如果说现代人工智能技术的强大，想必没几个人反对。而说到人工智能，那么这个大领域中“扛把子”作为主要驱动力的神经网络则不容忽视。神经网络已经成为AI技术发展的重要力量，同时围绕它的问题也是AI专家科学家们重点关注的。
其中神经网络“健忘症”就是比较突出的一个。之所以说它有“健忘症”，主要这是AI的一个痼疾。虽然AI很多地方都在模仿人类，但很多时候，我们人类的特别简单的行为举止或者智能表现，在AI面前都可以称之为灾难性的难题。一人客这里说的是学习和记忆问题，也就是说，我们人类特别是成年人类在对跨领域知识不断地学习中，几乎不存在学了后面的忘了前面的，总要在大脑中留下信息，在抽象层面上生成记忆（或多或少而已），而且在重复性地回想（回放记忆）时，往往会想（产）起（生）新的东西。但神经网络完全不一样，它就如同一个懵懂孩童——甚至连孩子都比不了——学了第二个领域的东西会把之前学到的第一个领域知识忘得一干二净，渣都不留的那种。
可能你会有异议，不过想想看，虽然你不可能记住以前发生过的所有学习过的东西，但如果你没有累加记忆，那么一人客就敢说，去年的你，以前的你的所有记忆和知识都是空白不存在的。难道每天吃饭你都要重新学习怎么使用筷子吗？而这个遗忘的问题，对于神经网络是致命的。因为我们花大气力训练了神经网络学习了一个小类别的知识，却无法再学习别的，否则前面的就“忘”得一干二净，那就白学了。
于是，麻省大学阿默斯特分校和贝勒医学院的人工智能（AI）专家瞄准了人类这一先天的记忆本能。西格尔曼说，该团队的主要见解在于“认识到大脑中的重放不会存储数据”。相反，“大脑可以在更高，更抽象的层次上生成记忆的表示，而无需生成详细的记忆。”，正是从这个已知的人脑记忆机制中汲取了灵感，创造了类似大脑的人工回放，网络会生成以前见过事物的高级表示，从而成功解决了所谓的“增加AI功能的长期存在的主要障碍”作为“重播”。
这个抽象的生成性大脑重放非常重要，也非常有效，据了解，他们团队表示，重放仅几个生成的表示，就足以记住旧知识，同时还能学习新知识。瞧，解决了神经网络致命性遗忘的难题，而且更重要的还为系统学习提供了一个新的简化路径。
