تعتبر الشبكات العصبية البيولوجية من أعقد الهياكل التي تظهر أثناء نمو الكائنات الحية، حيث يتم توجيهها بواسطة خطة مضغوطة ومشفرّة في الجينوم. تشير الأبحاث الجديدة إلى أن الاتصال الذي ينشأ من عملية فك هذه الشفرة غني بالهياكل، وتجهز الكائن الحي بالفعل بوحدات وظيفية عند الولادة.

تعمل هذه الهياكل الأولية بمثابة دعامة يمكن تحسينها وتعديلها بمرور الوقت من خلال تجارب الحياة المتنوعة، وذلك بفضل آليات المرونة المختلفة. وقد استلهم الباحثون من التفاعل بين طرق التعلم التطورية والتنموية لاستخدام الشبكات العُليا (Hypernetworks) لتعلم عملية توليد مضغوطة تنتج الاتصال لخزان نمطي.

كما أظهر الفريق أن الجمع بين التعلم شبه المنهجي (Curriculum-based Meta-learning) وحوسبة الخزانات النمطية (Modular Reservoir Computing) يمكن أن ينتج شبكات تكرارية sparse (متناثرة) قادرة على حل المهام الزمنية الصعبة بتدريب محدود ودون تقديم تنازلات على مستوى المتانة.

هذه النتائج تقدم رؤى جديدة حول كيفية تحسين التعلم الآلي مع فتح آفاق جديدة في تصميم الشبكات العصبية المعقدة. ما رأيكم في هذه الدراسات الجديدة؟ شاركونا في التعليقات!