Արման Գասպարյանի դիտարկումները ֆրանսիացիների նոր ձեռքբերման վերաբերյալ։
Ֆրանսիացի գիտնականները կառուցել են սենսորային ինֆորմացիայի մշակման ընթացքում կենդանի օրգանիզմների ուսուցման մաթեմատիկական տեսություն։ Ռեկուրենտ նեյրոցանցերի վրա հիմնված այս տեսությունն ընդլայնում է ուսուցման դասական տեսությունը մինչև տարածական կորելյացիաներ։
Հաշվողական նեյրոկենսաբանության ամենահետաքրքիր խնդիրներից մեկն այն է, թե ինչպես են ուղեղի նեյրոնները կոդավորում ու մշակում սենսորային ինֆորմացիան։ Նեյրոնների ակտիվությունն ուղեղի շատ հատվածներում խիստ կախված է որոշակի սենսորային պարամետրից. օրինակ, գտնվելու վայրի նեյրոնների ակտիվությունը կախված է կենդանու գլխի օրիենտացիայից ու տարածության մեջ նրա տեղակայումից։ Վերջին տասնամյակների ընթացքում անընդհատ ատրակտորով արհեստական նեյրոցանցերը դարձել են գրավիչ մոդել՝ արտաքին տարածական ինֆորմացիայի մշակման ընթացքում ուղեղի նեյրոնների աշխատանքը բացատրելու համար։ Նման մոդելները կարող են բացատրել, թե մեծ նեյրոնային համակարգն ինչպես է կոդավորում ավելի փոքրաչափ սենսորային տարածության ինֆորմացիան ու ժամանակի ընթացքում անընդհատ թարմացնում այն՝ մուտքային տվյալներին համապատասխան։
Փարիզի Բարձրագույն Նորմալ Դպրոցի ֆիզիկոսներն օգտագործել են ռեկուրենտային նեյրոցանցեր (RNN)՝ բացատրելու համար, թե ինչպես են կարող բազմաչափ դինամիկայից առաջանալ ատրակտորներ ու ցույց են տվել, որ RNN-ները կարող են պահպանել բարձր թողունակությամբ տարածական ինֆորմացիայի մեծ քանակություն։
Իրենց ցանցը մոդելավորելու համար գիտնականները ենթադրել են, որ յուրաքանչյուր նեյրոն պատահական տեղ է զբաղեցնում բազմաչափ տորի վրա, որն իրենից ներկայացնում է նեյրոնի վրա ազդեցություն ունեցող շրջակա միջավայրը։ Մոդելը տորի յուրաքանչյուր կետի համար ստանում է նեյրոնային ակտիվության պատերնը՝ դրանով ձևավորելով ընտրանքը։
Գիտնականները կառուցել են տարածական պարամետրերից նեյրոնների ակտիվության բինար պարամետրերի արտապատկերումների օպտիմալ ստեղծման ու պահպանման տեսություն։ Իրենց մոդելի ուսուցման համար հետազոտողներն առաջարկել են կիրառել հիմնային վեկտորների մեթոդն ու ցույց են տվել ուսուցման այդպիսի պրոցեսի կայունությունը։
Արդյունքում, ֆիզիկոսները ստեղծել են մաթեմատիկական մոդել, որը կարող է նկարագրել կենդանի օրգանիզմների ուսուցման պրոցեսն ու ցուցադրել են այդ մոդելի կոռեկտ աշխատանքը։ Հեղինակները ենթադրում են, որ իրենց մոդելը կարող է նկարագրել, թե ինչպես է տեղի ունենում կրծողների զարգացումը կյանքի առաջին շաբաթների ընթացքում՝ հիմնվելով ԱՄՆ հետազոտողների մասշտաբային աշխատանքի վրա։ Հետագայում գիտնականները պատրաստվում են նկարագրել, թե ինչպես է զարգանում նեյրոցանցը՝ ավելի ու ավելի շատ տարածական ինֆորմացիա հաշվի առնելու համար, ու, վերջին հաշվով, սահմանել անընդհատ ատրակտորը։
(ԵՐԿՐՈՐԴ ՆԿԱՐՈՒՄ. Ռեկուրենտ նեյրոցանցը (վերևում՝ ձախից) գեներացնում է նեյրոնների ակտիվության մեծաչափ կոնֆիգուրացիաներ, որոնք համապատասխանում են մեծաքանակ ցածրաչափ սենսորային պարամետրերի։ Կարմիր խաչերը (ներքևում՝ ձախից) սահմանում են կետերը, որոնք նեյրոցանցը պետք է հիշի)։