يقضي الطبيب سنوات في تعلّم تمييز الأمراض من صور الدماغ. في البداية، يرى علامات الشيخوخة بوضوح، ثم يتقن الأورام، وفجأة يبدأ بالخلط بين ما كان يعرفه سابقًا. وهذا ما تفعله العديد من الشبكات العصبية: المعرفة الجديدة تمحو القديمة.

النموذج الجديد Alcmaeon يحل هذه المشكلة بأسلوب يشبه الملاحظات على هوامش الكتاب. طريقة Graph-Blueprint Pruning تحدد في الشبكة "ملخصات مرجعية" — مجموعات من الروابط بالغة الأهمية للأمراض التي تم تعلمها بالفعل. تُجمَّد هذه الملخصات، بينما يتعلم باقي الشبكة بحرية على بيانات جديدة. اختُبر النموذج على أربعة مجالات: الشيخوخة الصحية، والتنكس العصبي، ونمو الدماغ، والأورام. عند الانتقال إلى الأورام، حُفظت المهارات القديمة بشكل أفضل — لم تنسَ الشبكة رؤية ما كانت تراه سابقًا.

المثير للاهتمام أن "الملخصات" اختلفت باختلاف المهام. لتصنيف الأمراض، عملت طبقات معينة من الشبكة بشكل أفضل، بينما للتنبؤ بالبقاء على قيد الحياة، عملت طبقات أخرى. لم يُعثر على وصفة عالمية، لكن النهج نفسه يعطي أملًا في إنشاء مساعدين طبيين دائمين حقًا. فالدماغ، على عكس الكمبيوتر، يعرف كيف يتعلم طوال الحياة دون محو الذكريات القديمة — وAlcmaeon يخطو خطوة في هذا الاتجاه.