¿Cuáles son las diferencias entre la red neuronal artificial (informática) y la red neuronal biológica?

La respuesta a su pregunta está escrita “literalmente” en la propia pregunta: Artificial vs. Biological. La principal motivación detrás de las Redes Neuronales Artificiales (ANNs para abreviar) es imitar cómo funcionan las Redes Neuronales Biológicas (BNNs para abreviar), específicamente los BNNs de los Humanos .

Los investigadores de las Redes Neuronales son conducidos al objetivo de “desbloquear la inteligencia humana”. Como idea general, un ANN es una abstracción matemática para el modelo computacional que realmente está sucediendo en nuestros BNN y que está siendo desarrollado por la naturaleza. De manera similar a los BNN, las neuronas artificiales en un ANN están diseñadas para conectarse entre sí, recopilar señales de entrada de las neuronas que están conectadas a su lado izquierdo (digamos) y transmitir una señal de salida a las neuronas conectadas a su lado derecho ( digamos) basado en un patrón de disparo definido para esa neurona artificial particular.

¿Sabemos cómo conectar correctamente estas neuronas artificiales para tener una arquitectura ANN que sea equivalente a la de BNN? ¿Conocemos el patrón de disparo apropiado para definir a nivel neuronal? ¿Las ANN de hoy se comportan igual que las BNN? ¡Absolutamente no! “El cerebro humano tiene 100 mil millones de neuronas, cada neurona conectada a otras 10 mil neuronas. Sentarse sobre tus hombros es el objeto más complicado del universo conocido ”- Michio Kaku. ANN es un esfuerzo de investigación para aproximarse a BNN . ¿Es la neurociencia el camino a la IA? Esta es la pregunta más controvertida que puedas encontrar en el campo de investigación de ANN desde mi perspectiva.

Hay muchos tipos diferentes, así que comparemos lo que tenemos.

por lo general, el cerebro se compara con el procesador de una computadora. Vamos a comparar eso también como un indicador.

El software ANN básicamente utiliza un procesador y luego codifica la red neuronal con un lenguaje de programación. Básicamente es … un ANN … encima de un procesador

El ANN de hardware debe explicarse por sí mismo, es un ANN con componentes eléctricos que funcionan como neuronas, y utiliza la misma fórmula que los de software, excepto que los números existen como voltaje eléctrico en lugar de números virtuales.

Un procesador que pudiera funcionar a la capacidad del cerebro necesitaría una estación de energía personal para alimentarlo (incluso con los transistores que mejoran la nanotecnología, todavía consumiría mucha energía, la mayoría de los transistores en un chip fueron 30 mil millones, en contraste con cerebros en el mínimo tiene 100 mil millones de neuronas, y las neuronas son muy superiores a sus contrapartes digitales solo perdiendo velocidad, además, mientras que las neuronas absorben la mayor cantidad de energía de todos los sistemas en un ser humano, incluso entonces usan relativamente poca energía, por lo que incluso si un procesador tenían 10 veces más transistores que nosotros, solo serían más rápidos, no más inteligentes) y probablemente puedan alimentar las turbinas de los barcos de la Segunda Guerra Mundial con el calor que emite.

Las redes de software no funcionan mejor que los procesadores porque se ejecutan en procesadores. La red más grande tenía más de 1 millón de neuronas, pero necesitaba una supercomputadora para simular el 1% de la actividad cerebral que tendría lugar cada 1 segundo, y tomó 40 minutos … (Además, la computadora en la que funcionaba tendría los mismos problemas que Procesadores mencionados anteriormente)

Las redes de hardware funcionarían mejor que las dos anteriores, ya que los transistores son pequeños y podría obtener alrededor de 50 mil millones y empacarlos en una red neuronal. Pero al igual que con los procesadores, también absorberán energía y se sobrecalentarán

El cerebro gana por una milla muy larga

Las redes neuronales artificiales se inspiraron en las redes neuronales naturales. Dicho esto, no estamos cerca de crear una red de complejidad similar a las creadas por la naturaleza. La primera razón es que una sola neurona es una cosa inmensamente complicada. Es una célula viva que está influenciada por todo tipo de químicos que circulan en su cuerpo: hormonas, neurotransmisores y otros, algunos que aún nos son misteriosos (como las bacterias intestinales). Henry Markram incluso descubrió que el espaciamiento de las sinapsis puede influir en la información que pasa de una neurona a otra.

Lo siguiente es la complejidad de las redes neuronales naturales: simplemente nos falta potencia de cálculo para simular incluso una pequeña parte del cerebro (1 mm cúbico de tejido cerebral necesita horas de tiempo de supercomputadora para simular segundos en tiempo real).

También hay una cuestión de realización. Algunos equipos están tratando de crear sistemas de IA que tengan algún tipo de cuerpo, por ejemplo, robocub.

Las redes neuronales artificiales simulan solo las funciones más básicas de las neuronas desde el punto de vista del procesamiento de la información.

Las redes neuronales biológicas son quizás el sistema más caótico y complejo que existe en la naturaleza. Las redes neuronales artificiales son uno de los enfoques computacionales más sobrevalorados que existen en ingeniería.