---
title: "Como uma rede neural aprende sem ninguém ensinar? Abri uma que joga sozinha"
description: "Cada neurônio é só uma conta, o botão apertado é a saída com o maior valor e, na evolução, ninguém corrige o cérebro: os clones que vão mais longe têm filhos com mutações aleatórias, como medi num jogo em outubro de 2026."
author: "João Thaira"
author_url: "https://joaothaira.com"
url: "https://joaothaira.com/writing/como-uma-rede-neural-aprende-sem-ninguem-ensinar"
published: "2026-10-26T00:00:00.000Z"
updated: "2026-10-27T00:23:56.946Z"
language: "pt-BR"
tags: ["redes neurais","neuroevolução","aprendizado por reforço","DQN","algoritmo genético"]
---

# Como uma rede neural aprende sem ninguém ensinar? Abri uma que joga sozinha

> Cada neurônio é só uma conta, o botão apertado é a saída com o maior valor e, na evolução, ninguém corrige o cérebro: os clones que vão mais longe têm filhos com mutações aleatórias, como medi num jogo em outubro de 2026.

---

## Como uma rede neural aprende sem ninguém ensinar?

**TL;DR:** No modo que testei, **nenhum cérebro é corrigido.** Cada neurônio é só uma conta (entrada vezes peso, soma, viés e tanh), o botão apertado é **a saída com o maior valor,** e quem melhora é a população: os clones que vão mais longe têm filhos com pequenas mudanças aleatórias. No meu teste de outubro de 2026, com 150 clones, o primeiro chegou à bandeira da fase fácil entre a 6ª e a 7ª geração.

Eu escrevo aqui sobre treinar e ajustar modelos de linguagem. Mas eu queria entender, com número, o que acontece no nível mais baixo de todos: um neurônio. Então montei, com o Claude Code, um jogo de plataforma no estilo Mario em que uma rede neural pequena aprende sozinha a chegar à bandeira, e em que cada peso aparece na tela. Depois pausei o jogo em momentos específicos e li os números. O código está aberto e o jogo roda no navegador, então dá para repetir tudo: os links estão nas fontes, no fim.

![150 clones correndo juntos na geração 224, cada um com o próprio cérebro](https://storage.googleapis.com/signal-assets/images/u1/unfiled/637593c9-125e-47a2-a7b9-819579337d5f.jpg)

## O que a IA vê?

A IA não vê a tela. Ela recebe **26 números,** recalculados 15 vezes por segundo. 24 vêm de uma grade de 6 blocos à frente por 4 linhas em volta dos pés, em que 1 é sólido, −1 é perigo (espinho ou inimigo) e 0 é vazio. Os outros 2 são a velocidade vertical e se ela está pisando no chão.

![A grade "o que a IA vê" diante de uma parede de 2 tijolos](https://storage.googleapis.com/signal-assets/images/u1/unfiled/0be27c83-c4aa-4b40-85ac-a6292f497930.png)

Na maior parte do tempo, mais de 20 desses números valem 0. Isso importa, porque 0 vezes qualquer peso dá 0: essas entradas simplesmente não contam. E há uma limitação que só percebi lendo os números: a linha do chão olha só o bloco logo abaixo dos pés, então **um degrau e um buraco aparecem iguais.**

## O que um neurônio faz, de verdade?

Uma conta. Cada neurônio multiplica cada entrada pelo seu peso, soma tudo, soma um valor fixo chamado viés e passa o resultado pela tanh, uma função que espreme qualquer número para o intervalo de −1 a 1:

`saída = tanh(viés + peso₁ × entrada₁ + … + peso₂₆ × entrada₂₆)`

Todos os neurônios usam a mesma fórmula. O que diferencia um do outro são os pesos e o viés. Um exemplo com uma entrada só, "tem chão 2 blocos à frente" (1 ou 0), com peso −3 e viés +2: com chão, tanh(2 − 3) = −0,76; com buraco, tanh(2) = +0,96. Acabou de nascer um detector de buraco.

Os pesos começam sorteados perto de zero, e o viés começa em zero. A rede do jogo tem 26 entradas, 12 neurônios ocultos e 4 saídas, **376 números ao todo.** Aprender é só achar bons valores para eles.

## Como a rede escolhe o botão?

As 4 saídas (esperar, correr, pular e voltar) também são neurônios: fazem a mesma conta sobre os 12 neurônios ocultos, só que sem a tanh. O maior valor ganha e vira o botão apertado.

Um neurônio oculto não dispara uma ação. Ele vota em todos os botões ao mesmo tempo, com um peso para cada um. Ativação negativa vezes peso positivo é voto contra, então ficar "desligado" também é um voto. A decisão sai da soma dos 12 votos mais o viés de cada botão.

## O que aconteceu dentro dela num pulo de verdade?

Pausei o campeão da geração 218 descendo em cima de um bloco de tijolo. Ele decidiu correr. O neurônio mais ativo, o 9, tem peso −2,66 na entrada "chão embaixo de mim": a soma deu −3,12 e a saída, −1,00. Ele funciona como um sinal de "tenho chão firme", e o voto dele em pular foi −0,96, contra.

![O personagem em cima do bloco de tijolo, com a grade de sensores](https://storage.googleapis.com/signal-assets/images/u1/unfiled/f92acd78-335f-425d-988d-621666753ba0.jpg)

![O passo 3 do tour do jogo: a conta do neurônio 9 com os valores daquele instante](https://storage.googleapis.com/signal-assets/images/u1/unfiled/2016d44e-c015-4b5d-a137-7206d4d02211.jpg)

Duas decisões depois, na beirada, ele pulou. Três entradas tinham mudado: o chão à frente sumiu, a velocidade foi a zero e ele passou a pisar no chão. O neurônio 6, que tem peso +1,49 em "chão à frente" e −2,20 em "pisando no chão", foi **de +0,98 para −0,91.** O 8 fez quase o mesmo. Como os dois têm pesos grandes ligados a correr, a nota de correr caiu de 7,58 para 1,31, e pular venceu com 4,76.

