רשתות עצביות מלאכותיות מעוצבות בדרך כלל על ידי מהנדסים: מעצבים מחליטים כיצד משתנים חוזקות החיבור ככל שהרשת לומדת מנתונים ומשוב. מחקר חדש מ-MIT טוען שגישה מונעת מעצבים זו, עוצמתית ככל שתהיה, עשויה לספר לנו מעט על האופן שבו המוח לומד בפועל - ומדגימה חלופה שבה רשתות מתארגנות את עצמן.
במאמר שפורסם ב-9 באוקטובר ב-Proceedings of the National Academy of Sciences (PNAS), מדענים ממכון McGovern לחקר המוח של MIT ובמרכז K. Lisa Yang Integrative Computational Neuroscience (ICoN) מראים שרשת עצבים מלאכותית יכולה לבנות מנגנון למידה משלה. החל מחיבורים אקראיים והקפדה על כללים מקומיים פשוטים בלבד לגבי איך ומתי חיבורים צריכים להשתנות, הרשת עיצבה את עצמה מחדש למערכת יעילה לעיבוד מידע. For more context on this story, see our ongoing latest AI developments.
מדוע חשובה סבירות ביולוגית
"טכנולוגיית הבינה המלאכותית הנוכחית עובדת טוב מאוד, אבל היא לא בהכרח משתמשת באלגוריתם למידה המשמש את המוח", אמרה צ'יאנלי ליאו, עמיתת פוסט-דוקטורט של מרכז K. Lisa Yang ICoN במעבדותיהם של הפרופסורים ב-MIT Tomaso Poggio ומארק הארנט, ומחברת המחבר הראשונה של המאמר לצד סטודנטית למדעי המחקר Ziluin Liituu.
ההבחנה חשובה למדעני מוח שרוצים להשתמש במודלים של AI כחלונות למוח. למידת מכונה מודרנית מסתמכת על התפשטות לאחור, אלגוריתם שרוב מדעני המוח סבורים שלא קיים במעגלים עצביים ביולוגיים. "למוח אין מעצב או אדריכל חיצוני", אמר ליאו. "המוח צריך לארגן את עצמו. ואנחנו צריכים לדעת איך חוקים פשוטים יגרמו למוח להתארגן".
הטיעון המרכזי של הצוות הוא שערכה של רשת כמודל של המוח צריך להישפט לפי המידה שבה היא יכולה לארגן את עצמה - לא רק את הקשרים שלה, אלא המנגנון שמתאים את הקשרים האלה.
כיצד פועלת הרשת הארגונית העצמית
החוקרים בנו רשתות שהמבנה שלהן מתחיל כשכבות מרובות של יחידות דמויות נוירונים המחוברות זו לזו. בתוך כל שכבה, כל יחידה נשלטת על ידי אותם כללים פשוטים כיצד יש להתאים את החיבורים. "הם פשוט מקיימים אינטראקציה זה עם זה באמצעות הכלל הזה, והם מפתחים סוג של התנהגות", הסביר ליאו.
הכללים הם מהסוג שמדענים מוחיים מאמינים לחווט מחדש מעגלים מוחיים במהלך הלמידה - כולל העיקרון הקלאסי ש"נוירונים שיורים יחד חוט יחד", כלומר הפעלה בו-זמנית מחזקת את הקשר בין שני נוירונים.
כפי שלמדה הרשת, מוטיבים להרכבה עצמית הופיעו על פי הכללים הפשוטים הללו ולאחר מכן שימשו כאבני בניין למעגלים פונקציונליים. המוטיבים האלה המשיכו לארגן את עצמם מחדש באמצעות אסטרטגיית אופטימיזציה הדומה לירידה בשיפוע - תהליך ההתאמה מונע-שגיאות המובנה ברוב למידת המכונה המודרנית - אך נובע מהדינמיקה המקומית של הרשת עצמה ולא מאלגוריתם שנכפה מבחוץ.
ביצועים דומים לרשתות רגילות
המבחן המכריע היה האם מערכת מאורגנת עצמית זו באמת יכולה ללמוד. זה יכול היה: הצוות הראה שרשת מתארגנת עצמית הנשלטת על פי הכללים המקומיים הללו למדה לזהות דפוסים ולסווג תמונות, תוך ביצועים ברמה דומה לרשתות מעוצבות קונבנציונליות שאומנו באמצעות הפצה לאחור.
הסופר הבכיר טומאסו פוג'יו סיגר את התוצאה כגשר פוטנציאלי בין שני תחומים שכבר מזמן רודפים אחר אותם מנגנונים מכיוונים מנוגדים. אם המוטיבים הסינפטיים שהצוות מציע הם מה שהמוח משתמש בו כדי להשיג את מה שעושה התפשטות לאחור עבור רשתות מלאכותיות, הוא ציין, לחוקרים יהיה "קשר חזק ברמת המנגנונים הבסיסיים בין רשתות מלאכותיות וטבעיות - בין מכונות ומוחות".
ממשקי מוח-מחשב ל-AI טוב יותר
ההשלכות פועלות בשני הכיוונים. עבור מדעי המוח, הבנת הכללים הפשוטים שלפיהם מעגלים מתארגנים בעצמם יכולה להבהיר כיצד למידה עובדת - וכיצד היא מתפרקת. ליאו מצביע על ממשקי מוח-מחשב, שמטרתם לשחזר תקשורת לאנשים שאיבדו את יכולות השפה או נתנו לחולים משותקים לשלוט בגפיים תותבות, כתחום שבו הכרת הכללים הללו חיונית. "אף אחד מאלה לא יכול לעבוד בלי לדעת את הכללים מאחורי אינטראקציות נוירונים-נוירונים", אמר. "לא ניתן להשיג זאת רק על ידי תכנון מעגל שעובד טוב מאוד." אותו ידע יכול לתת מענה לטיפולים במצבים שבהם כללי למידה מופרעים על ידי הזדקנות או מחלה.
עבור למידת מכונה, הממצאים מצביעים על מרחב עיצובי שלא נחקר. ליאו מזהיר שרשת שמתארגנת בעצמה לא בהכרח לומדת כמו המוח - אבל הוא ממסגר ארגון עצמי כנקודת התחלה קריטית. "ארגון עצמי הוא המסגרת הראשונה ברמה גבוהה", אמר. "ברגע שאנחנו טובים עם ארגון עצמי כמדד, אז נוכל לדבר על הדבר הבא." המטרה העיקרית של הקבוצה היא הבנת המוח, אבל הידע יכול בסופו של דבר לעזור למהנדסים לבנות רשתות עם ביצועים טובים יותר או מתנהגים בדרכים כמו אנושיות יותר.
יש גם שאלה פתוחה לגבי פירוט. הכללים שמעצבים מחדש את הקשרים העצביים כפי שחיה לומדת עשויים להיות שונים בין אזורי המוח, והם עשויים להשתנות ככל שהמוח מתבגר - אפשרות שלפי החוקרים אומרים כי מדעני המוח חייבים למפות לפני שניתן יהיה להתאים מודלים של כללים פשוטים למעגלים ביולוגיים ספציפיים. מיפוי זה, בתורו, יכול לחשוף היכן וכיצד מכונות הלמידה מופרעות על ידי הזדקנות או מחלה, תוך מידע על אסטרטגיות מניעה כמו גם טיפולים.
המחקר, ממכון McGovern לחקר המוח ומרכז K. Lisa Yang ICoN, סוקרה על ידי MIT News ב-13 באוקטובר 2026.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
