EXCLUSIVO: Neurociência brasileira usa supercomputador para criar IA mais eficiente para diagnósticos de imagem e necessidades locais

Neurociência e inteligência artificial se encontram em um projeto de pesquisa brasileiro que busca entender como o cérebro humano reconhece objetos e usar essa lógica para construir modelos de IA mais sofisticados e adaptados à necessidade do país.

O estudo, batizado de ObjectColumns, é liderado pela Universidade Federal do Rio Grande do Norte (UFRN), com participação da Universidade de São Paulo (USP) e da Universidade de Coimbra, em Portugal.

Para suportar o volume de processamento exigido pela pesquisa, a equipe utilizou os computadores Lenovo ThinkStation PGX, workstation voltada para o desenvolvimento e treinamento de modelos de inteligência artificial.

Leia também: Nvidia leva todo o lucro da corrida por I.A. enquanto o resto acumula trilhão em prejuízo; veja gráfico com resultados

Neurociência aplicada ao reconhecimento de imagens

Assim, o objetivo do ObjectColumns é mapear a microestrutura do Córtex Temporal Ventral, região do cérebro especializada em reconhecer objetos. Para isso, os pesquisadores recorrem a exames de Ressonância Magnética Funcional de Ultra Alto Campo, feitos em equipamento de 7 Tesla do Instituto de Radiologia da USP. A máquina é a única do tipo disponível na América Latina e na Península Ibérica.

Por trás da pesquisa está a hipótese de que o cérebro organiza o processamento visual em colunas corticais, estruturas microscópicas que processam informações semelhantes de forma eficiente. Ao reproduzir essa organização em algoritmos, os pesquisadores esperam obter modelos mais precisos e com menor consumo de energia, voltados a áreas como diagnóstico por imagem, robótica e veículos autônomos.

Computação local sustenta a pesquisa de neurociência

Ainda assim, esse tipo de estudo depende de capacidade computacional pesada. A ThinkStation PGX, segundo a Lenovo, cobre treinamento, prototipagem, ajuste fino e inferência dos modelos usados no projeto. A máquina nasceu como uma aquisição pontual e, ao longo do tempo, se tornou uma infraestrutura dedicada à pesquisa.

Siga o Times | CNBC no Google e receba as principais notícias do Brasil e do Mundo.

Siga o Times | CNBC

A solução roda em ambiente controlado, no formato sandbox, o que permite testar modelos sem depender de nuvem ou de filas de supercomputadores. Ela é acelerada pelo NVIDIA GB10 Grace Blackwell Superchip e suporta modelos de até 200 bilhões de parâmetros, além de ferramentas como PyTorch e Jupyter Notebooks.

Para Daniel Bittencourt, gerente de desenvolvimento de negócios da Lenovo, o avanço da inteligência artificial na ciência depende de equipamentos capazes de acompanhar a complexidade dos projetos de pesquisa. Segundo ele, a evolução do uso da PGX, de uma aquisição inicial para uma plataforma dedicada, mostra o interesse da empresa em aproximar computação avançada de pesquisadores e instituições acadêmicas.

Dados sensíveis e privacidade

Outro ponto levantado pela equipe é a sensibilidade dos dados gerados pelas ressonâncias. As imagens cerebrais produzidas pelo exame de ultra-alto campo geram um volume grande de informações, o que exige controle rígido sobre armazenamento e privacidade.

André Salles Cunha Peres, professor da Bioinformática do Instituto Metrópole Digital da UFRN e coordenador do projeto, afirma que a PGX foi importante para viabilizar o estudo em termos computacionais.

Segundo o pesquisador, o modelo do ObjectColumns exige processamento superior ao de arquiteturas tradicionais de IA, porque o objetivo não é apenas treinar uma rede neural, mas ensinar a inteligência artificial a se organizar espacialmente como o cérebro humano. Para ele, a capacidade de processamento local reduz tempos de espera, acelera os testes de hipóteses e mantém o controle sobre dados sensíveis.

Aplicações médicas já em teste

Paralelamente ao estudo principal, a equipe já testou o uso da PGX em outras frentes. Em um dos experimentos, a máquina rodou modelos de linguagem para extrair informações de laudos de mamografia. O processamento de 100 laudos levou cerca de 90 segundos, com todo o trabalho feito em ambiente local, sem envio de dados a servidores externos.

O ObjectColumns recebe financiamento do programa Conhecimento Brasil, do CNPq, com investimento próximo de R$ 1,3 milhão. A pesquisa reúne especialistas da UFRN, da USP, do Instituto do Cérebro, do Instituto de Radiologia da USP e da Universidade de Coimbra, com apoio do ProAction Lab e de iniciativas europeias como o European Research Council.

Allan Ravagnani

Siga o Times Brasil - Licenciado Exclusivo CNBC no