Peixes elétricos estão entre os espécimes mais intrigantes no gabinete de curiosidades da natureza. Eles “veem” seu mundo e uns aos outros ao sentir — e gerar seus próprios — campos elétricos. Essa habilidade única fornece uma área-chave de exploração para o campo emergente da NeuroAI, que explora as capacidades perceptivas e cognitivas de sistemas naturais e artificiais.

Para Kanaka Rajan, pesquisadora do Instituto Kempner e professora associada do Departamento de Neurobiologia da Escola Médica de Harvard, os peixes elétricos representam uma fonte potencial de percepção mais ampla sobre a “inteligência coletiva”, que emerge de interações entre diferentes entidades orientadas a objetivos. 

Rajan e sua equipe acreditam que estudar peixes fracamente elétricos pode ser um trampolim para entender a inteligência multiagente, potencialmente lançando luz sobre a dinâmica complexa que é uma marca registrada das sociedades animais e humanas.

Rajan e seus colaboradores investigaram o Gnathonemus petersii, ou peixe-nariz-de-elefante-de-Peter, um peixe fracamente elétrico, nomeado por causa da protrusão em forma de tromba em suas cabeças. Nativos dos rios da África ocidental e central, os peixes-nariz-de-elefante preferem viver em poças lamacentas e riachos sombrios e lentos. Com a ajuda do eletrossenso, os peixes são capazes de penetrar em seus ambientes lamacentos produzindo pulsos conhecidos como descargas elétricas de órgãos, ou EODs. 

“Eles fazem tudo em suas vidas por meio de pulsos elétricos”, diz Rajan. “Sua comunicação, seus hábitos de acasalamento, sua perseguição, sua agressão, cooperação, competição, tudo é governado por esses pulsos que eles emitem.”

Como Rajan e sua equipe estão interessados em como os agentes — que podem ser humanos, animais, robôs ou modelos de linguagem — interagem entre si em diferentes escalas, os peixes-nariz-de-elefante oferecem uma oportunidade de estudar a comunicação emergente e coordenada, ou a interação dos agentes, em um contexto relativamente simples. 

É aqui que entram os peixes fracamente elétricos. Sua “linguagem” consiste em fluxos de pulsos elétricos idênticos. Suas “frases” variam em termos de quantas vezes essas “sílabas” são emitidas por cada peixe. Mas mesmo que as formas de comunicação desses animais sejam mais simples do que as dos humanos, eles ainda exibem comportamentos emergentes e coordenados que podem lançar luz sobre dinâmicas sociais muito mais complexas. Modelar esses comportamentos também pode ajudar no desenvolvimento de novos sistemas de IA.

A ideia-chave ao estudar a inteligência coletiva é que a dinâmica social não é simplesmente a soma de comportamentos individuais, ou mesmo de interações em pares. Por exemplo, os comportamentos distintos que podem surgir em grupos de humanos em uma festa são muito mais complexos do que uma coleção de conversas de duas pessoas. Isso pode ser porque cada conversa carrega consigo um resquício de memória da conversa anterior, mesmo que tenha ocorrido com uma pessoa totalmente diferente, ou porque uma discussão a três tem nuances que não podem ser capturadas totalmente pela soma de todos os possíveis bate-papos de duas pessoas. Além disso, o contexto geral importa quando se trata de comportamentos humanos — seja um evento de trabalho ou pós-trabalho, por exemplo, ou se a situação ocorre entre pares ou dentro de uma hierarquia social.

Peixes nariz-de-elefante demonstram esse tipo de inteligência coletiva de maneiras impressionantes. Em um estudo de Federico Pedraja e Nathaniel Sawtell, um dos principais colaboradores de Rajan na Universidade de Columbia, peixes nariz-de-elefante em um grupo foram vistos pegando carona na capacidade um do outro de procurar comida. Se um peixe encontrar uma fonte promissora de comida, ele pode enviar pulsos que os peixes próximos podem detectar. Como resultado, outros peixes podem gastar menos energia em forrageamento diretamente e simplesmente seguir o líder. Por meio desse e de outros tipos de comunicação coletiva, os peixes são capazes de exibir comportamentos sociais que podem ajudá-los a sobreviver e prosperar em certos ambientes.

Rajan e sua equipe construíram modelos de computador usando agentes artificiais que imitam peixes-nariz-de-elefante. Ao manipular fatores que seriam impossíveis de controlar experimentalmente em peixes reais, Rajan e sua equipe foram capazes de simular e estudar como a inteligência coletiva emerge em diferentes contextos. 

O trabalho deles no Instituto Kempner começou a revelar alguns resultados fascinantes. Simulações evolutivas, nas quais peixes artificiais devem sobreviver para passar suas características para a próxima geração, sugerem que a disponibilidade de alimentos determina se os peixes se envolvem principalmente em cooperação ou competição. Reduzir a confiabilidade das fontes de alimentos aumenta a probabilidade de que a população se envolva em comportamentos competitivos. Cooperação e competição não são programadas nesses agentes artificiais. Em vez disso, esses comportamentos emergem ao longo de várias gerações por meio de uma versão simulada da seleção natural.

Rajan pretende expandir este projeto para abranger gradualmente mais e mais complexidade, incluindo melhor compreensão do processo de aprendizagem em agentes individuais e o surgimento de diferentes estratégias de sobrevivência.

Uma questão-chave que a equipe está começando a abordar é se há leis universais governando as interações sociais. Existe, por exemplo, uma “massa crítica” de agentes que podem cooperar de forma ótima? Ou um limite após o qual a competição se torna excessiva? 

Esse tipo de trabalho tem implicações intrigantes para a cooperação humana, mas também é relevante para a pesquisa de IA aplicada. Princípios de inteligência coletiva podem desempenhar um papel importante em como sistemas individuais de IA interagem e se comunicam entre si. Equipes cooperativas de agentes de IA — às vezes chamadas de “enxames” — são promissoras para aplicações tecnológicas, potencialmente permitindo uma resolução de problemas mais rápida, mais complexa e mais adaptável. Só o tempo dirá se essas “mentes coletivas” de IA se mostrarão úteis, mas, enquanto isso, o trabalho fundamental do tipo buscado por Rajan e seus colaboradores está lançando luz sobre como agentes biológicos e artificiais podem trabalhar juntos para produzir inteligência coletiva.