Основное направление использования типовых парадигм нейроподобных систем заключается в классификации образов. На вход системы подается некое изображение (картинка, буква), и, после прохождения сигнала через сеть на выходе получаем некоторое отображение данного образа (распознанный символ, классифицированное изображение).

Таким образом, можно сказать что современные нейросети с успехом используются для задач распознавания изображений, классификации входного образа, т.е. для задач статической обработки информации.

На мой взгляд, это обусловлено следующими причинами:

1. Топология сети предопределена. Вы можете сказать что она предопределена на этапе инициализации, и в процессе обучения происходит ее перенастройка. Отчасти это так, во время обучения происходит настройка весов связей, реже - удаление некоторых неиспользуемых связей (достигших веса меньше предопределенной погрешности). Но никогда, в современных парадигмах, не происходит установление новых связей. И уж тем более, изменение связей в процессе работы нейросети.
2. Сам процесс обучения сети статичен, системе предъявляют входной образ, дают сигналу распространиться, замеряют выход и сравнивают с эталоном. На основании расхождений производят корректировку связей. Данный процесс не может подразумевать обработку потока информации, распределенного во времени. Сеть напоминает фотоаппарат: снимок – фотография.
3. Современные сети (насколько я знаю) не могут обрабатывать последовательности. В сетях есть понятие ансамбля – группы нейронов, возбуждаемых одновременно. Для возбуждения всего ансамбля достаточно возбудиться его части. Но: не зависимо от последовательности. Это свойство идеально для статики, но абсолютно не подходит для динамики. Последовательности «С» «Е» «Т» «Ь» и «Е» «С» «Т» «Ь» должны возбуждать различные ансамбли, хотя состоят из одних и тех же элементов.

Исходя из свойства статичности данные парадигмы абсолютно не подходят для задачи искусственного интеллекта, поскольку в последней необходимо управлять системой в реальном режиме времени, т.е. обрабатывать поток входной информации, работать в динамике а не в статике. Нам нужна динамическая нейросеть.

Продолжая аналогию, такие нейросети годятся для фото но никак не для видео съемки.

Думаю, коль скоро я упомянул про искусственный интеллект, то здесь необходимо пояснить: динамическая нейросеть не есть искусственный интеллект, это всего лишь часть системы позволяющей реализовать ряд ее свойств.

И так, мы выделили три проблемы динамической нейросети :