a et,al. 2024)) e Stochastic Gradient Descent (Kiefer e Wolfowitz, 1952;Robbins e Monro, 1951; Kelley, 1960;Bottou, 1991;Amari, 1993) aplicados para IA, ninguém conseguiu correlacionar assertivamente o até intencionalmente esses algoritmos como a forma que o cérebro aprende.

Existe de fato o Spike-timing-dependent-plasticity, e modelos de IA com base nele que tem uma inspiração ainda mais forte nos avanços na teoria de plasticidade e como talvez o aprendizado ocorra no cérebro, mas nenhuma resposta conclusiva foi dada, até porque nem sabemos ao menos como a consciência emerge, mas quem descobrir os algoritmos que regem o aprendizado humano de forma comprovada, deveria de fato ganhar um nobel.

Bom, Thorndike continua dizendo:

“Em primeiro lugar, a maioria dos livros não nos dá uma psicologia, mas sim uma eulogia, de animais. Eles são tudo sobre a inteligência animal, mas nunca sobre a estupidez animal. Embora o autor expresse a noção que animais tem alguma razão, ele tem de adicionar sobre a sua capacidade incrível de formar associações, e se referir ao fato que seres humanos apenas raramente raciocinam sobre alguma coisa, que seus trilhos de ideias são ordenados mais pela associação, como se, ao invés do anterior, os animais estivessem no mesmo nível deles” (L. Thorndike, Animal Intelligence: An Experimental Study of the Associative Processes in Animals, Series of Monograph Supplements, Vol. II, No.4 (Whole No.8). The Macmillan Company, pg. 3, June,1898).

Não concordo inteiramente com Thorndike que animais são estúpidos no geral, talvez não tanto quanto pensamos na verdade. A variedade de informação que temos disponível hoje do comportamento animal, seja com experimentos de fácil acesso (inclusive do Thorndike e replicações do mesmo) é muito vasta e alguém pode hoje ter muito mais acesso a dados associados a comportamento animal dessa forma, vendo tais vídeos deles, e não estou falando apenas de documentários, mas dados compilados por pesquisadores, que podem dar uma noção geral do comportamento deles não apenas em cativeiro, mas também no ambiente que eles atuam. É comum que algumas pessoas que talvez você conheça, até assistam documentários sobre animais, alguns são melhores do que outros em mostrar as belezas da vida animal, outros nem tanto.

Mas o ponto é que quando interagimos, com gatos, cachorros, esquilos, capivaras ou ursos, vemos sim uma relação primeiro de que é óbvio que tais animais são seres conscientes, no próprio livro que estamos falando sobre aqui do Thorndike ele acaba mostrando nos seus experimentos com cães que a forma de saída do puzzle da caixa nem sempre era algo como guiado por um estímulo externo, na verdade eu creio que diversos animais mostram raciocínio lógico na tomada de decisão deles. A área que talvez poderíamos achar mais importante nesse contexto, seguindo a lógica de humanos, é o córtex pré-frontal é claro, é a melhor forma de entender seu efeito é importância é entender o que acontece quando ele é danificado, como (Brutkowski,1965) explica com tanto cães, gatos, primatas e diversos tipos de animais os efeitos de danos que vão de motores, reflexos e questões associadas a comportamentos básicos desses animais que são modificados quando essa área é afetada:

“Um gato com lobectomia frontal não conseguiu encontrar um copo contendo comida e não conseguiu ver nem cheirar. Sugeriu-se que a lobectomia frontal resultasse na perda da imagem, correspondendo aos acontecimentos da vida anterior do indivíduo” (Brutkowski,1965).

E ainda:

“A maioria dos investigadores indica que a hiperatividade em animais com lesões frontais está principalmente relacionada à locomoção. Sua característica básica é andar ou caminhar sem rumo e aparentemente interminável. Os animais movem-se constantemente para frente e para trás enquanto estão no chão (macacos, carnívoros) e para cima e para baixo enquanto estão em poleiros (macacos)” (Brutkowski,1965).

Ele também mostram diferenças frontais orbitais e laterais orbitais em primatas e o efeito produzido de danos ao comportamento e ressaltando a relevância do complexo pré-frontal (parte dorsolateral)-caudado-subtalâmico hipocampal (Brutkowski,1965). Outro artigo (Warburton et, al. 2010) mostra como o hipocampo é relevante nesse contexto para relações de entendimento espacial e reconhecimento de objetos e elementos do ambiente, no caso de animais, mostrando como existem áreas ativas neurologicamente que são importante para esses animais operarem processos lógicos que em cada um tem funções específicas no seu espectro comportamental. E danos não somente em áreas específicas, mas na rede como um todo que pode causar um efeito maior no comportamento:

“Conseqüentemente, o desempenho bem-sucedido da tarefa é uma propriedade da rede pré-frontal perirrinal-hipocampal-medial: nem qualquer uma nem qualquer par de estruturas componentes é suficiente. Por sua vez, esta interdependência da rede levanta a possibilidade de que a informação necessária para resolver a tarefa possa ser mantida nas interações entre os neurônios das estruturas componentes, e não em um grupo de neurônios residentes em uma das estruturas” (Warburton et, al. 2010).

