أصبح التعلم المستمر (Continual Learning) عنصرًا حيويًا للوكالات الذكية ذات واجهة المستخدم الرسومية (GUI Agents) لتمكينها من التكيف مع التطبيقات المتطورة مع الحفاظ على المعرفة التي اكتسبتها من التطبيقات السابقة. وفي هذا السياق، واجه الباحثون تحديات كبيرة تتعلق بنمذجة المعرفة بعد أن لاحظوا أن التطبيقات الجديدة غالبًا ما تشترك في معارف أساسية مع التطبيقات السابقة، لكنها أيضًا تقدم معارف محددة يجب أن لا تتداخل مع المعرفة التاريخية.

في ورقتهم العلمية الجديدة، اقترح الباحثون طريقة مبتكرة تُعرف بالتحكم المعرفي الانتقائي المشروط على تنشيط الخلايا العصبية (activation-conditioned selective knowledge control). تهدف هذه الطريقة إلى تحقيق الاحتفاظ الانتقائي بالمعرفة من خلال التحكم في تدرجات الخلايا العصبية على مستوى منخفض. حيث تحافظ الطريقة على حالة معرفية تاريخية مدمجة لتحمي خلايا شبكة perceptron متعددة الطبقات (MLP) التي تحتفظ بالمعرفة السابقة.

عند ظهور تطبيق جديد، تقوم الطريقة بإجراء جراحة تدرج في الوقت الحقيقي مطبوعة على التنشيط الأمامي. وفي هذا السياق، يتم تصنيف خلايا الشبكة المحمية إلى نوعين: خلايا غير نشطة تحتفظ بمعرفة معينة، حيث يتم تقليص تدرجاتها لمنع التداخل، وخلايا نشطة تحتفظ بمعرفة مشتركة، حيث يتم إسقاط تدرجاتها بشكل عمودي للحفاظ على الاستقرار وتمكين التكيف.

من خلال التجارب العملية على معايير تقييم تتعلق باستمرار التطبيقات المتعددة، أظهرت الطريقة الجديدة فعاليتها في تقليل خطر النسيان الكارثي للتطبيقات السابقة، بينما تحتفظ بنفسها بقدرتها على التكيف مع التطبيقات الجديدة.