På trods af det faktum, at udtrykket “neurale netværk”, som kan anvendes til den anatomiske struktur og computing system, disse neurale netværk, forskellene er mere end ligheder. Først og fremmest, dette er på grund af den ekstremt kompliceret struktur af det neurale plexus af hjernen. Men det kan ændre takket være udviklingen af forskere fra National Institute of standards and technology, USA. Deres opfindelse kan blive en ny fase i udviklingen af den teknologi, konstruktion af neurale netværk.
Det faktum, at den menneskelige hjerne består af milliarder af neuroner, der hver er forbundet til titusindvis af andre neuroner. Denne komplekse struktur i en lidt forenklet form, der anvendes som grundlag for at konstruere kunstige neurale netværk, med den eneste forskel, at den nuværende elektronik ikke kan klare med sådan en kompleks routing og antallet af links mellem elementer af det neurale netværk er nødt til at blive reduceret i de tiere og hundreder af gange, som påvirker performance. Selvfølgelig, der er nu projekter, der tager sigte på emulering af hjernen, men de kører i kraft begrænse af eksisterende teknologier.
Ordning af strukturen af chip. Den tre-dimensionelle struktur, giver en kompleks routing-ordningen, og at overførselshastigheden signal er påkrævet for at simulere hjernen.
Holdet fra det Nationale Institut for standarder og teknologi, USA byder på en lidt anden tilgang. Forskere vil bruge lys i stedet for elektricitet, som en hjælp af signal transmission. Til dette har vi udviklet en særlig chip, der distribuerer optiske signaler på en miniature nettet i forskellige retninger. Gennem brug af en ny type signal, og det lykkedes at fjerne problemet med forbindelsen elementer af det neurale netværk, lodret stabling to lag af fotoniske strukturer. De begrænser lys linjer for ledelse af optiske signaler, der er ca samme som de ledninger, der sender en elektrisk impuls. Denne tilgang gør det muligt at skabe komplekse routing, der kræves for at simulere de neurale strukturer i hjernen, og øges, efterhånden som hastigheden af signalet, og antallet af links mellem netværkselementer. Hertil kommer, at systemet er meget godt skalerbar og nem at udvide i fremtiden. Og hvis “normal” neurale netværk er at gøre fremskridt i selvstændig læring og mønstergenkendelse, det er svært at forestille sig, hvad der vil være i stand til at strukturere, der simulerer hjernen.
Oprettet et neuralt netværk, der simulerer struktur af hjernen
Vladimir Kuznetsov