Este estudio propone un enfoque inspirado en la neurociencia para comprimir secuencias temporales en fragmentos etiquetados por contexto. Cada etiqueta representa una unidad estructural recurrente, o "comunidad", en la secuencia y se genera durante el sueño sin conexión. Estas etiquetas sirven como referencias concisas a experiencias pasadas, lo que permite a los estudiantes integrar información más allá de la entrada inmediata. Evaluamos esta idea en un entorno sintético controlado, diseñado para exponer las limitaciones de los aprendices secuenciales basados en redes neuronales existentes, como las redes neuronales recurrentes (RNN), al tratar con patrones temporales en múltiples escalas de tiempo. Los resultados son preliminares, pero sugieren que la fragmentación temporal puede mejorar significativamente la eficiencia del aprendizaje en entornos con recursos limitados. Un estudio piloto a pequeña escala en humanos, que utilizó una tarea de tiempo de reacción en cadena, refuerza aún más la idea de la abstracción estructural. Aunque limitado a una tarea sintética, este estudio proporciona evidencia inicial de que las etiquetas de contexto aprendidas pueden transferirse entre tareas relacionadas, sirviendo como una prueba de concepto temprana que ofrece posibles aplicaciones futuras del aprendizaje por transferencia.
