El contenido describe la creación de un modelo de IA ajustado para estimular la dopamina en cerebros con TDAH, ofreciendo un enfoque innovador para el apoyo a la salud mental. Este proyecto explora la aplicación de la inteligencia artificial para ayudar en la regulación neural.
Este estudio evalúa empíricamente agentes de codificación de IA de propósito general en un pipeline de descubrimiento de datos neurocientíficos, analizando su capacidad para automatizar tareas científicas complejas. Concluye que los agentes pueden resolver etapas individuales del pipeline, pero tienen dificultades con el juicio científico en ausencia de criterios de iteración predefinidos.
Este artículo, parte de la serie "Neuroanatomía de LLMs", propone que los Grandes Modelos de Lenguaje procesan la información geométricamente, no lingüísticamente. Explora los mecanismos internos y la organización estructural de estos modelos avanzados de IA.
Este artículo explora cómo la IA 'comprende el significado' en comparación con los humanos, a través de la neurociencia, la ética de la IA y la creatividad restringida. La cuestión central es si la IA realmente 'entiende el significado' o simplemente crea una ilusión de continuidad, a diferencia de la memoria humana que implica selección e interpretación continuas.
Este artículo presenta el modelo Convolutional Variational Deep Embedding (Conv-VaDE) para el análisis de microestados EEG. Mejora la interpretabilidad al aprender conjuntamente la reconstrucción topográfica y la agrupación probabilística suave, permitiendo la decodificación generativa de prototipos de clústeres en topografías verificables.
Este artículo investiga cómo la inteligencia artificial podría "entender el significado" en comparación con los humanos, abordando la cuestión a través de la neurociencia, la ética de la IA y la creatividad limitada. Concluye que la IA no puede captar el significado como los humanos, ya que carece de experiencia encarnada y cultural.
Esta investigación explora la similitud entre el procesamiento de modelos de lenguaje y el procesamiento del lenguaje humano mediante el marco Brain Score. Los hallazgos sugieren que los LMs entrenados en diversos lenguajes naturales e incluso en datos estructurados (genoma humano, Python) muestran un rendimiento similar en Brain Score, lo que indica que la métrica captura la capacidad de extraer estructuras comunes.
China ha aprobado el primer chip cerebral-computadora invasivo del mundo, lo que representa un avance significativo en la tecnología médica. Un hombre paralizado, Dong Hui, ya ha logrado usar el chip para escribir, demostrando su potencial transformador.
Un investigador independiente de 11 años publicó Open-Bridge, un software de código abierto para sincronizar organoides cerebrales 3D con hardware de computación fotónica. Utiliza el método Donoho/MAD para la clasificación adaptativa de picos y Redes Neuronales Líquidas para la sincronización temporal.
Este trabajo propone una hipótesis de compresión semántica para superar las limitaciones en la decodificación de lenguaje a partir de EEG, sugiriendo que las señales EEG codifican anclajes semánticos comprimidos en lugar de la estructura lingüística completa. Presenta Brain-CLIPLM, un marco de dos etapas para la extracción de anclajes semánticos mediante aprendizaje contrastivo y la reconstrucción de oraciones utilizando un modelo de lenguaje grande basado en recuperación.
Esta investigación explora si los LLM pueden servir como lente para comprender las representaciones neuronales de la valencia emocional en el cerebro humano, centrándose en el EEG. El estudio construye un eje de valencia a partir de LLM y demuestra su mapeo en la actividad neural humana, sugiriendo una representación compartida.
Neurocientíficos proponen usar datos de fMRI no invasivos para mejorar modelos de codificación ECoG, superando restricciones de datos. Las representaciones lingüísticas ajustadas con fMRI mejoraron la predicción de ECoG, incluso con la menor resolución temporal de fMRI.
Este artículo, parte de la serie 'The Learn Arc' sobre Inferencia Activa, detalla cómo los conceptos matemáticos abstractos se traducen en circuitos neuronales reales. Postula que la corteza funciona como un grafo factorial físico, donde las columnas corticales son nodos factoriales y las fibras de la sustancia blanca actúan como mensajes en una computación de paso de mensajes.
CIPHER é um modelo baseado em Conformer para inferência de fonemas a partir de EEG de alta densidade, visando decodificar informações de fala do cérebro. Embora alcance alta performance em tarefas binárias, mostra desempenho limitado na discriminação de fonemas de 11 classes, sendo posicionado como um estudo de benchmark e comparação de características.
Investigadores del MIT proponen una estrategia no invasiva para explorar cómo la materia física del cerebro se traduce en conciencia, utilizando ultrasonido focalizado transcraneal. Este enfoque tiene como objetivo investigar la compleja conexión entre la actividad cerebral y la experiencia subjetiva sin neurocirugía.