我们管它叫神经元neuron。
如果中的三体人真的可以一秒钟反应十万次，而且众多的三体人通过类似神经元的方式进行连接，那么，他们所构成的将不再是一台普通的计算机，而很可能是一个具有超级人工智能的存在。
而由简单元件组合起来的力量，在现实世界的人工神经网络中已经真正地显现。
神经网络中的最基本组成单元神经元neuron，也被叫做感知器，ercetron是一种早期的神经元结构，在上个世纪五六十年代就被提出来了。
现在它在神经网络中已很少被使用，但理解它有助于理清其它类型神经元的基本结构和设计思路。
一个感知器的定义元素包括
1有多个输入，，它们只能是0或1。
2有一个输出outut只能是0或1。
3每个输入对应一个权重值1，2，3，，它们可以是任意实数。
4有一个阈值threshod可以是任意实数。
5输出outut取决于各个输入的加权求和与阈值threshod的大小，即如果1x12x23x3threshod，则输出outut1，否则输出outut0。
直观上理解，感知器相当于一个决策模型，输入表示进行决策时需要考虑的外在因素或条件，权重表示你对某个外在因素的重视程度，而阈值则表示你对于这个决策事件本身的喜好程度或接受程度。
举一个例子假设周末有一个同学聚会，现在你正在决策要不要去参加。你考虑的因素如下
1如果那天天气好，那么你就更有意愿去参加。用x11表示天气好，x10表示天气不好。你对于天气这个因素的重视程度为13。
2如果某个你讨厌的人也去参加聚会，那么你就兴趣索然，不太乐意去了。用x21表示你讨厌的那个人去参加聚会，x20表示那个人不参加聚会。对应权重25，负值表示这个因素的出现会降低你去参加聚会的意愿。
3但如果你暗恋的一个女孩去参加聚会，那么你无论如何也是想去的。用x31表示那个女孩去参加聚会，x30表示她不参加聚会。这个女孩对于你太重要了，所以有一个很大的权重310。
现在假设阈值threshod2。我们根据前面的规则去计算outut，这个计算过程就相当于决策过程。如果outut算出来等于1的话，那么你就去参加聚会，否则就不去。
决策结果无非是下面几种
1如果你暗恋的女孩去参加聚会，那么不管其它因素，你肯定就去了。因为权重3实在太大了，不管另外的输入是多少，都会导致加权求和后超过threshod2。
2你暗恋的那个女孩不去参加聚会，而你讨厌的那个人去参加聚会。这时不管天气如何，你都不会去了。
3你暗恋的那个女孩和你讨厌的那个人都不去参加聚会。那么你去不去最终取决于天气怎么样。，，
手机用户请浏览 阅读，更优质的阅读体验，书架与电脑版同步。