Можно ли обучать нейросеть почти как мозг, но без классического backprop? Новая работа Diffusing Blame проверяет жёсткое ограничение из биологии: принцип Дейла. В реальном мозге нейрон обычно не «смешивает роли»: он либо возбуждающий, либо тормозящий. А в обычных нейросетях один и тот же юнит спокойно может иметь и положительные, и отрицательные исходящие веса. Удобно для обучения, но биологически странно. Авторы делают dual-stream архитектуру: отдельные excitatory/inhibitory потоки и только неотрицательные матрицы весов. Знак связи задаётся не самим весом, а типом популяции. Классический backprop требует в обратном проходе почти точные транспонированные копии forward-весов, а в биологии такого механизма не видно. Вместо этого используется Error Diffusion: глобальный сигнал ошибки напрямую доходит до скрытых слоёв. Главная добавка статьи — modulo error routing, который расширяет ED с бинарных задач на multi-class. Результаты: * 96.7% на MNIST * 61.7% на CIFAR-10 * ED-PPO протестирован в RL на Brax locomotion и Craftax * на HalfCheetah ED-PPO даже обходит обычный BP-PPO в их эксперименте * на более сложных задачах вроде Craftax результат слабее, но всё ещё конкурентен с DFA Интересно, что сеть со строгим биологическим ограничением всё равно может учиться на картинках и RL-задачах без транспорта весов назад. Paper: https://arxiv.org/abs/2606.31700 @data_analysis_ml