Sandbox científico permite explorar a evolução de sistemas de visão

Pesquisadores do MIT criaram um “sandbox” científico em que agentes de IA evoluem olhos ao longo de gerações para entender como a visão pode ter se desenvolvido, simulando ambientes e tarefas distintas.
Os experimentos mostram que a função da tarefa molda os olhos: navegação tende a favorecer olhos compostos, enquanto discriminação de objetos leva a olhos tipo câmera com íris e retina.
O framework usa uma codificação genética computacional para evoluir elementos como posição dos olhos, receptores ópticos e capacidade de aprendizado, sob restrições físicas simuladas.
A abordagem permite explorar hipóteses difíceis de testar na vida real e pode orientar o design de sensores e câmeras para robôs, drones e dispositivos vestíveis.
O estudo saiu em Science Advances e conta com pesquisadores do MIT e outras instituições, com apoio da Center for Brains, Minds, and Machines e da DARPA.

A equipe de pesquisadores do MIT desenvolveu um quadro computacional que simula a evolução de olhos em agentes de IA, oferecendo um “sandbox científico” para recrear árvores evolutivas. Os agentes encarnados aprendem a ver ao longo de várias gerações, com mudanças no mundo e nas tarefas que executam, como encontrar alimento ou diferenciar objetos. O objetivo é entender por que olhos simples aparecem em algumas espécies e olhos mais complexos, parecidos com câmeras, em outras.

O estudo demonstra como as tarefas impõem traços nas sensações visuais dos agentes. Em tarefas de navegação, por exemplo, surgem olhos com múltiplas unidades, semelhantes aos olhos compostos de insetos e crustáceos. Já em tarefas de discriminação de objetos, os olhos evoluem para formatos com íris e retina, mais adequados à acuidade frontal. O framework permite testar cenários que seriam difíceis de observar na natureza.

Como funciona o sandbox evolutivo

O método transforma componentes de uma câmera — sensores, lentes, aberturas e processadores — em parâmetros que os agentes aprendem a desenvolver ao longo do tempo. A evolução é guiada por um algoritmo que seleciona elementos conforme as restrições do ambiente e a tarefa a ser cumprida. Os agentes começam com um único fotoreceptor e uma rede neural que processa a visão, evoluindo ao longo da vida para melhorar as recompensas.

Cada ambiente apresenta uma tarefa única, como navegação, identificação de alimento ou perseguição de presas. Ao longo de várias gerações, genes morfológicos, ópticos e neurais definem como o olho aparece, como ele interage com a luz e como o aprendizado ocorre. As limitações físicas, como o número de pixels, são integradas ao processo para refletir trade-offs reais.

Potenciais desdobramentos e próximos passos

Os pesquisadores destacam que o ambiente possibilita explorar cenários hipotéticos de visão, ajudando a projetar sensores e câmeras para robôs, drones e dispositivos vestíveis, com foco em desempenho e viabilidade prática. Eles também pretendem incorporar modelos de linguagem de grande escala no framework para facilitar perguntas de tipo what-if e ampliar as possibilidades de estudo.

A pesquisa, publicada em Science Advances, contou com participações de equipes do MIT, Rice University e Lund University, entre outros parceiros. O trabalho é apoiado pelo Center for Brains, Minds, and Machines e pela DARPA, no programa Mathematics for the Discovery of Algorithms and Architectures (DIAL).