Pesquisadores da Universidade de Zhejiang introduziram um novo método de treinamento de IA que utiliza sinais do cérebro humano para aprimorar a categorização dos modelos, conforme detalhado em um artigo publicado na Nature Communications. O estudo revela que, embora o aumento dos parâmetros do modelo melhore o reconhecimento de objetos específicos, isso não aprimora, e pode até prejudicar, a compreensão de conceitos abstratos. Ao integrar dados de atividade neural, a equipe busca alinhar os modelos de IA mais de perto com as estruturas cognitivas humanas, melhorando sua capacidade de generalizar e categorizar conceitos. O método proposto demonstrou melhorias significativas no desempenho da IA, especialmente em tarefas que exigem o reconhecimento de conceitos abstratos. Os experimentos mostraram uma melhoria de 20,5% na distinção de conceitos abstratos com exemplos mínimos, superando modelos maiores. Essa abordagem desafia a tendência predominante de expandir o tamanho dos modelos, sugerindo que o alinhamento cognitivo estruturado pode ser mais eficaz do que a simples escala no desenvolvimento de IA com capacidades de pensamento semelhantes às humanas.