تهدف دائرة الانتباه العشوائية العصبية (NSAC) إلى تحسين أساليب تقدير عدم اليقين في التعلم المستمر (Continuous-Time Learning)، حيث تسلّط الضوء على نقص موثوقية تقديرات عدم اليقين في الهياكل المعتمدة على الانتباه في بيئة الزمن المستمر. تستند NSAC إلى تصميم بيولوجي مبتكر، حيث تعيد صياغة حسابات انتباه (Attention) العوامل كحل لمعادلة تفاضلية عشوائية تعتمد على أورنشتاين-أوهلنبك، معتمدة على بوابات غير خطية ومترابطة تعتمد على المدخلات، مستفيدة من آليات توصيل (NCPs) الدائرة العصبية في الديدان المستديرة (C.elegans).

هذه الطريقة تؤدي إلى توزيع غاوسي يمتد عبر العوامل، مما يعزز من تبني وجود عدم اليقين بشكل مدروس عبر توزيع لوغاريتمي-عادي على أوزان الانتباه، وبالتالي تتيح مخرجات احتمالية. تستخدم NSAC دالة هدف مكونة من مصطلحين تجمع بين احتمال السالب الغاوسي مع مقياس فصل معرفي، مما يفرض زيادة في تباين التنبؤات ويتيح إجراء تقديرات مشتركة لعدم اليقين العشوائي والمعرفي.

عُدّت NSAC في مجموعة متنوعة من المهام التعليمية التي تشمل: تقدير الوظائف غير المنتظمة في الزمن المستمر، الانحدار متعدد المتغيرات، التنبؤ على المدى البعيد، تطبيقات الصناعة 4.0، وعمليات الحفاظ على المسار في المركبات الذاتية القيادة. أظهرت الدراسات أن NSAC تتنافس بشكل جيد مع عدة خطوط أساسية من حيث الدقة وتقديرات عدم اليقين المعدلة بشكل معقول، بينما تظل قابلة للتفسير على مستوى الخلية العصبية.

تعد NSAC تقدماً مهماً قد يُحدث ثورةً في طريقة تعامل النماذج مع عدم اليقين، مما يجعلها تطوراً مثيراً للاهتمام في عالم الذكاء الاصطناعي.