MétaCan
Menu
Back to cohort
Record W4206030728 · doi:10.37382/nrn.octubre.2017.499

Planes Cerebrales Perfectos

2017· article· es· W4206030728 on OpenAlex
Alberto García Muntión

Why this work is in the frame

A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.

aboutThe title or abstract carries a Canadian signal from the geographic lexicon.
no affNo Canadian affiliation: this work is invisible to an affiliation-only frame.
No Canadian affiliation. An affiliation-only frame, the usual design, would never have seen this work. It is one of the works that make the case for inverting the frame.

Bibliographic record

VenueNeuroRehabNews · 2017
Typearticle
Languagees
FieldNeuroscience
TopicEEG and Brain-Computer Interfaces
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPhilosophyArt

Abstract

fetched live from OpenAlex

El 14 de Febrero del 2017, se publicaba en la revista Cell Reports el artículo: Rapid Automatic Motor Encoding of Competing Reach Options. En dicho estudio se mostraba cómo, ante dos opciones diferentes, las neuronas motoras de nuestros cerebros se preparan para ambas posibilidades antes incluso de haber decidido qué acción llevar a cabo. La fecha de publicación es curiosa. El día de los enamorados. Para los tímidos resultará esperanzador; si sale mal el acercamiento a un chico o chica podemos confiar en que nuestro cerebro ya tendrá preparado el acercamiento a otro/otra. "Nuestros cerebros están constantemente tomando decisiones relacionadas con el movimiento. ¿Cruzo ahora o espero al verde?" ¿Voy por el puerto o por la autovía? ¿Subo en ascensor o por las escaleras? ¿Le robo una patata a mi hermano o un profiterol a mi hermana? En esta publicación lo que se evidencia es que el cerebro siempre tiene preparado lo que conocemos como el plan B. Jason Gallivan, neurocientífico en la Universidad de Queen´s en Ontario (Canadá) y uno de los autores del estudio, explicaba que nuestro cerebro está continuamente convirtiendo objetivos visuales en acciones a realizar sobre dichos objetivos, es decir, que nuestro sistema motor está siempre trabajando en segundo plano generando acciones potenciales. De esa forma, cuando se produce la elección final, el cerebro puede activar la secuencia de movimiento, de una forma muy rápida, al tener ya varias posibilidades planificadas, minimizando el tiempo de reacción. Se ha debatido mucho sobre qué se producía antes, la decisión de sobre qué objetivo actuar o el plan del movimiento. Se tiende a pensar que el movimiento depende del objetivo que tengas. Si sobre una mesa tengo una mandarina y un vaso de agua y aún no he decidido qué tomarme, mi mano no tiene movimiento aún y la planificación de ese movimiento final dependerá de mi elección. Es decir, tendemos a pensar que funcionamos como un GPS, cuando seleccionas un destino, se calcula la ruta. Si se produce un cambio de objetivo, el GPS recalcula y tarda un tiempo en presentar el nuevo plan. Es cierto que estudios previos mostraban activaciones para objetivos potenciales múltiples en las regiones sensoriomotoras del cerebro, si bien, dichas mediciones podían deberse a la localización visual del objetivo o al plan motor para actuar sobre ellos. Al producirse las decisiones motoras de forma muy rápida, resultaba muy difícil separar ambos procesos. Según argumenta el propio Dr. Gallivan, aunque existe un creciente acercamiento entre neurocientíficos y psicólogos sobre cómo se planifican los procesos involucrados en el movimiento y en la toma de decisiones, faltaba evidencia convincente que sustentara las interpretaciones de los datos neuropsicológicos. En este estudio se demuestra que no somos un GPS. Ante esas dos opciones u objetivos visuales, mandarina o vaso de agua, nuestro cerebro ya tiene los dos planes de movimiento preparados, de tal forma que se puede comenzar rápidamente un movimiento concreto una vez que uno de los objetivos sea seleccionado. "Estos resultados dan consistencia a la idea de que nuestro cerebro percibe el mundo como una serie de acciones posibles incluso aunque no se llegue a interactuar con ningún objeto" Una posible aplicación directa de estos resultados la encontramos en la inteligencia artificial. Si somos capaces de enseñar a esos robots “inteligentes” o “cerebros” artificiales a tener varias soluciones “en mente”, preparadas, e incluso a que esas soluciones influyan en el desarrollo de sus procesos, tendrán una habilidad de improvisación más parecida a la humana. Y es que el ser humano tiene una inteligencia generalista y extremadamente versátil. Los sistemas de inteligencia artificial actuales más extendidos, saben hacer muy bien una sola cosa, como por ejemplo, jugar al ajedrez. Existe otra vertiente de dichos sistemas, que intenta desarrollar inteligencias artificiales con la capacidad de saber de muchas cosas, pero para ello es necesario entender los procesos de toma de decisiones, de atención, y un largo etcétera que convierten a nuestro cerebro en la increíble y única máquina que es. Yo, tras la lectura del artículo, no puedo dejar de imaginar a mi cerebro con pelo cano y sonriendo, mientras emula a Hannibal del equipo A y dice “Me encanta que los planes salgan bien”. Conclusión: El entender cómo el cerebro representa y decide entre opciones competitivas del entorno, es una cuestión fundamental en la neurociencia del control motor y la toma de decisiones. Por eso, saber que nuestro cerebro tiene acceso inmediato a planes de reserva ofrece numerosos beneficios y supone un aspecto interesante en el estudio de los procesos que configuran la toma de decisiones endógenas, es decir, las decisiones internas.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Scholarly communication, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.354
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0020.001
Scholarly communication0.0030.001
Open science0.0030.001
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0000.002

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.039
GPT teacher head0.299
Teacher spread0.260 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it