Varios algoritmos de aprendizaje profundo [1] y modelos neuronales [2] hacen uso de la neurogénesis para reducir los errores de predicción. ¿Cuánta evidencia hay de que la neurogénesis está impulsada por errores de predicción o entradas novedosas?
Es muy difícil dar una respuesta satisfactoria a esta pregunta porque la definición de error de predicción de la neurociencia técnica es confusa y dado que su pregunta plantea el aprendizaje automático, la respuesta dependerá de lo que intente hacer. Voy a suponer que te refieres a la neurogénesis en el cerebro de un adulto y no al proceso que ocurre inmediatamente después de la concepción porque ese proceso es más análogo al aprendizaje profundo.
Desde la perspectiva de la neurociencia: no conozco mucha evidencia directa de que la neurogénesis sea una respuesta a errores de predicción porque entendemos muy poco sobre el fenómeno. Sin embargo, parece extraño pensar que la neurogénesis simplemente ocurre de manera espontánea y aleatoria, por lo que llegamos al debate entre naturaleza y crianza. La lógica pura me diría que la neurogénesis en adultos es más una respuesta de mantenimiento a las presiones del ADN y tiene poco que ver con los errores de predicción generados por estímulos ambientales externos. Explicaré por qué en mi párrafo final.
Tenga en cuenta que incluso la muerte de una neurona puede considerarse un error de predicción porque el equivalente de aprendizaje automático de "error de predicción" en biología es simplemente una señal que comunica un "déficit" que debe cubrirse de alguna manera. De hecho, para responder a esto correctamente, primero debemos dejar en claro que hay potencialmente docenas, cientos o un número arbitrariamente alto de otros "tipos de errores de predicción" en uso por el cerebro. Aquí hay algunas formas principales, hipotéticamente:
Tenga en cuenta que cada neurona también parece tener sus propios mecanismos diferenciados, tanto para interpretar como para señalar el error de predicción. Esto complica aún más las cosas. Por ejemplo, un neurotransmisor puede comunicar un error de predicción a una neurona en particular, pero no tiene ningún efecto (o tiene un efecto diferente) en otra neurona diferente. Incluso puede ser que el neurotransmisor X deba estar presente mientras ocurre el código temporal Y para que el evento se interprete como un error de predicción.
Desde la perspectiva del aprendizaje automático: en el aprendizaje automático, tendemos a simplificar demasiado el error de predicción, pero el cerebro no se ajusta a tal simplicidad. No quería engañarlo diciendo "sí" a su pregunta porque el error de predicción en las redes neuronales artificiales es tradicionalmente un concepto singular y no multiplexado como lo está en la neurociencia. Por lo tanto, no existe una analogía entre el error de predicción en el aprendizaje profundo y el error de predicción en la evidencia de la neurociencia.
Es posible que deba aclarar el motivo por el que pregunta para que pueda proporcionar una respuesta más aplicable.
El aprendizaje profundo no es biológicamente plausible y parece que está tratando de descubrir una solución biológica más precisa. Si ese es el caso, buscar en la neurogénesis como una forma de reducir el error de predicción puede no ser muy fructífero porque las nuevas neuronas creadas en la edad adulta solo representan una porción increíblemente pequeña de las neuronas que ya existen, y los humanos encuentran errores de predicción potencialmente cada segundo de cada día. Si simplemente creamos nuevas neuronas para todos los errores de predicción, ¿por qué nacemos con casi todas las neuronas que tendremos? El cerebro abrumadoramente parece tener una forma de aprender y retener la información importante sin tener que crear nuevas neuronas en respuesta a errores de predicción.