Cromos colección Neurocracks. Hoy, núm.2

2 12 octubre, 2012

Con NEUROCRACKS podrás completar una colección de auténtico lujo, por su innovación, por su calidad, por su imagen, por sus contenidos, por los materiales especiales con los que están hechos muchos de sus cromos. Verás como disfrutas con las imágenes de tus ídolos, como te diviertes y cómo aprendes un montón de cosas sobre todos los neurocientíficos de nuestra Liga. Este año, por ejemplo, todos los cromos llevan unos iconos en su parte posterior que te mostrarán bien a las claras cuáles son las mejores virtudes de cada investigador sobre su laboratorio… ¡Una pasada, vamos!

Hoy tenemos con nosotros un neurocientífico que investiga acerca de la planificación motora y el control óptimo, modelos probabilísticos (bayesiano), enfoques motores predictivos y modulares para el aprendizaje motor. Con ustedes Daniel Wolpert.

– Nombre completo: Daniel Mark Wolpert

– Lugar y Fecha de Nacimiento: Oxford, 1963

– Equipos Anteriores: Recibió su licenciatura en ciencias de la medicina en la Universidad de Cambridge en 1985 y un grado clínica médica de la Universidad de Oxford en 1988. Recibió un doctorado en Fisiología en la Universidad de Oxford en 1992 y posteriormente trabajó como investigador postdoctoral en el grupo de Michael Jordan en el Departamento de Ciencias Cognitivas y del Cerebro en el MIT. Se unió al Departamento de Neurociencia Motora Sobell y Trastornos del Movimiento del Instituto de Neurología en 1995. Sus líneas de investigación son los enfoques experimentales y computacionales para la salud humana de control sensoriomotor.

– Equipo Actual: profesor de Neurociencia Motora y co-director del Instituto de Neurociencias de Movimiento, en el Instituto de Neurología de la University College de Londres.

– Carrera Científica: Aunque el aprendizaje de una habilidad motriz, como un golpe de tenis, se siente como una experiencia unitaria, los investigadores que estudian el control motor y aprendizaje dividen los procesos implicados en una serie de componentes que interactúan entre sí. Estos componentes pueden ser organizados en cuatro grupos principales. En primer lugar, el desempeño cualificado requiere la recopilación eficaz y eficiente de la información sensorial, tales como decidir cuándo y dónde dirigir la mirada alrededor de la cancha. Por lo tanto, un componente importante de la adquisición de habilidades implica aprender la mejor forma de extraer la información pertinente a la tarea. En segundo lugar, el intérprete debe conocer las principales características de la tarea, como la geometría y la mecánica de la raqueta de tenis y pelota, las propiedades de la superficie de la cancha, y cómo el viento afecta vuelo de la pelota. En tercer lugar, el jugador necesita establecer clases diferentes de control, como las que incluyen mecanismos de control predictivo y reactivo que generan los comandos apropiados para alcanzar los objetivos de tareas, así como el cumplimiento de control que especifica, por ejemplo, la rigidez con la que el brazo sostiene la raqueta. Por último, el artista exitoso, puede aprender habilidades de alto nivel tales como anticipar y contrarrestar la estrategia del oponente y tomar decisiones eficaces sobre la selección de tiro.

Cuando aprendemos una habilidad motora nueva, planteando el tenis como misma situación, tanto nuestros sensores como la tarea de devolver la pelota poseen variabilidad. Nuestros sensores proporcionan información imperfecta sobre la velocidad de la pelota, por lo que sólo se puede estimar. La combinación de información de múltiples modalidades puede reducir el error en esta estimación. En una escala de tiempo más largo, no todas las velocidades son igualmente probables a priori, y en el transcurso de un partido habrá una distribución de probabilidad de las velocidades. Según la teoría bayesiana, se produce una estimación óptima al combinar información acerca de la distribución de velocidades/evidencia anterior con la retroalimentación sensorial. A medida que aumenta la incertidumbre, el jugar en la niebla o en la oscuridad, el sistema debe basarse cada vez más en el conocimiento previo. Para utilizar una estrategia bayesiana, el cerebro tendría que representar la distribución a priori y el nivel de incertidumbre en la retroalimentación sensorial. Aquí podemos controlar las variaciones estadísticas de una nueva tarea sensoriomotora y manipular la incertidumbre de la retroalimentación sensorial. Se demuestra que los sujetos internamente representan tanto a la distribución estadística de la tarea como su incertidumbre sensorial, combinándolos en una forma compatible con un proceso bayesiano que aumenta el rendimiento y lo optimiza. El sistema nervioso central por lo tanto emplea modelos probabilísticos durante el aprendizaje sensoriomotor.

Libros publicados:

The Neuroscience of Social Interaction: Decoding, Imitating, and Influencing the Actions of Others

Estudios publicados:

Motor control is decision-making.

– Visuomotor feedback gains upregulate during the learning of novel dynamics.

– Deliberation in the motor system: reflex gains track evolving evidence leading to a decision.

– Facilitation of learning induced by both random and gradual visuomotor task variation.

– Feedback modulation: a window into cortical function.

– Computational mechanisms of sensorimotor control.

– Task-dependent coordination of rapid bimanual motor responses.

. Vídeos:


Y ya puedes dar por hecho que tendrás a todos, todos los fichajes que lleguen a nuestra Liga hasta el cierre del mercado. Como bien sabes la colección se va completando en ediciones posteriores a la tirada inicial con los ‘Nuevos Fichajes’ y con las  llamadas ‘Nuevas Fichas’ o ‘Fichas Bis’ que sustituyen a los neurocracks de la relación inicial que han ido causando baja en sus respectivos equipos. Gracias a estas dos series al final podrás completar una colección, además de apasionante,  totalmente actualizada.

… Y es de NEUROCIENCINI

The following two tabs change content below.
Fisioterapeuta. Número de Colegiado 1090 (COFISPA) Diplomado en la Universidad Ramón Llull, Máster en Neurocontrol Motor por la Universidad Rey Juan Carlos, Máster en Atención Fisioterapia Comunitaria por la Universidad de Valencia, formado en fisioterapia neurológica (Concepto INN, Concepto Bobath, Modelo Affolter, Estimulación Basal, entre otros). Profesor asociado al Máster de Fisioterapia Neurológica de la Universidad Pablo Olavide. Despertando mi sentido crítico...
Escrito en Blog, Neurocracks por David Aso Fuster | Tags: , , ,
Comentarios (2)
Óscar Díezoctubre 29Responder
Increíble el curriculum y la calidad de los artículos de este hombre. ¿Hay algún español en la colección? Imáginate lo que serían unas jornadas impartidas por él... Saludos David! : )
FisioAsooctubre 29Responder
A los españoles los entrevistamos por Radio Cubital. En breves cuelgo en Facebook un analista del movimiento al que podremos preguntarle... Creo que es mejor, jeje.

Deja un comentario