Til tross for at begrepet "nevralt nettverk" kan brukes både på anatomisk struktur og et datasystem, har disse nevrale nettverkene fortsatt større forskjeller enn likheter. Dette er først og fremst på grunn av den ekstremt komplekse strukturen til de nevrale pleksusene i hjernen. Men det kan endre seg takket være utviklingen av forskere fra US National Institute of Standards and Technology. Oppfinnelsen deres kan bli et nytt stadium i utviklingen av nevralt nettverksteknologi.
Faktum er at den menneskelige hjernen består av hundrevis av millioner nevroner, som hver er koblet til titusenvis av andre nevroner. Denne komplekse strukturen i en ganske forenklet form blir tatt som grunnlag for bygging av kunstige nevrale nettverk, med den eneste forskjellen at elektronikken som eksisterer i dag ikke kan takle en slik kompleks ruting, og antall forbindelser mellom elementene i nevrale nettverk må reduseres titusenvis og hundrevis av ganger, noe som påvirker ytelsen … Nå er det selvfølgelig prosjekter som har som mål å etterligne hjernen, men de kommer også inn i grensen for kraften til eksisterende teknologier.
Chip strukturdiagram. Den tredimensjonale strukturen gir den kompliserte rutingen og signalhastigheten som kreves for å simulere en hjerneenhet
Utviklingsteamet fra US National Institute of Standards and Technology tilbyr en litt annen tilnærming. Forskere ønsker å bruke lys i stedet for strøm som et middel til å overføre et signal. For dette er det utviklet en spesiell brikke som distribuerer optiske signaler langs et miniatyrnett i forskjellige retninger. Takket være bruken av en ny type signal var det mulig å overvinne problemet med å koble nevrale nettverkselementer ved vertikalt stabling av to lag fotoniske strukturer. De begrenser lys til linjer for å lede optiske signaler på omtrent samme måte som ledninger sender en elektrisk impuls. Denne tilnærmingen lar deg lage komplekse rutingsskjemaer som er nødvendige for å simulere hjernens nevrale strukturer, samt øke både signaloverføringshastigheten og antall forbindelser mellom nettverkselementer. I tillegg,systemet er veldig skalerbart og enkelt å utvide i fremtiden. Og hvis "vanlige" nevrale nettverk gjør fremskritt i selvlæring og mønstergjenkjenning, er det vanskelig å forestille seg hva en struktur som imiterer hjernens arbeid vil være i stand til.
Vladimir Kuznetsov
