Mais de um século após Ivan Pavlov demonstrar que cães podiam aprender a associar estímulos neutros a recompensas, um novo estudo reacende o debate sobre como o cérebro aprende. Pesquisadores da Universidade de Sydney e da Rutgers University mostram que a velocidade do aprendizado não depende apenas da repetição, mas da quantidade de informação temporal que um estímulo fornece sobre um evento futuro.

Publicado nesta segunda-feira (2) na revista eLife, o trabalho demonstra que ratos aprendem mais rapidamente quando um sinal — como uma luz — oferece informações precisas sobre quando uma recompensa será entregue. O achado confirma e amplia resultados clássicos obtidos com pombos nos anos 1970, sugerindo a existência de um princípio universal do aprendizado, válido entre espécies.

“Os animais não estão apenas formando associações vagas. Eles aprendem taxas, intervalos e probabilidades”, afirma Justin Harris, professor da Universidade de Sydney e um dos autores do estudo. “O cérebro parece operar como um sistema estatístico altamente eficiente, sensível à informação disponível no ambiente.”.

No experimento, 14 grupos de ratos foram treinados a associar um estímulo luminoso à entrega de alimento. O que variava era a relação entre dois intervalos de tempo: o período médio entre recompensas e o tempo entre o estímulo e a comida. Essa razão — conhecida como C/T — define o grau de “informatividade” do sinal.

Os resultados mostram que quanto maior essa razão, menos experiências são necessárias para que o animal aprenda. Em termos práticos, dobrar a informatividade do estímulo reduz pela metade o número de tentativas exigidas para o aprendizado surgir.

“A descoberta é que o aprendizado segue uma regra escalar simples”, explica Charles Randy Gallistel, professor emérito da Rutgers University. “Isso vale para ratos, pombos e, muito provavelmente, para outros animais, inclusive humanos”.

A implicação do estudo vai além da psicologia experimental. Modelos tradicionais de aprendizado — inclusive aqueles usados em redes neurais artificiais — assumem que o conhecimento surge do reforço gradual de conexões. O novo trabalho sugere que o cérebro biológico funciona de outra maneira: ele codifica informação temporal, reduzindo incertezas sobre o futuro.

Essa diferença ajuda a explicar por que sistemas de inteligência artificial ainda têm dificuldade em prever eventos no mundo real, apesar de avanços notáveis na linguagem e no reconhecimento de padrões.

Os achados também dialogam com áreas como educação, saúde e comportamento. Estratégias de ensino baseadas em repetição intensiva podem ser menos eficazes do que aquelas que organizam o conteúdo de forma espaçada e informativa — um princípio já observado empiricamente, mas agora sustentado por uma base teórica robusta.

Ao demonstrar que o aprendizado obedece a uma lei matemática simples, o estudo recoloca no centro da ciência cognitiva uma questão antiga: aprender não é apenas acumular experiências, mas extrair sentido do tempo.

Como concluem os autores, compreender essa lógica pode aproximar a neurociência dos desafios contemporâneos da inteligência artificial — e, ao mesmo tempo, lançar nova luz sobre como cérebros naturais aprendem desde os primórdios da vida.