연구진은 예측 오차 신호가 플라스티시티를 제어하고 메타인지의 기반이 될 수 있음을 두 가지 시스템에서 확인했어요.
첫 번째 시스템은 높은 예측 오차 신호가 있을 때만 새로운 개념을 기록하고, 주기적인 오프라인 재활용 단계를 통해 오래된 내용을 강화하는 비매개변수 에피소드 메모리 시스템이에요.
두 번째 시스템은 이미지와 텍스트 공간에서 계산된 예측 오차 신호가 비전-언어 모델의 행동을 조절하여, 개념을 알 때는 단정적으로 답변하고, 부분적으로 친숙할 때는 유보적으로 답변하며, 새로운 개념에 대해서는 거부하고 설명을 요청하는 방식으로 작동해요.
이 연구는 개념을 학습하는 데 있어 외부 감지기가 모델 자체의 신뢰도보다 훨씬 높은 정확도를 보이는 것을 보여주며, 빠른 저장 공간을 비우는 수면 단계 후에도 50가지의 가르쳐진 사실을 99.2% 정확도로 회상하는 것을 입증했어요.