¿Qué red neuronal artificial está más cerca de cómo funciona el cerebro humano?

Todas las redes neuronales se basan en cómo funciona el cerebro, de ahí el nombre, solo varía en cuánto las abstraes .

Las redes neuronales más biológicamente precisas modelan todos los aspectos de las neuronas, y hay mucho trabajo actual tratando de seguir capturando los aspectos cada vez más pequeños. El Blue Brain Project es uno de esos esfuerzos que intenta capturar esto, y su complejidad está en la escala de iones, lípidos y receptores individuales en las células que se capturan. Esto es una gran cantidad de cómputo, por lo tanto, cada una de las neuronas toma el equivalente de una computadora portátil para modelar y la viabilidad de este modelo requiere una supercomputadora, como las máquinas de IBM que usan. Tienen excelentes videos en línea de estas redes.

Ahora, un modelo menos complejo de una neurona que podría conectarse se llama Modelo Hodgkin Huxley. Este modelo es un conjunto de ecuaciones diferenciales capturadas al observar potenciales de acción en axones de calamares gigantes. En realidad, fue este modelo el que realmente inició el campo de la neurociencia computacional. En lugar de modelar cada ion, el conjunto de ecuaciones atrae cada tipo de ion, como el sodio o el potasio y cómo el flujo de cada uno y sus canales, en su conjunto, contribuye al potencial de acción. Si bien puede modelar una red con estos, todavía no es computacionalmente favorable.

Ahora hay muchos otros modelos que intentan capturar los aspectos biológicos de las neuronas, estos pueden abstraerse de los modelos complejos de redes celulares a nodos, pesos y conexiones, el más simple de los cuales generalmente se llama perceptrón . Estas redes abstractas son lo que está de moda hoy en día, y en lo que muchas compañías como la mente profunda están invirtiendo fuertemente. El concepto es bastante sencillo, cada nodo ‘dispara’ en función de una función de activación que puede ser tan simple como un umbral del nodo tiene que ser mayor que. Los pesos entre las neuronas se alteran en función de la entrada y luego con backprop alteran estos pesos nuevamente. La organización de los nodos abstractos son los diferentes términos que se escuchan, como redes neuronales recurrentes, convolución también o aprendizaje profundo, y muchos se han mezclado y combinado para obtener un “aprendizaje” más poderoso.

Para cada modelo hay que hacer infinitas modificaciones, y realmente depende de los proyectos. Hoy en día, Internet es una fuente increíble llena de explicaciones, por lo que si tienes curiosidad por leer, definitivamente vale la pena.

No hay muchos que específicamente intenten ser precisos cuando se trata de cómo funcionan los cerebros; ciertamente no son los que se usan comúnmente. Por lo general, se valora más la facilidad del modelado matemático que la precisión biológica. El único del que he oído hablar hasta ahora es la memoria temporal jerárquica.