Estou no décimo semestre e adoro estudar temas relacionados às neurociências.

As referências deste trabalho vieram do conteúdo visto em sala de aula, de livros e artigos.

Eles descobriram que as raízes ventrais dos nervos são responsáveis pela motricidade, enquanto as raízes dorsais transportam informações sensoriais.

Bell cortou as raízes separadamente e observou paralisia ao cortar as ventrais, confirmando que cada nervo contém fibras que transmitem informações em direções distintas.

Portanto, para compreender o sistema nervoso devemos entender como cada uma de suas células trabalha e depois observar como elas estão associadas para trabalhar em conjunto.

O tecido neural tem uma consistência gelatinosa, sem firmeza o suficiente para realizar cortes finos. Portanto, o estudo da morfologia das células nervosas teve de esperar o desenvolvimento de métodos para endurecer o tecido sem alterar sua estrutura.

O micrótomo rotativo, desenvolvido por Charles Minot, é um aparelho utilizado para realizar cortes microscópicos de amostras biológicas com espessuras que variam de 1 a 10 un.

A técnica é extremamente útil por duas razões: ela distingue entre neurônios e glia, e permite aos histologistas estudarem a citoarquitetura dos neurônios de diferentes partes do SN.

A região inchada que contém o núcleo celular pode ser chamada de corpo celular, soma ou pericário.

Já os tubos finos são chamados de neuritos, e podem ser de dois tipos: axônios e dendritos.

O corpo celular, em geral, origina um único axônio. O axônio possui um diâmetro uniforme ao longo de toda a sua extensão e suas eventuais ramificações se estendem em ângulos retos. Os axônios podem se estender por um metro ou mais, e são conhecidos como "fios condutores"

Os dendritos, por outro lado, raramente são mais longos do que 2mm. Muitos dendritos se projetam do corpo celular, terminando, em geral, em pontas finas. Por fazerem muitos contatos com axônios, reconheceu-se que os dendritos atuam como "antenas" do neurônio para receber aferências, ou sinalizações de outras células nervosas.

Santiago Ramon y Cajal, ao contrário, argumentava que os neuritos não estão em continuidade, e sim, conectados a fim de estabelecer comunicações.

Essa ideia veio a ser conhecida como Doutrina Neuronal.

As evidências científicas dos 50 anos seguintes apoiavam substancialmente a doutrina neuronal, entretanto, a comprovação final teve de esperar a criação da microscopia eletrônica, na déc. de 1950.

Existe uma divisão de trabalhos no cérebro, com diferentes partes do cérebro realizando funções bem distintas.

Reações como o medo indicam mecanismos cerebrais semelhantes entre diferentes espécies.

Estudos eu neurociência utilizam modelos animais, como ratos e camundongos, para compreender processos humanos, embora adaptações específicas reflitam as necessidades especiais no ambiente de cada espécie.

Dessa forma, os microscópios eletrônicos revolucionaram o entendimento da ultraestrutura dos neurônios.

Atualmente, técnicas avançadas utilizam feixes de laser e computadores para criar imagens digitais, permitindo a visualização de tecidos neurais vivos.

Essas novas abordagens oferecem "super-resolução", revelando estruturas tão pequenas quanto 20 nm, superando as limitações dos microscópios eletrônicos.

Neste teste, uma pessoa, um computador e um interrogador humano (juiz) são mantidos em salas separadas e só podem se comunicar por texto. A máquina e o ser humano manterão uma conversação entre si. O juiz deverá analisar o conteúdo e tentar distinguir qual é a máquina e qual é o ser humano. A pergunta que Turing se fazia era: poderia a máquina imitar o pensamento humano e confundir o juiz?

O teste contribuiu muito para o desenvolvimento das IAs e continua sendo utilizado nos dias de hoje.

Eis que surge o, talvez, suprassumo da intersecção entre essas duas abordagens: a Inteligência Artificial.

Inteligência Artificial (IA) é um campo da ciência da computação que se dedica ao desenvolvimento de sistemas capazes de realizar tarefas que normalmente requerem inteligência humana. Isso inclui habilidades como raciocínio, aprendizado, percepção e resolução de problemas.

