Sinais cerebrais permitem que a IA corrija metas mal interpretadas e ações inadequadas

Uma equipa de cientistas do Instituto Avançado de Ciência e Tecnologia da Coreia (KAIST) e da Microsoft Research Asia revelou um novo método denominado Neural Value Alignment. Esta abordagem equipa um sistema de inteligência artificial com a capacidade de reconhecer dois tipos distintos de sinais de erro gerados pelo cérebro de uma pessoa enquanto observa a IA em ação.

O núcleo do sistema é a eletroencefalografia (EEG), uma técnica não invasiva que regista a atividade elétrica a partir do couro‑cabelo. Nos experimentos, os participantes limitavam‑se a observar a IA a executar tarefas; não foi necessário nenhum feedback verbal, pressão de botão ou correção explícita para capturar os sinais cerebrais.

Distinção entre erros de objetivo e erros de ação

Os investigadores distinguem duas assinaturas neurais. Um erro de predição de recompensa surge quando a IA persegue o objetivo final errado, sinalizando que o resultado pretendido pelo utilizador difere do que o sistema está a tentar alcançar. Por outro lado, um erro de predição de estado aparece quando o objetivo é corretamente inferido, mas a sequência de ações escolhida é inesperada ou indesejável.

Modelos de aprendizagem profunda treinados com os dados de EEG decodificam estes padrões em tempo real. Uma vez identificados, o tipo de erro decodificado é reintegrado num controlador de IA simulado, que reinicia o processo de procura de objetivo ou ajusta o plano de ação sem intervenção humana.

Desempenho em ambientes simulados

Numa série de simulações controladas, o método Neural Value Alignment adaptou‑se mais rapidamente do que abordagens de referência. A vantagem foi mais evidente quando o objetivo do utilizador mudou abruptamente ou quando partes do feedback neural foram deliberadamente omitidas, simulando perda de sinal no mundo real.

Os experimentos também destacaram a capacidade do método para lidar com a ambiguidade entre objetivo e ação. O mesmo movimento observável pode servir múltiplos propósitos, e um único propósito pode ser realizado através de diferentes movimentos. Ao ler os sinais de erro do cérebro, a IA consegue desambiguar estes cenários sem rótulos explícitos.

Potenciais aplicações

• Robôs domésticos e industriais que ajustam tarefas em tempo real
• Veículos autónomos que reinterpretam a intenção do passageiro
• Robôs de reabilitação e dispositivos médicos que respondem ao desconforto do paciente
• Software educativo que adapta estratégias de interação

Estas utilizações são ainda especulativas. Os autores do artigo publicado na IEEE Transactions on Cybernetics, disponível online em agosto de 2026 (DOI 10.1109/TCYB.2026.3722605), apresentam‑nos como direcções futuras e não como implementações comprovadas.

Limitações e questões em aberto

Apesar dos resultados promissores nas simulações, permanecem vários obstáculos práticos. Os sinais de EEG são intrinsecamente ruidosos e exigem capacetes e amplificadores especializados, levantando preocupações sobre o conforto do utilizador em contextos quotidianos.

Além disso, a privacidade dos dados cerebrais não foi abordada neste trabalho, e a fiabilidade da abordagem fora do laboratório ainda é incerta. Os investigadores reconhecem que as descobertas atuais baseiam‑se em experimentos controlados e que a robustez no mundo real dependerá de avanços em hardware EEG portátil, algoritmos de processamento de sinal e quadros éticos para a gestão da informação neural.

Para organizações que dependem de assistentes de IA, a tecnologia poderá, eventualmente, reduzir a necessidade de interfaces de correção explícita. Em vez de premir um botão de “refazer” ou reformular um comando, a resposta cerebral fugaz do utilizador poderia redirecionar o sistema, potencialmente acelerando fluxos de trabalho e diminuindo a fricção na colaboração homem‑máquina.

No entanto, qualquer implementação terá de equilibrar o benefício da correção fluida com o custo de equipar os colaboradores com dispositivos EEG e de salvaguardar a privacidade neural. Até que esses desafios sejam resolvidos, o Neural Value Alignment permanece um protótipo de investigação cativante, e não um produto pronto para uso nas empresas portuguesas.

Perspetivas para Portugal

No contexto português, a adoção de interfaces cérebro‑computador poderá ganhar tração em setores como a indústria automóvel no Vale do Ave e nos laboratórios de neurotecnologia da Universidade do Porto, onde já se estudam soluções de EEG portátil para a monitorização de operadores em linhas de produção.