A espuma aparece no dia a dia na forma de água com sabão, creme de barbear, ingredientes para bater e emulsões alimentares como a maionese. Durante anos, os cientistas pensaram que a espuma se comportava de forma muito semelhante ao vidro, com os seus minúsculos componentes presos em posições desordenadas, mas essencialmente fixas.
Agora, novas pesquisas desafiam esta visão de longa data. Engenheiros da Universidade da Pensilvânia descobriram que, embora a espuma mantenha a sua forma geral, o seu interior está constantemente em movimento. Ainda mais inesperado é que a matemática que descreve este movimento é muito semelhante à aprendizagem profunda, uma técnica usada para treinar sistemas modernos de inteligência artificial.
Esta descoberta sugere que a aprendizagem, num sentido matemático amplo, pode ser um princípio organizador comum em sistemas físicos, biológicos e computacionais. Este trabalho também poderá orientar esforços futuros para criar materiais que se adaptem e respondam aos ambientes circundantes. Poderia até ajudar os cientistas a compreender melhor as estruturas vivas que devem se reorganizar constantemente, como a estrutura interna das células.
A bolha eterna
Num estudo publicado em Anais da Academia Nacional de CiênciasOs pesquisadores usaram simulações de computador para rastrear o movimento das bolhas de ar na espuma úmida. Em vez de eventualmente ficar estacionária, a bolha continua vagando por muitos arranjos possíveis.
Do ponto de vista matemático, esse comportamento é muito semelhante ao funcionamento do aprendizado profundo. Durante o treinamento, um sistema de IA ajusta iterativamente seus parâmetros – as informações que definem o que a IA “sabe” – em vez de ficar preso em um único estado final.
“A espuma está constantemente se reorganizando”, disse John C. Crocker, professor de engenharia química e biomolecular (CBE) e co-autor sênior do artigo. “Surpreendentemente, as bolhas e os sistemas modernos de inteligência artificial parecem seguir os mesmos princípios matemáticos. Compreender porque é que isto acontece permanece uma questão em aberto, mas pode remodelar a forma como pensamos sobre os materiais adaptativos e até mesmo sobre os sistemas vivos.”
Por que as bolhas desafiam a física convencional
Na escala humana, a espuma normalmente se comporta como um sólido. Eles geralmente mantêm sua forma e podem voltar após serem espremidos. Em escalas menores, entretanto, as espumas são consideradas materiais “bifásicos”, consistindo de bolhas de ar suspensas em um fundo líquido ou sólido.
Como as espumas são fáceis de fabricar e observar, embora ainda exibam um comportamento mecânico complexo, os cientistas as utilizam há muito tempo como sistemas modelo para estudar outros materiais densos e dinâmicos, incluindo células vivas.
A teoria convencional vê as bolhas como rochas rolando pela paisagem energética. Nesta visão, as bolhas movem-se para baixo, para uma posição que requer menos energia para serem mantidas, e então permanecem nessa posição. Esta ideia ajuda a explicar porque é que as bolhas parecem estáveis quando se formam, como se fossem pedras no fundo de um vale.
Incompatibilidade entre teoria e realidade
Quando os pesquisadores examinaram dados reais de bolhas, descobriram que esse comportamento era inconsistente com essas previsões. Segundo Crocker, os sinais desta incompatibilidade surgiram há quase duas décadas, mas não existiam ferramentas matemáticas adequadas para explicar completamente o que estava a acontecer.
“Quando analisamos os dados, as bolhas comportaram-se de forma inconsistente com as previsões teóricas”, disse Crocker. “Começamos a ver essas diferenças há cerca de 20 anos, mas ainda não tínhamos as ferramentas matemáticas para descrever o que realmente estava acontecendo”.
Resolver este dilema requer uma nova abordagem que possa descrever sistemas em mudança sem cair num arranjo único e fixo.
Lições da Inteligência Artificial
Os sistemas modernos de IA aprendem ajustando continuamente os parâmetros numéricos durante o treinamento. As primeiras abordagens tentaram levar esses sistemas a uma única solução ideal que combinasse perfeitamente com seus dados de treinamento.
O aprendizado profundo depende de métodos de otimização relacionados a uma técnica matemática chamada gradiente descendente. Esses métodos orientam iterativamente o sistema para reduzir gradativamente as configurações incorretas, como descer uma ladeira em uma paisagem.
Com o tempo, os pesquisadores perceberam que levar o modelo o mais profundamente possível a uma solução causaria problemas. Os sistemas que ajustam os dados de treinamento com muita precisão tornam-se frágeis e apresentam desempenho insatisfatório com novas informações.
“O principal insight é perceber que você não quer realmente empurrar o sistema para o vale mais profundo possível”, disse Robert Riggleman, professor do CBE e co-autor sênior do artigo. “Acontece que muitas soluções funcionam igualmente bem, mantendo-as onde o terreno é mais plano, o que permite a generalização desses modelos.”
Espuma e IA seguem as mesmas regras
Quando a equipe da Penn reexaminou os dados da bolha usando essa perspectiva, as semelhanças ficaram claras. Bolhas de espuma não afundam em um local profundo e estável. Em vez disso, continuam a mover-se através de uma vasta área onde muitas configurações são igualmente viáveis.
Esse movimento constante é muito semelhante ao modo como os sistemas modernos de inteligência artificial operam durante o processo de aprendizagem. A matemática que ajuda a explicar por que o aprendizado profundo funciona também ilustra o que as bolhas sempre fizeram.
Impacto nos materiais e sistemas vivos
As descobertas levantam novas questões numa área que muitos pensavam já ser bem compreendida. Isso por si só pode ser uma das contribuições mais importantes deste estudo.
Ao demonstrar que as bolhas de espuma não estão congeladas num estado semelhante ao vidro, mas movem-se de uma forma semelhante a um algoritmo de aprendizagem, a investigação incentiva os cientistas a repensar como outros sistemas complexos se comportam.
A equipe de Crocker está agora revisitando o sistema que originalmente despertou seu interesse pelas espumas: o citoesqueleto, a estrutura microscópica dentro das células que sustenta a vida. Tal como as espumas, o citoesqueleto deve reorganizar-se constantemente, mantendo a sua estrutura global.
“Por que a matemática do aprendizado profundo pode caracterizar bolhas com precisão é uma questão fascinante”, disse Crocker. “Isto sugere que estas ferramentas podem ser úteis em situações muito além do seu contexto original, abrindo a porta para áreas de investigação inteiramente novas”.
Esta pesquisa foi conduzida na Escola de Engenharia e Ciências Aplicadas da Universidade da Pensilvânia e foi apoiada pela Divisão de Pesquisa de Materiais da National Science Foundation (1609525, 1720530).
Outros coautores incluem Amruthesh Thirumalaiswamy e Clary Rodríguez-Cruz.
