В статье, опубликованной 9 октября 2026 года в журнале PNAS, учёные Института Макговерна по исследованию мозга и Центра интегративных вычислительных нейронаук (ICoN) Массачусетского технологического института (MIT) предложили считать ключевым критерием биологического правдоподобия искусственной нейросети её способность организовываться самостоятельно, без направляющей руки разработчика. Они показали, что сеть из случайно связанных нейроноподобных элементов может выстроить собственный механизм обучения, если задать простые правила изменения связей.

По словам Цяньли Ляо, одного из первых авторов работы, современные ИИ-системы работают хорошо, но не обязательно используют алгоритм обучения, свойственный мозгу: у мозга нет внешнего проектировщика. В модели команды, как и в представлениях о работе мозга, связи усиливаются, когда связанные элементы активируются одновременно. Сеть научилась распознавать образы и классифицировать изображения; обучение обеспечивали самоорганизующиеся мотивы, которые перестраивались по стратегии, сходной с градиентным спуском.

По результатам сравнения самоорганизующаяся сеть работала на уровне сетей, обучаемых с помощью обратного распространения ошибки. Томасо Поджо отметил, что биологический аналог этого алгоритма мог бы стать прочной связью между искусственными и естественными сетями. Ляо подчеркнул, что такая сеть не обязательно учится так же, как мозг, но самоорганизация — первый шаг к биологическому правдоподобию.