Fast egentligen inte, traditionell AI är som en digital signal "binary" if true do x if false do y, medans neural networks är mer som en analog signal -1.0 till 1.0 så kan vara 0.37916.
Ex "nural network 1 layer". Man har en input node tex 1.0 med den leder till en neural node i kopplingen mellan dom så multipliceras signalen med tex 0.348 (weight ) sen processar neural noden inkommande signalen sen ger den ett nytt output (ex. 0.76134) som sen leder till output node med en (weight) koppling, fast man har flera inputs/outputs och flera lager och alla lager är kopplade till alla noder från det tidigare noderna,sen väljer man den node som har starkast output signal och man behöver inte ha en ända neural node som använder ett if -stement bara ren mattematik, vist sen sen finns det självklart vissa noder som kan innehålla if-statment beror lite på vilket typ av neural network man bygger, men fördelen att undvika if statment i en node är att det är betydligt långsamme än bara mattematik.
Man skulle kunna säga att den "konventionella logiken har faktiskt satts ur spel".
Om OpenAi bot: / hur gammal if-statement AI fungerar (1:10)
[.youtube]https://www.youtube.com/watch?v=mGYU5t8MO7s[/youtube
Och om output är över 9000 så är det en katt och under 9000 en papegoja, bara för ett väldigt basic exempel på hur IF-satser kan passa in i neurala nätverk (för bildklassificering).