الإنفجارات العصبية والذكاء الإصطناعي

معلومة تهمك

الانفجارات العصبية والذكاء الاصطناعي
مصر: إيهاب محمد زايد
يمكن للانفجارات العصبية أن تحاكي إستراتيجية التعلم الشهيرة بالذكاء الاصطناعي
يركز نموذج جديد للتعلم على دفعات من النشاط العصبي تعمل كإشارات تعليمية – تقترب من الانتشار العكسي ، وهي الخوارزمية الكامنة وراء التعلم في الذكاء الاصطناعي.
في كل مرة يتعلم فيها الإنسان أو الآلة كيفية التحسن في مهمة ما ، يترك وراءه سلسلة من الأدلة. تسلسل التغييرات الجسدية – على الخلايا في الدماغ أو على القيم الرقمية في الخوارزمية – يكمن وراء الأداء المحسن. لكن كيف يكتشف النظام بالضبط التغييرات التي يجب إجراؤها ليس بالأمر الهين. يطلق عليه مشكلة تعيين الائتمان ، حيث يجب على الدماغ أو نظام الذكاء الاصطناعي تحديد الأجزاء المسؤولة عن الأخطاء في خط الأنابيب ، ثم إجراء التغييرات اللازمة. بعبارة أكثر بساطة: إنها لعبة إلقاء اللوم على المخطئ.

حل مهندسو الذكاء الاصطناعي مشكلة تخصيص الائتمان للآلات ذات الخوارزمية القوية التي تسمى backpropagation ، والتي انتشرت في عام 1986 مع أعمال جيفري هينتون وديفيد روميلهارت ورونالد ويليامز. إنه الآن العمود الفقري الذي يدعم التعلم في أكثر أنظمة الذكاء الاصطناعي نجاحًا ، والمعروفة باسم الشبكات العصبية العميقة ، والتي تحتوي على طبقات مخفية من “الخلايا العصبية” الاصطناعية بين طبقات الإدخال والإخراج. والآن ، في ورقة بحثية نُشرت في مجلة Nature Neuroscience في مايو ، ربما وجد العلماء أخيرًا ما يعادل الأدمغة الحية التي يمكن أن تعمل في الوقت الفعلي.

كشف فريق من الباحثين بقيادة ريتشارد ناود من جامعة أوتاوا وبليك ريتشاردز من جامعة ماكجيل ومعهد ميلا للذكاء الاصطناعي في كيبيك عن نموذج جديد لخوارزمية التعلم في الدماغ والتي يمكن أن تحاكي عملية التكاثر العكسي. يبدو من الواقعي أن علماء الأعصاب التجريبيين قد لاحظوا اهتمامهم الآن بدراسة الخلايا العصبية الحقيقية لمعرفة ما إذا كان الدماغ يقوم بذلك بالفعل.

معلومة تهمك

قال ماثيو لاركوم ، عالم الأعصاب التجريبي في جامعة هومبولت في برلين: “يمكن للأفكار القادمة من الجانب الأكثر نظرية أن تدفع الزخم لإجراء تجارب صعبة ، وبالنسبة لأموالي فإن هذه الورقة تتجاوز الحد المطلوب”. “هذا معقول بيولوجيا ويمكن أن يكون له تداعيات كبيرة.”

نموذج جديد لكيفية تعلم الدماغ ، اقترحه بليك ريتشاردز من جامعة ماكجيل ومعهد ميلا للذكاء الاصطناعي وريتشارد ناود من جامعة أوتاوا ، قد يحل أخيرًا مشكلة تخصيص الائتمان للعقول البشرية.

ماريز بويس معهد أوتاوا لأبحاث الدماغ والعقل
ومع ذلك ، فإن العمليتين ليستا متطابقتين تمامًا. عندما يتم تدريب شبكة عصبية عميقة على التعرف على صورة ما ، فإنها تستمر على مرحلتين: الانتشار الأمامي أولاً ثم الانتشار العكسي ، عندما يحدث “التعلم”. خلال المرحلة الأولى ، تقوم الخلايا العصبية في طبقة الإدخال بترميز ميزات الصورة وتمريرها. ثم تقوم الخلايا العصبية في الطبقات المخفية بإجراء عمليات حسابية وترسل نتائجها إلى طبقة الإخراج ، والتي تبث توقعاتها للصورة ، مثل “القط”. ولكن إذا كانت الصورة في الواقع لكلب ، فالأمر متروك لخوارزمية backpropagation لتدخل وإصلاح الخطأ الذي حدث عن طريق ضبط الأوزان التي تربط الخلايا العصبية.

