Исследование, опубликованное в Nature Machine Intelligence, демонстрирует, что искусственные нейронные сети, обучаемые решению нескольких задач одновременно, спонтанно организуются в специализированные модули. Особое внимание уделено влиянию ограничений вычислительных ресурсов: при их нехватке модульность становится более выраженной, что повышает эффективность обработки информации. Авторы показывают, что инкрементное многозадачное обучение не только усиливает эту модульную структуру, но и приводит к формированию архитектур, которые структурно напоминают организацию нейронных сетей в биологическом мозге. Это открытие имеет фундаментальное значение для понимания принципов работы как искусственного, так и естественного интеллекта, предлагая новые пути для создания более эффективных и биологически правдоподобных моделей машинного обучения. Результаты указывают на то, что модульность является не просто побочным эффектом, а необходимым условием для масштабируемого многозадачного обучения в условиях ограниченных ресурсов. Работа открывает перспективы для разработки новых архитектур ИИ, вдохновленных нейробиологией, что может значительно ускорить прогресс в области общего искусственного интеллекта и когнитивного моделирования.