การเรียนรู้ด้วยตนเองอย่างต่อเนื่องในสมองเทียมของสมอง

ปัญหาของวิธีการทำให้ระบบการเรียนรู้ไม่มั่นคงเกิดขึ้นเมื่อพยายามใช้ตัวประมวลผลที่มีความสมจริงทางชีวภาพหรือเมื่อพยายามที่จะทำความเข้าใจกับชีววิทยาเอง การเรียนรู้ของเครื่องจักรส่วนใหญ่การเรียนรู้เชิงลึกและนักวิจัย AI ไม่เคยประสบปัญหานี้เพราะในระบบประดิษฐ์พวกเขาศึกษาว่าพวกเขามีความหรูหราในการดำเนินการทางคณิตศาสตร์ระดับโลก

ที่มีผลในการควบคุมผลกำไรโดยรวมของระบบแอนะล็อกเทียมของการนอนหลับซึ่งเป็นความพยายามครั้งสุดท้ายในการทำให้เสถียร พวกเขาทดลองกับเสียงประเภทต่าง ๆ โดยเปรียบเทียบกับสเตติกที่คุณอาจพบระหว่างสถานีขณะทำการจูนวิทยุ ผลลัพธ์ที่ดีที่สุดเกิดขึ้นเมื่อพวกเขาใช้คลื่นเสียงรบกวนแบบเกาส์อินซึ่งรวมถึงความถี่และแอมพลิจูดที่หลากหลาย พวกเขาตั้งสมมติฐานว่าเสียงเลียนแบบข้อมูลที่ได้รับจากเซลล์ประสาทชีวภาพในช่วงหลับคลื่นช้า ผลการวิจัยชี้ให้เห็นว่าการนอนหลับช้าคลื่นอาจทำหน้าที่บางส่วนเพื่อให้แน่ใจว่าเซลล์ประสาทส่วนกลางรักษาเสถียรภาพและไม่ทำให้ประสาทหลอน