Sebuah "rangkaian neural" dalam AI dimodelkan secara longgar berdasarkan apa?

Rangkaian neural buatan meminjam struktur asasnya daripada otak biologi. Neuron sebenar menerima isyarat daripada neuron lain, dan jika isyarat yang terkumpul cukup kuat, ia akan bertindak balas (fire) dan menyalurkan isyarat itu ke hadapan; sambungan yang kerap digunakan bersama cenderung menjadi lebih kukuh. Rangkaian buatan meniru ini secara longgar dengan lapisan-lapisan unit matematik ringkas yang saling menyalurkan nombor, melaraskan kekuatan sambungan semasa latihan supaya rangkaian itu beransur-ansur menjadi lebih mahir dalam sesuatu tugas, seperti mengecam imej atau meramal perkataan seterusnya.

Sarang labah-labah dan grid kuasa hanyalah rangkaian fizikal terdiri daripada helai atau wayar; ia tidak belajar, tidak menyesuaikan sambungannya, dan tidak memproses maklumat sebagaimana neuron, jadi kedua-duanya bukan model sebenar bagi cara rangkaian neural berfungsi.

Perbandingan ini memang sengaja dibuat secara longgar: otak sebenar mempunyai kira-kira 86 bilion neuron yang bersambung dengan cara yang sangat kompleks lagi cekap tenaga, manakala walaupun model AI yang besar sekalipun hanyalah anggaran yang jauh lebih mudah dan kasar, dijalankan pada cip yang rakus tenaga.