연구진은 승자 독식(WTA) 네트워크가 다중 작업 학습 환경에서 데이터의 범주형 잠재 요인을 추출하도록 강제할 수 있음을 밝혔습니다. WTA 병목 현상을 통해 추출된 표현은 특정 객체, 색상, 위치와 같은 추상적 특징을 단일 뉴런 또는 뉴런 집합으로 인코딩하는 기호적 표현으로 나타납니다. 실험 결과, WTA 구조는 복잡한 아키텍처와 설정에서도 분리된 기호적 표현을 학습하는 데 효과적이며, 일반화 능력 향상에 기여합니다.