عادةً ما يتم تشكيل الشبكات العصبية الاصطناعية بواسطة المهندسين: حيث يقرر المصممون كيفية تغير نقاط قوة الاتصال عندما تتعلم الشبكة من البيانات والتعليقات. تشير دراسة جديدة من معهد ماساتشوستس للتكنولوجيا إلى أن هذا النهج الذي يحركه المصمم، على الرغم من قوته، قد لا يخبرنا إلا القليل عن كيفية تعلم الدماغ فعليًا - ويوضح بديلاً تنظم فيه الشبكات نفسها.
في ورقة بحثية نُشرت في 9 أكتوبر في Proceedings of the National Academy of Sciences (PNAS)، أظهر العلماء في معهد ماكغفرن لأبحاث الدماغ التابع لمعهد ماساتشوستس للتكنولوجيا ومركز K. Lisa Yang لعلم الأعصاب الحسابي التكاملي (ICoN) أن الشبكة العصبية الاصطناعية يمكنها بناء آلية التعلم الخاصة بها. بدءًا من الاتصالات العشوائية واتباع القواعد المحلية البسيطة فقط حول كيف ومتى يجب أن تتغير الاتصالات، أعادت الشبكة تشكيل نفسها لتصبح نظامًا فعالًا لمعالجة المعلومات. لمزيد من السياق حول هذه القصة، راجع أحدث تطورات الذكاء الاصطناعي.
لماذا تعتبر المعقولية البيولوجية مهمة؟
قال تشيانلي لياو، زميل ما بعد الدكتوراه في مركز K. Lisa Yang ICoN في مختبرات الأستاذين في معهد ماساتشوستس للتكنولوجيا توماسو بوجيو ومارك هارنيت، والمؤلف الأول المشارك للورقة البحثية إلى جانب عالم الأبحاث في معهد ماساتشوستس للتكنولوجيا ليو زيين وطالب الدراسات العليا يولو غان: "إن تقنية الذكاء الاصطناعي الحالية تعمل بشكل جيد للغاية، ولكنها لا تستخدم بالضرورة خوارزمية التعلم التي يستخدمها الدماغ".
هذا التمييز مهم لعلماء الأعصاب الذين يريدون استخدام نماذج الذكاء الاصطناعي كنافذة على الدماغ. يعتمد التعلم الآلي الحديث على الانتشار العكسي، وهي خوارزمية يرى معظم علماء الأعصاب أنها غير موجودة في الدوائر العصبية البيولوجية. وقال لياو: "الدماغ ليس لديه مصمم أو مهندس خارجي". "يجب على الدماغ أن ينظم نفسه. ونحن بحاجة إلى معرفة مدى بساطة القواعد التي ستجعل الدماغ ينظم نفسه."
الحجة الأساسية للفريق هي أن قيمة الشبكة كنموذج للدماغ يجب أن يتم الحكم عليها من خلال مدى قدرتها على تنظيم نفسها - وليس فقط اتصالاتها، ولكن أيضًا الآلية التي تضبط تلك الاتصالات.
كيف تعمل شبكة التنظيم الذاتي
قام الباحثون ببناء شبكات تبدأ بنيتها كطبقات متعددة من وحدات تشبه الخلايا العصبية مترابطة بشكل عشوائي. داخل كل طبقة، تخضع كل وحدة لنفس القواعد البسيطة لكيفية ضبط الاتصالات. وأوضح لياو: "إنهم يتفاعلون مع بعضهم البعض باستخدام هذه القاعدة، ويطورون نوعًا من السلوك".
القواعد هي من النوع الذي يعتقد علماء الأعصاب أنه يعيد توصيل دوائر الدماغ أثناء التعلم - بما في ذلك المبدأ الكلاسيكي القائل بأن "الخلايا العصبية التي تنطلق معًا ترتبط ببعضها البعض"، مما يعني أن التنشيط المتزامن يقوي الاتصال بين خليتين عصبيتين.
وكما تعلمت الشبكة، ظهرت عناصر ذاتية التجميع وفقًا لهذه القواعد البسيطة، ومن ثم كانت بمثابة لبنات بناء للدوائر الوظيفية. استمرت هذه العناصر في إعادة تنظيم نفسها باستخدام استراتيجية تحسين تشبه الهبوط المتدرج - وهي عملية التعديل المبنية على الأخطاء والمضمنة في معظم التعلم الآلي الحديث - ولكنها ناشئة عن الديناميكيات المحلية الخاصة بالشبكة بدلاً من خوارزمية مفروضة خارجيًا.
