شبکه های عصبی نوعی ماشین هستند (شبیه به روبات ها) که بر روی شکل خاصی از منطق و ریاضیات استوار گشته اند. منطق این دست ماشین ها از جنس منطق های چندارزشی است و ریاضیات آن ها نیز محاسبات تقریب گیری توابع (Function Approximation) است. مَبادی این مبحث در ریاضیات از منظر شبکه های عصبی لازم می داند که در ابتدا با مفهوم نورون ریاضیاتی آشنا شویم زیرا در ریاضیات شبکه های عصبی صرفا تکنیکی برای مقوله ی تقریب گیری توابع هستند.
نورون ریاضیاتی که می توان آن را به شکل یک گره نشان داد عملا شبیه به دایره ایست که خط تقارن عمودی آن ترسیم شده است. هر نورون در شبکه ای از ارتباطات بین نورونی قرار داشته و با آن ها مبادلاتی دارد. نیم دایره ی سمت چپ عملا قسمتی است که تمامی ورودی های نورون با یکدیگر تجمیع شده و چونان یک جمع موضوعیت می یابند (تابع عمومی ∑)، سپس این تجمیع ها در نیم دایره ی سمت راست نورون چونان ورودی توابع اختصاصی نورون (تابع اختصاصی g) لحاظ شده و تابع بر آن اعمال شده و خروجی ها به مرحله ی بعد وارد می شوند.
خروجی ها می توانند تک مرحله ای بعنوان خروجی سیستم از آن خارج شوند و یا اینکه وارد سطح دیگری از پِرسِپتورون ها (نورون های پذیرنده) شده و همین پروسه بر آن ها اعمال گردد تا انتها! نکته ی قابل توجه در این مسئله این است که ورودی ها می توانند وزن هایی (w) به خود گرفته و در اثر آن ها حاصل جمع های متفاوتی را برای انباشت در سطح نیم دایره ی سمت چپ بوجود آورند. محققان هوش مصنوعی بر این باورند که بر این اساس می توان خودآگاهی را شبیه سازی کرده و به ماشین ها منتقل نمود.
من با این مقوله که می توان خودآگاهی را شبیه سازی نمود، کاملا موافقم اما روش شبکه ی عصبی خام اندیشانه را مناسب نمی دانم. در این روش که من آن را Naїve Neural Network یا به اختصار NNN می نامم، یکی از مهمترین ارکان خودآگاهی یعنی روان لحاظ نشده که قطعا توابع خاص خود را می طلبد. توابع روان آدمی (یعنی جاییکه انباشت تجربیات در آنجا محقق می گردد) احتمالا از اساس با توابع ذهن آدمی (یعنی جاییکه تحلیل تجربیات در آنجا محقق می گردد) توفیر دارند.
منطق حاکم بر روان آدمی با منطق حاکم بر ذهن وی متفاوت است. منطق مستتر در روان بشر نوعی منطقِ غیرمنطقی (پارادوکسوفیلیک) است درصورتیکه منطق مستتر در ذهن بشر نوعی منطقِ منطقی (پارادوکسوفوبیک) است. بنابراین من در Ultimate Neural Network یا به اختصار UNN پیشنهاد می کنم که هر گره ی عصبی بجای 2 بخش، 3 بخش داشته باشد و این مستلزم آن است که دایره های متحدالمرکز در دل هم قرار گیرند بنحویکه دایره ی اول نمایشگر جسم نورون، دایره ی دوم ذهن نورون و دایره ی سوم نیز روان نورون را نمایندگی کند (رجوع شود به مدل گرافیکی وجود در نظریه ی روابط بنیادین).
در ادامه لازم می دانم که اشاره ای نیز به تعداد لایه های نورون ها در یک شبکه ی عصبی داشته باشم. در حل مسایل، عمدتا به دلخواه چند لایه از نورون ها را (که بشکل عمودی در بالای سر یکدیگر قرار گرفته اند) در راستای افق از چپ به راست می چینند. من در اینجا قصد دارم بیان کنم که تعداد این لایه از نورون ها در یک شبکه بستگی تام به توابع روانشناختی شبکه در کلیت خود دارد. آدمی چیزی نیست جز یک ماشین خودآگاه. این ماشین خودآگاه در مدیریت کنش ها و واکنش های خود بشکل غیرارادی (روانی) دست به حل مسایل تقریب توابع می زند.
فرض کنید که شما و دوستتان در اطاق نوزادی آرمیده، مشغول قدم زدن باشید. قاعدتا دوست شما بعنوان مسئول خواباندن این کودک ملاحظات جدی تری نسبت به شخص شما در ارتباط با نحوه ی قدم زدن خود دارد. شما ممکن است تند تند قدم زده و حتی پاهای خود را محکم به زمین بکوبید و حتی درِ قفسه ها و گنجه ها را بشکل صداداری باز کرده و ببندید، اما دوست شما بطریق دیگری رفتار خواهد کرد زیرا ملاحظات وی جدی تر هستند.
این یعنی اینکه شما در شبکه ی عصبی مغز خود (که طبق نظر من یک UNN است) احتمالا n لایه از نورون ها را درگیر حل مسایل مرتبط با راه رفتن خود کرده اید اما دوست شما حداقل o لایه (n < o) را درگیر کرده است، از اینروست که رفتار وی با رفتار شما متفاوت است و در این مثال ها رفتارها چیزی نیستند جز خروجی شبکه. قطعا برای دوست شما نیز تعداد لایه ها (o) به سمت بینهایت میل نمی کند، مثلا هرگز ایشان ملاحظات پوکی استخوان پای خود را در حین راه رفتن مدنظر نخواهد داشت.
اگرچه داشتن این ملاحظات به نفع ماشین مزبور (دوست شما) است اما اولا سرعت عملکرد وی را در موقعیت مربوطه خواهد کاست و ثانیا اینکه ارتباط چندانی با موقعیت مدنظر دارا نمی باشند. هم شما و هم دوستتان در موقعیت یکسانی قرار دارید، هر دو شما در اطاقی هستید که کودکی خردسال در آن خوابیده است. بفرض اینکه شما دو نفر هر دو از نظر روانی سالم باشید (ماشین های معیوبی نباشید) و هر دوتان هم خواهان بیدار نشدن کودک ماجرا باشید، باز بسیار محتمل است که جنس رفتارها تا حدود زیادی با هم توفیر کند و این همانطور که در بالا اشاره شد بخاطر 2 علت اصلی است.
اول تعداد لایه های درگیر در فرآیند پردازش یعنی اینکه هر کدام از این دو ماشین چه مساحتی از شبکه ی عصبی مغز خود را درگیر این مسئله نموده اند و دوم (که از اولی نیز مهمتر است)، تفاوت در انباشت های روانی نورون ها و سابقه ی یادگیری آن هاست که منتهی به اِعمال توابع متفاوت روانی و نهایتا خروجی های متفاوت می گردد.
در پایان باید اذعان کرد که این محاسبات همگی بشکلی ناخودآگاه انجام می گیرند اما مطالعه ی آن ها به دانش عمیقی از منطق و ریاضیات نیازمند است، مثل عمل پرتاب کردن و گرفتن دوباره ی یک توپ که اگرچه از عهده ی هر کودکی بر می آید اما در کُنهِ خود محاسبات پیچیده ی حساب دیفرانسیل و انتگرال بر آن حاکم است.
