Se ha sugerido que el proceso de plasticidad dependiente del tiempo de pico (STDP) desempeña el papel más importante en el aprendizaje biológico no supervisado, por ejemplo, cambios en la plasticidad sináptica entre neuronas.
Los dos factores a considerar son el momento en que una neurona recibe información de una neurona y el momento en que dispara una salida. Lo que impulsa el aprendizaje es la correlación temporal entre entrada y salida. Si una neurona recibe una entrada justo antes o después de dispararse y salir, esto provocará un cambio de peso en la dirección positiva o negativa, respectivamente. Del mismo modo, las neuronas que tienen grandes brechas temporales entre disparos se “enfrían” y el cambio de peso resultante es insignificante.
Considere este gráfico, donde el eje x muestra la diferencia entre el momento en que la neurona recibió una entrada de la capa anterior y el momento en que disparó un pico propio:
- ¿Es probable que Trump pueda hacer que Apple invierta mucho en la fabricación en los Estados Unidos? ¿Por qué o por qué no?
- ¿En qué áreas podrían ser realmente útiles los robots humanos?
- ¿Por qué utilizamos un RNN en lugar de una simple red neuronal?
- Dado el impacto potencial de la IA en el empleo, ¿qué piensa sobre un ingreso básico universal?
- ¿Es posible, utilizando la tecnología actual de drones, robótica y IA, diseñar y fabricar pequeños mini robots humanoides controlados a distancia que puedan correr, volar, penetrar en áreas seguras y llevar a cabo espionaje, asesinato y guerra?
Este modelo de aprendizaje no supervisado está respaldado por datos experimentales. Sin embargo, aún puede preguntarse sobre los procesos biológicos que ocurren dentro de la célula. El impulsor importante de la plasticidad sináptica es el número y la eficacia de los receptores AMPA postsinápticos en la célula postsináptica, que se alteran por Ca ++ que sale de la célula presináptica y entra en la célula postsináptica.
Las propiedades temporales del aprendizaje sináptico están dadas por el potencial de la membrana postsináptica, que libera Mg + que desbloquea los canales NMDA y permite que Ca ++ fluya libremente desde la neurona presináptica a la neurona postsináptica.
Esta explicación es un resumen del artículo de aprendizaje biológico en Computational Cognitive Neuroscience Wiki.
La imagen es de la plasticidad dependiente del tiempo de Spike, que se reproduce de Bi y Poo:
Bi, G. y Poo, M. (2001). Modificación sináptica de la actividad correlacionada: se revisó el postulado de Hebb. Ana. Rev. Neurosci., 24: 139-166.