تستند هذه التغييرات إلى حساب كيف يمكن لكل خلية عصبية أن تساهم بشكل أقل في الخطأ الكلي ، بدءًا من الخلايا العصبية في الأعلى ، وأقرب طبقة الإخراج ، ثم تتحرك للخلف خلال كل طبقة. إذا قدرت خوارزمية الانتشار العكسي أن زيادة نشاط خلية عصبية معينة سيؤدي إلى تحسين توقع المخرجات ، على سبيل المثال ، فإن أوزان تلك الخلايا العصبية ستزداد. الهدف هو تغيير جميع الاتصالات في الشبكة العصبية – كل واحدة في الاتجاه الصحيح قليلاً – حتى يتم تصحيح توقعات المخرجات في كثير من الأحيان.

لعقود من الزمان ، حاول الباحثون اكتشاف كيفية أداء الدماغ لشيء مثل التكاثر العكسي لحل مشكلة تعيين الائتمان. لا يعد التكاثر العكسي بحد ذاته مقبولًا من الناحية البيولوجية لأنه ، من بين أمور أخرى ، لا يمكن للخلايا العصبية الحقيقية التوقف عن معالجة العالم الخارجي والانتظار حتى يبدأ التكاثر العكسي – إذا حدث ذلك ، فسينتهي بنا الأمر إلى حدوث ثغرات في رؤيتنا أو سمعنا.

نجح نموذج ناود وريتشاردز الجديد في التغلب على هذا من خلال تغيير بسيط في الفهم القانوني لكيفية تواصل الخلايا العصبية مع بعضها البعض. لقد عرفنا منذ فترة طويلة أن الخلايا العصبية تعمل على شكل وحدات بت ، قادرة على تكوين اثنين فقط إما إرسال ارتفاع في النشاط الكهربائي إلى خلية عصبية أخرى أو عدم إرسالها – إما 1 أو 0. ولكن من الصحيح أيضًا أن الخلايا العصبية يمكنها إرسال “انفجار” من النبضات في تتابع سريع. وقد ثبت أن القيام بذلك يغير الروابط بين الخلايا العصبية ، مما يجعل الاندفاعات مرشحًا طبيعيًا لحل مشكلة تخصيص الائتمان. في النموذج الجديد ، اعتبر الفريق أن انفجارات العصبونات هي إشارة خرج ثالثة ، تيار من 1 ثانية قريبًا جدًا من بعضها يصبح بشكل فعال 2. بدلاً من ترميز أي شيء عن العالم الخارجي ، يعمل 2 كـ “إشارة تعليمية” لإخبار الخلايا العصبية الأخرى سواء لتقوية أو إضعاف اتصالاتهم ببعضهم البعض ، بناءً على الخطأ المتراكم في الجزء العلوي من الدائرة.

ولكن لكي تتمكن إشارة التدريس هذه من حل مشكلة تعيين الائتمان دون الضغط على “توقف مؤقت” في المعالجة الحسية ، فإن نموذجهم يتطلب قطعة رئيسية أخرى. اقترح فريق Naud و Richards أن الخلايا العصبية لها حجرات منفصلة في الأعلى والأسفل تعالج الشفرة العصبية بطرق مختلفة تمامًا.

قال ناود: “يُظهر [نموذجنا] أنه يمكنك حقًا الحصول على إشارتين ، إحداهما ترتفع والأخرى تنخفض ، ويمكنهما تمرير بعضهما البعض”.

لجعل هذا ممكنًا ، يفترض نموذجهم أن الفروع الشبيهة بالأشجار التي تتلقى مدخلات على قمم الخلايا العصبية تستمع فقط للدفقات – إشارة التدريس الداخلية – من أجل ضبط اتصالاتها وتقليل الخطأ. يحدث الضبط من أعلى لأسفل ، تمامًا كما هو الحال في backpropagation ، لأنه في نموذجهم ، تنظم الخلايا العصبية الموجودة في الجزء العلوي احتمالية إرسال الخلايا العصبية الموجودة أسفلها دفعة. أظهر الباحثون أنه عندما تحتوي الشبكة على مزيد من الانفجارات ، تميل الخلايا العصبية إلى زيادة قوة اتصالاتها ، بينما تميل قوة الاتصالات إلى الانخفاض عندما تكون إشارات الاندفاع أقل تواترًا. الفكرة هي أن إشارة الاندفاع تخبر الخلايا العصبية أنه يجب أن تكون نشطة أثناء المهمة ، وتقوية روابطها ، إذا كان القيام بذلك يقلل من الخطأ. يخبر عدم وجود رشقات نارية الخلايا العصبية أنها يجب أن تكون غير نشطة وقد تحتاج إلى إضعاف روابطها.

