På trods af det faktum, at udtrykket "neuralt netværk" kan anvendes på både anatomisk struktur og et computersystem, har disse neurale netværk stadig flere forskelle end ligheder. Dette skyldes primært den ekstremt komplekse struktur af hjernens neurale plekser. Men det kunne ændres takket være udviklingen af videnskabsfolk fra det amerikanske nationale institut for standarder og teknologi. Deres opfindelse kan blive en ny fase i udviklingen af neuralt netværksteknologi.
Faktum er, at den menneskelige hjerne består af hundreder af millioner af neuroner, som hver er forbundet med titusinder af andre neuroner. Denne komplekse struktur i en temmelig forenklet form tages som grundlag for konstruktionen af kunstige neurale netværk med den eneste forskel, at elektronikken, der findes i dag, ikke kan klare så kompleks ruting, og antallet af forbindelser mellem elementerne i det neurale netværk skal reduceres titusinder og hundreder af gange, hvilket påvirker ydeevnen … Nu er der selvfølgelig projekter, der sigter mod at emulere hjernen, men de løber også ind i grænsen for de eksisterende teknologiers magt.
Chipstrukturdiagram. Den tredimensionelle struktur giver den sofistikerede routing og signalhastighed, der kræves for at simulere hjernens struktur.
Udviklingsholdet fra US National Institute of Standards and Technology tilbyder en lidt anden tilgang. Forskere vil bruge lys i stedet for elektricitet som et middel til at transmittere et signal. Til dette er der udviklet en speciel chip, der distribuerer optiske signaler langs et miniatyrgitter i forskellige retninger. Takket være brugen af en ny type signal var det muligt at overvinde problemet med at forbinde neurale netværkselementer ved lodret at stable to lag fotoniske strukturer. De begrænser lys til linjer, der leder optiske signaler på omtrent samme måde som ledninger transmitterer en elektrisk impuls. Denne fremgangsmåde giver dig mulighed for at oprette komplekse routingskemaer, der er nødvendige for at simulere hjernens neurale strukturer, samt øge både signaloverførselshastigheden og antallet af forbindelser mellem netværkselementer. Udover,systemet er meget skalerbart og let at udvide i fremtiden. Og hvis "almindelige" neurale netværk gør fremskridt med selvlæring og mønstergenkendelse, er det vanskeligt at forestille sig, hvad en struktur, der efterligner hjernens arbejde, vil være i stand til.
Vladimir Kuznetsov