Ricercatori hanno usato neuroimaging per capire come il cervello organizza la cognizione. Il team guidato da Aron Barbey ha testato la Network Neuroscience Theory e ha analizzato dati di immagini cerebrali e test cognitivi provenienti da due grandi gruppi di adulti, incluso il Human Connectome Project e uno studio indipendente chiamato INSIGHT.
La teoria propone che l'intelligenza generale non sia una sola abilità, ma un modello di abilità correlate. Lo studio mostra che l'intelligenza dipende dalla comunicazione tra molte reti e da alcune regioni di controllo che funzionano come hub. I risultati sono simili in entrambi i gruppi e spiegano fenomeni nello sviluppo e nell'invecchiamento.
Parole difficili
- neuroimaging — Tecniche per vedere l'attività del cervello
- cognizione — Processi mentali come pensare e capire
- teoria — Spiegazione o modello che prova a descrivere qualcosa
- rete — Insieme di elementi collegati fra lororeti
- hub — Punto centrale che coordina altre parti
- invecchiamento — Processo di diventare più vecchi nel tempo
Suggerimento: passa il mouse o tocca le parole evidenziate nell’articolo per vedere definizioni rapide mentre leggi o ascolti.
Domande di discussione
- Perché pensi che sia utile studiare la comunicazione tra molte reti del cervello?
- Hai mai fatto un test cognitivo o un esame simile? Com'è stata l'esperienza?
- Cosa ti sembra più interessante: l'idea di regioni di controllo o l'idea di reti? Perché?
Articoli correlati
Tessuto simile al cervello senza materiali animali
Per la prima volta, ricercatori hanno fatto crescere tessuto funzionale simile al cervello senza usare rivestimenti di origine animale. Hanno usato una impalcatura di polietilenglicole con pori che supportano la crescita cellulare.
Misurare il flusso di fluidi nel cervello con MRI e intelligenza artificiale
Ricercatori hanno usato MRI e intelligenza artificiale per stimare il lento flusso di fluidi che rimuove rifiuti dal cervello, collegato all’Alzheimer. Lo studio mostra due modalità di flusso e punta a applicazioni cliniche future.
Perché l'intelligenza artificiale produce risultati ingiusti
Una ricerca dell'University of Texas at Austin indica che molti bias nell'intelligenza artificiale nascono perché i modelli non catturano la complessità del mondo reale. Lo studio individua tre fattori che aumentano il rischio di risultati ingiusti.