[Ковбоец]

Ну если рассматривать животных. То входы это все органы принимающие информацию, выходы это удовлетворение потребностей. То есть происходит автоматизация причинно следственных связей приводящих к удовлетворению потребностей тем самым продолжается жизнь организма.

Есть например регистр отвечающий за информацию о потребности в пище - чувство голода.
Эта потребность растет по мере расходования энергии. И эта потребность становится все острее.
В какой то момент эта потребность становится больше чем другие.
Включается алгоритм удовлетворения этой потребности.
Этот алгоритм у нас сформировался в раннем детстве. И мозг знает что сперва нужно найти еду, приговорить ее, далее можно удовлетворить это чувство.
Этот блок формируется постепенно. В начале мы просто орали, мама давала титьку. Далее мозг это понял, сами стали искать титьку. Дальше стали давать другую еду. Этот блок усложнился. Ну и так если рассматривать этот процесс обучения, мы приходим к самодостаточному алгоритму, когда мы сами можем удовлетворить эту потребность.
Регистр обнуляется и другие потребности становятся важнее. Они включают другие алгоритмы.

Тихонова, вы задаете очень сложные вопросы. Для начала познания ИИ можно обходиться гораздо более простыми вещами.
Могу лишь сказать, что в человеческом теле, точно (я так думаю) есть десятки, если не сотни, механизмов которые работают не на ПО. Проще сказать так. Есть компьютер. У него есть аппаратная часть, и есть программная. Так вот этих аппаратных фичей фиг знает сколько и почти ничего непонятно в их работе. Программная же часть формируется в течении жизни, есть много отделов головного мозга, и сложность их настолько грандиозна, что я могу лишь туманно предполагать как это работает в совокупности. Поэтому кому интересен ИИ, человек это не то с чего нужно начинать.
Но ваш вопрос полагаю был просто из праздного интереса.

Вот еще такой пример. Более простой.
Мы обжигаем руку и рефлекторно убираем ее от источника тепла.
Сознательная часть при этом полагаю не участвует в работе. Есть раздрожитель (сработали входы в нейронную сеть) есть запомненный автоматизм. Входы активируют работу автоматизма, мы отбрасываем руку.
Причем смотрите. Такую сеть можно сделать, для этого простой персептрон подойдет. Есть заведомо известные входы есть заведомо известные выходы. Допустим у нас есть робот рука.
Таким образом обучающая выборка полностью известна и можно обучить нейронную сеть отодвигать руку так чтобы она уходила от раздражителя. Выходы соответственно дают команды на сервомоторы руки.
Это элемент ИИ. Немного фантазии и так можно сделать многое. Например манипулятор с автоматическим захватом объектов, робота машинку играющую в футбол, можно робота научить ходить.

Но это всего лишь один элемент.
Если добавить систему которая будет обрабатывать статистику появления входных сигналов, то можно создать еще один элемент ИИ.
Так например истребители пятого поколения с элементами ИИ запоминают что делает пилот и в случае критической ситуации сами за него подруливают.

Можно всякие логические несложные ИИ делать. Вот с такого нужно начинать.
Да того чтобы ИИ на нейронных сетях начал нам внятно отвечать на заданные вопросы это нереально сложная задача. Нужно пройти тысячи циклов обучения... Но достижимая в принципе.

От мощности вычислений и размеров сети ничего само не зародится. Это основное, что я хочу сказать.
Кроме того все эти статьи пудрят мозг тем, что принимается во внимание только сама часть ОП и частично методы обучения. Все остальное просто отсутствует!
А остальное это - тело, в котором должно функционировать это ПО и аппаратные элементы, которые неизменно выполняют какие то действия.

В качестве примера теоретически сконструируем систему ИИ (кому интересно сами реализуют практически)
Допустим мы хотим сделать самообучающуюся систему распознавания символов. Задача немного сложнее стандартного распознавания образов.
У нас есть входы - это матрица пикселей, есть выходы - это код символа.
Сама система ничего не узнает и ничего никогда не познает хоть такой мощный комп не поставь.
В обучении всегда есть обратная связь. В данном случае мы будем сами ее осуществлять говоря системе что она распознала неверно или верно (со временем у системы отпадет необходимость в этом)
Любой организм обладающий интеллектом тоже в обучении имеет обратную связь для контроля результата.
Думаю, что поставленную задачу нужно реализовывать так.
Нужно использовать динамически формируемую нейронную сеть. Ей будет управлять программа, построенная на традиционных алгоритмах.
Управляющая программа знает какие символы изучила сеть. В начале это ничего.
Подаем первый символ. Управляющая программа видит, что еще нифига нет, и запускает алгоритм обучения сети, так как обучающая выборка состоит тупо из одного изображения, оно просто запоминается. Формируется выход сети. Этот выход связывается с управляющей программой, она спрашивает название символа у пользователя (обратная связь), он вводит символ. Таким образом система запомнила одно изображение. Именно запомнила, но не научилась его распознавать.
Далее подаем следующий символ. Так как в памяти ИИ уже есть одно изображение, управляющая программа запускает алгоритм распознавания, она тут же понимает что это не та картинка что была подана ранее и спрашивает новый ли это символ или же какой то из изученных, но его изображение программе неизвестно. Допустим это тот же символ. Мы говорим управляющей программе что это тот же символ. Она запускает алгоритм дообучения (неизменяя существующую сеть, она дополняет ее новыми нейронами и синапсами) и программа запоминает новое изображение уже известного символа.
Далее вероятность равпознавания символа растет и можно в управляющей программе предусмотреть коэффициент качества распознавания, превышая который программе позволить принимать решения самостоятельно. Например программа уверена, что символ распознался с вероятностью более 0.95, тоесть она вполне уверена что это тот символ а ни какой другой.
Ну и так далее. Оператор необходим до тех пор пока программа не обучится распознавать символы самостоятельно с заданной вероятностью. Далее можно этой системе позволить распознавать текст самостоятельно без оператора.

В этом примере есть нейронная сеть как элемент распознавания образов, которая обучается и используется в распознавании, вне зависимости от уровня обучения. Есть жесткая аппаратная часть это управляющая программа которая общается с нейронной сетью. Есть коэффициент, который можно рассматривать как регистр уверенности. Если программа не уверена она спрашивает у оператора. После процесса обучения она становится автономной.
В начале мы не формировали никаких обучающих выборок, вся информация создается самой программой и она дообучается, как в реальной жизни. Да и вообще в ней заложено много аналогий из жизни.

Ну, это простой пример. Можно придумать гораздо сложнее.
Сравните мои размышления и Пенроуза у которого только какой то туман и одни вопросы, после которых ничего конкретно не предлагается.
Причем я считаю, что никаких открытий не сделал, все это можно понять просто немного позанимавшись сетями и немного подумав.

Замечу, что построить на лжи такие системы невозможно.