Uno de los desafíos en la neurociencia moderna es crear un cerebro en un chip. Tal dispositivo semiartificial basado en redes neuronales cultivadas in vitro debería interactuar con el entorno cuando esté incorporado en un robot. Un punto crucial en este esfuerzo es desarrollar una arquitectura de red neuronal capaz de aprendizaje asociativo. Este trabajo propone un modelo matemático de una red neuronal de disparo modular de tamaño medio (SNN) para estudiar los mecanismos de aprendizaje dentro del contexto de cerebro en un chip. Mostramos que además de la plasticidad dependiente del tiempo de disparo (STDP), las competencias sinápticas y neuronales son factores críticos para un aprendizaje exitoso. Además, la regla de la vía más corta puede implementar la competencia sináptica responsable del procesamiento de estímulos condicionales provenientes del entorno. Esta solución está lista para ser probada en cultivos neuronales. La competencia neuronal puede ser implementada mediante la inhibición lateral actuando sobre el módulo SNN responsable de respuestas incondicionales. La prueba empírica de este enfoque es desafiante y requiere el desarrollo de una técnica para cultivar cultivos con una proporción dada de neuronas excitatorias e inhibitorias. Probamos el SNN modular incrustado en un robot móvil y mostramos que puede establecer la asociación entre los sensores táctiles (incondicionales) y ultrasónicos (condicionales). Luego, el robot puede evitar obstáculos sin golpearlos, confiando solo en los sensores ultrasónicos.