Изследователи са създали импулсна невронна мрежа, която едновременно се учи да предсказва какво събитие ще се случи, кога да се очаква и колко е вероятно то. Новият модел може бързо да преразгледа прогнозата, ако обичайната последователност на събитията внезапно се промени. Авторите разчитат, че подобен принцип ще помогне изкуствените системи да се доближат до начина, по който мозъкът се учи въз основа на постоянно променящия се опит.

Импулсните невронни мрежи работят по различен начин от повечето познати модели. Изкуствените неврони предават информация чрез къси сигнали, или импулси, като времето на всеки сигнал също носи информация. Благодарение на това мрежата може да отчита не само самото събитие, но и момента, в който трябва да се очаква то.

Изследователите са дали на модела проста задача. Кратък сигнал предупреждаваше за едно от две възможни събития, като при всяко събитие вероятността и закъснението се променяха. Мрежата се състоеше от 1000 изкуствени неврона и се обучаваше в серии от по 100 опита. След това изследователите оставяха само предупредителния сигнал и проверяваха какво точно очаква AI моделът. Мрежата постепенно се научи да запазва едновременно три части от прогнозата. Ако събитието се случваше по-често, съответната реакция ставаше по-силна. Ако времето на появяване се променяше, активността на невроните се изместваше в съответствие с новото закъснение. По-голямата част от подобренията се наблюдаваха още през първите 50 опита.

Най-интересният експеримент започна, когато изследователите решиха да променят правилата без предупреждение. Вероятността за събитието или моментът на неговото настъпване се променяха рязко, поради което първоначалните прогнози се оказваха погрешни. След това мрежата се пренастройваше според новите статистически данни и отново започваше да очаква събитието в нужния момент. При сравнение с няколко алтернативни метода на обучение локалният механизъм по-бързо възстановяваше точността и по-добре запазваше вече формираните представи.

За обучението на модела не се е наложило обичайното обратно разпространение на грешката през цялата мрежа. Отделните връзки се променяха според локално правило, основаващо се на информацията, достъпна за конкретни неврони. Този подход е по-близък до начина, по който учените описват преструктурирането на връзките между мозъчните клетки, въпреки че компютърният модел, разбира се не доказва, че човешкият мозък използва същия механизъм.

Авторите също така са успели да установят, че видът на събитието и моментът на неговото възникване се кодират чрез различни схеми на активност в рамките на обща група неврони. Мрежите не са се нуждаели от отделни блокове, за да отговорят на въпросите „какво ще се случи“ и „кога“. При това силата на реакцията отразява вероятността на очакваното събитие.

Практическият интерес на изследването се отнася преди всичко до невроморфните изчисления, при които процесорите обработват поток от отделни събития и могат да изразходват енергия само когато невроните действително предават сигнали. Засега авторите са демонстрирали действието на принципа в изчислителна модел. Следващата стъпка ще изисква експерименти, които да проверят дали биолозите откриват подобни схеми за прогнозиране в реални невронни вериги.