Uma Investigação Computacional sobre a Percepção Visual Humana

PARTE I — INTRODUÇÃO E PRELIMINARES FILOSÓFICAS

(Introdução Geral e Capítulo 1: A Filosofia e a Abordagem)

RESUMO DA PARTE

A Parte I de “Vision” é, em muitos sentidos, a mais revolucionária do livro — não por conter experimentos brilhantes ou resultados matemáticos surpreendentes, mas por estabelecer uma nova linguagem intelectual para pensar sobre a mente e o cérebro. Marr começa com uma provocação que ainda ressoa: para entender um sistema complexo de processamento de informação — seja ele um computador, um cérebro ou o sistema visual de uma mosca —, é necessário analisá-lo em três níveis distintos. O primeiro nível é o da teoria computacional: o que o sistema está fazendo e por que? Qual é o objetivo da computação e qual é a lógica da estratégia adotada? O segundo nível é o de algoritmos e representações: como o sistema realiza essa computação? Quais são as etapas, quais são as representações intermediárias? E o terceiro nível é o da implementação física: como o algoritmo e as representações são realizados materialmente — em neurônios, sinapses, circuitos, ou silício?

Marr argumenta, com rigor e elegância, que esses três níveis são relativamente independentes entre si. Uma mesma teoria computacional pode ser implementada por algoritmos diferentes, e um mesmo algoritmo pode ser implementado em hardwares muito distintos. Isso tem uma implicação poderosa: estudar apenas os neurônios, por mais detalhado que seja o trabalho neurofisiológico, não nos dirá o que o cérebro está computando, nem por que. Da mesma forma, um programa de computador que processa imagens, por mais eficiente que seja, pode estar resolvendo o problema de uma maneira totalmente diferente da que o cérebro usa — e apenas o nível intermediário, o dos algoritmos e representações, revelará se há ou não correspondência entre os dois. Marr critica tanto o reducionismo neurobiológico quanto o ativismo computacional ingênuo — ambos pecam por ignorar um ou mais dos três níveis.

PONTOS-CHAVE

Os três níveis de análise (computacional, algorítmico e de implementação) são o contributo filosófico central desta parte. A visão é definida como um processo de produção de descrições úteis do mundo a partir de imagens — não de fotografia passiva, mas de reconstrução ativa. Marr critica a abordagem de J. J. Gibson, que defendia que a percepção era direta e não mediada por representações internas, argumentando que Gibson subestimou a enorme complexidade computacional envolvida em detectar invariantes físicos no ambiente. A importância da teoria computacional como nível superior de análise é enfatizada — sem ela, a neurociência e a inteligência artificial ficam cegas sobre o porquê das soluções que encontram.

REFLEXÃO CRÍTICA

O que Marr faz nessa primeira parte é, literalmente, propor uma epistemologia para a ciência cognitiva — uma forma de saber como saber sobre a mente. E essa proposta ainda é perturbadoramente atual. Vivemos em uma era em que a inteligência artificial — especialmente as redes neurais profundas — atinge desempenhos surpreendentes em tarefas de visão, linguagem e tomada de decisão. Mas há um problema crescente: não sabemos o que essas redes estão computando. Não sabemos em qual nível de análise explicar seu comportamento. Marr teria reconhecido imediatamente esse problema. Ele teria dito que temos excelentes implementações e péssimas teorias computacionais — que construímos máquinas que “veem” sem entender o que significa ver. A revolução que ele propôs em 1980 ainda não foi completada, e sua framework de três níveis permanece o guia mais sóbrio e rigoroso para quem se aventura a estudar a mente como sistema de processamento de informação. Filosoficamente, Marr também está fazendo algo ainda mais ousado: ele está argumentando que a mente é real, que suas representações são objetos de estudo legítimos, e que reduzi-la a neurônios seria um erro tão grave quanto tentar entender a literatura reduzindo-a à tinta do papel.

APLICAÇÕES PRÁTICAS

Engenheiros de sistemas de visão computacional — como os que desenvolvem câmeras de segurança inteligentes, sistemas de rastreamento ocular ou diagnóstico por imagem médica — usam implicitamente os três níveis de Marr. Um sistema de detecção de tumores em radiografias precisa, primeiro, de uma teoria computacional clara (o que exatamente queremos detectar e com qual critério?), depois de algoritmos que extraiam as representações relevantes das imagens, e só então de hardware adequado. Pesquisadores de neurociência cognitiva aplicam os três níveis ao projetar experimentos: primeiro estabelecem o que o cérebro está tentando fazer, depois formulam hipóteses sobre como ele faz isso, e por fim identificam os substratos neurais. Em psicologia clínica, o framework de Marr sugere que alguns transtornos de percepção — como certas formas de agnosia visual, em que pacientes não reconhecem rostos ou objetos familiares — devem ser analisados ao nível do algoritmo ou da representação, não apenas ao nível neural.

