Computational Properties of the Prefrontal Cortex
Notice bibliographique
Résumé
The term “prefrontal” appears to have been coined in the first volume of Brain in the context of describing the curious case of Phineas Gage, inspired by the skull anatomy of fish (Girard, 1851; Anon, 1878). This initial report details how prefrontal lesions defied simple explanations of disrupted movement or sensation and alluded to more complex changes in personality, motivation, and mood. Insights from this article, combined with early lesion studies in nonhuman primates, linked prefrontal function with a loss of the “faculty of attention and intelligent observation” (Ferrier, 1878). In the 150 years since these early reports, neuroscience and artificial intelligence have exploded in knowledge and technical ability. Still, the computations that endow the prefrontal cortex with its unique abilities defy easy definition. Attempts have focused on anatomical properties, such as thalamic projections, neuromodulatory input, and laminar structure, or its apparent roles in overt behavior through neuropsychological investigation. These contributions have advanced our understanding on different fronts but still have not captured the full breadth of the prefrontal cortex's role in cognition and behavior. A unifying feature of prefrontal networks is believed to be the computations it carries out—higher-order algorithms that transform immediate sensory, memory, and internal information to perform such flexible functions as inference, planning, delayed responses, … Correspondence should be addressed to Nandakumar S. Narayanan at nandakumar-narayanan{at}uiowa.edu.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».