bueno, por un lado, tendría que obtenerlo de alguna manera por una junta de revisión interna de su institución, lo que sería muy difícil. Sin embargo, si pudo obtener la aprobación de dicha investigación, o si trabajó en una entidad privada con restricciones más laxas, es posible hacer pequeñas redes neuronales como prueba de concepto. Como se mencionó, esto se ha hecho en el pasado.
Aunque en algún momento probablemente te encuentres con dilemas morales y éticos, estamos lejos de eso en la actualidad.
Los problemas no resueltos necesarios para ver este tipo de enfoque a través de un producto funcional son múltiples, sin embargo, solo por nombrar algunos: sería muy difícil simular la arquitectura inherente al desarrollo del SNC sin aprender mucho más sobre biología del desarrollo y presentamos sabemos. Además, la implementación de cualquier arquitectura plantearía desafíos y menos solo sería bidimensional. Si adquirimos las herramientas para construir, todavía no está claro cuál sería el enfoque más prometedor para construir circuitos neuronales. Por ejemplo, todavía no entendemos la gran mayoría de los circuitos neuronales en los insectos.
- ¿R es tan popular solo por las bibliotecas que pueden manejar varias funciones estadísticas?
- ¿El aprendizaje profundo hará que otros algoritmos de aprendizaje automático sean obsoletos?
- ¿Por qué los diseñadores o los PM deben aprender sobre el aprendizaje automático?
- Si no tengo experiencia en aprendizaje automático o investigación computacional, pero tengo antecedentes estadísticos, ¿es posible hacer investigación en esta área en la escuela de posgrado o hacer una pasantía?
- ¿Cuántas redes neuronales cubre el curso Coursera de Andrew Ng?
otro problema es interactuar con su software una vez que lo haya creado. Gran parte de nuestro sistema nervioso central se dedica a entradas y salidas sensoriales. La mayoría de estos son muy antiguos, como lo demuestra su presencia en la mayor parte del reino animal. Lo señalo solo para decir que estas entradas y salidas se han beneficiado de miles de millones de años de diseño evolutivo. En contraste, la inteligencia de nivel superior es una construcción algo nueva en el árbol evolutivo. puede resultar que diseñar formas eficientes de interactuar con las neuronas es más desafiante que diseñar marcos cognitivos de alto nivel.
Todavía tenemos que mencionar el hecho de que no entendemos completamente cómo funcionan las neuronas. Actualmente no tenemos la capacidad de simular fielmente una sola celda de cualquier tipo. Dicho esto, tampoco está claro cuánta fidelidad se requiere para capturar la funcionalidad completa de una neurona. Para dar un paso más allá, no está claro si las neuronas diseñadas a partir de células madre tendrían una funcionalidad completa. Por ejemplo, hay docenas de otros tipos de células que desempeñan funciones de apoyo en su SNC, sin mencionar la interacción con su eje hormonal y su sistema inmunológico.
en un futuro cercano, espero ver hardware bio inspirado, pero no aguanto la respiración por completo en el software, por así decirlo. desentrañar el misterio de los procesos biológicos que nos hacen funcionar puede ser un problema más difícil que la creación de inteligencia general artificial. Muchos problemas en ambos dominios son de suficiente complejidad computacional para mantenernos adivinando durante bastante tiempo.
La inferencia de red de, por ejemplo, un gráfico dirigido destinado a mapear la función reguladora a nivel del genoma, transcriptoma o proteoma es NP completa, incluso para instancias de muy bajo grado.