對於人工智慧來說， 雖然它們越來越像人的大腦了。 但它們還有不及人類大腦的地方， 比如說：記憶。 人工智慧的神經網路通常需要學習它們需要知道的所有事情， 但是它們的學習並不能像真正的大腦那樣建立在現有的經驗之上。 Alphabet 的 DeepMind 團隊希望能解決這個問題， 他們製作了一個演算法， 讓神經網路能“記住”過去的知識並加以運用。 這種方法類似于人類的思維活動， 它甚至可以做到洞察人類思維的功能。
DeepMind 將這種演算法稱之為 “彈性權重鞏固”（Elastic Weight Consolidation， EWC）。 一直以來， 電腦程式從來都不會記得自己曾經做過什麼事情。 DeepMind 決定改變電腦傳統的學習法則， 讓程式在學習新任務時也不忘掉舊任務。 這就要把相關資料一股腦地塞給電腦， 讓電腦的深度神經元變得多才多藝。
目前的電腦程式遇到了一個很大的瓶頸——“災難性忘卻”。 在輸入神經網路後， 數位神經元會與輸出方案之間建立聯繫， 而當它學習新事物時， 神經網路不得不重新建立新的聯繫， 同時還會覆蓋掉舊的聯繫。 這樣的情況被稱之為 “災難性忘卻”（catastrophic forgetting）， 也就是俗稱的“學東忘西”。 與深度神經網路相比， 人類大腦的工作方式就大不相同。 我們可以漸進式的學習，
DeepMind 相信， 未來這項研究結果能成為電腦程式通往靈活高效學習的敲門磚。