O idtracker.ai é uma mistura de algoritmos convencionais e de inteligência artificial desenvolvidos no Centro Champalimaud. A partir de imagens de vídeo de uma multidão composta por dezenas de indivíduos em movimento, aprende a identificar cada indivíduo a cada instante. George é um peixe-zebra. Juntamente com Tom e mais 98 companheiros, George nada livremente num tanque de laboratório no Centro Champalimaud (CCU), em Lisboa, Portugal. Uma câmara de vídeo regista, vistas de cima, as idas e vindas de todos os animais.

Neste épisódio dos Science Snapshots, conheça o idtracker.ai, uma mistura de algoritmos convencionais e de inteligência artificial desenvolvidos no Centro Champalimaud pelo Laboratório de Comportamento Colectivo. A partir de imagens de vídeo de uma multidão composta por dezenas de indivíduos em movimento, aprende a identificar cada indivíduo a cada instante.

Uma equipa de neurocientistas do Centro Champalimaud (CC), em Lisboa (Portugal), realizou um dos primeiros estudos sobre os circuitos neurais centrais (ou áreas cerebrais superiores) subjacentes às respostas inatas aos cheiros. Os seus resultados, alguns dos quais inesperados, foram publicados na revista PLoSBiology.

Imagine que está a tentar acender um isqueiro. Se não vir a chama, naturalmente tentará uma segunda vez. Se, após a segunda tentativa, ele ainda não acender, repetirá a mesma acção as vezes que for preciso para que isso aconteça. Se acabar por conseguir ficará a saber que o seu isqueiro funciona. Mas e se isso não acontecer? Quanto tempo é que irá continuar a tentar até decidir desistir?

Imagine que está a andar numa passadeira no ginásio. De repente, a passadeira divide-se em duas faixas, uma para cada pé, com um lado a mexer-se mais depressa do que o outro. Seria capaz de se adaptar à mudança e criar uma nova maneira de andar? Ou acha que hesitaria e tropeçaria se as suas pernas tivessem de mexer-se a ritmos diferentes?Isto pode parecer um cenário extremo mas, sem darmos por isso, o nosso cérebro está continuamente a adaptar os nossos padrões de marcha.

Neste épisódio dos Science Snapshots, descubra como é que o cérebro sabe onde e quando colocar os nossos pés no chão para nos impedir de tropeçar quando caminhamos num piso diferente, como uma estrada cheia de neve ou o areal de uma praia.

Acerca dos Science Snapshots: Pequenos vídeos sobre grandes descobertas! Esta série apresenta os mais recentes avanços dos investigadores do Centro Champalimaud, na procura de respostas a alguns dos maiores mistérios da biologia.

De forma a ultrapassar este impasse, uma equipa multidisciplinar de cientistas e clínicos do Centro Champalimaud, em Lisboa, Portugal, desenvolveu uma nova metodologia de ressonância magnética não invasiva, chamada SPI (Susceptibility Perturbation MRI), que é capaz de determinar, com alta precisão, se os gânglios foram infiltrados por células malignas. Esta caracterização poderá ajudar a definir a estratégia de tratamento para os doentes com cancro retal e ter implicações futuras para outros tumores malignos.

O optoPAD é um sistema recentemente desenvolvido, destinado a criar realidades virtuais para estudar sensações gustativas. Combina avançadas técnicas de óptica e de genética com dispositivos tácteis para monitorizar e controlar comportamentos alimentares e sensações gustativas na mosca da fruta.

Na luta contra as doenças e a mortalidade causadas pelo cancro, é crucial suprimir a capacidade que os tumores têm para destruir os tecidos saudáveis à sua volta. Agora, um novo estudo, realizado em tumores derivados de tumores humanos, revela uma possível maneira de fazer exactamente isso. O estudo desvenda um mecanismo de competição utilizado pelas células humanas tumorais para matar as suas vizinhas saudáveis e mostra que, ao combinar substâncias que bloqueiam este mecanismo e quimioterapias, é possível eliminar os tumores mais eficazmente.

A teoria dita de “Análise Topológica de Dados” deriva de um dos ramos mais abstractos da Matemática – tão abstracto que até há pouco não parecia ter qualquer aplicação no mundo real. Porém, já está a tornar os computadores muito melhores a reconhecer estruturas relevantes dentro de grandes conjuntos de dados (o chamado big data). Um estudo mostrou agora que também poderá tornar as máquinas de visão artificial muito mais eficientes.