في الوقت نفسه ، تعالج الفروع الموجودة أسفل العصبون الدفقات كما لو كانت طفرات مفردة – إشارة العالم الخارجية العادية – والتي تسمح لها بمواصلة إرسال المعلومات الحسية إلى أعلى في الدائرة دون انقطاع.

قال جواو ساكرامنتو ، عالم الأعصاب الحاسوبي في جامعة زيورخ و ETH في زيورخ: “بالنظر إلى الماضي ، تبدو الفكرة المقدمة منطقية ، وأعتقد أن هذا يتحدث عن جمالها”. “أعتقد أن هذا رائع.”

حاول آخرون اتباع نفس المنطق في الماضي. قبل عشرين عامًا ، اقترح كونراد كوردينج من جامعة بنسلفانيا وبيتر كونيغ من جامعة أوسنابروك في ألمانيا إطارًا تعليميًا باستخدام الخلايا العصبية المكونة من جزئين. لكن اقتراحهم افتقر إلى العديد من التفاصيل المحددة في النموذج الأحدث ذات الصلة بيولوجيًا ، وكان مجرد اقتراح – لم يتمكنوا من إثبات أنه يمكن بالفعل حل مشكلة تخصيص الائتمان.

بفضل القوة الحسابية الحالية ، نجح ناود وريتشاردز والمتعاونون معهم في محاكاة نموذجهم بنجاح ، مع انفجار الخلايا العصبية التي تلعب دور قاعدة التعلم. لقد أظهروا أنه يحل مشكلة تعيين الائتمان في مهمة كلاسيكية تُعرف باسم XOR ، والتي تتطلب تعلم الاستجابة عندما يكون أحد المدخلين (ولكن ليس كلاهما) هو 1. وأظهروا أيضًا أن الشبكة العصبية العميقة المبنية بقاعدة الاندفاع الخاصة بهم يمكن أن تكون تقريبية أداء خوارزمية الانتشار العكسي في مهام تصنيف الصور الصعبة. ولكن لا يزال هناك مجال للتحسين ، حيث كانت خوارزمية backpropagation لا تزال أكثر دقة ، ولا تتطابق تمامًا مع القدرات البشرية.

قال نود: “يجب أن تكون هناك تفاصيل ليست لدينا ، وعلينا أن نجعل النموذج أفضل”. “الهدف الرئيسي من الورقة البحثية هو القول بأن نوع التعلم الذي تقوم به الآلات يمكن تقريبه من خلال العمليات الفسيولوجية.”

باحثو الذكاء الاصطناعي متحمسون أيضًا ، لأن اكتشاف كيف يقترب الدماغ من الانتشار العكسي يمكن أن يحسن في النهاية كيفية تعلم أنظمة الذكاء الاصطناعي أيضًا. قال مارسيل فان جيرفن ، رئيس قسم الذكاء الاصطناعي في معهد دوندرز في جامعة رادبود: “إذا فهمنا ذلك ، فقد يؤدي ذلك في النهاية إلى أنظمة يمكنها حل المشكلات الحسابية بكفاءة مثل الدماغ”.يشير النموذج الجديد إلى أن الشراكة بين علم الأعصاب والذكاء الاصطناعي يمكن أيضًا أن تتجاوز فهمنا لكل واحد على حدة ، وبدلاً من ذلك نجد المبادئ العامة اللازمة للأدمغة والآلات لتكون قادرة على تعلم أي شيء على الإطلاق.

قال لاركوم: “هذه مبادئ ، في النهاية ، تتجاوز البرامج الرطبة”.

تنبيه هام، المنشور يعبر عن رأي الكاتب ويتحمل مسؤوليته، دون ادنى مسؤولية علي الجريدة

تنبيه

احصل على تحديثات في الوقت الفعلي مباشرة على جهازك ، اشترك الآن.

معلومة تهمك

اترك رد

لن يتم نشر عنوان بريدك الإلكتروني.

%d مدونون معجبون بهذه: