fbpx Sbadigli refrigeranti | Page 32 | Scienza in rete

Sbadigli refrigeranti

Primary tabs

Read time: 2 mins

Rilevando sperimentalmente come la frequenza degli sbadigli dipenda dalla temperatura dell'ambiente esterno, due ricercatori ottengono una significativa conferma che lo sbadiglio può essere un efficace sistema di refrigerazione del cervello.

L'idea non è nuova, ma finora mancava una controparte sperimentale. Ci hanno pensato Andrew Gallup (Binghamton University) e Omar Eldakar (University of Arizona), che hanno documentato la frequenza con cui a Tucson 160 persone (80 osservate in inverno e altrettante in estate) rispondevano allo stimolo di sbadigliare. Giocando sul fatto che si tratta di uno stimolo piuttosto contagioso, i ricercatori hanno mostrato ai passanti immagini di persone che sbadigliavano e ne hanno rilevato la reazione.

Dai dati, pubblicati su Frontiers in Evolutionary Neuroscience, è emerso che la risposta cambia in modo significativo dal periodo invernale a quello estivo. Nei mesi più freddi, quando in media a Tucson la temperatura è intorno ai 22 °C, si è registrata una risposta positiva nel 45% delle persone esaminate mentre in estate, con temperature intorno ai 37 °C, gli sbadigli si attestavano solo al 24%.
Secondo i ricercatori questa variazione stagionale indicherebbe che lo stimolo dello sbadiglio ha più probabilità di andare a buon fine con temperature esterne inferiori a quella del corpo, confermando dunque l'idea della sua utilità per la refrigerazione del cervello.

Nella dettagliata analisi dei risultati i ricercatori hanno valutato anche il legame con la durata dell'esposizione alle condizioni atmosferiche. Nel periodo estivo, per esempio, l'incidenza degli sbadigli tra le persone che erano all'esterno da oltre cinque minuti crollava a meno del 10%.

Princeton University

Autori: 
Sezioni: 
Fisiologia

prossimo articolo

LLM e ricerca scientifica: opportunità, rischi e controlli

disegno di ricercatore al computer

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.