أداء يضاهي الشبكات القياسية
وكان الاختبار الحاسم هو ما إذا كان هذا النظام الذاتي التنظيم يمكنه التعلم بالفعل. يمكن ذلك: فقد أظهر الفريق أن شبكة ذاتية التنظيم تحكمها هذه القواعد المحلية تعلمت كيفية التعرف على الأنماط وتصنيف الصور، وأداءها على مستوى مماثل للشبكات المصممة تقليديًا والتي تم تدريبها من خلال الانتشار العكسي.
صاغ المؤلف الكبير توماسو بوجيو النتيجة كجسر محتمل بين مجالين كانا يطاردان نفس الآليات من اتجاهين متعاكسين منذ فترة طويلة. وأشار إلى أنه إذا كانت العناصر المتشابكة التي يقترحها الفريق هي ما يستخدمه الدماغ لإنجاز ما يفعله الانتشار العكسي للشبكات الاصطناعية، فسيكون لدى الباحثين "ارتباط قوي على مستوى الآليات الأساسية بين الشبكات الاصطناعية والطبيعية - بين الآلات والأدمغة".
من واجهات الدماغ والحاسوب إلى الذكاء الاصطناعي الأفضل
وتسير التداعيات في كلا الاتجاهين. بالنسبة لعلم الأعصاب، فإن فهم القواعد البسيطة التي تنظم بها الدوائر نفسها ذاتيًا يمكن أن يوضح كيفية عمل التعلم، وكيف ينهار. يشير لياو إلى واجهات الدماغ والحاسوب، التي تهدف إلى استعادة التواصل للأشخاص الذين فقدوا القدرات اللغوية أو السماح للمرضى المصابين بالشلل بالتحكم في الأطراف الاصطناعية، باعتبارها مجالًا تكون فيه معرفة هذه القواعد أمرًا ضروريًا. وقال: "لا يمكن لأي من هذه الأشياء أن تعمل دون معرفة القواعد الكامنة وراء التفاعلات بين الخلايا العصبية". "لا يمكن تحقيق ذلك بمجرد تصميم دائرة تعمل بشكل جيد للغاية." ويمكن لهذه المعرفة نفسها أن تساعد في علاج الحالات التي تتعطل فيها قواعد التعلم بسبب الشيخوخة أو المرض.
بالنسبة للتعلم الآلي، تشير النتائج إلى مساحة تصميم غير مستكشفة. يحذر لياو من أن الشبكة ذاتية التنظيم لا تتعلم بالضرورة بالطريقة التي يتعلم بها الدماغ، لكنه يضع التنظيم الذاتي كنقطة انطلاق حاسمة. وقال "التنظيم الذاتي هو أول إطار رفيع المستوى". "بمجرد أن نكون جيدين في التنظيم الذاتي كإجراء، يمكننا أن نتحدث عن الشيء التالي." الهدف الرئيسي للمجموعة هو فهم الدماغ، لكن المعرفة يمكن أن تساعد المهندسين في نهاية المطاف على بناء شبكات ذات أداء أفضل أو تتصرف بطرق تشبه الإنسان.
هناك أيضًا سؤال مفتوح حول التفاصيل. قد تختلف القواعد التي تعيد تشكيل الروابط العصبية عندما يتعلم الحيوان عبر مناطق الدماغ، وقد تتغير مع نضوج الدماغ - وهو احتمال يقول الباحثون إنه يجب على علماء الأعصاب رسمه قبل أن تتمكن من مطابقة نماذج القواعد البسيطة بدوائر بيولوجية محددة. وهذا التخطيط بدوره يمكن أن يكشف أين وكيف تتعطل آلية التعلم بسبب الشيخوخة أو المرض، مما يسترشد به في استراتيجيات الوقاية والعلاجات.
تمت تغطية الدراسة، التي أجراها معهد ماكجفرن لأبحاث الدماغ ومركز K. Lisa Yang ICoN، بواسطة أخبار معهد ماساتشوستس للتكنولوجيا في 13 أكتوبر 2026.
---
ابق على اطلاع بأخبار الذكاء الاصطناعيآخر أخبار وتحليلات وإنجازات الذكاء الاصطناعي — في مكان واحد.
اقرأ المزيد من أخبار الذكاء الاصطناعي →
