في عالم تعلم الآلات، حيث تلعب الشبكات العصيبة دورًا محوريًا، تسلط الدراسة الأخيرة الضوء على كيفية ارتباط العناصر غير القابلة للتدريب بتجارب التعلم الفيزيائية.

تتناول الدراسة قضايا معقدة مثل نشر التوازن (Equilibrium Propagation) والتعلم المترابط (Coupled Learning) وكيف يمكن أن تؤثر على الشبكات المقاومة. تجد الدراسة أن عنصرين رئيسيين يحددان النتيجة النهائية للتعلم: أولاً، ثبات الدائرة تحت إعادة قياس كل موصل، وثانيًا، حفظ الكتلة (Mass Conservation) كقيمة معينة تعتمد على التركيب الشبكي.

عندما تكون جميع العناصر قابلة للتدريب، تظل ثبات النقاط دون تغيير، مما يسهل استرجاع التعلم. ولكن، عندما لا يتم تعديل عنصر معين، يتأثر التعلم بشكل كبير. على سبيل المثال، في أكثر من عشرين هيكلاً مختلفًا، يتغير الأداء بمعدل يصل إلى 12% عند وجود موصلات ثابتة.

من المثير للاهتمام أن القانون الذي يحافظ على الكتلة ليس هو ما يحمي النتيجة النهائية في التعلم. الدليل على ذلك هو أن النماذج التي تحتفظ بالكتلة تظل قادرة على التذكر حتى عندما تتغير الظروف محليًا.

بفضل تقدم الأبحاث، نفهم اليوم أن التعلم الفيزيائي ينطوي على تحيزات استقرائية مستقلة، واحدة تتعلق بالدائرة نفسها والأخرى بالقواعد المحددة للتعلم. ما رأيكم في هذه الاكتشافات الجديدة في تعلم الآلات؟ شاركونا في التعليقات!