كيف تتحرك الذكاء الاصطناعى وعلم الأعصاب إلى الأمام

مزيج من الذكاء الاصطناعى وعلم الدماغ يعد بفوائد لكلا المجالين

يريد Cetan Pandarinah إعطاء الأشخاص ذوي الأطراف المشلولة الفرصة لتشغيل الأشياء بمساعدة ذراع آلية بشكل طبيعي كما هو الحال مع ذراعه. لتحقيق هذا الهدف ، جمع سجلات نشاط الدماغ لدى المصابين بالشلل. أمله ، الذي يشاركه العديد من الباحثين ، هو أنه من الممكن إنشاء أنماط من النشاط الكهربائي في الخلايا العصبية التي تتحكم في حركة اليد بحيث يمكن بعد ذلك تقديم هذه التعليمات إلى الأطراف الصناعية. هذا هو في الأساس قراءة الفكر.

وقال مهندس في مجال الطب الحيوي بمعهد جورجيا للتكنولوجيا في أتلانتا باندارين: "لقد تبين أن إشارات الدماغ هذه صعبة للغاية". بحثًا عن حل للمشكلة ، التفت إلى منظمة العفو الدولية. لقد استخدم تسجيلاته لنشاط الدماغ لتدريب شبكة عصبية اصطناعية - بنية الكمبيوتر ، تم استعارة فكرتها من الدماغ ، ووضع أمامها مهمة استنساخ البيانات.

تم إجراء تسجيلات على مجموعة صغيرة من الخلايا العصبية في الدماغ - حوالي 200 من أصل 100 - 100 مليون خلية عصبية تتحكم في حركة أيدي البشر. لكي تكون هذه العينة الصغيرة منطقية ، كان على الكمبيوتر أن يجد أنماطًا يسميها الباحثون عوامل خفية تتحكم في السلوك العام لنشاط الدماغ المسجل. كشفت هذه الدراسة عن الديناميات الزمنية للنشاط العصبي ، حيث تولدت مجموعة أكثر دقة من تعليمات حركة اليد مقارنة بالطرق السابقة. "الآن يمكننا أن نقول ، لأقرب ميلي ثانية ، أن الحيوان التجريبي يحاول التحرك في هذه الزاوية بالضبط" ، يوضح بانداريناخ ، "هذا هو بالضبط ما نحتاج إلى معرفته من أجل السيطرة على الذراع الآلية."

عمله هو مجرد مثال واحد على التفاعل المتنامي بين الذكاء الاصطناعى والعلوم المعرفية. حققت منظمة العفو الدولية ، بفضل قدرتها على تحديد الأنماط في مجموعات البيانات الكبيرة والمعقدة ، تقدماً ملحوظاً في العقد الماضي ، ولا سيما محاكاة العملية التي يقوم بها الدماغ بإجراء حسابات معينة. لقد أعطت الشبكات ANN ، على غرار شبكات الخلايا العصبية التي تشكل الدماغ ، أجهزة الكمبيوتر القدرة على تمييز صورة القط عن الصور الأخرى ، وتحديد المشاة بدقة كافية لقيادة المركبات غير المأهولة ، وكذلك التعرف على الكلام والرد عليها. الآن ، بدأ العلم الإدراكي يستفيد من قوة الذكاء الاصطناعي ، كنموذج لتطوير واختبار الأفكار حول كيفية إجراء الدماغ للحسابات ، وكأداة لمعالجة المصفوفات المعقدة من البيانات التي يتم الحصول عليها في دراسات مماثلة لتلك التي أجراها Pandarinakh. يقول [ Chethan Pandarinath Pub: "لقد أحدثت التكنولوجيا ثورة كاملة في تطورها ويتم تطبيقها الآن لفهم كيفية عمل الدماغ نفسه" . ]. من المحتمل أن تستمر دورة التضخيم المتبادلة هذه. نظرًا لأن الذكاء الاصطناعى يسمح لعلماء الأعصاب بالحصول على فكرة عن كيفية إجراء الدماغ للحسابات ، فإن أبحاثهم الإضافية يمكن أن تؤدي إلى آلات يمكنها أن تستوعب المزيد من الذكاء البشري.

يقول مانيش سهاني ، وهو منظري عالم الأعصاب وباحث في علم الجهاز العصبي في قسم علم الأعصاب الحاسوبية في جامعة غاتسبي بلندن ، بطبيعة الحال ، فإن الاثنين يجمعان معاً. "نحن ندرس نفس الشيء بفعالية. في إحدى الحالات ، نسأل عن كيفية حل مشكلة التعلم هذه رياضياً ، بحيث يمكن تنفيذها بفعالية في أي جهاز. في حالة أخرى ، نحن ننظر إلى الدليل الوحيد على أن المشكلة يمكن حلها هي الدماغ "[ Maneesh Sahani Pub. ].