PARTE II — VISÃO

(Capítulos 2 a 6: O Caminho da Luz ao Reconhecimento)

RESUMO DA PARTE

A Parte II é o coração técnico e científico do livro. Aqui, Marr percorre o caminho completo que vai da imagem projetada na retina até o reconhecimento de objetos tridimensionais, propondo representações específicas para cada etapa. É uma obra-prima de engenharia intelectual — cada capítulo ataca um problema diferente da percepção visual, propõe uma teoria computacional para ele, descreve algoritmos candidatos, discute evidências psicofísicas e neurofisiológicas, e propõe implementações.

O Capítulo 2 trata da etapa mais primitiva: representar a imagem. Marr propõe que o sistema visual começa por detectar variações de intensidade luminosa usando filtros matemáticos em múltiplas escalas — os chamados filtros Laplaciano-do-Gaussiano. Os pontos onde a saída desses filtros cruza o zero (zero-crossings) são locais onde há mudanças significativas de intensidade — bordas, contornos, texturas. Esses elementos são agrupados em tokens simbólicos que constituem o Esboço Primal Bruto e, depois de processos de agrupamento perceptivo baseados em similaridade e proximidade, o Esboço Primal Completo. Essa etapa tem correlatos biológicos: as células simples e complexas do córtex visual primário (V1) parecem realizar operações matematicamente análogas às descritas por Marr.

O Capítulo 3 é o mais extenso e talvez o mais rico. Nele, Marr ataca o problema de extrair informação sobre superfícies a partir da imagem. Ele analisa estereopia (como a disparidade entre as imagens dos dois olhos gera percepção de profundidade), movimento e seletividade direcional, movimento aparente, contornos de forma, textura de superfície, sombreamento e fotometria, e por fim brilho, claridade e cor. Em cada caso, Marr formula uma teoria computacional específica, propõe algoritmos e discute evidências. Particularmente notável é o tratamento da estereopia: Marr e Poggio desenvolveram um algoritmo cooperativo para o problema de correspondência estéreo que usa restrições físicas — unicidade (um ponto do mundo corresponde a apenas um ponto em cada imagem) e continuidade (as superfícies são geralmente contínuas) — para resolver a enorme ambiguidade do problema.

O Capítulo 4 introduz o Esboço 2½-D — uma representação centrada no observador das superfícies visíveis, incluindo orientação e profundidade — que integra todas as pistas visuais discutidas no Capítulo 3 em uma descrição coerente. E o Capítulo 5 propõe a representação final: o Modelo 3-D, centrado no objeto, hierárquico e baseado em eixos volumétricos, projetado para suportar o reconhecimento independente do ponto de vista.

PONTOS-CHAVE

O Esboço Primal (Primal Sketch) transforma a imagem em uma representação simbólica de mudanças de intensidade. O Esboço 2½-D integra múltiplas pistas visuais (estéreo, movimento, textura, sombreamento) em uma descrição de superfícies centrada no observador. O Modelo 3-D usa primitivos volumétricos organizados hierarquicamente para permitir o reconhecimento independente do ponto de vista. O problema da correspondência (como casar elementos entre as imagens do olho esquerdo e direito, ou entre quadros sucessivos de um filme) é central e demanda o uso de restrições físicas. A modularidade do processamento visual é um princípio-chave: diferentes aspectos — estéreo, movimento, cor — são processados relativamente de forma independente antes de serem integrados.

REFLEXÃO CRÍTICA

A grandiosidade do programa de Marr nessa parte é, ao mesmo tempo, sua maior força e seu principal ponto de debate posterior. Por um lado, ele fez algo que ninguém antes tinha tentado com tanta coerência: uma teoria computacional completa da visão humana, do pixel ao objeto reconhecido. Isso é algo que move a inteligência, que provoca a curiosidade, que faz o leitor sentir que está diante de uma das grandes perguntas da existência — o que significa ter olhos que entendem o mundo? Por outro lado, décadas de pesquisa subsequente revelaram que o caminho da visão é ainda mais complexo, mais distribuído, mais bidirecional do que Marr imaginou. O processamento visual no cérebro humano não é puramente bottom-up (da retina ao reconhecimento); há enormes quantidades de informação top-down, de memória, atenção, emoções e expectativas que modulam cada etapa do processo. Um rosto familiar é processado diferente de um rosto desconhecido — a ansiedade modifica o que vemos em uma expressão facial ambígua; o trauma pode fazer a mente “completar” padrões ameaçadores onde não existem. Marr, por sua metodologia, focou-se nos sistemas “feedforward” — e isso é uma limitação importante que a neurociência moderna tem explorado intensamente. Mas a estrutura que ele deixou — as três representações, o caminho progressivo da imagem à forma — permanece um dos andaimes mais sólidos sobre os quais a ciência da visão se apoia.

APLICAÇÕES PRÁTICAS

As implicações dessa parte para a tecnologia atual são diretas e impressionantes. Os algoritmos de detecção de bordas usados em câmeras de smartphones derivam das ideias de Marr sobre zero-crossings e filtros em múltiplas escalas. O famoso detector de bordas de Canny, amplamente usado em visão computacional, é uma implementação derivada do trabalho de Marr e Hildreth. Sistemas de reconstrução 3-D a partir de duas câmeras — como os usados em veículos autônomos, drones e cirurgia robótica assistida — implementam variantes do algoritmo de correspondência estéreo de Marr e Poggio. Software de reconhecimento de faces como o usado em desbloqueio de smartphones usa princípios análogos ao Modelo 3-D hierárquico, com representações baseadas em partes e eixos do rosto. E no campo da saúde mental e neurologia, a compreensão de como cada etapa do processamento visual pode ser comprometida — por lesões no córtex visual, por doenças neurodegenerativas ou por transtornos como a esquizofrenia — deve muito à organização modular que Marr propôs.

PARTE III — EPÍLOGO

(Capítulo 7: Em Defesa da Abordagem / Posfácio de Poggio)

RESUMO DA PARTE

A Parte III é, de certa forma, a mais humana do livro. O Capítulo 7 apresenta uma longa conversa imaginária — um diálogo filosófico no estilo platônico — entre Marr e um interlocutor cético que questiona cada aspecto de sua abordagem. O interlocutor pergunta: como você pode falar tanto em computação se o cérebro é feito de neurônios? Como sua teoria lida com a continuidade da experiência perceptiva? O que dizer do reconhecimento semântico — reconhecer que uma cadeira é uma cadeira, não apenas que tem certa forma? Marr responde com franqueza, humildade e rigor. Ele admite os limites de sua abordagem — ela não trata de semântica, não resolve o problema da consciência, não abarca todo o espectro da experiência perceptiva. Mas defende que o problema que ela ataca — como representações visuais são construídas a partir de imagens — é genuíno, importante e tratável com as ferramentas que ele propõe.

O posfácio de Tomaso Poggio, escrito trinta anos depois, é uma análise sóbria e tocante do legado de Marr. Poggio, um dos colaboradores mais próximos de Marr, discute o que o campo de neurociência computacional realizou nas décadas seguintes e onde ainda está aquém das esperanças de 1980. Ele argumenta que é hora de ir além do framework de níveis independentes de Marr e reenfatizar as conexões entre os níveis — como as descobertas ao nível computacional devem informar experimentos ao nível neural, e vice-versa. É uma reflexão honesta sobre o que significa construir ciência cumulativa em um campo tão complexo.

PONTOS-CHAVE

Marr defende a modularidade como princípio essencial para a tratabilidade científica: sistemas não modulares, como o enovelamento de proteínas, resistem à compreensão porque suas partes interagem de forma densa e inseparável. A visão, argumenta, é suficientemente modular para ser abordada de forma científica rigorosa. Ele reconhece que a semântica — o que os objetos significam, para que servem — é um problema distinto e muito mais difícil do que a geometria. O posfácio de Poggio antecipa questões que a ciência ainda não resolveu trinta anos depois: quais computações o córtex visual realmente realiza? Como as representações neurais se conectam às representações computacionais de Marr?