É como vi o Friston falando sobre numa entrevista com ele com o Lex Fridman, sobre como a atividade cerebral é algo global e embora partes do todo sejam relevantes para certas funções, em muitos pontos o complexo de sistemas que permite uma certa função cerebral é mais relevante. Não sei se posso citar o conceito de Hebb de neurônios que “fire together, wire together”, pois nem sempre é o caso, mas vemos sim algo de verdadeiro nessa visão.

Então eu penso que animais são “racionais” em certo sentido, são inteligentes em certos aspectos, embora comparar eles com o ser humano, é ridículo, ao ponto que chamamos um primata de estupído quando ele bebe sua própria urina dando risadas e jogando fezes em turistas, é claro que isso é totalmente anormal para seres humanos (ao menos a maioria), na verdade o normal é nos impressionarmos quando vemos animais e insetos fazendo coisas complexas como uma águia caçando um rato centenas de metros de distância e indo até sua presa com a inteligência e perspicácia que Deus lhe deu. É essa visão permanece bem presente em Thorndike aqui, de associações e inferências feitas por animais sem um raciocínio lógico ou, o ato de pensar como nós fazemos existindo aqui.

“A próxima pergunta é, “o que eles sentem?” Obras anteriores não responderam bem essa pergunta ou o material para a resposta dessa importante questão. Nada a não ser, experimentos cruciais bem desenhados podem. Ao abandonar o antigo método alguém pode buscar substituir por um que não irá apenas te dizer acuradamente o que eles fazem, mas dar informação preciosa de como eles fazem, e também informar o que eles sentem quando agem” (L. Thorndike, Animal Intelligence: An Experimental Study of the Associative Processes in Animals, Series of Monograph Supplements, Vol. II, No.4 (Whole No.8). The Macmillan Company, pg. 5, June,1898).

Essa pergunta ainda não tem resposta, infelizmente. O que Thorndike estava dizendo aqui tem tudo haver com as teorias da consciência, e não tem como, é quase impossível não citar a memorável tese de Thomas Nagel: What is it like to be a bat? (Nagel, 1980), pois ela ataca exatamente essa questão, o que seria ser como um morcego? Eu não sei, talvez seja impossível de eu saber pois eu nunca fui um (e nem poderia ser), talvez eu coloque um óculos VR e jogue jogos que simulam como seria ter um sonar e coisas do tipo, mas eu não tenho um sonar na minha cabeça, eu não interpreto ondas sonoras e conseguir me geolocalizar estilo Toph de Avatar a Lenda de Aang, pois sou um ser humano, nem posso ter as guelras de peixes, ou o olfato de cães, é claro que posso tentar entender como é ser um cão, mas nunca vou sentir como eles, pensar como eles, e experienciar ter o corpo deles, a forma, e a estupidez deles, embora eles sejam animais inteligentes na minha opinião como veremos mais tarde em outras palestras.

Então o que é ser como um morcego? Nunca saberemos, nunca poderemos ter a qualia, a experiência de fato de ser um morcego, o conceito de qualia é que o vermelho que eu vejo é diferente do seu, e o que a cor significa para mim é diferente do que significa para você, e isso é algo que para nós é inescrutável, não se pode inferir o interior de uma pessoa e saber seus pensamentos a não ser que ela lhes diga, mas ela pode pensar neles, pode te xingar de gorila pelas costas, embora com palavras se chame por palavras doces de amor. Eu não sei porque as pessoas gostam de sorvete de baunilha e chocolate, ou porque alguém compra um jogo de Playstation 9 e Xbox Deep S por $500 dólares, um jogo ruim ainda, como alguém vê utilidade nesse produto? Eu não sei, pois utilidade no contexto da economia é algo subjetivo, mesmo animais têm mentalmente questões de utilidade marginal decrescente em relação aos recursos que eles têm ao redor ao ponto que uma leoa que já tem caça o suficiente numa certa área da circunferência do hábitat em que a manada ou alcatéia vive, não irá longe demais a não ser que haja escassez de suas presas (embora tal coisa permitiu a Nala encontrar o Timão e o Pumba e por fim o Simba em Rei Leão).

Hoje embora a etologia seja uma área ainda relevante e eu aprecie os livros nesse tema, eles saíram da visão de behaviorism apenas para uma visão com base em teorias cognitivas, neurociência e aspectos como esses para inferir as bases do comportamento animal, em que claro, você deve entender a parte de psicologia e questões sociais de cada espécie, como hierarquias de dominação entre chimpanzés, o tal do famoso alpha, beta e coisa do tipo que de fato existem e que regem o comportamento desses animais.
Mas o foco deve ser essencialmente na minha opinião, embora aspectos sociais e comportamentais externos sejam relevantes, observando esses animais, mas na análise do espectro de comportamento com base na biologia comportamental desses animais e analisar essas diferenças com o olho esquerdo no animal e o direito no espectro genético que temos na filogenética comparada.

