/// <summary>
        /// Aktualizuje wejscia po kolejnej rundzie gry
        /// </summary>
        /// <param name="AIDecision">własna decyzja</param>
        /// <param name="opponentDecision">decyzja przeciwnika</param>
        public void updateInputs(Decision AIDecision, Decision opponentDecision )
        {
            //przesuwamy wejscia w prawo
            double[] oldInputs = new double[inputs.Length];
            inputs.CopyTo(oldInputs, 0);
            for (int j = 3; j < inputs.Length; ++j)
                inputs[j] = oldInputs[j - 3];

            //dopisujemy nowe wejscia
            for (int j = 0; j < 3; ++j)
            {
                inputs[j] = AIDecision.ToNeural()[j];
                inputs[j + inputs.Length / 2] = opponentDecision.ToNeural()[j];
            }
        }
        /// <summary>
        /// Funkcja odpowiedzialna za proces nauki
        /// </summary>
        /// <param name="AIDecision">decyzja podjeta przez siec</param>
        /// <param name="opponentDecision">decyzja przeciwnika</param>
        public void updateWeights(Decision AIDecision, Decision opponentDecision)
        {
            Decision expectedDecision = opponentDecision.GetCounter(); //decyzja, ktora powinnismy podjac

            if (expectedDecision == AIDecision)
                return; //i tak sie wagi nie zmienia, wiec konczymy funkcje od razu

            double[] desiredOutput = expectedDecision.ToNeural();
            double[] currentOutput = AIDecision.ToNeural();

            for (int i = 0; i < outputs.Length; ++i)
            {
                double diff = (desiredOutput[i] - currentOutput[i]) * learningRate; //obliczamy poprawke

                for (int j = 0; j < inputs.Length; ++j)
                    weights[i, j] +=  diff * inputs[j]; //wprowadzamy poprawke do wag sieci
            }

            if (minLearningRate < learningRate - learnigEnstinguishRate)
                learningRate -= learnigEnstinguishRate;
        }