可以教神经网络像人一样思考吗？或至少像动物一样？动物在想什么？您能说出猫的头部反射中发生了什么吗？意识的秘诀到底是什么？下面我们将尝试了解所有这些问题。
神经网络可以近似任何函数已经不是什么秘密了，甚至有定理证明了这一点。有一个输入层，一个隐藏层和一个输出层。在强化学习的情况下，输入层是环境如何作用于主体。输出层是代理对环境的操作。为了获得足够智能的代理，我们需要三件事：隐藏层中足够数量的神经元，足够复杂的环境以使其能够接收强化，并且我们还需要大量输入和输出神经元以最大化与环境的交互作用。
考虑一下人类的大脑-1000亿个神经元。正式地，这大约是100亿个神经元的10层。在注释中写出计算此数量需要多少电量。对于实验，您可以使用被低估了10-100倍的神经元。
环境应该和我们周围的世界一样多样化。我们可以将机器人代理变成现实，也可以在虚拟现实中教他，从我们希望他执行的功能（代理的动作）中获得帮助。
我想分别讨论输入和输出神经元。他们的目标是与环境互动。猫的输入神经元是眼睛，耳朵和皮肤以及许多其他动物中的所有受体。输出神经元主要与各种肌肉相连，从而使该生物具有与环境互动的能力（代理对环境的反馈）。输入和输出神经元越多-“环境-代理-环境”的交互作用越好，越广且越好
让我们看几个例子。受体检测到空气不足-大脑迫使肺部呼吸。胃的感受器说饥饿-大脑在给定的环境中发挥了获取食物的功能。或举一个带针的例子-如果有东西刺破皮肤，信号进入大脑，在那里被处理，大脑向手发出命令以消除该问题。这全都归结为一件简单的事情-当接收器不受到干扰时，就没有任何作用。但是，如果受体被激发，那么大脑会寻找一种有助于消除该受体激发的解决方案。一旦找到了所需的链，并且受体失去了兴奋，该链的神经连接就会增强。下次，这一系列行动将是当务之急。这是我们生活中所有行动的结果。因此，您可以为任何环境以及我们需要的任何功能创建代理。问题仅在于生产能力。