Bài báo được công bố trên tạp chí Nature Machine Intelligence mô tả một kỹ thuật đột phá trong việc huấn luyện các mạng nơ-ron. Thay vì liên tục cung cấp dữ liệu mới, mô hình sẽ được đặt vào trạng thái 'ngủ đông' và tự sinh ra các phiên bản dữ liệu ảo từ những gì nó đã học được trước đó.
Quá trình này, được gọi là 'Neural Dreaming', giúp mô hình củng cố các kết nối thần kinh nhân tạo và loại bỏ các thông tin nhiễu. Kết quả thử nghiệm cho thấy mô hình áp dụng kỹ thuật này đạt hiệu suất cao hơn 40% so với các phương pháp truyền thống trên các tác vụ lý luận toán học và lập trình, trong khi tiêu thụ ít năng lượng hơn đáng kể.
Giáo sư dẫn đầu nghiên cứu nhận định rằng đây là bước tiến quan trọng hướng tới các hệ thống AI có khả năng tự học tập tri thức sâu sắc từ lượng dữ liệu hạn chế. Kỹ thuật này đặc biệt hứa hẹn cho các ứng dụng AI biên (edge AI), nơi nguồn lực tính toán và dữ liệu bị giới hạn nghiêm ngặt.