العمل مع البيانات

تعتبر طرق الذكاء الاصطناعي مفيدة ليس فقط لإنشاء النماذج وتوليد الأفكار ، ولكن أيضًا كأدوات لمعالجة البيانات. يقول سهاني: "البيانات العصبية معقدة للغاية ، ولذا فإننا غالباً ما نستخدم طرق التعلم الآلي فقط لإيجاد بنية فيها". تتمثل القوة الرئيسية للتعلم الآلي في التعرف على الأنماط التي قد تكون خفية أو مخفية للغاية في مجموعات البيانات الضخمة التي لا يمكن للناس اكتشافها.

يقوم التصوير بالرنين المغناطيسي الوظيفي ، على سبيل المثال ، بإنشاء صور للنشاط في جميع أنحاء الدماغ بدقة 1-2 ملليمتر كل ثانية أو نحو ذلك ، وربما لساعات. يقول نيكولاس تورك براون ، عالم الأعصاب الإدراكي في جامعة ييل في نيوهافن ، كونيتيكت: "مهمة علم الأعصاب الإدراكي هي كيفية العثور على إشارة مفيدة في الصور كبيرة جدًا جدًا". تقود شركة Turk-Brown واحدة من العديد من المشاريع التي تبحث عن أفكار جديدة عند تقاطع علم البيانات وعلم الأعصاب [ Nicholas B Turk-Browne Pub. ].

يؤدي استخدام جهاز لتحليل هذه البيانات إلى زيادة سرعة البحث. وقال ديفيد سوسيلو ، وهو آلة حاسبة عصبية لفريق غوغل برين في سان فرانسيسكو ، كاليفورنيا: "هذا تغيير كبير في كيفية إجراء البحوث البيولوجية العصبية". "لا يحتاج طلاب الدراسات العليا إلى القيام بأعمال روتينية غير ضرورية - يمكنهم التركيز على قضايا أكبر. يمكنك أتمتة الكثير والحصول على نتائج أكثر دقة. "

استنساخ المشاعر

كان إنشاء نظام اصطناعي من شأنه إعادة إنتاج بيانات المخ هو النهج الذي اتبعه دانييل يامينز ، عالم الأعصاب الحسابي في معهد وو تساي للعلوم العصبية بجامعة ستانفورد. في عام 2014 ، عندما قام Yamins ، بعد حصوله على الدكتوراه في معهد ماساتشوستس للتكنولوجيا في كامبريدج ، بتدريب زملائه على الشبكة العصبية للتنبؤ بنشاط الدماغ لدى قرد عندما يتعرف على كائنات معينة [ Yamins، DLK et al.، 2014 ]. يتم التعرف على الأشياء في البشر والقردة عن طريق نظام الدماغ يسمى التدفق البصري البطني ، والذي يحتوي على اثنين من السمات المعمارية الرئيسية. أولاً ، هو إعادة تنظير العين ، مما يعني أن مسارات المعالجة البصرية في المخ منظمة بطريقة تجعل العين تتصور المعلومات المرئية. ثانياً ، النظام هرمي ؛ تؤدي مناطق معينة من القشرة مهامًا متزايدة التعقيد من طبقة تحدد فقط ملامح الكائنات إلى طبقة أعلى تتعرف على كائن بأكمله ، مثل سيارة أو وجه. تفاصيل كيفية عمل الطبقات العليا غير معروفة ، ولكن كنتيجة لذلك ، يمكن للمخ التعرف على كائن في مواضع مختلفة ، في ظروف الإضاءة المختلفة ، عندما يكون له حجم مختلف بسبب مسافات مختلفة عليه ، وحتى عندما يكون مخفيًا جزئيًا. أجهزة الكمبيوتر في كثير من الأحيان لا يمكن التعامل مع هذه الصعوبات.

قام Jamins وزملاؤه ببناء شبكتهم العصبية للتعلم العميق وفقًا لنفس بنية التسلسل الهرمي الشبكية كما في الدماغ ، وأظهروا لها آلاف الصور من 64 كائنًا تختلف في خصائص مثل الحجم والموضع. عندما تعلمت الشبكة التعرف على الأشياء ، فقد طورت عدة أنماط ممكنة من النشاط العصبي. ثم قارن الباحثون أنماط الكمبيوتر هذه بالأنماط المسجلة على الخلايا العصبية القردة في وقت كانوا يقومون فيه بمهمة مماثلة. اتضح أن خيارات الشبكة تلك التي تعرف الكائنات على أفضل وجه لها أنماط نشاط كانت أقرب إلى أنماط دماغ القرد. يقول جامينز: "لقد وجدنا أن البنية العصبية تتم محاكاتها في بنية الشبكة" ، وقد تمكن الباحثون من مقارنة مناطق شبكتهم بمناطق الدماغ بدقة تصل إلى 70٪ تقريبًا.

أكدت النتائج أن بنية التدفق البصري البطني مهمة جدًا لعملية التعرف في النظام البصري للدماغ. في عام 2018 ، حقق Jamins وزملاؤه طفرة مماثلة من خلال استكشاف القشرة السمعية ، التي أنشأوا من خلالها شبكة عصبية تعليمية عميقة يمكنها تحديد الكلمات وأنواع الموسيقى في مقاطع ثانيتين بنفس الدقة التي يتمتع بها البشر [ Kell، AJE et al. 2018 ]. وقد ساعد ذلك الباحثين على تحديد أي مناطق من القشرة الدماغية تؤدي التعرف على الكلام وأيها تتعرف على الموسيقى - وهي خطوة جديدة في فهم النظام السمعي للدماغ.

لا يزال علماء الأعصاب بعيدًا عن فهم الطريقة التي يتعامل بها الدماغ مع مهمة مثل التمييز بين موسيقى الجاز وموسيقى الروك ، لكن التعلم الآلي يمنحهم الفرصة لبناء نماذج لاستكشاف هذه المشكلات. يقول جامينز إنه إذا تمكن الباحثون من إنشاء أنظمة تعمل على نحو مماثل للدماغ ، فيمكن أن يقترح هيكلها أفكارًا حول كيفية قيام الدماغ بحل هذه المشكلات. هذا مهم لأن العلماء غالبًا ما لا يكون لديهم فرضية عملية حول كيفية عمل الدماغ [ Daniel Yamins Pub. ].

بعد أن بنى الباحثون فرضية ، فإن الخطوة التالية هي اختبارها. عن طريق تغيير معالم نماذج الذكاء الاصطناعى ، يمكنك الحصول على فكرة عن نشاط الدماغ ، ومعرفة العوامل التي قد تكون مهمة لمهمة محددة. يقتصر الباحثون على الاعتبارات الأخلاقية من حيث مقدار ما يمكنهم التدخل في العمليات في الدماغ البشري السليم. لذلك ، يتم تسجيل العديد من تسجيلات النشاط العصبي لدى البشر على أدمغة أولئك الذين يعانون من الصرع والذين يحتاجون إلى إزالة أنسجة المخ. هذا يرجع إلى حقيقة أن زرع الأقطاب الكهربائية في أنسجة المخ مسموح به ، والذي سيتم إزالته في أي حال. تسمح الحيوانات التجريبية للباحثين باستخدام المزيد من الإجراءات الغازية ، ولكن هناك أشكالًا من السلوك البشري ، وخاصة الكلام ، لا يمكن استنساخها من قبل الأنواع الأخرى. إن أنظمة الذكاء الاصطناعي التي يمكن أن تحاكي السلوك البشري وتعرض لأي نوع من التأثير دون التسبب في مشاكل أخلاقية ، ستزود العلماء بأدوات إضافية لدراسة كيفية عمل الدماغ. يمكن للباحثين ، على سبيل المثال ، تعليم شبكة لإعادة إنتاج الكلام ، ومن ثم تحطيمه من أجل التحقيق في كيفية ارتباط ذلك بالتعرض (مثال آخر مثير للاهتمام لنمذجة الشبكة العصبية لمشاعر - ترد مشاعر الأرقام في هذا المنشور على Habré - مذكرة المترجم ).

