محققان در یک دستاورد هیجانانگیز، معماری جدیدی به نام «NeuronSoup» معرفی کردهاند که یادگیری در شبکه عصبی را بدون نیاز به الگوریتم سنتی Backpropagation انجام میدهد.
ویژگیهای کلیدی این سیستم:
🔹 برخلاف شبکههای معمولی، در اینجا از پردازش ناهمگام (Asynchronous) و سیگنالهای مبتنی بر زمان استفاده میشود.
🔹 نورونها به صورت مشترک بین مسیرهای مختلف قرار میگیرند که باعث ایجاد نوعی «تداخل سازنده یا تخریبی» مشابه مغز انسان میشود.
🔹 تمام ساختار (توپولوژی، وزنها و تاخیرها) توسط الگوریتمهای ژنتیک تکامل مییابد.
🔹 بهینگی فوقالعاده: مدل نهایی تنها ۱۱۵ کیلوبایت حجم دارد که آن را برای کاربردهای سبک بسیار جذاب میکند.
این روش نشان میدهد که میتوانیم فراتر از مدلهای ترنسفورمر و یادگیری عمیق کلاسیک، به سمت سیستمهای «الهامگرفته از زیستشناسی» برویم که محاسبات را به صورت پویا مدیریت میکنند. نظرتون در مورد جایگزینی روشهای فعلی آموزش با الگوریتمهای ژنتیک چیه؟
منبع: arXiv Machine Learning