Las REDES NEURONALES. Fisiológicas, son mas un estudio científico, que dieron lugar a la elaboración de redes artificiales, que entrarían dentro de la inteligencia artificial, para resolver problemas.
Introducción a las redes neuronales.
Las primeras investigaciones sobre el tema, datan aproximadamente de principios del siglo XIX pero no fue hasta la década de los años 40 y 50, en el siglo XX, cuando cobró mayor fuerza, gracias al movimiento Conexionista. Este movimiento sostenía la premisa de que el secreto del proceso del aprendizaje y el conocimiento se halla fundamentalmente en axiomas o verdades incuestionables y que el conocimiento es independiente de la estructura que manejen los símbolos, y la representación del conocimiento se hace desde el estrato mas básico de la inteligencia: el cerebro, especialmente en las neuronas y las múltiples conexiones entre ellas.
Éste interés notable por las redes neuronales se vio disminuido en los años 70 debido al surgimiento de autores como Minsky y Papert (1969) los cuales manifestaron las limitaciones del proceso de aprendizaje de las arquitecturas de las redes neuronales.
El principio central del conexionismo es que los fenómenos mentales pueden ser descritos por redes de unidades sencillas y frecuentemente iguales que se interconectan.

Investigadores del Departamento de Neurobiología del Harvard Medical School’s publicaron en la revista Nature, una técnica con la que se podía rastrear las conexiones individuales que componen una red neuronal.
Este estudio permitió determinar el tamaño de una región del cerebro de ratón que está involucrada en el proceso de visión. Se inyectaron, por primera vez en el cerebro, colorantes que marcarban neuronas específicas cuando éstas estaban activas y se registró su actividad eléctrica utilizando un microscopio de barrido láser.
Mediante el uso de microscopía electrónica pudieron ver esa misma neurona, en un nuevo sistema de imagen desarrollado por ellos mismos, el equipo registró más de 3 millones de imágenes de alta resolución que se integraron en imágenes 3-D. Con el uso de las imágenes resultantes, los autores seleccionaron 10 neuronas individuales y trazaron muchas de sus conexiones, creando un diagrama parcial de las redes neuronales.

REDES NEURONALES ARTIFICIALES:
No hace mucho tiempo quince años tal vez, las Redes Neuronales Artificiales (RNA) han emergido como una potente herramienta para el modelado estadístico orientada principalmente al reconocimiento de patrones –tanto en la vertiente de clasificación como de predicción–. Las RNA poseen una serie de ventajas, tales como la habilidad para procesar datos con ruido o incompletos, la alta tolerancia a fallos que permite a la red operar satisfactoriamente con neuronas o conexiones dañadas, la capacidad de responder en tiempo real debido a su paralelismo inherente y el aprendizaje de relaciones complejas o no lineales. El mayor esfuerzo en la investigación sobre RNA se ha centrado en el desarrollo de nuevos algoritmos de aprendizaje, la exploración de nuevas arquitecturas de redes neuronales y la expansión de nuevos campos de aplicación. Sin embargo, se ha dedicado poca atención a desarrollar procedimientos que permitan comprender la naturaleza de las representaciones internas generadas por la red para responder ante una tarea determinada. En lugar de eso, las RNA se han presentado al usuario como una especie de “caja negra” cuyo mecanismo, de alguna forma mágico, transforma las entradas en salidas predichas. Así, a diferencia de los modelos estadísticos clásicos, no parece tan evidente conocer en una red el efecto que tiene cada variable predictora sobre la variable respuesta. El objetivo del presente trabajo consiste en demostrar que las RNA no son una “caja negra”, mediante la presentación y validación de un nuevo método matemático, denominado análisis de sensibilidad empírico, que permite determinar el efecto que tiene cada variable predictora en una red neuronal backpropagation error. Este nuevo método supera las limitaciones observadas en los dos tipos de análisis utilizados hasta el momento para este propósito: el análisis basado en la magnitud de los pesos de conexión y el análisis de sensibilidad analítico. El estudio se realizó mediante la utilización de matrices de datos simuladas en las que se determinó previamente el efecto de cada variable predictora sobre la variable respuesta. Los resultados obtenidos confirman la capacidad del análisis de sensibilidad empírico respecto a los otros dos métodos citados, para captar las representaciones internas generadas por la red neuronal.
Don Manuel no sé si esta explicación satisface tu curiosidad.
Yo personalmente creo que el conjunto de redes naturales o fisiológicas, pareció una gran promesa al principio y tuvo una utilidad práctica, en las vías que potenciaban los focos epilépticos, para destruirlos, junto a las vías que lo conectaron con el resto del cerebro.
Proporcionaba una serie de imágenes sorprendentes, por su belleza y por la comunicación de estructuras varias, pero esto se ha detenido y dado lugar a las redes neuronales artificiales que si soluciónan problemas fundamentalmente estadísticos.
Bibliografía

William Khepri Nov 2, 2018 · from Brain Networks
Montaño, J.J.; Palmer, A.; Fernández, C.; Sesé, A.; Sospedra, M.J.; Jiménez, R. y Cajal , B.
Universidad de las Islas Baleares
Un abrazo Don Manuel
REDES NEURONALESREDES NEURONALES