за сегодня я узнал что любое сознание и нейросеть это множество раз подкорректированный и структурно усовершенствованный перцептрон, принцип работы которого - простой математический алгоритм, который прогоняет функцию активации (перемножение матриц нейронных слоев, где каждый элемент из одного слоя связан с каждым элементом следующего и вероятно остальных) через каждый слой определенное количество раз (нечетко и асинхронно, если это сверточная сеть, которая перебирает контекст блочно и динамически, или императивно, если это рекуррентная сеть, перебирающая каждый элемент или группы в отдельности, имея данные о предыдущих итерациях, или абсолютно четко и императивно, если это прямая сеть), взятых из многомерной матрицы (тензора) значений (нейронов), опираясь на их вес (дробное отношение важности нейронов между собой от -1 до 1), значения, опираясь на коррекцию слоя нейроном смещения (отдельный нейрон, балансирующий веса между двумя слоями. по умолчанию не имеет значения, но в ходе обучения через градиентный спуск (коррекции весов для уменьшения различий в выходных данных с данными из датасета-образца с помощью последовательной перепроверки), через стохастический градиентный спуск (быстрая корректировка случайного нейрона в проблемном слое), либо через градиентный бустинг (метод точечного исправления проблемных слоев без прохождения алгоритма с самого начала, где модель обучается на ошибках предыдущей генерации), либо через обратное распространение ошибки (алгоритм для эффективного вычисления градиента для всех весов в сети). градиент это производная всех потерь и неточностей в весах связей нейронов, является вектором, двигаясь в сторону которого перцептрон приобретает или уменьшает цену ошибки (чем меньше тем лучше)), а различие современных нейросетей (частных случаев ИИ (ИИ это научная сфера)) и человеческого мозга-сознания как алгоритма заключается не только в мощности и огромного количества обученных нейронов, а в наличии рецепторной и двигательной системы по типу конечностей или зрения, что в свою очередь добавляет огромное количество слоев к слоям контекста (визуального и текстового) и тем самым увеличивает мерность тензора опыта человеческого интеллекта. а еще принципиально различается метод расчета - нейроны в биологическом мозге принимают нейромедиаторы (любые гормоны, работающие как системные регуляторы обучения, например: серотонин - настроение и уровень бодрствования (температуры), ацетилхолин - переход от консолидации памяти в использование, регулировка внимания, дофамин - функция потерь, изменение скорости обучения, синапсической пластичности в нейронных контурах (функциональных группах нейронов соединенных синапсами (весящими связями), для выполнения разных задач обработки. если проводить аналогию с электроникой, то нейрон - транзистор, контур - чип с транзисторами, мозг - компьютер)) а также постоянно прогоняют функцию активации между заданными слоями по кругу, что постоянно приводит к более универсальному градиентному спуску, только для синапсов. и динамическому обучению даже во время сна - здесь играет роль и линейная гипотеза - предиктивные вычисления, неполно, но объясняющие подсознание и интуицию