Dora Angelaki

September 21, 2017

Dora Angelaki는 Minnesota대에서 Biomedical Engineering 박사학위 취득 후  Texas대, Zurich대에서 연구를 한 후, Baylor 의대 교수진에 합류 [1]

 

공간탐색과 의사결정, 다중 감각정보의 전달 방법, 내부상태의 정보흐름조절 등에 초점을 맞추어 연구

 

인공시스템을 활용하여,  자폐증 및 정신분열병과 같은 질병에서 감각, 운동, 기억 및 인식적 결실을 초래를 가져오는 것 등을 연구

 

인간 두뇌의 복잡성을 완전히 이해하기 위해서는 실제 상황을 더 잘 시뮬레이트하는 새로운 연구 전략이 필요하다고 2017년 6월 Neuron에 발표된 논문에서 주장 [2]

 

'근사 확률론적 추론 (approximate probabilistic inference)'을 수행하는 능력은 단순한 작업으로는 연구가 불가능하며, 뇌는 확률론적 모델 을 그리는 뉴런 집단의 비선형 메시지 전달을 이용한다고 주장 

 

뇌의 확률론적 모델은 학습을 통해 정교해지며, 일반적인 개념과 특정한 편견을 기반으로 의사 결정을 단순화

 

따라서, 뇌를 진정으로 이해하는 것은 뇌의 능력을 탐색할만한 충분한 복잡성을 가진 뇌보다 더 완전하게 이해되는 장치를 사용하여 더 나은 실험을 요구

 

Pradel Research Award in Neuroscience (2012), Hallpike-Nylen medal from the Bárány Society (2006) 등의 상을 수상하고, 2014년 American Academy of Arts and Sciences and National Academy of Sciences에 선출되었으며, 2017년 International Brain Lab member

[1] https://www.simonsfoundation.org/team/dora-angelaki/

 

[2] Pitkow, Xaq, and Dora E. Angelaki. "Inference in the Brain: Statistics Flowing in Redundant Population Codes." Neuron 94.5 (2017): 943-953.

http://www.sciencedirect.com/science/article/pii/S089662731730466X

http://news.rice.edu/2017/06/07/simple-tasks-dont-test-brains-true-complexity/

Share on Facebook
Share on Twitter
Please reload