Como se discutió anteriormente , existe una amplia gama de modelos que se han aplicado a la tarea de clasificación de tarjetas de Wisconsin. Sin embargo, ¿cuál es más plausible biológicamente? Es decir, utiliza un modelo realista de neuronas, respeta las limitaciones del cerebro humano y se mapea fácilmente en datos experimentales.
Amos (2000) y Monchi et al. (2000) utilizan un enfoque similar de asignar cada atributo de tarjeta a un nodo y utilizar la inhibición mutua para elegir el correcto. Aunque sus modelos son biológicamente plausibles y hacen muchas predicciones neuroanatómicas, son funcionalmente inverosímiles. Sus redes se crean con el único propósito de completar el WCST. Este tipo de especialización no se encuentra en el cerebro, que yo sepa. También me está costando mucho entender que Monchi esté usando neuronas Leaky-Integrate-Fire para calcular funciones, pero ese podría ser un tema para otra pregunta.
Rougie et al. (2005) utilizan Leabra , que ha sido criticado por su falta de plausibilidad biológica. Para una mayor elaboración de estas críticas, que se centran principalmente en el uso biológicamente inverosímil de un bloque computacional Winner-Takes-All que se está utilizando, consulte How to Build a Brain de Chris Eliasmith.
Bishra et al. (2010) solo definen reglas simbólicas. No hay mapeo neuroanatómico. En consecuencia, aunque afirman que los parámetros ajustados podrían predecir el rendimiento, no parece haber ninguna definición de dónde provienen estos parámetros.
En conclusión, aunque ninguno de los enfoques es perfectamente plausible desde el punto de vista biológico, Amos y Monchi definitivamente parecen salir victoriosos. Aunque los conceptos codificados, como los posibles parámetros de coincidencia, son totalmente aceptables, sería ideal un modelo que se integre con un sistema más general y más grande sin dejar de ser biológicamente plausible.
Rigotti et al. tener un modelo de la tarea de clasificación de tarjetas de wisconsin utilizando una red neuronal y compararlo con datos de la corteza prefrontal http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2967380/