機械学習は数学的に単純な損失関数を好む傾向があります。次のトークンを予測したり、交差エントロピーを使ったりといった、コンピューター科学者にとってシンプルな損失関数です。進化は損失関数に多くの複雑さを組み込んできたのではないかと思います。発達段階の異なる領域ごとに、様々な損失関数が有効化されているのです。つまり、脳の様々な部位が学習すべき具体的なカリキュラムを生成するための、膨大な量のPythonコードが大量に使われているのです。

進化は成功と失敗を何度も経験しており、学習カリキュラムの知識をコード化できるからです。機械学習の枠組みでは、脳の損失関数はどこから来るのか、損失関数の違いによって学習効率が異なるのか、という点に立ち返って議論できるかもしれません。