Quando la separazione è difficile e/o ogni percorso fallisce, emerge un’altra forma di apprendimento: la memoria dei tentativi passati. In questa simulazione, ogni coppia di percorsi viene provata, testata e archiviata. Se due percorsi si incrociano, il sistema se ne ricorda, e non li ripeterà più.

Questo processo riproduce una strategia di apprendimento per esclusione logica: l’algoritmo elimina man mano tutte le combinazioni che non funzionano, fino a trovare quella (se esiste) che tiene separati i due mondi. Se non ci riesce, non è perché non ha imparato, ma perché ha esplorato tutto il possibile.

È un esempio potente di resilienza computazionale: quando la soluzione non si trova in un’unica formula o connessione, la macchina può contare sulla strategia, sulla persistenza e sulla memoria del passato. In altri contesti, questo tipo di comportamento richiama le logiche degli algoritmi genetici, delle search heuristics e dei modelli di reasoning iterativo.