Organoides cerebrais cultivados em laboratório foram treinados a resolver o clássico problema de controlo do pêndulo invertido, demonstrando capacidade de aprendizagem adaptativa. A experiência, conduzida por Ash Robbins e equipa na Universidade da Califórnia em Santa Cruz, foi divulgada em 16 de março de 2026 e representa a primeira prova rigorosa de que tecidos neurais artificiais conseguem, de forma autónoma, melhorar o desempenho numa tarefa de engenharia.
O desafio do pêndulo invertido
Equilibrar um objeto longo e fino, como o cabo de uma vassoura, sobre uma base móvel é um dos testes mais usados em robótica, teoria de controlo e inteligência artificial. A tarefa exige ajustes rápidos e contínuos para manter a haste na posição vertical. Em humanos, a capacidade de resolver esse problema surge logo na infância, quando aprendemos a andar. Reproduzir o mesmo nível de adaptação em sistemas artificiais tem sido um objetivo central da engenharia de controlo.
A equipa recorreu a organoides — pequenos aglomerados de tecido cortical obtidos a partir de células-tronco de camundongos — para avaliar se redes neuronais biológicas minimalistas, sem corpo, dopamina ou experiências sensoriais, poderiam adquirir esse tipo de competência apenas com feedback elétrico.
Montagem do experimento
Cada organoide foi colocado num chip especializado capaz de registar a atividade dos neurónios e enviar estímulos elétricos personalizados. Um software convertia o ângulo virtual da haste em sinais de intensidade variável: quanto mais a haste se afastava da vertical, mais forte o impulso recebido pelo tecido.
Do lado oposto, o padrão de disparo dos neurónios era interpretado como força a aplicar na base do pêndulo digital. O sistema operava em circuito fechado; ou seja, a resposta neural determinava o próximo estímulo, criando um ciclo contínuo de ação e reação.
Os ensaios foram divididos em «episódios». Em cada um, o organoide tentava manter a haste equilibrada até que inevitavelmente caísse. Depois, o pêndulo era reiniciado e iniciava-se um novo episódio.
Estratégia de aprendizagem por reforço
A equipa adotou um critério simples para decidir quando aplicar treino adicional. A cada cinco episódios, os cientistas comparavam o tempo médio de equilíbrio obtido nesse bloco com a média dos 20 episódios anteriores. Se houvesse melhoria espontânea, nenhum estímulo extra era administrado; caso contrário, o organoide recebia sinais corretivos.
Esse mecanismo imita, em pequena escala, técnicas de aprendizagem por reforço usadas em inteligência artificial, onde um agente é recompensado ou penalizado conforme o desempenho.
Imagem: Tecnologia e Inovação
Resultados alcançados
Organoides submetidos ao protocolo adaptativo alcançaram taxa de sucesso de 46 %, contra 4,5 % observados em amostras que receberam estímulos aleatórios. O número indica um salto de magnitude dez vezes superior, sugerindo que o tecido desenvolveu uma representação interna da tarefa e ajustou a própria atividade para atingir o objetivo.
Keith Hengen, investigador participante, destacou que a experiência revela uma característica intrínseca do córtex: “Mesmo sem o aparato completo de um cérebro vivo, o tecido mostra plasticidade suficiente para resolver um problema real de controlo quando recebe feedback dirigido”.
Limitações e próximos passos
Embora o desempenho seja expressivo, os organoides apresentaram esquecimento rápido. Após séries de 15 minutos de treino, bastavam 45 minutos de inatividade para perder quase todo o progresso. Os autores acreditam que organoides mais complexos ou protocolos de consolidação poderão atenuar a perda de memória.
Os investigadores frisam que o objetivo principal é compreender mecanismos básicos de aprendizagem e abrir caminhos para o estudo de doenças neurológicas. David Haussler, coautor do trabalho, salientou que a equipa não pretende substituir controladores eletrónicos por tecido vivo, sobretudo porque tal abordagem levantaria questões éticas — especialmente se fossem usados organoides humanos.
As perspetivas incluem explorar redes de organoides mais extensas, introduzir variáveis químicas que se aproximem do ambiente cerebral natural e analisar como mutações genéticas relacionadas a patologias alteram a capacidade de aprendizagem. Esses passos poderão ampliar o uso de minicérebros como plataforma para testar terapias, investigar plasticidade sináptica e, eventualmente, inspirar novos modelos híbridos de computação biológica.
Enquanto isso, a demonstração atual reforça a ideia de que estruturas neurais reduzidas, formadas in vitro, já contêm, por si só, os elementos necessários para processar informação, ajustar-se a metas concretas e resolver tarefas complexas — um avanço que aproxima a biotecnologia dos desafios tradicionais da engenharia.
