O Aprendizado Estatístico (AE) constitui um mecanismo cognitivo basilar e ubíquo através do qual os organismos detectam, processam e extraem regularidades estruturais e probabilísticas do fluxo contínuo de estímulos ambientais, operando de maneira fundamental na aquisição da linguagem, na segmentação visual e no processamento sequencial. Historicamente, os modelos teóricos que buscam replicar o AE assumiram que a eficiência desse aprendizado é diretamente proporcional à fidelidade e à persistência do armazenamento de memória, teorizando o esquecimento como uma falha ou limitação do sistema de processamento de informações. Contudo, investigações computacionais e neurocognitivas contemporâneas propõem uma inversão desse paradigma. Evidências baseadas em simulações computacionais demonstram que restrições de memória e taxas controladas de decaimento de traços mnemônicos — ou seja, o esquecimento — não representam imperfeições deletérias, mas sim componentes computacionais indispensáveis para evitar o sobreajuste (overfitting), otimizar a generalização e viabilizar a extração de estruturas estatísticas complexas em ambientes ruidosos.
Para elucidar a mecânica subjacente a esse fenômeno, a implementação de arquiteturas computacionais inspiradas em princípios neurobiológicos refinou substancialmente o entendimento do AE. Desenvolveu-se um modelo de rede neural simplificado, composto por uma camada de entrada conectada a uma camada de saída por meio de conexões sinápticas modificáveis por regras de aprendizado hebbiano clássicas, integrado a um mecanismo de decaimento contínuo de peso (weight decay). Esse modelo simula matematicamente a deterioração temporal espontânea das representações na memória de curto prazo. Quando submetida a tarefas clássicas de segmentação de palavras e extração de sequências adjacentes, a rede equipada com taxas ótimas de esquecimento logrou êxito ao reproduzir com exatidão os comportamentos empíricos observados em participantes humanos (adultos e bebês) em experimentos clássicos de aprendizado estatístico auditivo e visual. O decaimento dos pesos impediu o acúmulo indiscriminado de associações espúrias, demonstrando que o esquecimento atua como um filtro purificador de ruídos estatísticos.
A robustez desse mecanismo computacional reside na assimetria intrínseca entre as probabilidades de transição (transition probabilities) das transições que compõem uma estrutura real e aquelas que ocorrem aleatoriamente entre as fronteiras dos estímulos. Em fluxos linguísticos contínuos, os pares de sílabas que formam palavras autênticas ocorrem com alta frequência e de forma consistente, gerando um reforço hebbiano repetitivo que supera o decaimento temporal da rede e consolida os pesos sinápticos correspondentes. Em contrapartida, as transições acidentais que ocorrem entre a sílaba final de uma palavra e a sílaba inicial da palavra subsequente possuem uma frequência consideravelmente menor no input global. Sob a vigência de um mecanismo de esquecimento ativo, essas conexões fracas e transitórias são sistematicamente eliminadas antes que possam se consolidar no sistema, permitindo que a rede isole e aprenda com alta precisão os padrões estruturais genuínos do ambiente sem a necessidade de cálculos matemáticos explícitos ou armazenamento infinito de dados.
Adicionalmente, a análise comparativa entre diferentes topologias computacionais trouxe à tona insights epistemológicos críticos sobre a validade dos modelos de aprendizado de máquina aplicados à cognição. Arquiteturas complexas baseadas em Redes Neurais Recorrentes (RNNs) sofisticadas, como as redes de Longa Breve Memória (LSTM), embora computacionalmente poderosas no processamento de linguagem natural industrial, frequentemente falham em espelhar as limitações e os limiares de desempenho do processamento psicológico humano. Ao reter volumes massivos de informações históricas, tais modelos sofrem de uma inércia representacional que dificulta a flexibilidade adaptativa diante de transições estatísticas sutis. O modelo hebbiano simples com decaimento, por sua vez, demonstrou que restrições drásticas de capacidade de memória e processamento local não apenas são suficientes para explicar o fenômeno do aprendizado estatístico, mas também fornecem uma explicação mais parcimoniosa e biologicamente plausível para as habilidades humanas de generalização e indução de regras.
Em suma, as evidências derivadas da modelagem computacional do aprendizado estatístico consolidam a perspectiva de que a perda de informação desempenha uma função regulatória ativa e adaptativa no aparato cognitivo. Longe de ser um mero epifenômeno da fragilidade biológica dos substratos neurais, o esquecimento é um imperativo de design para sistemas inteligentes que operam sob condições de sobrecarga informativa. Compreender que a eficiência na extração de regularidades ambientais está intrinsecamente condicionada a uma calibração precisa entre o registro hebbiano e a dissolução mnemônica permite o refinamento não apenas das teorias de psicologia cognitiva, mas também dos algoritmos de inteligência artificial. A translação desses modelos conceituais para as ciências educacionais e de reabilitação reforça que o manejo estratégico da carga cognitiva e dos intervalos de retenção constitui um vetor indispensável para otimizar as trajetórias de aprendizado humano ao longo do ciclo vital.
Referência
ENDRESS, Ansgar D.; JOHNSON, Scott P. When forgetting fosters learning: A neural network model for Statistical Learning. Cognition, v. 213, art. 104621, p. 1-17, ago. 2021. Disponível em: https://doi.org/10.1016/j.cognition.2021.104621. Acesso em: 30 jun. 2026.
