Pesquisadores do Instituto Avançado de Ciência e Tecnologia da Coreia (KAIST) e da Microsoft Research Asia desenvolveram o método Alinhamento de Valor Neural (NVA, na sigla em inglês), que permite a sistemas de inteligência artificial identificar erros a partir de sinais cerebrais. Publicado em agosto de 2026, o estudo foi liderado pelo professor Sang Wan Lee, do KAIST, com autoria principal do doutorando Xin Xu e participação de Yansen Wang, Dongqi Han e Dongsheng Li. A abordagem utiliza dados obtidos por eletroencefalograma (EEG) para calibrar o comportamento do algoritmo sem a necessidade de comandos manuais, gestos ou voz.
A tecnologia aplica aprendizado profundo (deep learning) para distinguir dois tipos específicos de respostas na atividade cerebral: o Erro de Predição de Recompensa (RPE) e o Erro de Predição de Estado (SPE). O RPE sinaliza que o sistema interpretou incorretamente a meta pretendida pelo usuário, levando a máquina a buscar outro objetivo. Por sua vez, o SPE indica que a meta foi compreendida, mas o caminho escolhido para alcançá-la divergiu do esperado, fazendo a IA mudar sua estratégia sem alterar o objetivo final. O modelo conseguiu mapear padrões neurais distintos tanto para a ocorrência isolada de cada erro quanto para situações em que ambos se manifestam juntos.
Em testes de simulação, o método respondeu com mais rapidez do que as técnicas tradicionais diante de incertezas, mudanças repentinas de objetivos e períodos com indisponibilidade temporária de retorno neural. O projeto permanece em fase de investigação acadêmica e não constitui um produto comercial.