با توجه به توسعه روز افزون هوش مصنوعی و انجام فعالیت های پیچیده توسط آن نیاز به یک روش کارآمد تر برای آموزش مدل هوش مصنوعی است. به طوری که علاوه بر صرفه جویی در زمان باعث افزایش انرژی و قدرت محاسباتی آن شود.

هوش مصنوعی امروزه برای انجام فعالیت های پیچیده مورد استفاده قرار می گیرد. مدل های یادگیری عمیق شامل شبکه عظیمی از نورون های مصنوعی است که قادرند از طریق کدهای راهنمایی رایانه‌ای داده‌هایی را به عنوان ورودی دریافت کنند. آن ها داده‌های دریافتی را به صورت تغییر یافته و خروجی عبور می دهند. در صورت تغییر این کدها در میلیون‌ها آزمایش مختلف می‌توان به مدل های هوش مصنوعی آموزش داد.

در حالت کلی برای آموزش یک مدل هوش مصنوعی وارد کردن داده طی فرآیندی تکراری انجام می گیرد. پس از آن کیفیت خروجی نشان دهنده محاسبه گرادیان است. سپس برای بهبود عملکرد هوش مصنوعی کد های رایانه ای تغییر خواهد کرد. کل این فرآیند ارسال داده از یک شبکه عصبی به سوی دیگر و یا تکرار به صورت برعکس و به محل اولیه و محاسبه گرادیان است.

محققان تلاش کردند تا بتوانند با استفاده از روش جدیدی این دو مرحله را به یک مرحله کاهش دهند. به طوری که می توان در همان فرآیند اولیه حد گرادیان را را محاسبه کنند. آتلیم گونش بایدین از دانشگاه آکسفورد و همکارانش در این روش توانستند زمان آموزش برای هوش مصنوعی را از نظر تئوری به نصف کاهش دهند.