Se il sonno è tanto, anche se un individuo è sveglio, qualche neurone, qua e là, schiaccia un pisolino. Lo studio pubblicato su Nature da Giulio Tononi, dell’Università del Wisconsin, scardina almeno in parte l’idea che il sonno sia un fenomeno “tutto o nulla”, ben distinto dallo stato di veglia e in cui la corteccia è coinvolta in maniera globale. Negli animali da laboratorio tenuti a lungo artificialmente svegli, i ricercatori hanno dimostrato la presenza di aree localizzate nelle quali i neuroni cadono in una condizione equivalente a quella in cui si trovano quando l’animale dorme, sebbene le caratteristiche generali del tracciato elettroencefalografico siano quelle della veglia. L’osservazione potrebbe spiegare perché la privazione di sonno altera l’attenzione, il giudizio e le funzioni cognitive.
Il topo dorme e non lo sa
Primary tabs
prossimo articolo
LLM e ricerca scientifica: opportunità, rischi e controlli
Come integrare i modelli linguistici di grandi dimensioni nel processo scientifico senza comprometterne l'integrità? Gli LLM sono utili quando velocizzano lavoro ripetitivo e preparatorio. Diventano rischiosi quando il loro output entra direttamente nel processo di validazione o nella decisione scientifica. La questione da porre non è se ma come integrarli nel processo scientifico senza comprometterne l'integrità.
Immagine di copertina realizzata con ChatGPT
Nel discorso pubblico, intelligenza artificiale e Large Language Model (LLM) vengono spesso usati come sinonimi. Non lo sono. L'IA è il campo più ampio che comprende tecniche diverse — dai sistemi simbolici all'apprendimento automatico, dalla visione artificiale alla robotica, fino ai modelli generativi. Gli LLM sono una classe specifica di questi sistemi: modelli addestrati su grandi quantità di testo e, sempre più spesso, di dati multimodali, capaci di produrre risposte linguisticamente plausibili, codice, sintesi, classificazioni e proposte operative.