MECANISMOS NEURAIS RELACIONADOS À INTEGRAÇÃO DE INFORMAÇÕES PROVENIENTES DE CHIPS CEREBRAIS E SEUS EFEITOS NA NEUROPLASTICIDADE.

Resumo

Introdução: O cérebro humano é um mecanismo imensamente dinâmico e complicado que pode lidar com enormes quantidades de informações com uma precisão e velocidade incomparáveis. As Redes Neurais Profundas (DNNs, do inglês Deep Neural Networks) têm demonstrado um sucesso notável em muitas aplicações, como visão computacional, reconhecimento de fala e processamento de linguagem natural. Diante disso, essa pesquisa propõe-se a investigar como se deu a evolução de chips neurais nos últimos anos em relatos de diversos autores, levando em consideração que tal campo de estudo pode ser considerado bem recente. Métodos: Revisão bibliográfica de literatura realizada nas bases de dados PubMed, IEEE Xplore e Scielo, e foram utilizados os seguintes descritores: “neural chip”, “cerebral plasticity”, “neuroplasticity”, “brain-computer interface”, “neural circuits”, “brain biology”. Resultados: Khacef (2023) ressalta a capacidade dos sistemas biológicos de aprender e se adaptar às mudanças em seu ambiente como a chave para a sobrevivência. Essa habilidade de aprendizado é expressa principalmente como a mudança na força das sinapses que conectam os neurônios, para adaptar a estrutura e a função da rede subjacente. Discussão: Um modelo in vitro que visa simular a situação in vivo do cérebro precisa ter vários desses tipos celulares presentes e imitar alguns dos processos funcionais que são essenciais no SNC, como disparos elétricos, ondas de cálcio neuronais e astrocíticas, poda, mielinização, interação célula-célula, migração e neurogênese. Considerações finais: Ao longo dos últimos anos, o campo da tecnologia em integração com o corpo humano vem demonstrando diversos avanços, principalmente devido aos avanços também do campo de Inteligências Artificias, contribuindo para esse campo de estudo.