본 논문은 신경과학과 인공지능 분야에서 널리 사용되는 외적 오류 측정 및 전역 학습 알고리즘에 대한 기존 관점을 재해석합니다. 세포 적응 메커니즘의 진화적 통찰에 기반한 추측들을 통해 감각 신호의 본질을 재해석하여 뇌를 음성 피드백 제어 시스템으로 해석하고, 이를 통해 전역 오류 수정 지표 없이도 국소 학습 알고리즘이 가능함을 보여줍니다. 즉, 충분히 좋은 감각 활동의 최소값이 네트워크의 완벽한 보상 신호가 될 수 있으며, 생물학적 학습이 발생하기 위한 필요충분조건이 될 수 있음을 제시합니다. 이러한 학습 방법은 지구상 최초의 단세포 생명체에도 존재했을 가능성이 높다는 증거를 제시하고, 다세포 생물에서도 같은 원리가 적용되며 세포 간의 노동 분담으로 이어질 수 있음을 보여줍니다. 신경계의 진화는 이러한 세포 간 노동 분담을 지원하기 위해 세포 간 신호를 더 효과적으로 전달하기 위한 적응의 결과일 가능성이 높다는 증거를 제시합니다. 따라서 본 논문은 최초의 단세포 생명체에서 진화한 동일한 학습 원리, 즉 외부 및 내부적으로 생성된 감각 신호의 음성 피드백 제어가 단순히 확장되어 오늘날 생물학적 뇌에서 보이는 학습의 기초가 되었다는 것을 제안합니다. 최초의 단세포 생물부터 인간에 이르기까지 다양한 생물학적 환경에서 이러한 작동 원리가 생물학적 감각 신호의 의미를 해석하는 타당한 방법이며, 현재의 신경과학 이론 및 연구 결과와 어떻게 관련되는지 설명합니다.
