تسلسل كينج وين، الذي يعود تاريخه إلى حوالي 1000 قبل الميلاد، يعد من الألغاز المحيرة في تاريخ الفلسفة الصينية ويحتوي على 64 هيكسغرام، يمثل حالات فضاء ثنائي أبعاد يتكون من ستة أبعاد. في دراسة جديدة، توصل الباحثون إلى تحليل إحصائي صارم لهذا التسلسل، مستخدمين تحليل مانتي كارلو على 100,000 قاعدة بيانات عشوائية.

نتيجة لذلك، تم اكتشاف أربع خصائص إحصائية متميزة لهذا التسلسل:

1. **مسافة الانتقال أعلى من العشوائية**: حازت على المرتبة 98.2 من المئة.
2. **الارتباط الذاتي السالب للفرق الأولى**: بقيمة (p=0.037).
3. **المجموعات المتوازنة من أربعة عناصر**: بقيمة (p=0.002).
4. **تباين غير متماثل بين المسافات داخل الأزواج وضد الأزواج الخارجية**: حازت على المرتبة 99.2 من المئة.

هذه الخصائص، على الرغم من أنها تبدو مشابهة لمبادئ تعلم المنهج الدراسي والاستكشاف المدفوع بالفضول، تدفع الباحثين إلى فرضية إمكانية إفادتها في تدريب الشبكات العصبية. ولكن، التجارب التي أجريت، بما في ذلك تعديل جدول سرعة التعلم، وتأثير ترتيب المنهج الدراسي، وتحليل حساسية البذور، أظهرت أن النتائج كانت سلبية تماماً.

ففي حالة تعديل سرعة التعلم، أدت التعديلات إلى تدهور الأداء في جميع المستويات المختبرة. وفي حالة ترتيب المنهج الدراسي، تبين أن كينج وين هو الأسوأ بين الأنماط غير التسلسلية على منصة واحدة، بينما لا يُظهر أي تفوق على الأخرى. كما أكدت نتائج اختبار البذور أن تدهور كينج وين يتجاوز التباين الطبيعي للبذور.

وباختصار، تُظهر النتائج أن مدى الانحراف العالي لهذا التسلسل، والذي يجعله مميزاً إحصائياً، يُ destabilize عملية تحسين الشبكات العصبية المعتمدة على التدرج. لذا، نظرًا لأن الديناميكيات التدريبية الفعالة تتطلب أسساً مختلفة عن الترتيب الثابت المكون من مجموعات، فإن الاحتمالات في استخدام كينج وين لتدريب الشبكات العصبية تبدو غير مؤكدة.