So che la mia domanda / titolo non è molto specifica, quindi cercherò di chiarirla:
Le reti neurali artificiali hanno progetti relativamente rigidi. Naturalmente, generalmente, sono influenzati dalla biologia e cercano di costruire un modello matematico di reti neurali reali, ma la nostra comprensione delle reti neurali reali non è sufficiente per costruire modelli esatti. Pertanto, non possiamo concepire modelli esatti o qualsiasi cosa si avvicini alle "reti neurali reali".
Per quanto ne so, tutte le reti neurali artificiali sono lontane dalle reti neurali reali. MLP standard, completamente connessi classici non sono presenti in biologia. Le reti neurali ricorrenti mancano di reale neuroplasticità, ogni neurone di un RNN ha la stessa "architettura di feedback" mentre i neuroni reali salvano e condividono le loro informazioni piuttosto individualmente. Le reti neurali convoluzionali sono efficaci e popolari, ma (ad esempio) l'elaborazione delle immagini nel cervello umano consiste in pochi strati di convoluzione mentre le soluzioni moderne (come GoogLeNet) utilizzano già decine di livelli ... e sebbene stiano producendo grandi risultati per i computer , non sono nemmeno vicini alla performance umana. Soprattutto quando pensiamo a una "prestazione per livello", in quanto abbiamo bisogno di una quantità abbastanza elevata di livelli e riduzione dei dati rispetto alle reti neurali reali.
Inoltre, per quanto ne sappia, anche le reti neurali artificiali modulari, autoestendenti / auto-ristrutturanti sono piuttosto "fisse e statiche" rispetto all'enorme adattabilità delle reti neurali reali. Il neurone biologico ha normalmente migliaia di dendriti che collegano il neurone a una grande varietà di aree diverse e altri neuroni. Le reti neurali artificiali sono molto più "semplici".
Quindi, c'è qualcosa che possiamo imparare sul cervello umano / sulle reti neurali reali dalle reti neurali artificiali? O è solo un tentativo di creare software che funzioni meglio dei classici algoritmi statici (o addirittura di fare cose in cui tali algoritmi falliscono)?
Qualcuno può fornire fonti (preferibilmente scientifiche) su questo argomento?
EDIT: più risposte sono molto apprezzate (: