محققان در جدیدترین پژوهش خود، مدل «SMGrNN» را معرفی کردهاند که برخلاف شبکههای عصبی سنتی با معماری ثابت، توانایی «رشد هوشمندانه» دارد.
این شبکه با استفاده از یک ماژول جدید به نام «انعطافپذیری ساختاری محلی» (SPM)، به صورت آنلاین یاد میگیرد که چه زمانی نورونهای جدید اضافه کند و چه زمانی بخشهای غیرضروری را حذف کند. این یعنی به جای تنظیمات دستی و خستهکننده معماری شبکه، مدل میتواند در حین یادگیری خودش را با پیچیدگیهای مسئله تطبیق دهد.
این دستاورد نه تنها باعث پایداری بیشتر در یادگیری میشود، بلکه کمک میکند مدلهای بهینهتر و جمعوجورتری برای کنترل سیستمهای پیچیده داشته باشیم. قدم بزرگی به سمت هوش مصنوعیِ خودآگاه و تطبیقپذیر!
منبع: arXiv Machine Learning
