La fusión de la ciencia de los datos y la neurociencia

La amalgama de la ciencia de los datos y la neurociencia

Priya Dialani

La fusión de la ciencia de los datos y la neurociencia

Discretamente, sigilosamente, otro tipo de neurocientífico está dando frutos. Desde el interior de la miríada…
han aumentado los equipos de neurocientíficos que hacen ciencia con información sobre la actividad neuronal, sobre los balbuceos inadecuados de muchas neuronas. No la producción de técnicas para analizar datos, sin embargo, todos hacen eso también. No la recolección de esa información, para eso, requiere otro, considerable, rango de habilidades. En cualquier caso, los neurocientíficos que utilizan toda la extensión de las estrategias computacionales modernas sobre esos datos para responder a las investigaciones científicas sobre la mente, la ciencia de los datos neuronales se ha desarrollado.

El por qué es equivalente a todas las áreas de la ciencia que han escupido una ciencia de datos: la cantidad de información se escapa de las manos. Para la ciencia del registro de montones de neuronas, esta tormenta de información tiene una razón científica, de algún tipo. Los cerebros trabajan pasando mensajes entre las neuronas. La mayoría de esos mensajes aparecen como pequeños golpes de electricidad: picos, los llamamos. Así que para muchos, parece lógico que si necesitamos ver cómo funcionan los cerebros (y cuando no funcionan) tenemos que captar cada uno de los mensajes que se pasan entre cada una de las neuronas. Lo que es más, eso implica registrar cualquier número de picos de tantas neuronas como se pueda esperar razonablemente.

La idea clave de la neurociencia que impulsa la debilidad de las mentes es la «estadística normal». Parece que los cerebros de los animales han avanzado para trabajar en los hábitats naturales, y también se adaptan mejor en esas situaciones equivalentes. Por ejemplo, hace un par de décadas, se indicó que las propiedades de procesamiento de datos del sistema visual de los mamíferos deberían haberse desarrollado para funcionar mejor en el entorno natural de bosques y arbustos, y con certeza, las neuronas funcionan de esa manera.

Al final del día, nuestros ojos esperan detalles finos de aspecto natural por todas partes. El mundo común es filigrana. Eso es lo que el sistema visual procesa y de lo que aprende. Decir que la naturaleza se parece a la naturaleza es actualmente cuantificable y se ha convertido en una idea significativa para ver cómo funcionan los cerebros. Por ejemplo, las criaturas de laboratorio que experimentan la infancia en confines, que son planos, agotadores e iluminados por luces parpadeantes, tienen una visión horrible comparada con las que viven en el exterior. Los neurocientíficos definitivamente se dan cuenta de que las horas diarias de falsos, desviados y antinaturales aportes son terribles para las mentes animales como regla; ¿por qué razón no sería válido para los cerebros humanos?

La neurociencia y la estadística, el aprendizaje de las máquinas y la ciencia de los datos se mezclan, no se considera que sean cosas totalmente inconfundibles. Para los individuos en la neurociencia que necesitan aprender más ciencia de los datos, se sugiere conseguir un libro sobre el aprendizaje de la máquina estadística para familiarizarse con algunos de los modelos fundamentales que se utilizan. Para los analistas que necesitan familiarizarse con la neurociencia, es importante que se familiaricen con algunos trabajos recientes sobre temas explícitos que pueden ser de interés, por ejemplo, la imagen del calcio o el examen de numerosos conjuntos de datos de neuronas.

Por otra parte, la innovación electrónica es siempre adictiva, intrusiva y productiva, devorando actualmente la mitad de nuestras horas de vigilia y de nuestras vidas sociales, más o menos. La cuestión no es que la innovación sea fundamentalmente terrible. No lo es, pero los avances particulares que encontramos más deslumbrantes son horribles, a la luz del hecho de que los descubrimos cautivantes.

Nuestros apetitos informativos se desarrollaron en el monte, donde las cosas intrigantes y la dopamina son esquivas. En la actualidad, tenemos golpes rápidos por todas partes. Cualquier tipo de criatura, en general, se hace adicta cuando cosas que antes eran poco comunes en la naturaleza, como los interruptores de cocaína para las ratas, los puntos de láser para los gatos, las cintas de correr para los ratones, se convierten de repente en algo normal. En cualquier caso, la existencia de estímulos extremadamente extraños viola el acuerdo estadístico de la naturaleza.

El significado es triple:

1) cualquier innovación que impacte nuestras interacciones sensoriales influye en nuestras mentes desde varias perspectivas;

2) la gran mayoría de los daños son inconscientes; y

3) nuestra reacción al daño en su mayor parte busca una cantidad significativamente mayor de los medios que causan el daño.

Los datos son famosos por ser ruidosos, y además, tienden a pasar por numerosas fases de preprocesamiento antes de que los analistas tengan siquiera la oportunidad de verlos. Esto implica que una medida efectivamente indirecta experimenta cantidades inseguras de manipulación de datos antes del análisis. Ese es un enorme desafío en el que un gran número de nosotros hemos estado pensando durante mucho tiempo. Con respecto al ruido, hay numerosas fuentes, algunas provenientes de la tecnología y otras de los sujetos.

Para hacerlo mucho más complejo, el ruido impulsado por el sujeto puede identificarse con los estímulos de prueba de interés. Por ejemplo, en las investigaciones por RMNf de los movimientos oculares, el sujeto puede verse tentado a mover un poco toda la cabeza al mirar en el área de un estímulo, lo que contamina la información. Así también, en el EEG hay algunas pruebas de que la señal medida puede quedar perpleja con las apariencias faciales. Ambas tendrían implicaciones en la utilización de las imágenes para el neuromercado y otras aplicaciones populares.

Además, los datos son enormes; no «colosales» en el tamaño de numerosas aplicaciones de vanguardia, sin embargo, seguramente lo suficientemente grandes como para causar desafíos de almacenamiento y análisis. A largo plazo, obviamente, la forma en que no estamos preparados para obtener mediciones inmediatas del movimiento y la promulgación del cerebro, y tal vez siempre seremos incapaces de hacerlo como tal, es el mayor desafío de medición que enfrentamos. Es difícil hacer fuertes determinaciones cuando los datos medidos están bastante alejados de la señal de la fuente, son ruidosos y excepcionalmente procesados.

Leave a Comment!