但是，如果仔细思考，小说在这里的设定未必经得起推敲，由逻辑门部件组成的计算机，其实只是人类的计算机，而三体人的计算机未必是同样的工作方式。至少有两个理由：
第一，对于生物体来说，二元逻辑和二进制并不是最自然的选择。
第二，离散的输入输出也同现实世界不同，宏观世界的物理量都是连续的。
设想一种基本计算部件，它的输入和输出都是连续的实数，也不局限于进行二元逻辑运算，那就跟组成人工神经网络的基本元件比较接近了。
我们管它叫神经元（neuron）。
如果小说中的三体人真的可以一秒钟反应十万次，而且众多的三体人通过类似神经元的方式进行连接，那么，他们所构成的将不再是一台普通的计算机，而很可能是一个具有超级人工智能的存在。
而由简单元件组合起来的力量，在现实世界的人工神经网络中已经真正地显现。
神经网络中的最基本组成单元——神经元（neuron），也被叫做感知器，（perceptron）是一种早期的神经元结构，在上个世纪五六十年代就被提出来了。
现在它在神经网络中已很少被使用，但理解它有助于理清其它类型神经元的基本结构和设计思路。
一个感知器的定义元素包括：
1.有多个输入：x1，x2，x3，...，它们只能是0或1。
2.有一个输出：output.只能是0或1。
3.每个输入对应一个权重值：w1，w2，w3，...，它们可以是任意实数。
4.有一个阈值：threshold.可以是任意实数。
5.输出output取决于各个输入的加权求和与阈值threshold的大小，即：如果w1x1w2x2w3x3...threshold，则输出output1，否则输出output0。
直观上理解，感知器相当于一个决策模型，输入表示进行决策时需要考虑的外在因素或条件，权重表示你对某个外在因素的重视程度，而阈值则表示你对于这个决策事件本身的喜好程度或接受程度。
举一个例子：假设周末有一个同学聚会，现在你正在决策要不要去参加。你考虑的因素如下：
1.如果那天天气好，那么你就更有意愿去参加。用x11表示天气好，x10表示天气不好。你对于天气这个因素的重视程度为w13。
2.如果某个你讨厌的人也去参加聚会，那么你就兴趣索然，不太乐意去了。用x21表示你讨厌的那个人去参加聚会，x20表示那个人不参加聚会。对应权重w25，负值表示这个因素的出现会降低你去参加聚会的意愿。
3.但如果你暗恋的一个女孩去参加聚会，那么你无论如何也是想去的。用x31表示那个女孩去参加聚会，x30表示她不参加聚会。这个女孩对于你太重要了，所以有一个很大的权重：w310。