REFLEXÃO CRÍTICA

O Capítulo 7 é, surpreendentemente, um dos mais ricos do livro para os leitores de hoje — não pelos resultados científicos, mas pela honestidade intelectual. Marr não finge ter resolvido tudo. Ele sabe que sua teoria é uma primeira aproximação de um problema de enorme complexidade. E, ao mesmo tempo, ele defende com vigor que a abordagem está certa — que sem uma teoria computacional clara, sem o compromisso de entender representações e algoritmos, o estudo da mente ficará girando em falso. Isso é raro na ciência: a capacidade de defender uma posição com convicção sem fingir que não há problemas. Para a geração atual, acostumada a ver o debate científico acontecer em posts de Twitter com 280 caracteres, esse capítulo é quase um manifesto de como fazer ciência com integridade. E o posfácio de Poggio adiciona uma dimensão existencial ao livro: trinta anos depois, continuamos não entendendo o cérebro. A humildade diante da complexidade, que Marr praticou mesmo em seu trabalho mais ambicioso, é uma lição que a ciência de hoje ainda precisa aprender.

APLICAÇÕES PRÁTICAS

As ideias desta parte têm aplicações surpreendentes em campos como design de interfaces, pedagogia visual e psicologia organizacional. Quando Marr discute a modularidade como condição de tratabilidade científica, está também dizendo algo sobre design de sistemas complexos em geral: sistemas que podem ser decompostos em módulos relativamente independentes são mais robustos, mais fáceis de manter e de entender. Isso se aplica a arquitetura de software, a estruturas organizacionais em empresas, e ao design curricular em educação. A discussão sobre semântica versus geometria tem eco direto no debate atual sobre “interpretabilidade” em inteligência artificial — a diferença entre uma IA que reconhece um rosto (geometria) e uma que entende o que aquele rosto significa em um contexto social (semântica) é exatamente o abismo que Marr já havia identificado.

IMPACTO NA SOCIEDADE

“Vision” é um daqueles livros que mudam o chão sobre o qual você anda — e a maioria das pessoas que caminha sobre esse chão nem sabe quem foi o arquiteto. Cada vez que um sistema de reconhecimento facial desbloqueio o seu telefone, cada vez que um carro autônomo identifica um pedestre na escuridão, cada vez que um algoritmo médico detecta uma anomalia em uma tomografia, você está, em alguma medida, usando ideias que Marr articulou em “Vision” quarenta anos atrás. Mas o impacto vai além da tecnologia: ao argumentar que ver é computar, que a mente é um sistema de representações e que o cérebro pode ser estudado com ferramentas matemáticas sem que isso degrade a riqueza da experiência humana, Marr abriu caminho para toda uma visão de mundo em que inteligência e consciência deixam de ser mistérios metafísicos e se tornam problemas científicos tratáveis — não triviais, não resolvidos, mas atacáveis com rigor. Isso é, em si mesmo, uma revolução cultural: nos convida a olhar para dentro sem medo, a estudar nossa própria mente com a mesma curiosidade com que estudamos estrelas ou oceanos, e a reconhecer que a existência de um ser que vê, que pensa e que pergunta sobre si mesmo é, de longe, o fenômeno mais complexo e fascinante que o universo produziu.

A MENSAGEM PARA A GERAÇÃO ATUAL

Vivemos em uma época de imagens. Você acorda e a primeira coisa que faz é olhar para uma tela. Você consome centenas de fotos, vídeos, memes, gráficos, rostos, paisagens — tudo processado pelo seu sistema visual em velocidade e precisão que nenhuma câmera ainda conseguiu replicar completamente. E ainda assim, a grande maioria das pessoas nunca se perguntou seriamente: como é que eu estou vendo isso? Não no sentido poético, mas no sentido literal, mecanístico, profundo: o que acontece entre a luz que entra pelo seu olho e o momento em que você reconhece o rosto de uma pessoa querida?

Marr te diz que isso importa. Não apenas como curiosidade científica, mas como questão de autoconhecimento. Entender como a visão funciona é entender como a mente constrói realidade — e isso muda a forma como você pensa sobre comportamento humano, sobre percepção social, sobre os vieses que carregamos. Se a sua mente constrói representações ativas do mundo, e não fotografias neutras da realidade, então o que você “vê” nunca é completamente objetivo. Você vê com suas memórias. Você vê com suas emoções. Você vê com o contexto que o seu cérebro acrescentou antes que você sequer percebesse.

