نقترح شبكة إجابة عشوائية (Stochastic Answer Network - SAN) بسيطة ومعتمدة، تحاكي الاستدلال متعدد الخطوات في فهم القراءة الآلية. بالمقارنة مع الأعمال السابقة مثل ReasoNet التي استخدمت التعلم التعزيزي لتحديد عدد الخطوات، فإن الميزة الفريدة تكمن في استخدام نوع من الانقطاع العشوائي للتنبؤ على وحدة الإجابة (الطبقة النهائية) للشبكة العصبية أثناء التدريب. نوضح أن هذه الحيلة البسيطة تحسن المتانة وتحقق نتائج تنافسية مع أحدث التقنيات في مجموعة بيانات أسئلة ستانفورد (Stanford Question Answering Dataset - SQuAD)، ومجموعة بيانات سكواد المعادية (Adversarial SQuAD)، ومجموعة بيانات فهم القراءة الآلية مايكروسوفت (Microsoft MAchine Reading COmprehension Dataset - MS MARCO).