Wie zuvor besprochen , gibt es eine breite Palette von Modellen, die auf die Wisconsin-Kartensortieraufgabe angewendet wurden. Doch welches ist biologisch am plausibelsten? Das heißt, es verwendet ein realistisches Modell von Neuronen, respektiert die Einschränkungen des menschlichen Gehirns und lässt sich leicht auf experimentelle Daten abbilden.
Amos (2000) und Monchi et al. (2000) verwenden den ähnlichen Ansatz, jedes Kartenattribut einem Knoten zuzuordnen und durch gegenseitige Hemmung das richtige auszuwählen. Obwohl ihre Modelle biologisch plausibel sind und viele neuroanatomische Vorhersagen machen, sind sie funktionell nicht plausibel. Ihre Netzwerke werden zu dem einzigen Zweck geschaffen, den WCST zu vervollständigen. Diese Art von Spezialisierung findet sich meines Wissens im Gehirn nicht. Es fällt mir auch sehr schwer zu verstehen, dass Monchi Leaky-Integrate-Fire-Neuronen verwendet, um Funktionen zu berechnen, aber das könnte ein Thema für eine andere Frage sein.
Rougieret al. (2005) verwenden Leabra , das wegen seiner mangelnden biologischen Plausibilität kritisiert wurde. Weitere Einzelheiten zu dieser Kritik, die sich hauptsächlich auf die biologisch nicht plausible Verwendung eines Winner-Takes-All-Rechenblocks konzentriert, finden Sie unter How to Build a Brain von Chris Eliasmith.
Bishra et al. (2010) definieren nur symbolische Regeln. Es gibt kein neuroanatomisches Mapping. Folglich scheint es keine Definition zu geben, woher diese Parameter kommen, obwohl sie behaupten, dass abgestimmte Parameter die Leistung vorhersagen könnten.
Abschließend, obwohl keiner der Ansätze biologisch vollkommen plausibel ist, scheinen Amos und Monchi definitiv die Nase vorn zu haben. Obwohl hartcodierte Konzepte wie die möglichen Parameter für den Abgleich völlig akzeptabel sind, wäre ein Modell, das sich in ein größeres, allgemeineres System integrieren lässt und gleichzeitig biologisch plausibel bleibt, ideal.
Rigottiet al. Haben Sie ein Modell der Wisconsin-Kartensortieraufgabe unter Verwendung eines neuronalen Netzwerks und vergleichen Sie es mit Daten aus dem präfrontalen Kortex http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2967380/