Představ si, že z hotového modelu potřebuješ vymazat vliv jednoho konkrétního kusu tréninkových dat — třeba proto, že tam neměl být (chráněná nebo nelegální data, chybný příklad). Přetrénovat model od nuly je drahé a pomalé, takže výzkum hledá cílené „zapomínání“: odstranit stopu daného příkladu, aniž by model zapomněl všechno ostatní. Téma je čím dál důležitější kvůli právu na zapomnění a sporům o to, co smí být v tréninkových datech.