“Meu uso das palavras instintivo e impulso podem causar algum desentendimento a não ser que explicado aqui. Deixe-nos, através deste livro, entender por instinto qualquer reação pela qual um animal age numa citação sem experiência. E isto inclui atos conscientes e inconscientes. Qualquer reação, então, para o novo fenômeno total, quando experienciado, irá se chamar instintivo. Qualquer impulso quando sentido irá ser chamado um impulso instintivo. Os instintos incluem qualquer sistema nervoso de um animal, como herdado, e capaz de tal” (L. Thorndike, Animal Intelligence: An Experimental Study of the Associative Processes in Animals, Series of Monograph Supplements, Vol. II, No.4 (Whole No.8). The Macmillan Company, pg. 14, June,1898).

O autor agora nos traz uma definição de impulso e instinto, que um animal como um tigre por exemplo, mesmo criado num cativeiro e domesticado como um gato doméstico, tem ainda um espectro comportamental biológico e genético que não é o mesmo que de um gato por exemplo, pois ele tem a capacidade de ser bem violento, sua dieta naturalmente é diferente e a mesma de um criado na selva ou em qualquer ambiente que seja característico de sua espécie, mas o ponto é que por mais que alguém possa meio que entrar no meio desses animais, como já vi exemplos de cuidadores que conseguem cuidar de leões e guepardos na savana, como se fossem amigos, com muita tentativa e erro, aprenderam a se tornarem parte da manada de forma comportamental e isso pode ser visto com facilidade.

Porém, o instinto de um animal não muda, os genes deles são os mesmos, é claro que talvez a curva de aprendizado dele se jogado depois de certo tempo no mundo selvagem, será bem diferente de quem nasceu naquele inferno de escolhas de vida ou morte diariamente, pois assim que é a luta pela existência como descrita por Darwin por exemplo, em que num capítulo de seu magnum opus ele cita isso com veemência e com diversos exemplos não só no reino animal, mas na botânica e diversos contextos no capítulo 3 e 8 (Darwin, 1859).

Darwin descreve o Instinto dessa forma:

“Uma ação que nós mesmos necessitamos de experiência para nos permitir realizá-la, quando realizada por um animal, mais especialmente por um animal muito jovem, sem experiência, e quando realizada por muitos indivíduos da mesma maneira, sem que eles saibam com que finalidade é realizada, costuma ser considerada instintiva” (Darwin, 1859, pg. 262).

Que não é muito diferente da que Thorndike dá aqui. E Darwin cita um belo exemplo com formigas:

“Retirei todas as formigas de um grupo de cerca de uma dúzia de pulgões em uma planta doca e evitei sua presença durante várias horas. Após esse intervalo, tive certeza de que os pulgões iriam querer excretar. Observei-os durante algum tempo através de uma lente, mas nenhuma foi excretada; Eu então fiz cócegas e acariciei-as com um fio de cabelo da mesma maneira, tanto quanto pude, como as formigas fazem com suas antenas; mas nenhum foi excretado.

Depois permiti que uma formiga os visitasse, e ela imediatamente pareceu, pelo seu modo ansioso de correr, ter consciência do rico rebanho que havia descoberto; começou então a brincar com suas antenas no abdômen, primeiro de um aphis e depois de outro; e cada uma, assim que sentiu as antenas, levantou imediatamente o abdômen e excretou uma gota límpida de suco doce, que foi devorada avidamente pela formiga. Mesmo os pulgões bem jovens comportavam-se dessa maneira, mostrando que a ação era instintiva e não resultado da experiência” (Darwin, 1859, pg. 265).

Alguém poderia dizer que sorrir é instintivo, pois ninguém precisa nos ensinar, e normalmente qualquer coisa que se enquadra nesse quesito, até para nós humanos, têm aspectos do que chamamos de instinto. Ele continua:

“Andrew Knight observou que suas abelhas, em vez de coletar própolis laboriosamente, usavam um cimento de cera e terebintina, com o qual cobria árvores descortiçadas. Recentemente foi demonstrado que as abelhas, em vez de procurarem pólen, usarão com prazer uma substância muito diferente, nomeadamente a aveia. O medo de qualquer inimigo específico é certamente uma qualidade instintiva, como pode ser visto nos filhotes de pássaros, embora seja fortalecido pela experiência e pela visão do medo do mesmo inimigo em outros animais. O medo do homem é lentamente adquirido, como já demonstrei em outro lugar, pelos vários animais que habitam as ilhas desertas; e vemos um exemplo disso mesmo na Inglaterra, na maior selvageria de todos os nossos pássaros grandes em comparação com os nossos pássaros pequenos; pois os grandes pássaros foram os mais perseguidos pelo homem” (Darwin, 1859, pg. 266).

Medo poderia ser instintivo ou resultado de experiências traumáticas, se um gato souber que uma certa tomada dá choque, dificilmente ele se não for tonto colocará a patinha ali novamente, ele de fato tem memória de curto e longo prazo desse tipo de evento e muitos animais conseguem lembrar de coisas no longo prazo, como vemos com cuidadores deles de anos que voltam a vê-los e eles respondem imediatamente como se fossem filhos. Então é claro que estamos falando de árvores filogenéticas aqui, da forma que insetos, e minhocas, e microorganismos possuem certos comportamentos que são “fixados”, que são comuns entre eles sem experiência, embora muitos que são característicos de alguns deles devem ser aprendidos para serem executados.