Especialistas definem a IA como a capacidade das máquinas de simular funções cognitivas humanas, utilizando algoritmos complexos e grandes volumes de dados para tomar decisões autônomas.

“Success in creating AI would be the biggest event in human history. Unfortunately, it might also be the last, unless we learn how to avoid the risks.”—Stephen Hawking.

Searle propôs o seguinte problema: imaginemos que ele está fechado em um quarto e recebeu uma caixa com vários textos chineses para traduzir. Ele não sabe chinês.

Entretanto, ele também recebeu uma segunda caixa, com uma série de regras para traduzir o chinês para o português.

E uma terceira caixa, que lhe dava um conjunto de regras para formular as respostas às perguntas da primeira caixa.

Ele então as responde perfeitamente.

Searle pode se tornar tão bom em manipular as regras, que suas respostas seriam igualmente tão boas as de um falante nativo chinês.

Entretanto, ele não sabe chinês, apenas está seguindo um conjunto de regras.

Neste sentido, ele comenta que os programas não são inteligentes, eles só estão seguindo um conjunto de regras pré-programadas.

A noção de Searle é que o computador não vê e compreende as relações entre input e output, mas usa conexões pré-estabelecidas para parecerem mostrar inteligência.

Eles afirmam que os computadores sobressaem no aspecto matemático e dedutivo do pensamento, mas não no indutivo.

“O instrumento do trabalho ao tomar a forma de

máquina logo se torna concorrente do próprio trabalhador, produzindo miséria crônica na camada de

trabalhadores que se apodera”

Dessa forma, Marx propunha a hipótese de que as máquinas podem substituir os humanos em praticamente todas as funções, deixando a população desempregada e, consequentemente, na miséria.

De fato, a revolução industrial na Inglaterra, o tear a vapor, por exemplo, causou o desemprego, conforme Marx (1989), de 800 mil indivíduos no mesmo país.

Thiago Romariz, cofundador da plataforma Chippu e especialista em entretenimento e cultura pop, observa que, diferentemente da computação gráfica (CGI), muito conhecida da indústria e vigente em Hollywood há décadas, a inteligência artificial da forma que é aplicada (e evoluirá) hoje vai muito além de ter imagens incríveis ou personagens extraterrestres.

Autores como Schwab (2016) e McAfee (2015) estimam que dentro de poucas décadas as máquinas irão dominar também o mundo dos negócios.

E as Inteligências Artificiais, que, por sua vez, se caracterizam por serem sistemas capazes de realizar tarefas complexas, e podem superar várias das limitações humanas. Engloba conceitos como machine learning, deep learning e Processamento da Linguagem Natural (PLN).

Ao invés desses sistemas serem programados para realizar uma tarefa específica, eles partem de um banco de dados para aprender padrões e tomar decisões, com o mínimo de intervenções humanas.

Um exemplo de sistema de aprendizado de máquina é o mecanismo de identificação de spams e e-mails. A partir de um banco de dados que contém as características de span, que esse sistema aprende a identificar spams nos e-mail recebidos pelo usuário.

O que o distingue o machine learning é a capacidade de aprender representações de dados que possuem profunda complexidade e abstração, de forma automática.

As instituições financeiras se utilizam bastante do deep learning para avaliar riscos nos processos de aprovações de empréstimos e identificar fraudes, além de gerenciar carteiras de crédito e investimentos.

Um exemplo do PLN é o Chat GPT, que é capaz de interpretar os textos escritos pelo usuário e gerar diversos textos a partir de uma demanda, como um conjunto de artigos sobre determinado tema, por exemplo.

Sistemas de aprendizado personalizado, avaliações automatizadas, sistemas de reconhecimento facial, chatbots (sites de redes sociais) e ferramentas de análise preditiva estão sendo cada vez mais implementados em ambientes educacionais.

(a) Fornecendo instrução em salas de aula com habilidades mistas

(b) Oferecendo aos alunos feedback detalhado e oportuno sobre seus produtos de escrita

(c) Liberando os professores do fardo de possuir todo o conhecimento e dando-lhes mais espaço para apoiar seus alunos enquanto observam, discutem e coletam informações em seus processos colaborativos de construção do conhecimento.

