MétaCan
Menu
Retour à la cohorte
Enregistrement W4402946710 · doi:10.1167/jov.24.10.1113

Prefrontal neural activity predicts and mitigates spatial uncertainty in a gaze task

2024· article· en· W4402946710 sur OpenAlexaff
Vishal Bharmauria, Adrian Schütz, Xiaogang Yan, H. Wang, Frank Bremmer, J. Douglas Crawford

Notice bibliographique

RevueJournal of Vision · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueSpatial Cognition and Navigation
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésGazeTask (project management)Cognitive psychologyNeural activityPsychologyComputer scienceArtificial intelligenceNeuroscienceEngineering

Résumé

récupéré en direct d'OpenAlex

To predict the future, the brain must integrate past with current sensory information. Research has suggested that prefrontal cortex predicts the timing of events (Fu et al., 2023). Here, we investigated if it also predicts spatial uncertainty. To do this, we recorded neural activity in the frontal (FEF) and supplementary (SEF) eye fields of two rhesus macaques, trained to saccade toward remembered visual targets (T) in presence of a landmark (L) that was surreptitiously shifted to a new position (L’) by a fixed amplitude in one of eight randomized directions arranged circularly around L. Previously, we showed that this results in retrospective shifts in FEF/SEF memory and gaze signals (Bharmauria et al., 2020, 2021). Here, we examined the period from the initial visual response to 300 ms after the landmark shift in 147/68 spatially tuned FEF/SEF neurons for prospective coding of this shift. We used a model-fitting technique to test memory delay coding along a T-T’ continuum. Remarkably, just before the landmark shift, SEF coded a shift toward T’. Since this direction was randomized, we hypothesized that SEF might be ‘guessing’ the direction of the shift. We tested this using a 2D analysis with the real shift (T’) rotated to the right and seven other imaginary shifts circularly arranged. Shortly after the visual response, response fields developed a donut-like prediction in all directions. This did not occur in shuffled controls and could not be accounted for by attraction toward landmark position (TL) or gaze error (TG). Eventually, after the real shift, this predictive ‘donut’ code shifted toward the actual L’. These data suggest that after thousands of training trials, the monkey brain, specifically SEF, created a guessing strategy based on learned probabilities and anticipation. This might allow the brain to optimize behavior and mitigate spatial uncertainty in the surrounding world.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,761
Score d'incertitude au seuil0,221

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,249
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of VisionMême sujetSpatial Cognition and NavigationTravaux en français237 207