Um grande e excelente exemplo é o do Sayornis phoebe, em que a dinâmica de aprendizado do canto desse pássaro, sobre eles:

“Mesmo quando o jovem pássaro é surdo e não consegue se ouvir cantando, ele ainda produz cantos normais, verificando assim que, à medida que o jovem pássaro pratica, ele não está aprendendo a combinar seu canto com um modelo animado ou inato (ou "inato") que está armazenado no cérebro” (Kroodsma, 2004).

Com outros pássaros que cantam existe uma curva de aprendizado por imitação e treino, e o timing de aprendizado em alguns deles pode ser relevante para o fato de se ele conseguirá cantar ou não. É legal tentar diferenciar os tipos de cantos de diferentes pássaros, quase uma arte que demanda muito treino dos ouvidos, mas ouvindo diferentes espécies é possível distinguir os cantos de cada uma. E o mais engraçado é que pássaros de uma espécie podem aprender o canto de outra e assim serem considerados bilíngues (Kroodsma, 2004).

“Em Monteverde, no centro da Costa Rica, muitos jovens do sexo masculino são bilíngues, tendo aprendido o repertório completo de canções tanto do dialeto monteverde quanto do panamenho, mas quando um jovem macho amadurece, um processo que leva de seis a sete anos, ele normalmente abandona as canções de um dos dialetos e aperfeiçoa as do outro” (Kroodsma, 2004).

O autores também citam um exemplo como o pardal de coroa branca, que no caso aprende apenas a canção de sua espécie, e de fato existem milhares de espécies de pássaros que cantam, e naturalmente existem diferenças significativas em padrões de canto, tonalidades, morfologia silábica usada e função dessa comunicação. Alguma coisa ou outra em tudo isso nesses milhares de pássaros pode ser instinto, outros pontos questões sociais e do ambiente em si, e muito tem sido feito nesse contexto (Hartshorne, 1956;McCasland, 1987; Nowicki e Marler, 1988; Jarvis et, al. 1988; Kroodsma e Byers, 1991; Marler e Doupe, 2000;algo relevante são as duas áreas principais no geral em cantos de pássaros que é o robust nucleus of the archistriatum (RA) e o robust nucleus of the HVC como descrito em (Miller, 2003), além de aspecto da similaridade da basal ganglia dos mamíferos com o cérebro de pássaros, algo impressionante; Nowicki e Searcy, 2004; Prather et, al. 2008; (Shen, 2017) mostra a relação da proteína FoxP2 na basal ganglia causando problemas no canto de alguns pássaros como o Mandarim, assim como a importância SLIT1 neste processo;Beecher e Akçay, 2021).

“Acima de tudo, deve-se ter em mente que por impulso nunca me refiro ao motivo para agir. Na linguagem popular você pode dizer que a fome é o impulso que faz o gato arranhar. Esse nunca será o uso aqui. A palavra motivo sempre denotará esse tipo de consciência. Qualquer um que pense que o ato não deve ser assim subdividido em impulso e ação pode sentir-se livre para usar a palavra ato para impulso ou impulso e agir do começo ao fim, se lembrar que o ato neste aspecto de ser sentido como sendo feito ou como sendo feito é nos animais a coisa importante, é a coisa que fica associada, enquanto o ato como feito, visto de fora, é um assunto secundário” (L. Thorndike, Animal Intelligence: An Experimental Study of the Associative Processes in Animals, Series of Monograph Supplements, Vol. II, No.4 (Whole No.8). The Macmillan Company, pg. 15, June,1898).

Agora vamos para motivação, e de fato veremos isso posteriormente, mas mais ainda interessante que a motivação em humanos é o conceito de motivação em animais. Pois eles mesmos também sofrem de problemas parecidos com os nossos quando são privados de comida, uma excelente teoria nesse contexto é a Metabolic Rate Theory (MRT) que fala sobre como taxas metabólicas baixas pela privação de alimentos que fornecem os nutrientes básicos para o animal se manter vivo, é relevante e pode ser calculado ao longo do tempo com dados de análise do animal continuamente, e podem ser usados para calcular a probabilidade de sobrevivência desses animais em diferentes contextos e podemos também inferir diferentes causas do porque isso pode ter acontecido, e várias questões ecológicas que podem ser úteis para o ser humano em si podem ser tiradas desse tema, visto que em diversas regiões tipos de impactos na cadeia alimentar podem aumentar um tipo de animal visto como “praga” em cidades próximas, algo de utilidade pública.

Mas qual é a motivação dos animais? Segundo a MRT na minha visão, seria principalmente maximizar sua capacidade de sobrevivência e indiretamente sua função metabólica, onde assim como nós eles sentem fome, sede, medo, frustração numa caça que não foi bem sucedida e todas essas coisas formas a mentalidade de predadores e caças em relação ao seu espectro de comportamento. É claro que um leão enjaulado tende (embora conservando seus instintos) a se acostumar a receber comida “de graça”, pois ele não tem custo mais em caçar, qual é o custo da caça para animais? É associado ao tempo investido com a capacidade e habilidades do mesmo, de manter sua homeostase com base nos recursos disponíveis na área da circunferência de seu hábitat. E manadas migram quando existem faltas de recursos, ou perigos, principalmente no caso de presas, tem caças que se tornam infrutíferas, por exemplo, em hienas que fizeram uma com sucesso e uma leoa e leões chegam e tomam a caça deles, e os mesmos normalmente sabem que não podem competir com eles e a abandonam, o que pode fazer alguns deles ficarem com fome, e no caso de lobos eles tendem às vezes a comer membros da alcatéia caso sintam fome, em alguns grupos.

E é interessante que ele cita o termo consciência, pois é claro que animais possuem consciência, mas o ponto é o quanto que a motivação implica em suas ações, e nos experimentos do Thorndike, especialmente com cães,na minha visão ficou claro que no mesmo experimento os cães se comportam de forma diferente em relação ao timing de escape da caixa, e em vários sentidos eu discordo dele, que acha que não tem nenhum raciocínio neles por trás desses decisões, afinal, estamos falando de animais que possuem um cérebro que computa reconhecimento facial, de objetos, noção de espaço e cinestésica, aprendizado e curva de aprendizado e diferenças de habilidades entre membros da mesma espécie, então do ponto de vista de neurociência cognitiva, creio que eles raciocinam, num nível menor do que nós, mas raciocinam.

No contexto da teoria da integração da informação eles são capazes de computar informação com um certo threshold e possuem uma capacidade ainda que limitada, de raciocinar suas ações individualmente e independentes do observador, e isso pode ser visto com mais detalhes em estudo que mostram questões anatômicas e cognitivas de cães (Langley, 1883; Datta et, al. 2012; Cuaya et, al. 2022), o mais interessante é que por exemplo, cães podem sim vir a ter tipos de demência (Kiatipattanasakul et, al. 1996; Philibert et, al. 2003; ), o que nos dá ainda mais informação que sua capacidade cognitiva é relevante para seu comportamento e pode ser danificada em diversos contextos neuropatológicos, como até tumores (como o Hemangiosarcoma (HSA) no coração dos cães em (Ware e Hopper, 1999;Craig et, al. 2002;Bley et, al. 2005; Ranieri et, al. 2013;Hu et, al. 2015) onde em seres humano se forem próximos ao córtex pré-frontal ou outras áreas relevantes podem atrapalhar na cognição dos pacientes, e seria interessante ver como concussões e tumores podem vir ou não a afetar cães ou outros animais no geral, especialmente em mamíferos.

O que seria a inteligência animal?

O autor tenta então argumentar sobre a inteligência animal no geral (L. Thorndike, 1898, pg. 38), e o que seria a inteligência? Exatamente a capacidade de aprender, onde essa capacidade é diferente entre espécies e intra-espécies, onde mesmo que haja um espectro de resultados diferentes em capacidade dentre os membros de uma mesma espécie, no fim a inteligência deles é a mesma, digo, a capacidade de aprender.

Só que a questão gira em torno do termo “grading”, como que alguém pode dizer de forma objetiva, provar, que gatos são mais espertos que cães (o que Thorndike achava o contrário), ou que golfinhos são tão espertos quanto corvos? Alguém pode adotar uma “functional approach”, que seria submeter esses animais a tarefas com taxas de complexidade entre elas (que pode ser até definida algoritmicamente), e entender no span geral de organismos daquela espécie, quais conseguem realizar tarefas mais complexas. Porém temos um problema nisso, pois não necessariamente um organismo realiza funções num laboratório prova alguma coisa, até o termo “funcional” está ligado às características e focos daquele ser vivo, no que ele é bom de fazer instintivamente e embora abelhas e formigas realizem tarefas relativamente complexas, não necessariamente isso faz delas mais inteligentes individualmente.

Então o autor vai para o que podemos chamar de “accidental intelligence” (L. Thorndike, 1898, pg. 45), que seria um termo para tirar qualquer característica de racionalidade de animais, que eles não “pensam” no sentido que seres humanos pensam, que a razão para eles aprenderem a resolver puzzles de experimentos laboratoriais, no fim são “acidentes”, são talvez uma forma de tentativa e erro sem uma real cognição e raciocínio envolvido num sentido mais intencional, talvez tudo gire em torno da “intenção” do organismo.

Tenho que novamente discordar dele neste ponto, não é porque o cérebro desses animais é relativamente menos desenvolvido estruturalmente e anatomicamente, e não consegue performar funções cognitivas de um nível elevado como do ser humano, que devemos descaracterizar totalmente a capacidade cognitiva desses organismos, talvez o erro seja sempre comparar eles com seres humanos, quando deveríamos colocar o ser humano de lado e apenas comparar eles entre si.

Ele diz:

“O slope gradual da curva de tempo, então, mostra a ausência de raciocínio. Ela representa um caminho lento e suave do cérebro, não decisões de uma consciência racional” (L. Thorndike, 1898, pg. 45).

Depende do que você quer dizer com racional, é claro que no movimento de fuga de uma barata, alguém poderia considerar isso quase como um espasmo instintivo de proteção, porém, fugir para preservar sua sobrevivência não é uma ação consciente de auto-preservação? Deveríamos dizer que essa ação é totalmente descaracterizada de racionalidade, no sentido que seria ausente de qualquer forma de distinção de perigo e segurança? Não é a intenção de auto-preservação, algo suficiente para ao menos denotar uma leve capacidade de “awareness” dessas criaturas de si mesmas e do seu ambiente? Se não, seriam apenas organismos mecanicistas, e não organismos biológicos de fato.

Para Thorndike, apenas usando um aprendizado supervisado de processos associativos, através de imitação, e não de resolução de problemas de uma forma não–supervisada, com gatos resolvendo puzzles complexos por si mesmos (ele usa o exemplo de um gato em (L. Thorndike, 1898, pg. 46). Para ele alguém deveria focar apenas processos de aprendizagem associativos, por imitação, e não por inferências lógicas realizadas por esses animais ou insetos em si. Esse fato colocaria um problema na definição de Pen Wang de AGI (Wang, 2019), pois seria um sistema capaz de resolver problemas num ambiente de recursos escassos e talvez de forma independente do observador, isso seria um ser consciente, mas aqui, Thorndike, está dizendo que um ser consciente não faz isso.

““O processo mental não é o mesmo nos dois casos, pois os animais não conseguem gerar o impulso para realizar qualquer ato que lhes venha à mente. Nenhum gato consegue formar uma associação que leve a um ato a menos que haja, nessa associação, um impulso próprio que conduza ao ato. Não existe um reservatório geral do qual o impulso possa ser fornecido depois que a associação é formada” (L. Thorndike, 1898, pg. 66).

Porém, no teste do tempo isso não é verdade, animais possuem não só memória associativa, mas outros tipos também (Kaufmann, 1971; Goulet et, al. 1994; Fiset e Doré, 2006; McVea e Pearson, 2006), eles podem muito bem lembrar de como resolver problemas tanto de forma associativa como de forma não–supervisada, dizer que eles não armazenam essa informação para melhorar posteriormente, mostra o erro de focar em apenas aspectos comportamentais observacionais.O autor chega a dizer que os animais não pensam sobre seus pensamentos em si ao tomar decisões, é realmente como se fosse uma resposta–estímulo totalmente ausente de qualquer intenção e entendimento e capacidade de aprender no sentido pleno (L. Thorndike, 1898, pg. 81).

Que os pensamentos de animais não têm continuidade ou um armazenamento de ideias no longo prazo, tudo seria “uma direta associação prática de sentimentos e impulsos” em animais, embora que eles teriam modelos de atenção assim como humanos, mas em níveis totalmente inferiores.Mas é um fato que animais possuem sim memórias de longo prazo de um ponto de vista hierárquico que podem refletir características de aprendizado futuro fundamentais para sua sobrevivência e comportamento. E estudos usando animais como modelos para entender melhor correlações com o cérebro humano são essenciais para entendermos melhor como a memória é formada, consolidada e acessada no cérebro, seja de forma declarativa,semântica, episódica (embora não autonoética), working memory, de curto e longo prazo e etc (Griffiths et, al. 1999;Roberts, 2006;Crystal, 2009; Myskiw, 2012).

O foco dessas palestras é realmente falar não apenas da história da psicologia e neurociência, mas dos erros do passado à luz de evidências ao longo do tempo, e isso é bom, saber porque certas ideias não foram para frente, e que não aguentaram o texto do tempo, do qual Freud, talvez, seja o que mais foi destruído até o momento, mas essa análise farei em outro momento.

Obs: originalmente concebi esse texto para ser o primeiro capítulo de um livro sobre neurociência, no estilo diálogo platônico com personagens num ambiente futurista (ainda sim falando do tema de forma acadêmica). Porém, desisti da ideia por enquanto (de escrever outros capítulos além desse e terminar a obra), pelo tempo necessário para escrever cada capítulo e estar envolvido em outras coisas. Mas no geral é uma forma diferente de falar de um tema complexo, de uma forma mais simples e dinâmica.

Essa seria a primeira palestra dada por um personagem chamado George, num hospital fictício chamado Mastrich que seria herança da sua família. A ideia seria percorrer toda a história da psicologia e neurociência ao longo dos capítulos, talvez, uma outra hora eu continue.

Referências:

Azevedo, Frederico AC, et al. "Equal numbers of neuronal and nonneuronal cells make the human brain an isometrically scaled‐up primate brain." Journal of Comparative Neurology 513.5 (2009): 532-541.
Herculano-Houzel, Suzana. "The human brain in numbers: a linearly scaled-up primate brain." Frontiers in human neuroscience 3 (2009): 857.
Herculano-Houzel, Suzana. "The remarkable, yet not extraordinary, human brain as a scaled-up primate brain and its associated cost." Proceedings of the National Academy of Sciences 109.supplement_1 (2012): 10661-10668.
Turing, A. M. (1950). Computing Machinery and Intelligence. Mind, 59(236), 433-460
Turner, Wm. "The convolutions of the brain: a study in comparative anatomy." Journal of anatomy and physiology 25.Pt 1 (1890): 105.
Hipólito, Inês, et al. "Markov blankets in the brain." Neuroscience & Biobehavioral Reviews 125 (2021): 88-97.
Pellet, Jean-Philippe, and André Elisseeff. "Using markov blankets for causal structure learning." Journal of Machine Learning Research 9.7 (2008).
Kirchhoff, Michael, et al. "The Markov blankets of life: autonomy, active inference and the free energy principle." Journal of The royal society interface 15.138 (2018): 20170792.
Friston, Karl, et al. "Stochastic chaos and Markov blankets." Entropy 23.9 (2021): 1220.
Parr, Thomas, et al. "Memory and Markov blankets." Entropy 23.9 (2021): 1105.
Bruineberg, Jelle, et al. "The emperor's new Markov blankets." Behavioral and Brain Sciences 45 (2022): e183.
Hameroff, Stuart, and Roger Penrose. "Consciousness in the universe: A review of the ‘Orch OR’theory." Physics of life reviews 11.1 (2014): 39-78.
Tononi, Giulio. "The integrated information theory of consciousness: an updated account." Archives italiennes de biologie 150.2/3 (2012): 56-90.
Oizumi, Masafumi, Larissa Albantakis, and Giulio Tononi. "From the phenomenology to the mechanisms of consciousness: integrated information theory 3.0." PLoS computational biology 10.5 (2014): e1003588.
Tononi, Giulio, et al. "Integrated information theory: from consciousness to its physical substrate." Nature reviews neuroscience 17.7 (2016): 450-461.
Baars, Bernard J., Natalie Geld, and Robert Kozma. "Global workspace theory (GWT) and prefrontal cortex: Recent developments." Frontiers in psychology 12 (2021): 749868.
Goldstein, Simon, and Cameron Domenico Kirk-Giannini. "A case for AI consciousness: Language agents and global workspace theory." arXiv preprint arXiv:2410.11407 (2024).
Hodgkin AL, Huxley AF. A quantitative description of membrane current and its application to conduction and excitation in nerve. J Physiol. 1952 Aug;117(4):500-44. doi: 10.1113/jphysiol.1952.sp004764. PMID: 12991237; PMCID: PMC1392413.
Lømo T. The discovery of long-term potentiation. Philos Trans R Soc Lond B Biol Sci. 2003 Apr 29;358(1432):617-20. doi: 10.1098/rstb.2002.1226. PMID: 12740104; PMCID: PMC1693150.
Lømo, Terje. "Long‐Term Potentiation: The Accidental Discovery." Hippocampus 35.1 (2025): e23664.
Abraham WC, Bliss TVP,Collingridge GL, Morris RGM. 2024 Long-term potentiation: 50 years on: past, present and future. Phil. Trans. R. Soc. B 379: 20230218.3.0218.
Linnainmaa, Seppo. "Taylor expansion of the accumulated rounding error." BIT Numerical Mathematics 16.2 (1976): 146-160.
Rumelhart, D., Hinton, G. & Williams, R. Learning representations by back-propagating errors. Nature 323, 533–536 (1986).
Amari, A Theory of Adaptive Pattern Classifiers, IEEE Transactions on Eletronic Computers, Vol. EC-16, No. 3, June, 1967.
Amari, S-I. "Neural theory of association and concept-formation." Biological cybernetics 26.3 (1977): 175-185.
Cauchy, Augustin. "Méthode générale pour la résolution des systèmes d’équations simultanées." Comp. Rend. Sci. Paris 25.1847 (1847): 536-538.
Hadamard, Jacques. Lectures on Cauchy's problem in linear partial differential equations. Courier Corporation, 2014.
C. G. J. Jacobi, De determinantibus functionalibus, J. reine angew. math., 22 (1841), 319–352. Gesammelte Werke 3, Georg Reimer, Berlin, 1884, 395–438.
Brezis, Haïm, Jean Mawhin, and Petru Mironescu. "A brief history of the Jacobian." Communications in Contemporary Mathematics 26.02 (2024): 2330001.
Kiefer, Jack, and Jacob Wolfowitz. "Stochastic estimation of the maximum of a regression function." The Annals of Mathematical Statistics (1952): 462-466.
Robbins, Herbert, and Sutton Monro. "A stochastic approximation method." The annals of mathematical statistics (1951): 400-407.
Kelley, Henry J. "Gradient theory of optimal flight paths." Ars Journal 30.10 (1960): 947-954.
Bottou, Léon. "Stochastic gradient learning in neural networks." Proceedings of Neuro-Nımes 91.8 (1991): 12.
Amari, Shun-ichi. "Backpropagation and stochastic gradient descent method." Neurocomputing 5.4-5 (1993): 185-196.
Dreyfus, Stuart. "The numerical solution of variational problems." Journal of Mathematical Analysis and Applications 5.1 (1962): 30-45.
Ruder, Sebastian. "An overview of gradient descent optimization algorithms." arXiv preprint arXiv:1609.04747 (2016).
