A ciência cognitiva corporificada é um campo de pesquisa interdisciplinar que visa explicar os mecanismos subjacentes ao comportamento inteligente. Ela desafia a teoria computacional tradicional da mente ao argumentar que a cognição não é meramente uma manipulação abstrata de símbolos, mas é profundamente moldada pelo corpo físico e suas interações com o ambiente. O campo compreende três metodologias principais: modelar sistemas psicológicos e biológicos de forma holística, tratando mente e corpo como uma entidade única; desenvolver um conjunto comum de princípios gerais do comportamento inteligente; e usar experimentalmente agentes robóticos em ambientes controlados. Essa abordagem se baseia em insights da ciência cognitiva, psicologia, neurociência e inteligência artificial, e influenciou campos que vão do aprendizado de máquina à robótica autônoma.
As raízes intelectuais do campo se estendem a propostas iniciais na computação. Em 1950, Alan Turing sugeriu que uma máquina poderia precisar de um corpo semelhante ao humano para pensar e falar, observando que ela poderia ser equipada com os melhores órgãos sensoriais e ensinada a entender e falar inglês por meio de um processo semelhante ao desenvolvimento infantil. Essa ideia antecipou abordagens corporificadas posteriores, que argumentam que a percepção e a ação são inseparáveis da cognição.
Teoria cognitiva tradicional
A teoria cognitiva tradicional, dominante em meados do século XX, baseia-se principalmente na manipulação de símbolos. Nesse modelo, as entradas são alimentadas em uma unidade de processamento que produz saídas de acordo com regras sintáticas, das quais o significado semântico é derivado. Por exemplo, os órgãos sensoriais humanos servem como dispositivos de entrada, e os estímulos do ambiente externo são alimentados no sistema nervoso, que atua como a unidade de processamento. O sistema nervoso lê as informações sensoriais porque segue uma estrutura sintática, produzindo saídas que criam movimentos corporais e comportamento. Uma característica-chave dessa visão é que a cognição está selada no cérebro, isolada do mundo externo, exceto pela entrada sensorial.
Esse quadro computacional influenciou a pesquisa inicial em inteligência artificial, incluindo trabalhos em instituições como MIT CSAIL e Xerox PARC. No entanto, enfrentou problemas conceituais, mais notavelmente o argumento do Homúnculo, que sugeria que derivar significado semântico de símbolos requer um intérprete interno, levando a uma regressão infinita. Essa crítica minou a plausibilidade do modelo tradicionalista e motivou abordagens alternativas.
A abordagem cognitiva corporificada
A ciência cognitiva corporificada rejeita o sistema de entrada-saída da teoria tradicional, principalmente devido aos problemas levantados pelo argumento do Homúnculo. Em vez de depender da manipulação interna de símbolos, ela define a cognição por meio de três aspectos inter-relacionados: os atributos físicos do corpo, o papel do corpo no processo cognitivo e o acoplamento entre organismo e ambiente.
Atributos físicos do corpo
O primeiro aspecto examina como as propriedades físicas do corpo afetam sua capacidade de pensar, tentando superar o componente de manipulação de símbolos do modelo tradicionalista. A percepção de profundidade, por exemplo, é melhor explicada sob a abordagem corporificada devido à sua complexidade. A percepção de profundidade requer que o cérebro detecte imagens retinianas díspares causadas pela distância entre os dois olhos, juntamente com pistas do corpo e da cabeça. Quando a cabeça gira, objetos em primeiro plano parecem se mover contra o fundo. Essa observação sugere que o processamento visual ocorre sem manipulação intermediária de símbolos, pois o movimento aparente é diretamente percebido.
A percepção auditiva fornece outro exemplo. Quanto maior a distância entre os ouvidos, maior a acuidade auditiva possível, e a densidade do material entre os ouvidos afeta a força das ondas de frequência à medida que passam por um meio. O sistema auditivo do cérebro leva esses fatores em consideração sem precisar de símbolos para representá-los. A distância em si cria a oportunidade para maior acuidade, e a densidade forma a oportunidade para a alteração de frequência. Assim, sob consideração das propriedades físicas, um sistema simbólico é desnecessário e uma metáfora inútil.
