Все фреймворки имеют ограничения. Хотя я задаю на этом сайте много вопросов о преимуществах Neural Engineering Framework (NEF), у него должны быть существенные ограничения. Кто они такие?
Ограничения NEF делятся на три основные категории.
NEF использует нейротрансмиттеры и скорость их распространения, чтобы установить постоянную времени на экспоненциальном фильтре нижних частот для спайков, а также для модуляции правил обучения (дофамин). В настоящее время это единственное использование нейротрансмиттеров в NEF, несмотря на то, что они выполняют множество функций, которые они могут выполнять с точки зрения передачи сигналов и модуляции.
Хотя Аарон Фолькер исследует различные фильтры, подавляющее большинство используемых фильтров, как упоминалось в последнем пункте, по-прежнему полагаются на единую постоянную времени и на линейное декодирование. Более сложные нейронные модели, хотя их легко включить в связь с прямой связью, обычно имеют несколько постоянных времени и нелинейные синпатические эффекты, из-за чего очень сложно уловить их динамику. Об этом рассказывается в главе 4 докторской диссертации Брайана Триппа .
Эта последняя проблема может быть скорее отражением состояния нейронауки, чем фактическим ограничением NEF.
NEF описывает полностью сформированные, адаптивные, но неразвивающиеся сети. Хотя NEF может изучать функции, он не описывает, как сформировались определенные структуры, такие как базальные ганглии. Он также не дает никакого описания того, как нейрогенез может происходить в этой структуре, хотя легко представить, как его можно использовать для повышения точности определенных популяций.
Хотя NEF — единственная известная мне структура, которая пытается основывать поведение на биологически правдоподобном субстрате, она не является серебряной пулей теоретической нейробиологии. Это в значительной степени предположение нулевого порядка о вычислениях, которые выполняет мозг.