Segundo Miller, Katz e Gans (2018), os maiores riscos de integrar esses algoritmos em contextos educacionais são:

(a) Perpetuar preconceitos e discriminações sistêmicas existentes

(b) Perpetuar a injustiça para alunos de grupos predominantemente desfavorecidos e marginalizados

(c) Amplificar racismo, sexismo, xenofobia e outras formas de injustiça e desigualdade.

Estudos mostram que robôs podem modelar esses comportamentos, influenciando as crianças a adotá-los em atividades futuras.

O foco atual é investigar se um robô que demonstra criatividade pode estimular a criatividade nas crianças durante o aprendizado.

As crianças não apenas precisam entender como a IA funciona, mas também ser capazes de pensar criativamente sobre como elas querem que ela funcione.

O robô social atua como um artefato programável e um guia que orienta os alunos através dos algoritmos de IA, ensinando-os sobre IA por meio da interação social.

Essas atividades baseiam-se na pedagogia construcionista: aprendizado prático e baseado em projetos que permite às crianças a liberdade de explorar.

Por exemplo, as crianças aprendem sistemas ao ensinar o robô as regras do jogo pedra, papel e tesoura e depois jogando contra ele.

Uma melhoria adicional neste sistema seria personalizar mais para o estágio de desenvolvimento de cada criança.

A plataforma permite a criação de uma rede neural para classificação sem a necessidade de saber programar.

https://youtu.be/sMGpCmpSfbA

"Poderíamos utilizar isso nas aulas de ciências, como em biologia, para potencializar o aprendizado em classificação de plantas e animais, por exemplo."

Cognii - Esta plataforma oferece assistentes virtuais de aprendizagem que utilizam IA para avaliar respostas dos alunos e fornecer feedback personalizado, ajudando na retenção do conhecimento e na melhoria das habilidades.

Thinkster Math - Um programa de tutoria que combina interação humana com inteligência artificial para criar planos de aprendizado personalizados em matemática. O sistema usa dados dos alunos para ajustar as lições e fornecer feedback em tempo real.

Khan Academy - Embora não seja exclusivamente um projeto de IA, a Khan Academy usa algoritmos para personalizar a experiência de aprendizado dos alunos. A plataforma analisa o progresso do aluno e recomenda recursos específicos para ajudá-los a superar dificuldades.

IA Educação 360º - Implementado em turmas do 8º ano, o projeto visa adaptar o ensino às necessidades individuais dos estudantes e avaliar o impacto dessa abordagem na qualidade da educação. Focado na melhoria do ensino da língua portuguesa, este projeto utiliza chatbots para personalizar a aprendizagem dos alunos.

educ.AI - Desenvolvido por estudantes da Universidade de São Paulo, este projeto utiliza IA para ajudar escolas públicas a administrar seus orçamentos e melhorar o desempenho dos alunos no Enem. A plataforma analisa dados sobre a estrutura das escolas e sugere investimentos que podem ter melhor retorno educacional.

A educação em IA teve um impacto positivo nos resultados de aprendizado dos alunos, motivação, atitudes em relação à IA, interesse em tecnologia e explorações de carreira.

Essas descobertas ressaltam a importância de métodos de ensino eficazes, atividades práticas, integração com outras disciplinas e a abordagem de equívocos para promover uma educação em IA bem-sucedida.

https://doi.org/10.1016/j.caeai.2024.100211

A implementação das Inteligências Artificiais no currículo de educação infantil tem se mostrado favorável ao processo de educação e tem potencial crítico para a solução de diversos problemas enfrentados na educação infantil ao redor do mundo.

Entretanto, a implementação desta categoria de tecnologia ainda presume obstáculos consideráveis, como questões éticas e os riscos potenciais.

De forma geral, o estudo sobre esta abordagem suporta que devemos ser mais compreensivos em relação à implementação das IAs na educação.

Ao integrar conhecimentos sobre o funcionamento do cérebro nas metodologias educacionais, é possível criar ambientes mais eficazes e inclusivos que atendam às necessidades diversas dos alunos, promovendo um aprendizado mais significativo e duradouro.

