هياكل مستوحاة من علوم الأعصاب لبناء ذكاء الذكاء الاصطناعي التكيفي الحقيقي أنظمة الذكاء الاصطناعي الحديثة قوية لكنها هشة. درب نموذجا، ونشره، وشاهد تدهور الأداء مع تغير العالم. إذا أعدت التدريب على بيانات جديدة، سينسى النموذج ما كان يعرفه. تنتج هذه الدورة أنظمة تتفوق في المعايير الثابتة لكنها تكافح للتكيف المستمر—وهو أمر يتعامل معه الذكاء البيولوجي بسهولة. يمكن لفأر أن يتعلم بقليل من الطلقات كيفية العثور على الماء في متاهة جديدة في حوالي عشر محاولات، وهو معدل تعلم أسرع بألف مرة من المهام المخبرية التقليدية. ومع ذلك، تعاني أكثر شبكات الأعصاب تطورا لدينا من نسيان كارثي عندما يطلب منها التعلم بشكل متسلسل. الدماغ يقدم بنية مختلفة. يعمل ليس كشبكة متشابكة واحدة، بل كوحدات متخصصة مترابطة بذكاء — حواف معالجة القشرة البصرية، حوسبة قشرة المحرك في فضاء القوة، مناطق أمامية جبهية تتبع الذاكرة المنظمة للمهام. كل وحدة تبني نماذج داخلية محدثة من خلال أخطاء التنبؤ عندما تختلف النتائج المتوقعة عن الواقع. تم اكتشاف هذه الإشارات التعليمية الإشارة الآن عبر الدوائر الحسية والحركية والمكافأة. ماكنزي ويغاندت ماثيس يجمع هذه الرؤى في اقتراح الذكاء الاصطناعي الوكيل التكيفي. بدلا من السعي وراء نماذج الأسس الأحادية الأكبر سويا، تجادل بأنظمة من المشفرات الخاصة بالمجالات التي يتم تحسين مخرجاتها بشكل مشترك في فضاء كامنة مشترك. يتم مراقبة كل مشفر بواسطة إشارات خطأ التنبؤ — حيث تبقى المشفرات القوية "مقفلة" بينما تفتح تلك التي تظهر أداء متدهورا للتعلم المستمر باستخدام إعادة تشغيل الذاكرة أو الذكاء التشابكي، دون إيقاف النظام بالكامل. المبدأ الأوسع: من خلال هيكلة الذكاء الاصطناعي حول الوحدة المستوحاة من علوم الأعصاب وتحديث الأخطاء التنبئي بدلا من المقياس الأحاد، يصبح من الممكن تجاوز النماذج الثابتة نحو الذكاء التكيفي الحقيقي—أي أنظمة تقوم باستمرار بتحسين نماذجها للعالم من خلال التفاعل معه. الورقة: