Escrito pela Equipe Científica Qubic
Como a Informação Flui em Redes Neurais Artificiais Tradicionais
Nos modelos de inteligência artificial que conhecemos, a informação entra, é codificada, é transformada através de matrizes algébricas e produz saídas. Mesmo nas arquiteturas mais avançadas, como os transformadores, o princípio é o mesmo: o sinal passa por uma série de operações bem definidas dentro de um sistema estruturado. O modelo funciona como um circuito de processamento direcionado, da esquerda para a direita, entrada-saída, ou da direita para a esquerda, através de retropropagação para ajustes e treinamento.
Os resultados, como bem sabemos, são espetaculares. Ao trabalhar com milhões de parâmetros de linguagem, a IA é capaz de fornecer respostas magníficas, junto com algumas alucinações, no entanto. Mas se o objetivo não é processar entradas e produzir saídas, mas construir sistemas capazes de manter uma dinâmica interna, adaptando-se continuamente, reorganizando-se, regulando seu aprendizado e sustentando a inteligência como uma propriedade do tecido, a IA atual fica aquém.
Embora as pessoas às vezes falem de modelos de linguagem como imitações do cérebro, na realidade isso é mais uma metáfora comparativa do que uma simulação da neurociência computacional. Sistemas biológicos não lidam com informações da esquerda para a direita e vice-versa. A informação se propaga através de uma rede, retroalimenta a si mesma e também oscila, é atenuada ou é reforçada dependendo do contexto.
Fig 1. Fluxo de informação da esquerda para a direita em redes neurais artificiais tradicionais
Não Apenas Neurônios: O Papel dos Astrócitos na Função Cerebral e Plasticidade Sináptica
Costumamos associar cognição e inteligência ao funcionamento dos neurônios, seus receptores e neurotransmissores. Mas eles não são as únicas células no sistema nervoso. Por muito tempo, os astrócitos foram considerados células do sistema nervoso dedicadas ao suporte, limpeza, nutrição e estabilidade do ambiente. Hoje sabemos que eles participam ativamente da regulação; na verdade, um termo é utilizado: sinapse tripartida, na qual eles participam ativamente detectando neurotransmissores, integrando sinais de múltiplas sinapses, modulando a plasticidade e modificando a eficácia funcional do circuito.
Uma rede viva não é composta apenas de neurônios que disparam, mas também de astrócitos que regulam como, quando e quanto o sistema muda. Na biologia, computar não se trata apenas de emitir um sinal, mas também de modular o terreno onde esse sinal terá efeito. Pesquisas recentes demonstraram que os astrócitos podem realizar operações de normalização análogas a mecanismos de autoatenção encontrados em arquiteturas de transformadores — ligando interações astrócito-neurônio diretamente à computação semelhante à atenção em sistemas de inteligência artificial.
Fig. 2 Astrocitos biológicos e sinapse tripartida
Ativação Astrocitária no Neuraxon: Arquitetura de Rede Neural Bio-Inspirada
\u003ca-102\u003eNeuraxon\u003c/a-102\u003e é uma arquitetura que tenta recuperar e emular o funcionamento do cérebro e calcular propriedades funcionais que redes artificiais clássicas simplificaram excessivamente.
Como explicamos em volumes anteriores desta academia, o Neuraxon não trabalha apenas com neurônios de entrada, saída e ocultos no sentido convencional. Ele introduz unidades com estados que emulam potenciais excitatórios, inibitórios ou neutros (-1, 0, +1). Além disso, faz isso dentro de uma dinâmica TEMPORAL contínua onde levamos em conta o contexto e a história recente da ativação. A rede não é mais uma soma de camadas, mas se assemelha mais a um sistema com fisiologia interna. Para um contexto mais profundo sobre como esses elementos fundamentais funcionam, veja o Volume 1 da NIA: Por que a Inteligência Não é Computada em Passos, mas em Tempo e o Volume 2 da NIA: Dinâmicas Terciárias como um Modelo de Inteligência Viva.
Explicamos como os modelos Neuraxon transmitem através de receptores rápidos, lentos e neuromodulatórios — um mecanismo explorado em profundidade no Volume 3 da NIA: Neuromodulação e IA Inspirada no Cérebro. Mas agora também modelamos a regulação da plasticidade através da ativação astrocitária.
Como Funciona a Plasticidade Multi-Temposcala com Ativação Astrocitária (AGMP)
A ativação astrocitária introduz um portão inspirado no papel dos astrócitos na sinapse tripartida. A ideia é introduzir um filtro local, lento e contextual que determina quando uma modificação sináptica deve ser aberta, atenuada ou bloqueada. É como se o sistema pudesse considerar se há permissão para uma mudança. Essa abordagem aborda diretamente o dilema estabilidade-plasticidade, um dos desafios mais fundamentais no aprendizado contínuo para redes neurais.
Traços de Elegibilidade e Memória Sináptica Local
Como funciona? Através de uma espécie de traço de elegibilidade. É uma memória local que diz: "algo relevante aconteceu nesta sinapse." Ela é atualizada com um decaimento ao longo do tempo e com uma função entre a atividade pré-sináptica e pós-sináptica. Ou seja: a sinapse acumula evidências locais de coincidência temporal ou causalidade. A partir daí, há um sinal de difusão global, como um erro, uma possível recompensa ou algo semelhante à dopamina. O portão astrocitário seleciona se o neurônio está em um estado de aprendizado. Em versões futuras, os astrócitos poderiam modular milhares de sinapses se isso proporcionar uma vantagem computacional.