Do ponto de vista da neurociência, a aprendizagem é compreendida como "modificações do SNC [Sistema Nervoso Central], mais ou menos permanentes, quando o indivíduo é submetido a estímulos e/ou experiências de vida, que serão traduzidas em modificações cerebrais. (Rotta, 2016, p. 469).

A plasticidade neuronal diz respeito a capacidade do sistema nervoso de se modificar, evoluir, fazer-se dinâmico e adaptável, tanto estruturalmente como nas suas funções, a partir de padrões de experiência.

De 6-18 meses, a vocalização lentamente se aproxima a padrões de falas humanos percebidos no arredor do ser em desenvolvimento;

Entre 10-13 meses, as primeiras palavras são faladas;

Entre 12-18 meses inicia-se a expansão do vocabulário;

Dos 18 aos 24 meses de vida ocorre a dita explosão do vocabulário, com maior facilidade para aprender novas palavras;

De 1-18 meses ocorre desenvolvimento da percepção de fala;

De 12-24 meses ocorre desenvolvimento de vocabulário;

De 2-3 anos ocorre desenvolvimento gramatical e de sintaxe;

De 3-5 anos a comunicação social pragmática é desenvolvida;

De 5 anos em diante a metacognição se desenvolve de forma ampla;

Linguagem é um sistema de símbolos e regras que nos permitem comunicar. A comunicação, apesar de não ser a única função da linguagem, é a primária. Outras funções da linguagem incluem pensamento, memória, emoções.

A linguagem é composta por componentes receptivos (como capacidade de ouvir e ler) e expressivos (falar e escrever).

A linguagem tem diversos níveis, como fonologia (estudo do sistema de sons da língua (fonemas) e suas combinações), morfologia (estudo das regras que governam os morfemas (mínimas unidades significativas), sintaxe (regras que dizem respeito às maneiras pelas quais as palavras podem ser combinadas para formar sentenças), semântica (significado de combinações de palavras) e pragmática (regras associadas ao uso da linguagem como meio social).

A atenção pode ser classificada como voluntária ou involuntária.

A atenção voluntária está diretamente ligada às motivações, aos interesses a às expectativas do indivíduo, sendo esta sua atenção seletiva e deliberada durante uma atividade.

Já atenção involuntária é orquestrada pelas características dos estímulos, ou seja, ocorre diante de eventos inesperados no ambiente e o indivíduo não é agente de sua escolha de atenção.

Esse conjunto de funções é necessário para que os indivíduos possam apresentar comportamentos complexos e encadeados sistematicamente, tanto em contextos de interação social quanto em situações cognitivas complexas que demandam maior controle mental e raciocínio.

Acredita-se que as funções executivas tenham como papel integrar e gerenciar as diferentes funções neuropsicológicas, mobilizando o sistema cognitivo de forma harmônica e encadeada.

Três processos/etapas da memória: a memória ocorre em 3 principais etapas: etapa de registro (encoding), de armazenamento (storage) e recuperação (retrieval).

Na etapa de registro/codificação, ocorre aquisição e processamento da informação recebida.

Na etapa de armazenamento, ocorre o estabelecimento de um registro “permanente” daquela informação.

Por fim, na etapa de recuperação, ocorre reativação dos registros “permanentes” previamente armazenados. 

A memória declarativa/explícita armazena os fatos e eventos que podem ser lembrados conscientemente. Este tipo de memória engloba a memória episódica e semântica.

A memória episódica trata de eventos específicos que fazem parte de sua história pessoal, como o nome de seu animal de estimação, o nome de seu professor de matemática do último ano do colégio, onde você estava quando um acontecimento marcante aconteceu.

Por outro lado, a memória semântica compreende a capacidade de reconhecer fatos e conceitos comumente conhecidos por “conhecimentos comuns”, como entender a diferença entre um gato e um cachorro, etc.

Seu gosto por esses temas reflete uma busca por compreensão, inovação e impacto positivo no mundo ao seu redor. Faz sentido que você encontre neles um equilíbrio entre a lógica científica e a aplicabilidade prática. 😊