Los mapas autoorganizados (redes de Kohonen) son ciertamente útiles para entender cerebros reales, ya que probablemente estén muy cerca de cómo se forman los esquemas de representación en el cerebro. En particular, los mapas autoorganizados se han utilizado para modelar la formación de esquemas de representación en la corteza visual.
La inhibición es otra cuestión. La inhibición en el cerebro funciona de manera totalmente diferente a la competencia lateral de una red neuronal artificial (ANN).
En una ANN, las neuronas envían señales positivas y negativas a otras neuronas que usan pesos de conexión positivos y negativos. Durante el entrenamiento, los pesos evolucionan y pueden alternar entre positivo y negativo.
En el cerebro, las neuronas se dividen en dos clases: solo positiva (excitativa) y negativa solamente (inhibitoria). Cada tipo envía solo señales positivas o negativas a través de ponderaciones positivas o negativas, y el signo nunca cambia. Como tal, el paradigma de cómo la inhibición crea competencia es diferente.
- ¿Es posible transferir memoria humana a una computadora?
- ¿Cómo puedo evitar olvidarme de los momentos más emotivos de mi pasado?
- Psicología analítica: ¿Las funciones jungianas se refieren a actividades cerebrales discretas? ¿Si es así, cómo?
- ¿Cuál es la ciencia detrás de la hipnosis?
- ¿El modelado computacional del cerebro humano se está convirtiendo en un problema “costero de Gran Bretaña”?
En lo que respecta al pensamiento humano, los procesos del ganador se lo llevan todo parecen funcionar en todo el cerebro. Es un proceso ganador para llevarlo todo que determina dónde se moverán sus ojos al siguiente, qué decisión se toma, si una región visual se ve como una figura o fondo, y qué palabras se escuchan y seleccionan al hablar, para nombrar algunas áreas. . Cualquier función de categorización perceptiva o de selección de acción utilizará, hasta cierto punto, un proceso ganador para llevarlo todo.