Nepaisant to, kad terminas „neuroninis tinklas“gali būti taikomas tiek anatominei struktūrai, tiek skaičiavimo sistemai, šie neuroniniai tinklai vis dar turi daugiau skirtumų nei panašumų. Pirmiausia tai lemia nepaprastai sudėtinga smegenų nervinių rezginių struktūra. Bet tai gali pasikeisti paskatinus mokslininkus iš JAV nacionalinio standartų ir technologijos instituto. Jų išradimas gali tapti nauju neuroninio tinklo technologijos plėtros etapu.
Faktas yra tas, kad žmogaus smegenys susideda iš šimtų milijonų neuronų, kurių kiekvienas yra sujungtas su dešimtimis tūkstančių kitų neuronų. Ši sudėtinga, gana supaprastinta forma yra laikoma dirbtinių neuroninių tinklų kūrimo pagrindu. Vienintelis skirtumas yra tas, kad šiandien egzistuojanti elektronika negali susidoroti su tokiu sudėtingu maršrutų parinkimu, o jungčių skaičius tarp neuroninio tinklo elementų turi būti dešimtis ir šimtus kartų sumažintas, o tai turi įtakos našumui. … Žinoma, dabar yra projektų, kurių tikslas - mėgdžioti smegenis, tačiau jie taip pat pažeidžia esamų technologijų galios ribas.
- „Salik.biz“
Lusto struktūros schema. Trimatė struktūra suteikia sudėtingą maršruto nustatymo ir signalo spartą, reikalingą smegenų struktūrai modeliuoti.
JAV nacionalinio standartų ir technologijos instituto plėtros komanda siūlo šiek tiek kitokį požiūrį. Mokslininkai nori naudoti ne šviesą, o elektrą kaip signalo perdavimo priemonę. Tam buvo sukurta speciali mikroschema, paskirstanti optinius signalus išilgai miniatiūrinių tinklelių skirtingomis kryptimis. Panaudojus naujo tipo signalus, buvo įmanoma išspręsti neuroninio tinklo elementų sujungimo problemą vertikaliai sudedant du fotoninių struktūrų sluoksnius. Jie apsiriboja šviesa linijomis ir nukreipia optinius signalus panašiai, kaip laidai perduoda elektros impulsą. Šis požiūris leidžia jums sukurti sudėtingas maršrutų schemas, būtinas smegenų nervinėms struktūroms imituoti, taip pat padidinti tiek signalo perdavimo greitį, tiek ryšių tarp tinklo elementų skaičių. Be to,Sistema yra labai keičiama ir lengvai plečiama ateityje. Ir jei „įprasti“neuroniniai tinklai daro pažangą savarankiško mokymosi ir modelio atpažinimo srityje, sunku įsivaizduoti, ką sugebės smegenų darbą imituojanti struktūra.
Vladimiras Kuznecovas