Naukowcy zaproponowali nową metodę ciągłego uczenia się opartą na hierarchicznej modułowości zainspirowaną mózgiem owada Drosophila. Zamiast tradycyjnego podejścia z wyraźnymi granicami zadań i offline treningiem, ich metoda radzi sobie z online, niepewnymi i dynamicznie zmieniającymi się strumieniami danych - sytuacją znacznie bliższą rzeczywistym wyzwaniom inteligentnych systemów w zmiennym otoczeniu.
Klucz do rozwiązania leży w identyfikacji dwóch konkurencyjnych celów: rozdzielaniu konfliktowych doświadczeń, aby zmniejszyć interferencję między zadaniami, oraz integracji zgodnych doświadczeń, aby wzmocnić generalizację. Hierarchiczna modułowość to zasada organizacyjna, która koordynuje oba procesy poprzez specjalizację ekspertów i integrację zespołową. Implementacja łączy lekką modułową adaptację pretrenowanych modeli fundacyjnych z losowym routingiem inspirowanym mózgiem do kierowania doświadczeń pomiędzy specjalistami oraz zróżnicowaną integracją modułową działającą na różnych skalach przestrzennych i czasowych.
Wyniki eksperymentów są imponujące. Metoda wykazała konsystentne ulepszenia w czterech głównych domenach: rozpoznawaniu obrazów, zrozumieniu relacji obraz-tekst, analizie wideo z perspektyw ego i allo, oraz uczeniu się wizualno-językowych akcji dla systemów wbudowanych. Szczególnie godna uwagi jest przewaga przekraczająca 50 punktów procentowych nad alternatywami bez replay w zadaniach manipulacji wbudowanej. Praca nie tylko demonstruje praktyczną wartość biologicznie inspirowanych podejść, ale także sugeruje, że hierarchiczna modułowość może być fundamentalną zasadą dla inteligentnych systemów uczących się z rzeczywistych, dynamicznych doświadczeń.