研究人員成功解碼果蠅大腦中的持續學習機制，揭示其如何在不遺失先前知識的前提下整合新資訊。這項生物學發現為解決災難性遺忘等關鍵 AI 挑戰提供了新見解，並展示了無需依賴反向傳播即可進行學習的可能性。

目前的大型語言模型在持續學習與災難性遺忘方面面臨瓶頸，限制了其適應能力。了解果蠅的神經迴路運作方式，有望協助開發出能像生物體一樣持續學習的更強大 AI 系統。

此外，解碼後的大腦缺乏反向傳播機制，這表明前向-前向演算法等替代方案對於構建新模型具有可行性，突顯了在線學習約束與生物合理性在克服當前 AI 局限性方面的潛力。

事件背景

持續學習是一種 AI 方法，旨在讓模型在順序訓練新任務時，仍能保留先前任務的知識。該領域的主要障礙是災難性遺忘，即神經網路在接觸新數據時會突然丟失先前學到的資訊。果蠅擁有靈活的神經迴路，使其能夠快速適應環境變化，因此成為研究高效學習的生物模型。

社群觀察

社群成員討論了若此生物學發現能推動 AGI 進展的諷刺意味，並指出目前的 LLM 為了驗證穩定性，在設計上便不具備在線學習能力。大家也辯論了反向傳播是否是災難性遺忘的唯一原因，以及前向-前向演算法在非 LLM 架構中的潛在用途。