Essa abordagem é consistente com os avanços recentes em computação neuromórfica, incluindo a estrutura de Plasticidade Multi-Temposcala com Ativação Astrocitária (AGMP) proposta para redes neurais com disparo, que simultaneamente amplia o aprendizado de traço de elegibilidade com um estado astrocitário lento que condiciona atualizações sinápticas — resultando em uma regra de aprendizado de quatro fatores (elegibilidade × sinal modulatório × portão astrocitário × estabilização).
Regulação Endógena: Por que o Neuraxon é Mais do que uma Rede Neural Convencional
O Neuraxon dentro do QUBIC não compete em escala ou desempenho de tarefa. Ele funciona através de uma arquitetura com regulação endógena. Ao incorporar princípios astrocitários, ele começa a se comportar como uma rede com ecologia interna. Ou seja: um sistema onde não apenas quais unidades são ativadas importam, mas quais domínios do tecido são plásticos, quais estão estabilizados, quais áreas estão atenuando ruídos, quais estão consolidando regularidades e quais estão se preparando para se reorganizar. Para uma visão abrangente de como redes neurais biológicas e artificiais se comparam, veja o Volume 4 da NIA: Redes Neurais em IA e Neurociência.
Para Aigarth e QUBIC, o objetivo não é acumular mais parâmetros, mas introduzir mais níveis de organização funcional dentro do sistema.
Por que a Ativação Astrocitária é Importante para Aigarth e IA Descentralizada
Aigarth não é um modelo estático, mas um tecido evolutivo através de uma arquitetura capaz de crescer, mutar, podar, gerar descendentes funcionais e reorganizar sua topologia sob pressões adaptativas. Nesse contexto, o Neuraxon contribui com algo: uma microfisiologia computacional rica para as unidades que habitam esse tecido.
Isso tem implicações para robustez, adaptabilidade e memória. Também para escalabilidade. Em grandes arquiteturas, o problema não é apenas que há muitas unidades, mas como coordenar quais partes do sistema estão disponíveis para reconfiguração e quais devem manter a estabilidade.
Em termos de roadmap para o QUBIC, o objetivo é construir sistemas onde a inteligência emerge não apenas da computação neuronal, mas também do acoplamento entre processamento rápido, modulação lenta e evolução estrutural. Você pode explorar essas dinâmicas de primeira mão com a simulação interativa Neuraxon 3D no HuggingFace Spaces, onde você pode construir, configurar e simular uma rede Neuraxon 2.0 do zero.
Fig 3. Ativação de astrocitos Neuraxon - formulação AGMP
Referências Científicas
Allen, N. J., & Eroglu, C. (2017). Biologia celular das interações astrócito-sinapse. Neurônio, 96(3), 697–708.
Halassa, M. M., Fellin, T., & Haydon, P. G. (2007). A sinapse tripartida: Papéis da gliotransmissão na saúde e na doença. Tendências em Medicina Molecular, 13(2), 54–63.
Kofuji, P., & Araque, A. (2021). Astrócitos e comportamento. Revisão Anual de Neurociência, 44, 49–67.
Perea, G., Navarrete, M., & Araque, A. (2009). Sinapses tripartidas: Astrócitos processam e controlam informações sinápticas. Tendências em Neurociências, 32(8), 421–431.
Woodburn, R. L., Bollinger, J. A., & Wohleb, E. S. (2021). Efeitos sinápticos e comportamentais da ativação de astrócitos. Fronteiras em Neurociência Celular, 15, 645267.
Vivancos, D. & Sanchez, J. (2026). Neuraxon v2.0: Um Novo Blueprint de Crescimento Neural e Cálculo. Preprint do ResearchGate.
Explore a Academia de Inteligência Neuraxon Completa
Este é o Volume 5 da Academia de Inteligência Neuraxon pela Equipe Científica Qubic. Se você está apenas se juntando a nós, explore a série completa para construir uma compreensão total da ciência por trás do Neuraxon e da abordagem da Qubic para a inteligência artificial inspirada no cérebro:
\u003ca-76\u003eVolume 1 da NIA: Por que a Inteligência Não é Computada em Passos, mas em Tempo\u003c/a-76\u003e — Explora por que a inteligência biológica opera em tempo contínuo em vez de passos computacionais discretos como os LLMs tradicionais.
\u003ca-83\u003eVolume 2 da NIA: Dinâmicas Terciárias como um Modelo de Inteligência Viva\u003c/a-83\u003e — Explica dinâmicas terciárias e por que a lógica de três estados (excitador, neutro, inibidor) é importante para modelar sistemas vivos.
\u003ca-90\u003eVolume 3 da NIA: Neuromodulação e IA Inspirada no Cérebro\u003c/a-90\u003e — Aborda a neuromodulação e como a sinalização química do cérebro (dopamina, serotonina, acetilcolina, norepinefrina) inspira a arquitetura do Neuraxon.
\u003ca-97\u003eVolume 4 da NIA: Redes Neurais em IA e Neurociência\u003c/a-97\u003e — Uma comparação profunda entre redes neurais biológicas, redes neurais artificiais e a abordagem de terceiro caminho do Neuraxon.
Qubic é uma rede descentralizada e de código aberto para tecnologia experimental. Para saber mais, visite qubic.org
\u003ct-142/\u003e\u003ct-143/\u003e\u003ct-144/\u003e\u003ct-145/\u003e\u003ct-146/\u003e