Para uma geração que enfrenta crises de ansiedade em parte alimentadas pela comparação visual constante — você se compara com imagens processadas, filtradas, construídas — entender que visão é construção pode ser libertador. O Instagram que você vê não é a realidade; é uma representação que passou por múltiplos filtros, humanos e algorítmicos. Mas também a sua própria percepção do que você vê ali já passou por múltiplos filtros neurais. O que você sente ao ver uma imagem “perfeita” é o produto de um sistema visual que evoluiu para detectar ameaças e recursos — não para navegar feeds de redes sociais. Marr não escreveu sobre ansiedade, mas escreveu sobre a maquinaria que está por trás dela.

A mensagem sobre inteligência também é urgente. Em um mundo onde a IA está sendo descrita simultaneamente como a salvação e a ruína da humanidade, Marr oferece algo que falta no debate público: clareza conceitual. Inteligência não é apenas desempenho; é a capacidade de construir representações adequadas de uma situação e de operar sobre essas representações de forma flexível e contextual. Uma rede neural que vence campeonatos de xadrez não é inteligente da mesma forma que um humano — ela opera em um único nível, sem a riqueza modular, hierárquica e semântica que Marr descreve. Isso não diminui a conquista tecnológica, mas convida a uma conversa mais honesta sobre o que estamos realmente construindo.

Por fim, há uma mensagem sobre propósito. David Marr sabia que ia morrer jovem, e ainda assim escreveu um dos livros mais importantes da ciência cognitiva do século XX. Não por dinheiro, não por fama — ele morreu antes de ver o livro publicado. Mas pela convicção de que as perguntas que fazia eram importantes e que valiam o esforço de respondê-las da melhor forma possível. Para uma geração que muitas vezes sente o peso da pressão de ser relevante imediatamente, de ter impacto visível, de produzir resultados mensuráveis em tempo real, a história de Marr é um lembrete sutil mas poderoso: o trabalho intelectual profundo tem valor em si mesmo, independentemente de quando seus frutos são colhidos.

CONCLUSÃO

“Vision”, de David Marr, é mais do que um tratado sobre percepção visual. É uma meditação rigorosa sobre o que significa conhecer, sobre a relação entre mente e realidade, sobre a natureza da inteligência e sobre os limites e possibilidades do projeto científico de compreender a nós mesmos. Ao propor que qualquer sistema cognitivo deve ser entendido em três níveis simultâneos e complementares — o que ele faz, como ele faz, e como isso é implementado fisicamente —, Marr estabeleceu um padrão de pensamento que vai muito além da visão: é um modelo de como abordar a consciência, o comportamento, as emoções e a existência humana com seriedade intelectual sem abrir mão da complexidade que esses fenômenos merecem. Vivemos em uma época em que filosofia, mente, comportamento e realidade humana estão sendo rediscutidos de formas que Marr teria reconhecido como urgentes: a inteligência artificial nos força a perguntar o que é pensar, a neurociência nos mostra que o que chamamos de “eu” é uma construção dinâmica e parcial, a psicologia revela que nossas percepções são sempre mediadas por representações que carregam história, cultura e trauma. “Vision” não responde a todas essas perguntas — mas nos ensina que a única forma de começar a respondê-las é com a humildade de entender o problema em sua profundidade real, com a coragem de propor teorias que possam ser testadas e refutadas, e com a convicção de que compreender como vemos o mundo é, em última análise, uma das formas mais profundas de compreender o que somos.

FRASES MEMORÁVEIS

• “Enxergar não é receber o mundo — é reconstruí-lo, pedaço por pedaço, a cada instante.”
• “Estudar neurônios sem uma teoria do que eles computam é como estudar penas sem entender o voo.”
• “A realidade que você percebe é uma hipótese que o seu cérebro formula sobre o mundo.”
• “Inteligência não está no hardware. Está no nível da pergunta que você é capaz de fazer.”
• “Compreender a visão é compreender a forma mais silenciosa e mais poderosa que a mente tem de ser.”

O QUE ESTE ARTIGO REALMENTE QUER TE DIZER?

A ideia central do livro

“Vision” quer te dizer que enxergar não é algo que simplesmente “acontece”. Não é como abrir uma janela e ver o paisagem do lado de fora. É um processo de construção ativa, passo a passo, profundamente sofisticado, no qual o seu cérebro transforma dados brutos de luz em descrições significativas e utilizáveis do mundo.

Marr defende que esse processo de construção pode ser entendido — e deve ser estudado — em três camadas: primeiro você precisa entender o que o sistema está tentando fazer e por que (a teoria computacional); depois, como ele faz isso, quais representações intermediárias ele usa e quais passos ele segue (algoritmo); e por fim, como tudo isso acontece fisicamente no tecido nervoso (implementação). Se você pular qualquer um desses níveis, vai entender partes do problema mas vai perder o quadro completo — como tentar entender um avião estudando apenas as moléculas de metal das suas asas.

A ideia que perpassa todo o livro é que a visão progride através de representações — não de forma mágica ou holística, mas em etapas distintas e computáveis. Da luz que cai na retina emerge uma primeira representação chamada de Esboço Primal, que captura bordas, variações de intensidade e estrutura local da imagem. Dessa representação emerge o chamado Esboço 2½-D, uma representação centrada no observador que descreve as superfícies visíveis do ambiente, suas orientações e distâncias relativas.

E desse esboço emerge, por fim, o Modelo 3-D, uma representação centrada no objeto, independente do ponto de vista, que é a base do reconhecimento e da memória. Cada etapa é uma conquista intelectual do sistema visual — não da consciência, mas da maquinaria perceptiva que opera silenciosamente antes que você sequer perceba que viu algo.

Por que isso importa na vida real?

Pense no que acontece quando você está dirigindo em uma estrada com pouca luz, na chuva, e de repente identifica a silhueta de um pedestre saindo entre dois carros estacionados. Em frações de segundo, sem esforço consciente algum, seu sistema visual extraiu bordas da imagem ruidosa, calculou profundidade com base na disparidade entre os dois olhos e no movimento aparente, identificou a forma como pertencente à categoria “humano” e gerou um alarme de ação.

Cada uma dessas etapas corresponde exatamente a algo que Marr descreve no livro — da detecção de zero-crossings (pontos de mudança de intensidade) no Esboço Primal até a ativação de um modelo 3-D hierárquico que reconhece a estrutura cilíndrica dos membros e do tronco como característicos de um ser humano. O que parece ser um “golpe de intuição” ao volante é, na verdade, uma cascata de computações que a teoria de Marr ajuda a tornar inteligível — e que engenheiros de sistemas de visão computacional e carros autônomos hoje tentam replicar com exatamente essa base teórica.

Uma analogia memorável

Imagine que você é um arqueólogo que acabou de receber um saco com fragmentos de cerâmica. Você não pode ver o vaso original — ele está quebrado. Mas com base nas curvas das bordas de cada fragmento, no padrão de pintura, na espessura do material e na relação entre as peças, você vai, peça por peça, construindo mentalmente a forma do vaso.

Cada etapa que Marr descreve é como um estágio dessa reconstrução: primeiro você identifica os cacos individuais (Esboço Primal), depois começa a perceber como as superfícies se relacionam entre si (Esboço 2½-D), e por fim você tem uma representação completa do objeto, independente da mesa em que os fragmentos estão espalhados (Modelo 3-D). Visão, segundo Marr, é arqueologia do presente — você reconstrói o mundo a cada instante a partir de fragmentos de luz.

GLOSSÁRIO PARA INICIANTES

TEORIA COMPUTACIONAL
O que é: O nível mais alto de análise de qualquer sistema de processamento de informação — ele responde à pergunta “o que o sistema está tentando fazer e por que?”, sem ainda se preocupar com como isso é feito.
Exemplo do cotidiano: Quando você define que quer “chegar ao trabalho no menor tempo possível evitando congestionamentos”, você está fazendo uma teoria computacional da sua viagem. Como você vai fazer isso (GPS, memória de rotas, ligação para alguém) é outra questão.

ALGORITMO
O que é: Um conjunto de passos bem definidos para resolver um problema — o “como fazer” de um processo, independente de quem ou o que vai executá-lo.
Exemplo do cotidiano: Uma receita de bolo é um algoritmo: ingredientes definidos, passos em ordem, resultado esperado. Pode ser executada por você, por seu irmão ou por um robô de cozinha.

REPRESENTAÇÃO
O que é: Uma forma de codificar informação que torna certos aspectos dela explícitos e acessíveis, enquanto deixa outros implícitos. Uma representação é uma descrição — e diferentes representações de uma mesma coisa destacam aspectos diferentes.
Exemplo do cotidiano: O número 12 pode ser representado como “XII” (romano), “1100” (binário) ou “doze” (por extenso). Cada representação torna diferentes operações mais fáceis ou difíceis.

ESBOÇO PRIMAL (Primal Sketch)
O que é: A primeira representação simbólica que o sistema visual constrói a partir da imagem na retina. Captura bordas, contornos, manchas e variações de intensidade — os “tokens” básicos da imagem.
Exemplo do cotidiano: É como quando você faz um esboço de uma cena com carvão: você não captura as cores, as texturas finas, mas captura a estrutura básica — onde estão os objetos, suas bordas, suas formas gerais.

ZERO-CROSSING
O que é: Um ponto em um sinal (como a intensidade de luz ao longo de uma linha de pixels) onde o valor cruza zero após uma operação matemática. Na visão, esses pontos correspondem a locais de mudança significativa de intensidade — bordas e contornos.
Exemplo do cotidiano: Imagine o nível do mar em uma costa rochosa. Os pontos onde a água toca as pedras — onde o sinal “passa de molhado para seco” — são análogos aos zero-crossings de uma imagem.

ESBOÇO 2½-D (2½-D Sketch)
O que é: Uma representação centrada no observador das superfícies visíveis no ambiente, incluindo sua orientação, distância relativa e descontinuidades. O “½” indica que não é uma representação 3-D completa — é a descrição do que você vê, do seu ponto de vista.
Exemplo do cotidiano: Um mapa topográfico é como um Esboço 2½-D: ele mostra a elevação do terreno (profundidade), a inclinação das encostas (orientação), mas ainda é uma representação a partir de um ponto de vista definido — de cima.

MODELO 3-D (3-D Model Representation)
O que é: Uma representação centrada no objeto, independente do ponto de vista do observador, que usa primitivos volumétricos (como eixos de cilindros) organizados hierarquicamente para descrever a forma de um objeto. É a base do reconhecimento.
Exemplo do cotidiano: A forma como você “sabe” mentalmente como é um cachorro — de qualquer ângulo, em qualquer posição — é análoga a um Modelo 3-D: você não memoriza fotos, você armazenou uma estrutura abstrata que pode ser comparada com qualquer imagem de cachorro.

DISPARIDADE ESTEREOSCÓPICA (Stereo Disparity)
O que é: A diferença de posição de um mesmo ponto do mundo nas imagens dos olhos esquerdo e direito. O cérebro usa essa diferença para calcular a distância dos objetos.
Exemplo do cotidiano: Feche o olho direito e olhe para um dedo levantado na sua frente. Agora abra o direito e feche o esquerdo. O dedo “pulou” de posição — essa diferença entre as duas imagens é a disparidade estereoscópica. Quanto maior o salto, mais perto o objeto está.

MODULARIDADE
O que é: A propriedade de um sistema de ser composto por partes relativamente independentes (módulos), cada uma responsável por uma função específica, que se comunicam por interfaces bem definidas.
Exemplo do cotidiano: Um smartphone é modular: a câmera, o microfone, o processador e a tela são módulos que funcionam relativamente de forma independente. Você pode trocar a câmera sem mudar o processador.

PSICOFÍSICA
O que é: O campo científico que estuda a relação entre estímulos físicos do ambiente (como intensidade de luz ou frequência de som) e as experiências perceptivas que eles geram. Usa experimentos controlados para medir como percebemos o mundo.
Exemplo do cotidiano: Quantas velas você precisa acrescentar a uma sala com 100 velas para que a diferença de brilho seja perceptível? Esse tipo de pergunta — e sua resposta sistemática — é psicofísica.

PROCESSAMENTO BOTTOM-UP
O que é: Processamento que começa nos dados sensoriais brutos e vai progressivamente construindo representações mais complexas, sem influência de conhecimento prévio ou expectativas. É o caminho da retina ao reconhecimento.
Exemplo do cotidiano: Quando você reconhece uma palavra que nunca viu antes, primeiro percebe as letras individuais (dados brutos), depois as combinações de letras, depois a palavra como unidade. Isso é bottom-up.

PROCESSAMENTO TOP-DOWN
O que é: Processamento em que o conhecimento prévio, as expectativas e o contexto influenciam a percepção dos dados sensoriais, modificando o que é “visto” antes mesmo que a análise completa seja feita.
Exemplo do cotidiano: Quando você está esperando alguém chegar e vê uma silhueta ao longe, você tende a “ver” o rosto dessa pessoa — mesmo que a imagem ainda seja pouco clara. Seu cérebro está usando expectativas (top-down) para interpretar dados ambíguos.