Een "neuraal netwerk" in AI is losjes gemodelleerd naar wat?

Kunstmatige neurale netwerken ontlenen hun basisstructuur aan biologische hersenen. Echte neuronen ontvangen signalen van andere neuronen, en als er genoeg signaal opbouwt, vuren ze en geven ze dat signaal door; verbindingen die samen gebruikt worden, worden sterker. Kunstmatige netwerken bootsen dit losjes na met lagen van eenvoudige wiskundige eenheden die getallen aan elkaar doorgeven, waarbij de sterkte van verbindingen tijdens het trainen wordt bijgesteld zodat het netwerk geleidelijk beter wordt in een taak, zoals het herkennen van afbeeldingen of het voorspellen van woorden.

Spinnenwebben en elektriciteitsnetten zijn slechts fysieke netwerken van draden; ze leren niet, passen hun verbindingen niet aan en verwerken geen informatie zoals neuronen dat doen, dus geen van beide is een echt model voor hoe neurale netwerken werken.

De vergelijking is bewust losjes: een echt brein heeft zo'n 86 miljard neuronen, verbonden op een verbazingwekkend complexe en energiezuinige manier, terwijl zelfs enorme AI-modellen slechts een veel eenvoudigere, ruwere benadering zijn die op stroomvretende chips draait.