İnsan beyninin en karmaşık yapılarından biri olan beyincik-korteks ilişkisinden ilham alan bilim insanları, yapay zeka alanında çığır açan bir yenilik gerçekleştirdi. Geliştirilen yeni mimari, zamana dayalı öğrenme görevlerinde geleneksel yöntemleri geride bırakıyor.
Araştırmacılar, tekrarlayan sinir ağlarına (RNN) beyincik benzeri bir ileri beslemeli modül ekleyerek cortico-cerebellar RNN (CB-RNN) adını verdikleri hibrit sistemi oluşturdu. Bu yapının farklı zorluk seviyelerindeki zamana bağlı görevlerdeki performansını test ettiklerinde şaşırtıcı sonuçlar elde ettiler.
CB-RNN, aynı parametre sayısına sahip geleneksel tam tekrarlayan sistemlere kıyasla hem daha hızlı öğreniyor hem de daha yüksek maksimum performansa ulaşıyor. Ancak asıl çarpıcı bulgu, sistemin korteks benzeri kısmı minimal eğitim sonrası dondurulduğunda bile üstün öğrenme verimliliğinin korunması oldu.
Bu durum, beyinciğin öğrenmedeki birincil rolünü ve korteksin büyük ölçüde sabit bir rezervuar işlevi görebileceğini düşündürüyor. Bulgular, beynin heterojen modüler yapısının sadece biyolojik sistemler için değil, yapay zeka mimarileri için de önemli avantajlar sunabileceğini ortaya koyuyor.