پیش‌چاپی دربارهٔ انتقال حافظه میان نمونه‌های هوش مصنوعی منتشر شد

پیش‌چاپی با عنوان «Neurons Are All You Need» در arXiv منتشر شده است. نویسندگان می‌گویند شبکه‌های عصبی مصنوعی معمولاً بر این فرض بنا شده‌اند که قابلیت‌های آموخته‌شدهٔ پایدار فقط در پارامترهای سیناپسیِ تطبیق‌پذیر ذخیره می‌شوند؛ رویکردی که در زمان استفاده، مدل‌ها را بی‌حالت نگه می‌دارد و می‌تواند به فراموشی فاجعه‌بار و نیاز به بازآموزی پرهزینه بینجامد.

پژوهشگران با اشاره به مطالعات عصب‌زیستی Glanzman و همکارانش دربارهٔ انتقال حافظه میان جانداران به شیوه‌ای مستقل از اتصال‌های سیناپسی، می‌گویند در این مقاله انتقال حافظهٔ پایدار میان نمونه‌های مختلف مدل‌های هوش مصنوعی را با رویکردی الهام‌گرفته از حافظه در عصب‌شناسی بررسی کرده‌اند. چکیدهٔ در دسترس جزئیات روش یا نتایج این بررسی را بیان نمی‌کند.