حقبة جديدة في خوارزميات التعلم المستوحاة من الدماغ

كشف باحثون من وحدة ديناميكيات شبكة الدماغ التابعة لمجلس البحوث الطبية وقسم علوم الحاسوب بجامعة أكسفورد عن مبدأ رائد يلقي الضوء على كيفية تكيف الدماغ البشري وتعديله للروابط بين الخلايا العصبية أثناء التعلم. 

لا يعزز هذا الاكتشاف فهمنا للتعلم داخل شبكات الدماغ فحسب، بل يحمل أيضًا القدرة على إلهام تطوير خوارزميات تعلم أسرع وأكثر قوة في الذكاء الاصطناعي.

مبدأ تعلم الدماغ: التكوين المستقبلي

يكمن جوهر التعلم فيdentمكونات مسار معالجة المعلومات المسؤولة عن أخطاء المخرجات. في الذكاء الاصطناعي، يتم ذلك من خلال الانتشار العكسي، حيث يتم تعديل معلمات النموذج لتقليل أخطاء المخرجات.

كان يُعتقد على نطاق واسع أن الدماغ البشري يستخدم مبدأ تعلم مشابهًا. ومع ذلك، يتفوق الدماغ البيولوجي على أنظمة التعلم الآلي الحالية في جوانب عديدة.

فعلى سبيل المثال، يستطيع البشر تعلم معلومات جديدة بمجرد التعرض لها مرة واحدة، بينما تتطلب الأنظمة الاصطناعية في كثير من الأحيان مئات التكرارات لنفس البيانات لاستيعابها. علاوة على ذلك، يستطيع البشر اكتساب معارف جديدة مع الاحتفاظ بالمعلومات الموجودة، في حين أن إدخال بيانات جديدة في الشبكات العصبية الاصطناعية قد يتداخل مع المعرفة الموجودة ويؤدي إلى إضعافها.

دفعت هذه الملاحظات الباحثين إلى البحث عن المبدأ الأساسي الذي يحكم عملية التعلم في الدماغ. فقاموا بدراسة مجموعات المعادلاتmaticالموجودة التي تصف التغيرات في السلوك العصبي والوصلات المشبكية، وأجروا تحليلات ومحاكاة شاملة. وقد شكّلت النتائج التي توصلوا إليها تحديًا للمفاهيم السائدة.

في الشبكات العصبية الاصطناعية، تهدف الخوارزميات الخارجية إلى تعديل الوصلات المشبكية لتقليل الأخطاء، لكن الباحثين يقترحون أن الدماغ البشري يقوم أولاً بضبط نشاط الخلايا العصبية في تكوين متوازن مثالي قبل تعديل الوصلات المشبكية. 

يُعتقد أن هذا النهج الفريد، الذي يُطلق عليه اسم "التكوين الاستباقي"، هو سمة فعالة للتعلم البشري، حيث يقلل من التداخل ويحافظ على المعرفة الموجودة، وبالتالي يسرع عملية التعلم.

المحاكاة والتحقق

وقد دعم الباحثون نتائجهم بمحاكاة حاسوبية، مما يدل على أن النماذج التي تستخدم التكوين الاستباقي تفوقت على الشبكات العصبية الاصطناعية في المهام التي تواجهها الحيوانات والبشر بشكل شائع في البيئات الطبيعية.

ولتوضيح المفهوم، استخدم الباحثون مثال دب يصطاد سمك السلمون. ففي الشبكة العصبية الاصطناعية، إذا فقد الدب قدرته على سماع صوت النهر (بسبب تلف في إحدى أذنيه)، فإنه سيفقد أيضاً قدرته على شم رائحة السلمون، مما يؤدي إلى استنتاج خاطئ مفاده عدم وجود سمك سلمون في النهر. 

ومع ذلك، في دماغ الحيوان، لا يتعارض غياب الصوت مع معرفة أن رائحة سمك السلمون لا تزال موجودة، مما يسمح للدب بمواصلة سعيه بنجاح.

سد الفجوة

أكد البروفيسور رافال بوغاز، الباحث الرئيسي من وحدة ديناميكيات شبكة الدماغ التابعة لمجلس البحوث الطبية وقسم نوفيلد للعلوم العصبية السريرية بجامعة أكسفورد، على ضرورة سد الفجوة بين النماذجtracوفهمنا لتشريح الدماغ. وتهدف الأبحاث المستقبلية إلى كشف كيفية تطبيق خوارزمية التكوين الاستباقي في الشبكات القشريةdentتشريحياً.

أبرز الدكتور يوهانغ سونغ، المؤلف الرئيسي للدراسة، التحديات التي تواجه تطبيق التكوين الاستباقي في الحواسيب الحالية نظرًا للاختلافات الجوهرية بين أنظمة الحاسوب والدماغ البيولوجي. ودعا إلى تطوير حاسوب جديد أو أجهزة مخصصة مستوحاة من الدماغ قادرة على تنفيذ التكوين الاستباقي بسرعة وكفاءة في استهلاك الطاقة.