اعتبارات عامة

يحل الكمبيوتر والعلوم المعرفية بعض الأسئلة المهمة ، وفهم كيفية الإجابة عليها في أي من هذه المجالات يمكن أن يؤدي إلى تقدم في كلا المجالين. أحد هذه الأسئلة هو كيف يتم التدريب بالضبط؟ تقوم الشبكات العصبية بشكل رئيسي بالتعلم الخاضع للإشراف - تدريب مع معلم. على سبيل المثال ، للتعرف على الصور ، يمكن تدريبهم باستخدام الصور التي تم الحصول عليها من قاعدة بيانات ImageNet ، والتي تتكون من أكثر من 14 مليون صورة لكائنات تم تصنيفها وتعليقها من قبل أشخاص. أثناء التدريب ، تنشئ الشبكة وصفًا إحصائيًا لما تشترك به الصور التي تحمل نفس التسمية - على سبيل المثال ، "القط". عندما تقدم الشبكات صورة جديدة ، يتم التحقق من وجود سمات رقمية مماثلة ، إذا كان هناك تطابق ، ثم يتم الإعلان عن الصورة بواسطة القط.

يقول توماسو بوجيو ، اختصاصي حساب التفاضل العصبي في مركز العقل والعقل والآلات ، وهو جزء من معهد ماساتشوستس للتكنولوجيا ، من الواضح أن هذه ليست الطريقة التي يتعلم بها الأطفال. يقول: "يرى الطفل حوالي مليار صورة في أول عامين من الحياة". ولكن يتم تسمية أو تسمية بعض هذه الصور بطريقة أو بأخرى. يقول بوجيو ، "لا نعرف بعد كيفية التعامل مع هذا ، وكيفية إنشاء أجهزة تتعلم بشكل أساسي من البيانات غير المميزة."

يقع مختبره في المرحلة الأولى من المشروع ، والذي سيتيح للشبكة العصبية أداء التدريب دون وجود معلم ، للعثور على أنماط في مقاطع الفيديو غير المميزة. يقول بوجيو: "نحن نعرف أن الحيوانات والبشر يمكنهم القيام بذلك". - "السؤال هو ، كيف؟"

يعالج Jamins مسألة التعلم بدون معلم عن طريق تطوير برامج تتصرف مثل الأطفال في لعبة ، وتجري مقابلة مع محيطهم من خلال تفاعلات عشوائية ، وتطور تدريجياً فهمًا لكيفية عمل العالم. في الأساس ، يقوم ببرمجة الفضول لتحفيز الكمبيوتر على استكشاف البيئة على أمل ظهور أنماط جديدة من السلوك.

مسألة أخرى لم تحل هي ما إذا كانت بعض جوانب الذكاء هي تطور "راسخ". على سبيل المثال ، من المحتمل أن يتعرض الناس للاعتراف ، فالأطفال يقومون بذلك منذ الساعات الأولى من الحياة. يقترح بوجيو ، أن جيناتنا تشفر آلية للتعلم السريع والمبكر لهذه المهمة. قد يسمح فك رموز صحة هذه الفكرة للعلماء باستنباط طريقة واحدة لمساعدة الآلات على التعلم. يدرس باحثون آخرون الأسس العصبية للأخلاق. يقول بوجيو: "الناس خائفون من السيارات" الشريرة ". ربما نحتاج إلى فهم أفضل لكيفية ظهور سلوكنا الأخلاقي إذا أردنا بناء سيارات جيدة وآلات أخلاقية". [ Tomaso Poggio Pub. ]

يقول جامينز إنه من الصعب أن نفهم كيف يمكن لعلم الأعصاب وحده أن يكشف كيف يعمل التعلم بدون معلم. يقول: "إذا لم يكن لديك حل الذكاء الاصطناعي ، وإذا لم يكن لديك أي شيء يعمل بشكل مصطنع ، فلن يكون لديك نموذج عقلي". من المحتمل ، حسب اعتقاده ، أن يتوصل علماء الذكاء الاصطناعى إلى واحد أو أكثر من الحلول التي يمكن لعلماء الأعصاب اختبارها بعد ذلك.

ستساعد الإجابة على هذه الألغاز في إنشاء أجهزة أكثر ذكاءً تكون قادرة على التعلم في بيئتها ، والتي يمكن أن تجمع بين سرعة الكمبيوتر وقدرته على المعالجة وقدراته البشرية. تسفر معالجة البيانات والقدرة على المحاكاة على أجهزة الكمبيوتر بالفعل عن نتائج في علوم الدماغ ، وهذا لن يتقدم إلا. يقول سوسيلو: "سيكون لمنظمة العفو الدولية تأثير كبير على علم الأعصاب ، وأريد أن أشارك".

ملاحظة من قبل المترجم . بالنظر إلى تفاصيل جمهور هبر ، والتي لا تتطلب شرحًا لقضايا مثل الشبكة العصبية أو التعلم العميق ، فقد تمت الترجمة مع بعض الاختصارات التي لا تعد ضرورية لفهم المقالة.