„Când un axon al celulei A e destul de aproape de o celulă B ca să o excite și participă în mod repetat sau persistent la declanșarea ei, are loc un proces de creștere sau o schimbare metabolică în una sau în ambele celule, astfel încât eficiența lui A, ca una dintre celulele care declanșează B, crește.”Donald O. Hebb · The Organization of Behavior · 1949 · The Organization of Behavior: A Neuropsychological Theory, cap. 4 («The first stage of the problem: conceptual analysis»)
Neuronii care declanșează împreună își sudează legătura: învățarea e locală, nu comandată de sus.
Hebb a susținut că învățarea trăiește în legăturile dintre neuroni, nu într-un centru de comandă. Mecanismul lui e local: dacă un neuron participă des la declanșarea altuia, legătura dintre ei devine mai eficientă. Nu e nevoie de un supervizor care să spună fiecărei celule ce să facă. Regula asta, numită astăzi regulă hebbiană, a devenit fundația învățării în rețelele neuronale. Cipurile neuromorfice o duc cu o literă mai departe, punând-o în siliciu. Carver Mead și Misha Mahowald au construit circuite analogice în care fiecare tranzistor imită un neuron, iar conexiunile dintre ele poartă o greutate care se schimbă exact ca o sinapsă. În cipurile lor, de exemplu retina de siliciu, pixelii comunică prin impulsuri, la fel ca neuronii biologici. Rețelele cu impulsuri merg pe același principiu: neuronii artificiali trimit evenimente scurte, nu numere continue, și învață din coincidența impulsurilor. Ținta de inginerie e clară: creierul consumă circa 20 de wați, deci cipurile neuromorfice urmăresc același raport între calcul și energie, nu viteza brută.
De ce contează Cipurile digitale clasice ard energie la fiecare înmulțire, iar modelele mari lovesc plafonul asta. Siliciul care învață ca o sinapsă promite calcul masiv cu consum de mii de ori mai mic.