Het gevoel van cognitieve inspanning is een integraal onderdeel van de dagelijkse menselijke ervaring, vormt een kernconcept in psychologische gedragstheorieën
en draagt bij aan meerdere psychiatrische stoornissen, zoals ADHD en depressie. Ondanks tientallen jaren van onderzoek zijn de neurale oorsprong en
het functionele doel van cognitieve inspanning echter nog steeds slecht begrepen. Dit is een van de belangrijkste openstaande vragen
in de cognitieve neurowetenschap en een grote uitdaging voor onderzoek naar geestelijke gezondheid. Onlangs heb ik een nieuwe, wiskundig formele
theorie over cognitieve inspanning voorgesteld, die concepten uit dynamische systeemanalyse, lineaire controletheorie (LCT), kunstmatige neurale
netwerken (ANN's), cognitieve psychologie en neurofysiologie samenbrengt. De theorie relateert cognitieve inspanning aan het feit dat de neuroanatomie
en neurofysiologie van de hersenen sommige neurale toestanden energiezuiniger maken dan andere. In het bijzonder introduceerde ik het concept van de
“controllosphere”, een energie-inefficiënt gebied van de neurale toestandsruimte dat geassocieerd wordt met hoge cognitieve controle, en stelde ik dat cognitieve
inspanning dient om de systeemtoestand uit dit energie-intensieve gebied te halen. Het doel van dit project is om de controllosphere-theorie te testen.Ik zal
ANN's gebruiken om menselijk gedrag en neurale gegevens te simuleren die zijn verzameld tijdens taken die mentale inspanning vereisen, en LCT toepassen op deze modellen om
formele voorspellingen te doen over welke neurale representaties meer of minder inspanning vergen. Vervolgens zal ik deze voorspellingen testen met behulp van een breed scala aan
empirische technieken in een reeks experimenten met menselijke deelnemers. De vaststelling van een geverifieerde formele theorie van cognitieve inspanning
zal een belangrijke leemte in de cognitieve neurowetenschap van cognitieve controle opvullen, een sterke invloed hebben op de klinische praktijk en belangrijke
inzichten opleveren voor de ontwikkeling van nieuwe kunstmatige-intelligentiesystemen die een evenwicht vinden tussen computationele functie en energieverbruik.
gedrag,
en draagt bij aan meerdere psychiatrische stoornissen zoals ADHD en depressie. Ondanks tientallen jaren van onderzoek blijven de neurale oorsprong en
het functionele doel van cognitieve inspanning echter slecht begrepen. Dit vormt een van de belangrijkste openstaande vragen
in de cognitieve neurowetenschap en een grote uitdaging voor onderzoek naar geestelijke gezondheid. Onlangs heb ik een nieuwe, wiskundig formele
theorie van cognitieve inspanning voorgesteld die concepten uit dynamische systeemanalyse, lineaire controletheorie (LCT), kunstmatige neurale
netwerken (ANN's), cognitieve psychologie en neurofysiologie samenbrengt. De theorie relateert cognitieve inspanning aan het feit dat de neuroanatomie
en neurofysiologie van de hersenen sommige neurale toestanden energiezuiniger maken dan andere. Ik heb met name het concept van de
“controllosphere” geïntroduceerd, een energie-inefficiënt gebied van de neurale toestandsruimte dat geassocieerd wordt met hoge cognitieve controle, en heb voorgesteld dat cognitieve
inspanning dient om de systeemtoestand uit dit energie-intensieve gebied te halen. Het doel van dit project is om de controllosphere-theorie te testen. Ik zal
ANN's gebruiken om menselijk gedrag en neurale gegevens te simuleren die zijn verzameld tijdens taken die mentale inspanning vereisen, en LCT toepassen op deze modellen om
formele voorspellingen te doen over welke neurale representaties meer of minder inspanning vergen. Vervolgens zal ik deze voorspellingen testen met behulp van een breed scala aan
empirische technieken in een reeks experimenten met menselijke deelnemers. De vaststelling van een geverifieerde formele theorie van cognitieve inspanning
zal een belangrijke leemte in de cognitieve neurowetenschap van cognitieve controle opvullen, een sterke invloed hebben op de klinische praktijk en belangrijke
inzichten opleveren voor de ontwikkeling van nieuwe kunstmatige-intelligentiesystemen die een evenwicht vinden tussen computationele functie en energieverbruik.