Uma ideia, por anos, ganhou força na neurociência cognitiva: o cérebro humano funcionaria como uma máquina de previsão, antecipando palavras antes mesmo de ouvi-las. Essa hipótese, reforçada por avanços em modelos de linguagem e inteligência artificial, ajudou a moldar teorias modernas sobre compreensão da fala. Um novo estudo, porém, coloca esse paradigma em xeque — e sugere que parte das evidências pode ter sido mal interpretada.

Publicado nesta sexta-feira (10), na revista eLife, o trabalho liderado pela pesquisadora Inés Schönmann, do Donders Institute for Brain Cognition and Behaviour, analisou dados de atividade cerebral e concluiu que sinais antes considerados prova de “previsão de palavras” podem, na verdade, refletir padrões estatísticos inerentes à própria linguagem.

“Mostramos que os chamados ‘marcadores de previsão’ podem surgir mesmo em sistemas que não fazem qualquer previsão”, afirma Schönmann no artigo. “Isso sugere que o cérebro pode não estar antecipando palavras da forma como muitos estudos propuseram.”

A hipótese dominante sustenta que, ao ouvir uma frase, o cérebro ativa previamente representações neurais de palavras prováveis. Esse processo — chamado de “pré-ativação” — teria sido detectado em estudos com técnicas como eletrocorticografia (ECoG) e magnetoencefalografia (MEG), que medem a atividade elétrica do cérebro com alta precisão temporal.

Esses estudos identificaram dois sinais principais: a capacidade de prever atividade cerebral antes da palavra ser ouvida e o fato de palavras mais previsíveis gerarem sinais mais fortes. Juntos, esses efeitos foram interpretados como evidência direta de que o cérebro antecipa o conteúdo linguístico.

Mas havia um problema: a linguagem natural é altamente estruturada. Palavras próximas tendem a compartilhar informações — semânticas, sintáticas ou até acústicas. Expressões como “árvore verde” ou “Sherlock Holmes” carregam padrões previsíveis que não dependem de qualquer processo ativo do cérebro.

Para separar previsão real de simples correlação, a equipe aplicou o mesmo método usado em estudos anteriores a sistemas de controle que, por definição, não conseguem prever nada. Entre eles estavam vetores de palavras (embeddings) e características acústicas da fala.

O resultado foi surpreendente: os mesmos “marcadores de previsão” apareceram nesses sistemas passivos.

“Se esses sinais também surgem em dados que não têm capacidade de prever o futuro, então não podemos atribuí-los automaticamente à atividade preditiva do cérebro”, explica o coautor Micha Heilbron, ligado à University of Amsterdam.

Os testes envolveram dois grandes conjuntos de dados de MEG, incluindo um experimento com três participantes que ouviram cerca de 10 horas de narrativas — um volume incomum de dados para esse tipo de estudo. Em alguns casos, palavras consideradas previsíveis apresentaram até 46% mais “capacidade de previsão” nos modelos — um número expressivo, mas que também surgiu nos sistemas de controle.

O estudo dialoga diretamente com o avanço dos chamados grandes modelos de linguagem, como aqueles baseados em redes neurais que aprendem a prever a próxima palavra em uma frase. Esses sistemas — frequentemente comparados ao cérebro humano — foram fundamentais para impulsionar a ideia de que a previsão é central na cognição linguística.

No entanto, segundo os autores, essa comparação pode ter sido exagerada.

Para reforçar a conclusão, os pesquisadores testaram técnicas que buscavam eliminar essas dependências estatísticas, como a remoção de pares de palavras recorrentes (bigramas) e a “residualização” de embeddings — um método que tenta retirar informações redundantes entre palavras vizinhas.

Nenhuma das abordagens foi suficiente.

Mesmo após essas correções, os sinais de “previsão” continuaram a aparecer. Isso indica que as dependências são mais profundas e estão enraizadas na própria estrutura da linguagem, não apenas em relações superficiais.

O estudo não nega que o cérebro humano possa prever palavras — uma ideia sustentada por décadas de pesquisa comportamental e neurocientífica. Em vez disso, questiona a validade de um método específico usado para demonstrar esse fenômeno.

“Não estamos dizendo que o cérebro não prevê”, ressalta Schönmann. “Mas mostramos que essas evidências precisam ser interpretadas com muito mais cautela.”

A conclusão tem implicações amplas. Pesquisas que utilizam modelos computacionais para estudar o cérebro — uma tendência crescente na neurociência — podem precisar revisar seus métodos e pressupostos.

A controvérsia toca em um dos temas centrais da ciência cognitiva contemporânea: até que ponto o cérebro humano opera como um sistema preditivo, semelhante às máquinas de inteligência artificial.

Para alguns especialistas, o novo estudo representa um alerta metodológico. Para outros, pode indicar a necessidade de novos experimentos mais controlados, capazes de separar previsão genuína de simples correlação estatística.

O próprio artigo sugere caminhos futuros, como comparar diretamente a previsibilidade do estímulo com a atividade cerebral ou usar dados com menos ruído, como registros invasivos.

Enquanto isso, a ideia de um cérebro que antecipa cada palavra continua em debate — agora sob uma luz mais crítica.

Como resume Heilbron: “A questão não é se o cérebro prevê, mas como provar isso de forma convincente.”