Dreyfus, Stuart E. "Dynamic programming and the calculus of variations." Journal of Mathematical Analysis and Applications 1.2 (1960): 228-239.
Brutkowski, Stefan. "Functions of prefrontal cortex in animals." Physiological Reviews 45.4 (1965): 721-746.
Warburton, E. Clea, and Malcolm W. Brown. "Findings from animals concerning when interactions between perirhinal cortex, hippocampus and medial prefrontal cortex are necessary for recognition memory." Neuropsychologia 48.8 (2010): 2262-2272.
Nagel, Thomas. "What is it like to be a bat?." The language and thought series. Harvard University Press, 1980. 159-168.
Darwin, Charles, 1809-1882. On the Origin of Species by Means of Natural Selection, or Preservation of Favoured Races in the Struggle for Life. London :John Murray, 1859.
Kroodsma, D. E. "The diversity and plasticity of birdsong." Nature’s music: the science of birdsong (2004): 108-131.
Hartshorne, Charles. "The monotony-threshold in singing birds." The Auk 73.2 (1956): 176-192.
McCasland, James Stacy. "Neuronal control of bird song production." Journal of Neuroscience 7.1 (1987): 23-39.
Nowicki, Stephen, and Peter Marler. "How do birds sing?." Music Perception 5.4 (1988): 391-426.
Jarvis, Erich D., et al. "For whom the bird sings: context-dependent gene expression." Neuron 21.4 (1998): 775-788.
Kroodsma, Donald E., and Bruce E. Byers. "The function (s) of bird song." American Zoologist 31.2 (1991): 318-328.
Marler, Peter, and Allison J. Doupe. "Singing in the brain." Proceedings of the National Academy of Sciences 97.7 (2000): 2965-2967.
Miller, Greg. "Singing in the brain." Science 299.5607 (2003): 646-648.
Nowicki, Stephen, and William A. Searcy. "Song function and the evolution of female preferences: why birds sing, why brains matter." Annals of the new York Academy of Sciences 1016.1 (2004): 704-723.
Prather, Jonathan F., et al. "Precise auditory–vocal mirroring in neurons for learned vocal communication." Nature 451.7176 (2008): 305-310.
Shen, Helen H. "Singing in the brain." Proceedings of the National Academy of Sciences 114.36 (2017): 9490-9493.
Beecher, Michael D., and Çağlar Akçay. "Social factors in bird-song development: Learning to sing with friends and rivals." Learning & Behavior 49 (2021): 137-149.
Langley, J. N. "The structure of the dog's brain." The Journal of physiology 4.4-5 (1883): 248.
Datta, Ritobrato, et al. "A digital atlas of the dog brain." PLoS One 7.12 (2012): e52140.
Cuaya, Laura V., et al. "Speech naturalness detection and language representation in the dog brain." NeuroImage 248 (2022): 118811.
Kiatipattanasakul, Wijit, et al. "Apoptosis in the aged dog brain." Acta neuropathologica 92 (1996): 242-248.
Philibert, Jeffrey C., et al. "Influence of host factors on survival in dogs with malignant mammary gland tumors." Journal of Veterinary Internal Medicine 17.1 (2003): 102-106.
Ware, Wendy A., and David L. Hopper. "Cardiac tumors in dogs: 1982–1995." Journal of Veterinary Internal Medicine 13.2 (1999): 95-103.
Craig, L. E., M. E. Julian, and J. D. Ferracone. "The diagnosis and prognosis of synovial tumors in dogs: 35 cases." Veterinary Pathology 39.1 (2002): 66-7.
Bley, Carla Rohrer, et al. "Irradiation of brain tumors in dogs with neurologic disease." Journal of veterinary internal medicine 19.6 (2005): 849-854.
Ranieri, G., et al. "A model of study for human cancer: Spontaneous occurring tumors in dogs. Biological features and translation for new anticancer therapies." Critical reviews in oncology/hematology 88.1 (2013): 187-197.
Hu, H., et al. "Systematic review of brain tumor treatment in dogs." Journal of Veterinary Internal Medicine 29.6 (2015): 1456-1463.
Wang, Pei. "On defining artificial intelligence." Journal of artificial general intelligence 10.2 (2019): 1-37.
Kaufmann, Peter Gustav. The Effect of Hippocampal Isolation on Short-term Memory in Cats. Diss. The University of Chicago, 1971.
Goulet, Sonia, François Y. Doré, and Robert Rousseau. "Object permanence and working memory in cats (Felis catus)." Journal of Experimental Psychology: Animal Behavior Processes 20.4 (1994): 347.
Fiset, Sylvain, and François Y. Doré. "Duration of cats'(Felis catus) working memory for disappearing objects." Animal cognition 9.1 (2006): 62-70.
McVea, D. A., and K. G. Pearson. "Long-lasting memories of obstacles guide leg movements in the walking cat." Journal of Neuroscience 26.4 (2006): 1175-1178.
Griffiths, Daniel, Anthony Dickinson, and Nicola Clayton. "Episodic memory: what can animals remember about their past?." Trends in cognitive sciences 3.2 (1999): 74-80.
Roberts, William A. "Animal memory: episodic-like memory in rats." Current biology 16.15 (2006): R601-R603.
Crystal, Jonathon D. "Elements of episodic-like memory in animal models." Behavioural processes 80.3 (2009): 269-277.
Myskiw, Jociane C., and Iván Izquierdo. "Posterior parietal cortex and long-term memory: some data from laboratory animals." Frontiers in integrative neuroscience 6 (2012): 8.

Psicologia e Neurociência em Edward Thorndike

Leia também