我們管它叫神經元(neuron。
如果中的三體人真的可以一秒鐘反應十萬次，而且眾多的三體人透過類似神經元的方式進行連線，那麼，他們所構成的將不再是一臺普通的計算機，而很可能是一個具有超級人工智慧的存在。
而由簡單元件組合起來的力量，在現實世界的人工神經網路中已經真正地顯現。
神經網路中的最基本組成單元——神經元(neuron，也被叫做感知器，(perceptron是一種早期的神經元結構，在上個世紀五六十年代就被提出來了。
現在它在神經網路中已很少被使用，但理解它有助於理清其它型別神經元的基本結構和設計思路。
一個感知器的定義元素包括：
1.有多個輸入：x1， x2， x3，...，它們只能是0或1。
2.有一個輸出：output.只能是0或1。
3.每個輸入對應一個權重值：w1， w2， w3，...，它們可以是任意實數。
4.有一個閾值：td.可以是任意實數。
5.輸出output取決於各個輸入的加權求和與閾值td的大小，即：如果w1x1 + w2x2 + w3x3 +...> td，則輸出output=1，否則輸出output=0。
直觀上理解，感知器相當於一個決策模型，輸入表示進行決策時需要考慮的外在因素或條件，權重表示你對某個外在因素的重視程度，而閾值則表示你對於這個決策事件本身的喜好程度或接受程度。
舉一個例子：假設週末有一個同學聚會，現在你正在決策要不要去參加。你考慮的因素如下：
1.如果那天天氣好，那麼你就更有意願去參加。用x1=1表示天氣好，x1=0表示天氣不好。你對於天氣這個因素的重視程度為w1=3。
2.如果某個你討厭的人也去參加聚會，那麼你就興趣索然，不太樂意去了。用x2=1表示你討厭的那個人去參加聚會，x2=0表示那個人不參加聚會。對應權重w2=5，負值表示這個因素的出現會降低你去參加聚會的意願。
3.但如果你暗戀的一個女孩去參加聚會，那麼你無論如何也是想去的。用x3=1表示那個女孩去參加聚會，x3=0表示她不參加聚會。這個女孩對於你太重要了，所以有一個很大的權重：w3=10。
現在假設閾值td=2。我們根據前面的規則去計算output，這個計算過程就相當於決策過程。如果output算出來等於1，那麼你就去參加聚會，否則就不去。
決策結果無非是下面幾種：
1.如果你暗戀的女孩去參加聚會，那麼不管其它因素，你肯定就去了。因為權重w3實在太大了，不管另外的輸入是多少，都會導致加權求和後超過td=2。
2.你暗戀的那個女孩不去參加聚會，而你討厭的那個人去參加聚會。這時不管天氣如何，你都不會去了。
3.你暗戀的那個女孩和你討厭的那個人都不去參加聚會。那麼你去不去最終取決於天氣怎麼樣。