如果你毕业后停止学习怎么办？这听起来很愚蠢，但这就是大多数机器学习系统的培训方式。他们掌握一次任务然后部署。但是一些计算机科学家现在正在开发人工智能，这种智能可以连续学习和适应，就像人类大脑一样。

机器学习算法通常采用神经网络，大量简单计算元素或神经元的形式，通过它们之间的强度或“重量”变化的连接进行通信。考虑用于识别图像的算法。如果在训练期间错误标记了图片，则调整权重。当错误减少到某个阈值以下时，权重将冻结在设定值。

新技术将每个权重分成两个值，这两个值结合起来影响一个神经元可以激活另一个神经元的程度。与传统系统一样，第一个值经过训练和冻结。但是第二个值会不断调整以响应网络中的周围活动。关键的是，该算法还学习了如何调整这些权重。因此，神经网络学习行为模式，以及根据新情况修改该行为的每个部分的程度。研究人员于7月在瑞典斯德哥尔摩的一次会议上介绍了他们的技术。应用该技术后，该团队创建了一个网络，该网络学会了仅在几次完整图像后重建半删除的照片。相比之下，传统的神经网络需要在重建原始图像之前看到更多的图像。研究人员还创建了一个网络，学习识别手写字母 - 这些字母是非均匀的，不像打字的字母 - 在看到一个例子之后。

在另一项任务中，神经网络控制一个角色在一个简单的迷宫中移动以找到奖励。经过一百万次试验后，具有新的半可调整权重的网络每次试验的每次奖励可能只有固定权重的网络。半可调整权重的静态部分显然学习了迷宫的结构，而动态部分学会了如何适应新的奖励位置。“这非常强大，”加州大学伯克利分校的计算机科学家尼希尔米什拉说，他没有参与这项研究，“因为算法可以更快地适应新任务和新情况，就像人类一样。 ”

乘坐共享公司Uber的计算机科学家托马斯·米科尼（Thomas Miconi）表示，他的团队现在计划解决更复杂的任务，例如机器人控制和语音识别。在相关工作中，Miconi想要模拟“神经调节”，即适应性的即时网络调整，允许人们在发生新的或重要的事情时弄清楚信息。