إن إنشاء شبكة واحدة قادرة على التعامل بفعالية مع سياقات متنوعة --- تعلم التباينات داخل مجموعة بيانات أو مجموعات بيانات متعددة --- هو خطوة مثيرة نحو تحقيق الذكاء العام. ومع ذلك، فإن الأساليب الحالية المتمثلة في زيادة عمق الشبكات، توسيعها، وجمعها ليست فعالة من حيث التكلفة بشكل عام. نظراً لهذا، تكون الشبكات التي يمكنها تخصيص الموارد وفقاً لسياق الإدخال والتحكم في تدفق المعلومات عبر الشبكة فعالة. في هذا البحث، نقدم شبكة CAMNet (Context-Aware Multipath Network)، وهي شبكة عصبية متعددة المسارات مع توجيه يعتمد على البيانات بين الأنسجة المتوازية. نوضح أن نموذجنا يعمل كنموذج عام يلتقط التباينات في مجموعات البيانات الفردية ومجموعات البيانات المختلفة، سواء بشكل متزامن أو متتابع. تتفوق CAMNet على أداء مهام التصنيف وتصنيف البكسل مقارنة بالشبكات ذات المسار الواحد، والشبكات المتعددة المسارات، والشبكات الأعمق ذات المسار الواحد، عند النظر إلى مجموعات البيانات بشكل فردي أو متتابع أو مجتمعة. يمكّن التوجيه المعتمد على البيانات بين الأنسجة في CAMNet النموذج من السيطرة على تدفق المعلومات من البداية إلى النهاية، مما يتيح له تحديد أي الموارد يجب أن تكون مشتركة وأي منها خاصة بمجال معين.