تُظهر دراسة أن خوارزمية مونت كارلو البسيطة يمكنها تدريب الشبكات العصبية العميقة بفعالية دون الاعتماد على التدرجات أو الانتشار العكسي. تتضمن الطريقة طفرات عشوائية في المعلمات والاحتفاظ بالتغييرات فقط إذا انخفضت الخسارة، مما يسمح بتجاوز مشكلات التدرج المتلاشي والمتفجر.
- تعمل هذه الطريقة على وحدات معالجة الرسومات الفردية ولا تتطلب تطبيع الدفعة أو الاتصالات المتبقية.
- تدعم التدريب بالقطع النقي، والأوزان المنفصلة، ودوال النقل غير التقليدية مثل غاوسيان.
- أُظهرت الجدوى على شبكات تتجاوز 20 طبقة، وشبكات عريضة تحتوي على 16,384 عصبونًا، ومحول (Transformer) على بيانات MNIST وTiny Shakespeare.
توفر هذه الطريقة الخالية من التدرجات منظورًا تكميليًا لتنظيم الشبكات العصبية الذاتي وتقدم بديلاً لبناء أنظمة تعلم عميق مستوحاة فيزيائيًا.