Mitandao Bandia ya neva kwa kawaida huundwa na wahandisi: wabunifu huamua jinsi nguvu za muunganisho zinavyobadilika mtandao unapojifunza kutokana na data na maoni. Utafiti mpya kutoka kwa MIT unasema kuwa mbinu hii inayoendeshwa na mbunifu, hata hivyo ina nguvu, inaweza kutuambia kidogo jinsi ubongo hujifunza - na inaonyesha njia mbadala ambayo mitandao hujipanga.
Katika karatasi iliyochapishwa Oktoba 9 katika Kesi za Chuo cha Kitaifa cha Sayansi (PNAS), wanasayansi katika Taasisi ya MIT ya McGovern ya Utafiti wa Ubongo na Kituo cha K. Lisa Yang Integrative Computational Neuroscience (ICoN) kinaonyesha kuwa mtandao wa neva wa bandia unaweza kuunda mashine yake ya kujifunzia. Kuanzia miunganisho ya nasibu na kufuata sheria rahisi tu za ndani kuhusu jinsi na wakati miunganisho inapaswa kubadilika, mtandao ulijipanga upya kuwa mfumo bora wa kuchakata taarifa. For more context on this story, see our ongoing breaking AI news.
Kwa Nini Usahihi wa Kibiolojia Ni Muhimu
"Teknolojia ya sasa ya AI inafanya kazi vizuri sana, lakini si lazima kutumia algorithm ya kujifunza ambayo hutumiwa na ubongo," alisema Qianli Liao, mwanafunzi wa postdoctoral wa Kituo cha K. Lisa Yang ICon katika maabara ya maprofesa wa MIT Tomaso Poggio na Mark Harnett, na mwandishi mwenza wa kwanza wa karatasi hiyo pamoja na mwanafunzi wa utafiti wa Zilun Liu mwanasayansi wa Zilun Liu.
Tofauti hiyo ni muhimu kwa wanasayansi wa neva ambao wanataka kutumia miundo ya AI kama madirisha kwenye ubongo. Kujifunza kwa mashine ya kisasa kunategemea uenezaji nyuma, algoriti wanasayansi wengi wa neva wanaona uwezekano wa kuwepo katika saketi za neural za kibayolojia. "Ubongo hauna mbunifu wa nje au mbunifu," Liao alisema. "Ubongo lazima ujipange. Na tunahitaji kujua jinsi sheria rahisi zinavyoweza kuufanya ubongo kujipanga."
Hoja kuu ya timu ni kwamba thamani ya mtandao kama kielelezo cha ubongo inapaswa kutathminiwa kulingana na kiwango ambacho inaweza kujipanga - sio tu miunganisho yake, lakini mashine inayorekebisha miunganisho hiyo.
Jinsi Mtandao wa Kujipanga Unafanya kazi
Watafiti waliunda mitandao ambayo muundo wake huanza kama tabaka nyingi za vitengo vilivyounganishwa kwa nasibu, kama niuroni. Ndani ya kila safu, kila kitengo kinatawaliwa na sheria sawa rahisi za jinsi miunganisho inapaswa kurekebishwa. "Wanaingiliana tu kwa kutumia sheria hiyo, na wanakuza aina fulani ya tabia," Liao alielezea.
Sheria ni aina ambazo wanasayansi wa neva wanaamini kuwa huunganisha tena mizunguko ya ubongo wakati wa kujifunza - ikiwa ni pamoja na kanuni ya kawaida kwamba "nyuroni zinazounganisha waya pamoja," kumaanisha kuwasha kwa wakati mmoja huimarisha muunganisho kati ya niuroni mbili.
Kama mtandao ulivyojifunza, motif za kujikusanya ziliibuka kulingana na sheria hizi rahisi na kisha kutumika kama vizuizi vya ujenzi wa mizunguko ya kazi. Motifu hizo ziliendelea kujipanga upya kwa kutumia mkakati wa uboreshaji unaofanana na ukoo wa gradient - mchakato wa kurekebisha unaoendeshwa na hitilafu uliojumuishwa katika ujifunzaji wa kisasa zaidi wa mashine - lakini unaotokana na mienendo ya ndani ya mtandao badala ya algoriti iliyowekwa na nje.
