Stanford Üniversitesi araştırmacıları, yapay sinir ağlarının öğrenme süreçlerinde köklü bir değişiklik önerebilecek yeni bir yöntem geliştirdi. Geleneksel yapay zeka sistemleri, her veri girişinde parametrelerini sürekli güncellerken, bu yeni yaklaşım ağın kendi iç dinamiklerine dayalı öğrenme stratejisi benimsiyor.
Araştırmada önerilen sistemde, ağ gelen bilgileri anında işlemek yerine önce 'gizli izler' halinde depoluyor. Bu izler, son zamanlardaki ortak aktivasyon kalıplarını kodlayarak ağın geçmiş deneyimlerinin bir kaydını tutuyor. Aynı zamanda sistem, gelecekteki durumları tahmin etmeye çalışan paralel bir süreç işletiyor.
Kritik nokta, tahmin edilen durumlar ile gerçekte gözlemlenen durumlar arasındaki farkın sürekli hesaplanması. Bu tutarsızlık, son hata istatistiklerinden türetilen uyarlanabilir bir eşiği aştığında sistem 'öğrenme olayı' tetikliyor ve bu anda parametreler güncelleniyor.
Bu yaklaşım, insan beyninin öğrenme süreçlerine daha benzer bir model sunuyor. İnsan beyni de her bilgiyi anında kalıcı olarak kaydetmek yerine, önemli olaylar sırasında güçlü öğrenme deneyimleri yaşıyor. Yeni yöntemin, AI sistemlerinin daha verimli ve doğal öğrenmesini sağlaması bekleniyor.