Investigación sobre el estado de la rosa mosqueta
La neurona Rosehip es un descubrimiento importante, con grandes implicaciones para la IA y su relación con la inteligencia dominante en la Tierra durante al menos los últimos 50,000 años. El artículo que ha generado otros artículos es evidencia transcriptómica y morfofisiológica de un tipo de célula GABAérgica cortical humana especializada , Buldog et. al., septiembre de 2018, Nature Neuroscience .
La relación entre este tipo de neurona y su expresión de ADN está comenzando. No hay datos disponibles sobre el impacto de las distinciones de Rosehop en la actividad neuronal durante el aprendizaje o el aprovechamiento de lo aprendido. Seguramente, la investigación en ese sentido está indicada, pero el descubrimiento acaba de publicarse.
Beneficio del enfoque interdisciplinario de la IA
Que aquellos que hacen referencia a documentos como este puedan ver el valor en la unificación o al menos la alineación del conocimiento en todas las disciplinas es muy probable que sea beneficioso para el progreso de la IA y el progreso en los otros campos de la ciencia cognitiva, bioinformática, automatización de negocios, fabricación y robótica de consumo, psicología, e incluso derecho, ética y filosofía.
Que ese interés en alinear la comprensión a lo largo de líneas interdisciplinarias esté presente en AI Stack Exchange es ciertamente beneficioso para el crecimiento de la comunidad en las dimensiones profesionales y sociales.
Disparidad entre lo que funciona
En el cerebro humano, las neuronas funcionan. Se desconoce si las neuronas de rosa mosqueta son un requisito previo para el lenguaje, la construcción y el aprovechamiento de modelos complejos o emociones trascendentes como el amor en el homo sapiens y lo seguirán siendo en el futuro cercano. Sin embargo, tenemos una prueba de concepto de cincuenta milenios.
También sabemos que las redes artificiales funcionan. Los usamos en negocios, finanzas, industria, productos de consumo y una variedad de servicios web en la actualidad. Cuando una ventana emergente pregunta si la respuesta dada fue útil, nuestra respuesta se convierte en una etiqueta en un conjunto de datos reales de los que se extraen muestras para el aprendizaje automático.
No obstante, las células que están trabajando son descendientes del perceptrón de 1957 con la adición de la aplicación de descenso de gradiente utilizando una estrategia de distribución de señal correctiva eficiente que llamamos propagación. La comprensión de la función neuronal en 1957 fue muy inferior a lo que ahora sabemos que son características funcionales de las neuronas cerebrales de mamíferos. El descubrimiento de rosa mosqueta puede ampliar esa brecha.
Redes de picos
La investigación de la red de picos modela de manera más realista las neuronas, y la investigación y el desarrollo neuromórficos han estado colocando modelos mejorados en chips VLSI. La empresa conjunta entre IBM y MIT es otra.
Correlacionando la función neuronal con la función cerebral
La inteligencia de la relación y la cantidad de proteínas o moléculas pueden no ser las más reveladoras. Estas son relaciones más probables entre métricas y características y la inteligencia del sistema.
- Características genéticas que se han identificado (22 de ellas) que afectan directamente los resultados de las pruebas de inteligencia: por ejemplo, la correlación entre los polimorfismos de los genes del receptor de oxitocina OXTR rs53576, rs2254298 y rs2228485 y la inteligencia es conocida: consulte la pregunta que contiene referencias al descubrimiento de 22 genes que afectan significativamente los resultados de las pruebas de inteligencia
- Expresión neuroquímica resultante de factores ambientales que varían los niveles de oxitosina, dopamina, serotonina, neuropéptido Y y canabinoides que están involucrados en el comportamiento funcional global y regional en el cerebro humano.
- Topología de la señal (distinta de los tamaños y los recuentos y distinta de la topología creada por el empaquetamiento de redes neuronales en la región craneal): ahora se está identificando la topología de la señal. La tecnología de escaneo se ha desarrollado hasta el punto en que se pueden identificar rutas de señal mediante el seguimiento de pulsos en el espacio temporal y determinar la causalidad.
- Plasticidad sináptica, un tipo de plasticidad neural
- Número total de neuronas aplicadas a una función cerebral particular
- Impacto en el axón y la termodinámica del cuerpo celular en la transmisión de señal, un elemento clave en el modelado de una neurona cerebral
Ninguno de estos aún está modelado de tal manera que se haya confirmado la precisión de la simulación, pero la necesidad de investigar en este sentido está claramente indicada como esta pregunta implica.
Es cierto que el aprendizaje automático actual se basa en el tratamiento de las neuronas como un componente de toda la complejidad, la malla de las neuronas. La atención se centra más en la arquitectura en lugar de comprender o imitar el bloque básico de la misma más claramente, es decir, las neuronas.
Anirban Bandhopadhyay es un biólogo y neurólogo que ha estudiado cómo la armonía cambia el elemento de memoria y el poder de decisión en los microtúbulos dentro de las neuronas.
Aquí está el fragmento de él explicando e intentando ver qué es exactamente el cálculo y cómo el cerebro hace el cálculo.
¿Cómo actúa el cerebro?
fuente