Utendaji Kulinganishwa na Mitandao Kawaida
Jaribio muhimu lilikuwa ikiwa mfumo huu uliojipanga unaweza kweli kujifunza. Inaweza: timu ilionyesha kuwa mtandao unaojipanga unaotawaliwa na sheria hizi za ndani ulijifunza kutambua ruwaza na kuainisha picha, ikifanya kazi kwa kiwango sawa na mitandao iliyoundwa kwa kawaida iliyofunzwa kupitia uenezaji nyuma.
Mwandishi mkuu Tomaso Poggio alitayarisha matokeo kama daraja linalowezekana kati ya nyanja mbili ambazo kwa muda mrefu zimekuwa zikifuata mifumo ile ile kutoka pande tofauti. Ikiwa motifu za sinepsi ambazo timu inapendekeza ni zile ambazo ubongo hutumia kutimiza kile ambacho uenezaji wa nyuma hufanya kwa mitandao ya bandia, alibaini, watafiti wangekuwa na "uhusiano mkubwa katika kiwango cha mifumo ya kimsingi kati ya mitandao ya bandia na asili - kati ya mashine na akili."
Kutoka Violesura vya Kompyuta-Kompyuta hadi AI Bora
Athari zinaenda kwa pande zote mbili. Kwa sayansi ya neva, kuelewa sheria rahisi ambazo saketi hujipanga kunaweza kufafanua jinsi kujifunza kunavyofanya kazi - na jinsi kunavyoharibika. Liao anaelekeza kwenye miingiliano ya ubongo na kompyuta, ambayo inalenga kurejesha mawasiliano kwa watu ambao wamepoteza uwezo wa lugha au kuruhusu wagonjwa waliopooza wadhibiti viungo bandia, kama sehemu ambayo kujua sheria hizi ni muhimu. "Hakuna kati ya hizi inayoweza kufanya kazi bila kujua sheria nyuma ya mwingiliano wa neuron-neuron," alisema. "Hilo haliwezekani kwa kubuni tu mzunguko unaofanya kazi vizuri sana." Ujuzi huo huo unaweza kufahamisha matibabu kwa hali ambazo sheria za kujifunza zinatatizwa na uzee au magonjwa.
Kwa ujifunzaji wa mashine, matokeo yanapendekeza nafasi ya muundo ambayo haijachunguzwa. Liao anaonya kwamba mtandao unaojipanga si lazima ujifunze jinsi ubongo unavyojifunza - lakini anaweka utaratibu wa kujipanga kama hatua muhimu ya kuanzia. "Kujipanga ni mfumo wa kwanza wa ngazi ya juu," alisema. "Mara tu tunapokuwa vizuri na kujipanga kama kipimo, basi tunaweza kuzungumza juu ya jambo linalofuata." Kusudi kuu la kikundi ni kuelewa ubongo, lakini maarifa yanaweza kusaidia wahandisi kuunda mitandao inayofanya kazi vizuri zaidi au kuishi kwa njia zinazofanana na za kibinadamu.
Pia kuna swali wazi kuhusu granularity. Sheria ambazo hurekebisha miunganisho ya neva kama mnyama hujifunza zinaweza kutofautiana katika maeneo ya ubongo, na zinaweza kubadilika kadiri ubongo unavyokua - uwezekano ambao watafiti wanasema wanasayansi wa neva lazima watoe ramani kabla ya mifano ya kanuni rahisi kulinganishwa na saketi maalum za kibaolojia. Uchoraji huo wa ramani, unaweza kufichua wapi na jinsi gani mashine ya kujifunzia inatatizwa na uzee au magonjwa, kuarifu mikakati ya kuzuia na matibabu.
Utafiti huo, kutoka Taasisi ya McGovern ya Utafiti wa Ubongo na Kituo cha Icon cha K. Lisa Yang, ulifunikwa na Habari za MIT mnamo Oktoba 13, 2026.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
