多任务训练可让神经网络自发长出类脑模块结构

多任务训练能让循环神经网络自发形成模块化结构，且比单任务训练更接近真实大脑的网络组织——这是微软研究院团队发表于《自然·机器智能》的研究结论。

此前主流解释把大脑模块化归因于布线成本等物理约束，这条路径之外的任务需求来源一直缺乏可验证的证据。

团队用认知任务训练循环网络，发现任务越多、网络容量越吃紧，模块化程度越高；逐步增量地加入任务时，模块化最强、性能也最好。代码与数据已在GitHub公开，结论目前限于仿真环境。