Yael Niv es un neurocientífico que estudia el aprendizaje por refuerzo y la toma de decisiones en humanos y animales . Es profesora de Psicología y Neurociencia en la Universidad de Princeton . [1] Niv es conocida por sus contribuciones a la investigación y por su visible labor de defensa de la lucha contra el sesgo de género en la neurociencia. [2] Niv es fundadora de biaswatchneuro.com, un sitio web que rastrea estadísticas en un esfuerzo por combatir el sexismo en la ciencia. [3]
Niv recibió el Premio de Investigación Troland de la Academia Nacional de Ciencias de 2015 , [4] y el Premio Presidencial de Carrera Temprana para Científicos e Ingenieros de 2012 . [5] Recibió una beca de investigación Alfred P. Sloan en 2010 [6] y una becaria de la Fundación Médica Ellison en 2011. [7]
Niv completó una Maestría en Artes en la Universidad de Tel-Aviv en 2001. Su tesis de maestría fue supervisada por Daphna Joel y Eytan Ruppin y se tituló Evolución del aprendizaje por refuerzo en entornos inciertos. [8] Niv recibió un doctorado en Neurociencia en la Universidad Hebrea de Jerusalén en 2008, donde trabajó bajo la supervisión de Peter Dayan [9] en estudios de control del comportamiento. [10] Su disertación se tituló Los efectos de la motivación en el comportamiento instrumental habitual . [11]
Después de una beca postdoctoral en Princeton, Niv se unió a la facultad del Instituto de Neurociencia y Departamento de Psicología de Princeton en 2008. [1]
Niv investiga los procesos neuronales y computacionales que subyacen al aprendizaje por refuerzo : los procesos continuos del día a día mediante los cuales aprendemos por ensayo y error para maximizar la recompensa y minimizar el castigo. [12] Ella estudia señales en el cerebro que pueden reflejar mecanismos de control dual que subyacen a la toma de decisiones, incluido un sistema de atención en la corteza prefrontal y un sistema de aprendizaje de refuerzo en los ganglios basales . [13] [14] Niv está interesado en explicaciones normativas del comportamiento y en el desarrollo de modelos neurocognitivos.que ofrecen explicaciones basadas en principios de los mecanismos cerebrales y sus algoritmos computacionales subyacentes. Ella pregunta en qué sentido, si es que lo hacen, los algoritmos neurocomputacionales producen decisiones óptimas. Desde su perspectiva, el objetivo principal de la neurociencia computacional no es simular el sistema, sino comprender qué cómputos de alto nivel se instancian en el cerebro y la funcionalidad de estos cómputos neuronales. [15]