¿Qué agregaría a la red neuronal artificial actual para parecerse más a la red neuronal biológica?

Esta pregunta depende en gran medida de lo que considere redes neuronales “artificiales” y “biológicas”. Yo diría que la mayor simplificación realizada en el marco de la red neuronal artificial es reducir la morfología y la complejidad estructural de las neuronas a puntos discretos.

En el sentido tradicional, una red neuronal artificial se parece a lo siguiente [1]:

Cada neurona, o nodo, en la red se considera como un punto discreto, que se actualiza en puntos discretos en el tiempo.

Sin embargo, se sabe desde principios del siglo XX que las neuronas biológicas tienen estructuras hermosas, distintas y morfológicamente diversas. Por ejemplo, mira este dibujo de una célula de Purkinje (solo un tipo de neurona) del neurocientífico Ramón y Cajal [2]:

La estructura ramificada en forma de árbol que ves es donde las entradas se conectan a la neurona. Estas morfologías son diferentes para diferentes tipos de neuronas, sin embargo, los patrones consistentes de diferentes tipos de células son evidentes en todo el cerebro, lo que indica que la estructura morfológica de estas neuronas puede tener un papel computacional importante (aunque esto aún se debate).

Además, las redes neuronales artificiales actualizan los nodos como puntos discretos en el tiempo, mientras que las neuronas biológicas tienen una dinámica temporal rica. Aunque las neuronas disparan potenciales de acción, que son eventos binarios de todo o nada, todavía hay diferentes patrones estereotípicos de disparo que se registran desde diferentes neuronas.

Creo que estas dos propiedades (la morfología de las neuronas y la dinámica temporal) son los dos factores más importantes que faltan en las redes neuronales artificiales. Sin embargo, esto es solo especulación basada en la diversidad de la estructura neuronal y la dinámica observada en el cerebro.

[1] http://en.wikipedia.org/wiki/Art…
[2] http://en.wikipedia.org/wiki/Neuron

La endogenia, por ejemplo, el cono de crecimiento, en lugar de un paradigma conectivista minimalista que solo con sinapsis es suficiente para modelar la plasticidad de la red neuronal. En lo que respecta a mi comprensión de la red neuronal artificial, los avances recientes en neurología no se han incorporado, es decir, cómo el sistema nervioso central crece para ser lo que una vez maduró. Hay vías estructurales que parecen ser en su mayoría similares entre las personas y que, aunque sean demasiado especializadas para algunos, son lo suficientemente eficientes y generalistas para trabajar con las habilidades de resolución de problemas requeridas en la vida diaria. Los paradigmas construccionistas y evo-devo deberían ser explorados más a fondo.

Sin embargo, es importante comprender que la mayoría de las redes neuronales artificiales generalmente se usan como modelos para problemas bastante claramente definidos y limitados, y por lo tanto tienen que ser eficientes en comparación con las alternativas existentes, por lo que sus costos computacionales deben valer la pena, por lo tanto, su realismo biológico es a menudo no es la primera preocupación (excepto en proyectos de investigación específicos como Blue Brain).