Le Reti Neurali a Spike Potrebbero Migliorare il Riconoscimento degli Oggetti nella Teoria dei Mille Cervelli

Un recente preprint su arXiv suggerisce di sostituire i densi vettori a virgola mobile con pacchetti di spike ordinati per rango nell'ambito della Teoria dei Mille Cervelli (TBT) per il riconoscimento degli oggetti. L'attuale implementazione Monty tratta ogni contatto del sensore come un vettore denso non ordinato, trascurando la sequenza con cui le caratteristiche vengono incontrate. Gli autori sottolineano l'importanza di questa sequenza: riconoscere che la caratteristica A è stata rilevata prima della caratteristica B durante una scansione da sinistra a destra offre un contesto spaziale riguardo alle loro posizioni sull'oggetto. La loro reinterpretazione a spike utilizza brevi raffiche di attività neurale, dove le caratteristiche più attivate vengono attivate per prime, mantenendo l'ordine degli eventi. Questo metodo si allinea più strettamente con la codifica neurale biologica e potrebbe migliorare l'inferenza sensorimotoria sfruttando le dinamiche temporali.