Cerveaugraphie : comprendre le cerveau
Bibliographic record
Abstract
Mais qu'est-ce que j'ai dans la tête ? Comment faire pour être un génie, un grand Cerveau ? Est-ce qu'on peut muscler ses neurones ? Deuxième cerveau ? Parce qu'il y en a deux ?! Je pense, donc je suis ? Et si je rêve, qui suis-je ? Au secours, j'oublie tout ! Est-ce que je perds la tête, docteur ? Et si notre cerveau était remplacé par une puce électronique ? Dans ce livre le Dr Steven Laureys explique le fonctionnement de notre cerveau à travers 100 illustrations : sa composition, nos sens, la relation avec les autres organes, la mémoire, la conscience, la génétique, le sommeil et les rêves, la douleur, le langage, les émotions, l'intelligence artificielle, la télépathie, le stress , drogues, méditation… - tout ce que vous pouvez et devez savoir sur le cerveau. Grâce aux illustrations riches, le monde mystérieux du cerveau s'ouvre à tous ! Neurologue internationalement réputé, le Dr Steven Laureys est professeur au CHU de Liège et au Centre de Recherches CERVO au Canada. Il dirige l'unité de recherches GIGA Consciousness au sein de l'Université de Liège. Egalement directeur de recherches au Fonds de la recherche scientifique, il consacre la majeure partie de ses travaux à l'étude de l'esprit humain et des états de conscience modifiés (coma, anesthésie, rêve, méditation...).
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.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.039 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".