O papel do corpo no processo cognitivo
O segundo aspecto baseia-se fortemente no trabalho de George Lakoff e Mark Johnson sobre conceitos. Eles argumentaram que os humanos usam metáforas para explicar seu mundo externo e têm um estoque básico de conceitos dos quais outros podem ser derivados. Esses conceitos básicos incluem orientações espaciais como cima, baixo, frente e trás. Os humanos entendem esses conceitos porque os experimentam diretamente por meio de seus próprios corpos. Por exemplo, como o movimento humano envolve ficar ereto e se mover em um movimento de cima para baixo, os humanos inatamente têm conceitos de cima e baixo. Lakoff e Johnson sustentam que isso é semelhante para outras orientações espaciais. Esses conceitos espaciais básicos formam a base para construir outros conceitos. Feliz e triste, por exemplo, são vistos como para cima ou para baixo, respectivamente; quando alguém diz que está se sentindo para baixo, está expressando um mapeamento metafórico enraizado na experiência corporal.
Essa perspectiva influenciou a pesquisa em modelos de redes neurais e aprendizado profundo, onde as representações são frequentemente fundamentadas em dados sensoriomotores em vez de símbolos abstratos. Também se conecta ao trabalho em robótica, onde a corporificação física é central para o aprendizado e o comportamento.
Acoplamento entre organismo e ambiente
O terceiro aspecto enfatiza a interação contínua entre um organismo e seu ambiente, rejeitando a ideia de cognição como processamento interno isolado. Essa visão está alinhada com o uso experimental de agentes robóticos em ambientes controlados, uma metodologia central para a ciência cognitiva corporificada. Robôs com regras simples podem exibir comportamentos complexos sem modelos internos explícitos, como demonstrado no trabalho inicial de Rodney Brooks em instituições como Stanford AI Lab e posteriormente em MIT CSAIL. Essa abordagem contrasta com a dependência da IA tradicional em representação explícita de conhecimento e raciocínio.
Contribuidores e influências
A ciência cognitiva corporificada toma emprestado fortemente da filosofia corporificada e campos de pesquisa relacionados. Os contribuidores incluem neurocientistas como Gerald Edelman do Neurosciences Institute em La Jolla, Francisco Varela do CNRS na França e J. A. Scott Kelso da Florida Atlantic University. Psicólogos como Lawrence Barsalou, Michael Turvey e Eleanor Rosch contribuíram, assim como linguistas incluindo Gilles Fauconnier, George Lakoff e Leonard Talmy. Antropólogos como Edwin Hutchins e Merlin Donald também moldaram o campo.
No design de agentes autônomos, o trabalho inicial é atribuído a Rodney Brooks e Valentino Braitenberg. Livros influentes incluem Understanding Intelligence de Rolf Pfeifer e Christian Scheier, e How the Body Shapes the Way We Think de Pfeifer e Josh C. Bongard. Filósofos como Andy Clark, Dan Zahavi e Evan Thompson forneceram fundamentos teóricos. As ideias do campo também influenciaram a pesquisa moderna em IA, incluindo trabalho em modelos de linguagem de grande escala e arquiteturas transformadoras, embora esses sistemas frequentemente operem sem corporificação física.
Aplicações e relevância moderna
A ciência cognitiva corporificada tem aplicações práticas em robótica e IA. Empresas como Figure AI e Sanctuary AI desenvolvem robôs humanoides que dependem da interação corporificada com ambientes. A pesquisa em aprendizado por reforço e aprendizado curricular frequentemente incorpora princípios corporificados, onde agentes aprendem por meio de interação física ou simulada. O campo também informa a interação humano-robô e o desenvolvimento de veículos autônomos, como Waymo e Tesla, onde percepção e ação são fortemente acopladas.
A abordagem também influenciou debates em inteligência artificial sobre os limites de modelos descorporificados. Críticos argumentam que sistemas como modelos de linguagem de grande escala, que processam texto sem fundamentação sensorial, podem carecer de compreensão verdadeira. A ciência cognitiva corporificada sugere que a inteligência genuína requer um corpo que interage com o mundo, uma perspectiva que continua a moldar agendas de pesquisa na academia e na indústria.