O curioso: o viés de pular nesse cérebro é +4,57, o maior dos quatro. Ele **quer pular por padrão,** e são os neurônios que seguram essa vontade quando a situação é segura. E esse pulo nem era necessário: era um degrau, não um buraco. Os olhos dele não sabem a diferença.

## Cada neurônio vira especialista em alguma coisa?

Um pouco, e por acaso. Desliguei os 12 neurônios do campeão, um de cada vez, e **com qualquer um desligado ele morre:** metade das vezes no primeiro buraco, no bloco 11. O conhecimento fica espalhado pelo time.

Depois treinei 4 cérebros do zero e, em cada um, mostrei a mesma parede de 2 tijolos para ver qual neurônio mais empurrava o pulo:

| Treino | Quem fez o trabalho |
| --- | --- |
| 1 | neurônios 11 (51%) e 4 (46%) |
| 2 | neurônio 10 (69%) |
| 3 | neurônios 4 (47%) e 12 (39%) |
| 4 | neurônios 2 (40%) e 8 (34%) |

Cada vez é um neurônio diferente, às vezes dois dividindo o papel. Todos estão ligados a todos os botões desde o nascimento; o que muda é a força de cada ligação, e fica com o papel **quem teve sorte primeiro.**

## Se ninguém corrige o erro, como ela melhora?

O clone que cai no buraco **nunca fica sabendo.** Durante a vida os pesos ficam congelados, e no fim da geração cada clone recebe só uma nota: os blocos que percorreu, mais um bônus se chegou à bandeira. A nota não diz onde errou nem qual peso culpar.

A nota decide quem vira pai. Os 5 melhores passam iguais para a geração seguinte. Os outros 145 filhos têm pais escolhidos por torneio (o melhor de 3 sorteados), metade mistura os pesos de dois pais, e cerca de 10% dos pesos de cada filho levam um empurrão aleatório. A mutação é cega; o aprendizado está no filtro.

Parece ingênuo, mas funciona em escala. Em 2017, pesquisadores da Uber AI Labs fizeram isso com redes profundas:

> "we evolve the weights of a DNN with a simple, gradient-free, population-based genetic algorithm (GA) and it performs well on hard deep RL problems, including Atari and humanoid locomotion."
> — Such et al., Deep Neuroevolution (2017)

Em português: eles evoluíram os pesos de uma rede profunda com um algoritmo genético simples, sem gradiente e baseado em população, e ele foi bem em problemas difíceis de aprendizado por reforço, como jogos de Atari e a locomoção de um humanoide. As redes deles passavam de 4 milhões de parâmetros; a minha tem 376.

O jogo também tem o outro caminho, o DQN, em que o agente recebe −5 no instante em que morre e a retropropagação calcula quanto cada peso teve de culpa. Foi esse método que, em 2013, superou um jogador humano especialista em 3 de 7 jogos de Atari (Mnih et al.).

## Quantos neurônios uma rede dessas precisa?

Menos do que eu imaginava. Em outubro de 2026, treinei 4 vezes cada tamanho de camada oculta e anotei em que geração um clone chegou à bandeira pela primeira vez:

| Neurônios ocultos | Pesos e vieses | Fase fácil | Fase com espinhos e inimigos |
| --- | --- | --- | --- |
| 1 | 35 | 1, 1, 1, 2 | 16, 17, 27, 48 |
| 4 | 128 | 2, 6, 8, 8 | 20, 32, 80, e um não chegou em 120 |
| 12 | 376 | 6, 7, 7, 7 | 27, 40, 54, 58 |
| 48 | 1.492 | 4, 6, 6, 6 | 35, 46, 64, 107 |

**Com 1 neurônio a rede aprendeu mais rápido.** Essas fases pedem uma regra simples, e mais neurônios só dão mais pesos para a evolução acertar no escuro. Não medi fases novas, em que mais neurônios provavelmente ajudam a generalizar.

Um neurônio só, porém, tem um limite clássico: ele separa as situações com uma linha reta, então não resolve o XOR, que é ligar quando só uma de duas entradas vale 1. Esse limite está no centro do livro Perceptrons, de Minsky e Papert, de 1969. Com 2 neurônios ocultos e 1 de saída, o XOR sai. É para isso que existem as camadas.

**Sources:**

- Such et al., Deep Neuroevolution: Genetic Algorithms Are a Competitive Alternative for Training Deep Neural Networks for Reinforcement Learning (2017): https://arxiv.org/abs/1712.06567
- Mnih et al., Playing Atari with Deep Reinforcement Learning (2013): https://arxiv.org/abs/1312.5602
- Perceptrons, livro de Minsky e Papert (1969), na Wikipedia: https://en.wikipedia.org/wiki/Perceptrons_(book)
- Código do Neural Jumper (licença MIT): https://github.com/joaothaira/neural-jumper
- O jogo no navegador: https://joaothaira.github.io/neural-jumper/
- Minhas medições: jogo Neural Jumper, rede de 26 entradas, 12 neurônios ocultos e 4 saídas, 150 clones por geração, 26 de outubro de 2026.

---

By [João Thaira](https://joaothaira.com). Canonical: https://joaothaira.com/writing/como-uma-rede-neural-aprende-sem-ninguem-ensinar