علماء يصنعون دماغ ذكاء اصطناعي بحجم الجيب مستوحى من خلايا القرود

في خطوة علمية متقدمة، نجح باحثون في تطوير نموذج ذكاء اصطناعي مصغر، مستلهم من آلية عمل خلايا القرود، يتطلب طاقة أقل بكثير مقارنة بالأنظمة الحالية. يأتي هذا الإنجاز في سياق السعي لفهم كيف يمكن للأدمغة البيولوجية، وخاصة دماغ الإنسان، أن تؤدي مهام معقدة باستهلاك ضئيل للطاقة، وهو ما يمثل تحديًا كبيرًا لأنظمة الذكاء الاصطناعي التقليدية التي تستهلك كميات هائلة من الكهرباء.

النموذج الجديد، الذي يحاكي جزءًا من النظام البصري للدماغ، بدأ بـ 60 مليون متغير، ولكنه تمكن من الانكماش إلى نسخة تعمل بكفاءة تقارب النسخة الأصلية باستخدام 10,000 متغير فقط. هذا الحجم الصغير يفتح آفاقًا جديدة للتعامل مع الذكاء الاصطناعي، حيث يمكن إرساله عبر البريد الإلكتروني أو حتى مشاركته في تغريدة، مما يجعله أداة أكثر سهولة وعملية. وتبرز أهمية هذا العمل في قدرته على تقديم رؤى جديدة حول الأمراض التنكسية العصبية مثل الزهايمر، فضلاً عن المساهمة في تطوير ذكاء اصطناعي أكثر قوة وشبيه بالذكاء البشري.

ابتكار نماذج ذكاء اصطناعي فعالة

استلهام من النظام البصري للقرود

يأتي هذا البحث في إطار الجهود المستمرة لفهم النظام البصري لدى الكائنات الحية، والذي يقوم بتحويل البيانات الضوئية إلى تصورات مفهومة مثل التعرف على الوجوه أو المناظر الطبيعية. يواجه العلماء صعوبة في مراقبة عمل الدماغ البشري أثناء أداء هذه المهام، لذا يتجهون إلى نماذج الذكاء الاصطناعي لمحاكاة هذه العمليات.

تم تدريب النموذج الأولي على بيانات مستمدة من قرود المكاك، مع التركيز على خلايا عصبية تعرف بـ V4 neurons، وهي المسؤولة عن معالجة الألوان، الأنسجة، والمنحنيات، بالإضافة إلى تمييز الأشكال المعقدة. على الرغم من أن أنظمة الذكاء الاصطناعي الحالية تستطيع أداء مهام مماثلة باستخدام شبكات عصبية عميقة تتطلب حواسيب فائقة القدرة، إلا أن الهدف كان تطوير نموذج أكثر كفاءة.

تقنيات الضغط والتحسين

لتحقيق هذا الهدف، طبق الباحثون تقنيات ضغط مشابهة لتلك المستخدمة في ضغط الصور الرقمية، مع التركيز على إزالة الأجزاء المتكررة أو غير الضرورية في النموذج. وقد أسفرت هذه العملية عن نموذج مصغر بشكل ملحوظ، قادر على العمل بكفاءة عالية وبحجم يسهل التعامل معه.

يقول بن كاولى، أحد مؤلفي الدراسة: "هذا النموذج الصغير للغاية هو شيء يمكننا إرساله في تغريدة أو بريد إلكتروني." وأضاف أن هذا الانكماش لم يؤثر بشكل كبير على أداء النموذج، مما يجعله بديلاً فعالاً للنماذج الكبيرة والمعقدة.

الكفاءة العصبية وتطبيقاتها

أحد الجوانب المثيرة للاهتمام في هذا النموذج هو قابليته للتفسير. نظرًا لصغره وبساطته، استطاع الفريق فهم كيفية عمل خلاياه العصبية الاصطناعية. بعض هذه الخلايا كانت تستجيب لأشكال ذات حواف قوية ومنحنيات، وهي خصائص موجودة في الأطعمة مثل الفواكه.

وُجد أن خلايا أخرى تستجيب للنقاط الصغيرة، وهو ما قد يفسر انجذاب الرئيسيات، بما في ذلك البشر، إلى العيون. تساهم هذه الاستجابات المتخصصة في فهم كيفية معالجة الدماغ للمعلومات البصرية بكفاءة دون الحاجة إلى قوة حاسوبية هائلة.

يُعتقد أن هذه النتائج قد تحمل آثارًا مهمة على مجال الذكاء الاصطناعي، حيث تشير إلى إمكانية تطوير أنظمة ذكاء اصطناعي أصغر وأكثر بساطة، لكنها قادرة على تفسير المعلومات بشكل أفضل. على سبيل المثال، قد تتمكن السيارات ذاتية القيادة من العمل على حواسيب أقل قوة مع تمييز أدق بين الأجسام المختلفة.

التحديات المستقبلية والآفاق

رغم التقدم المحرز، لا تزال هناك تحديات. يرى الخبراء أن الذكاء الاصطناعي يحتاج إلى ما هو أكثر من مجرد التصغير لتحقيق مستوى أداء الدماغ البشري. القدرة على التعرف على صديق في ظروف مختلفة، أو حتى مع تغير المظهر، لا تزال تمثل صعوبة لأنظمة الذكاء الاصطناعي الحالية.

يعتقد البعض أن النماذج الحالية للذكاء الاصطناعي مبنية على فهم محدود للدماغ يعود إلى القرن العشرين. مع التقدم في فهمنا لعلم الأعصاب، هناك حاجة لتحديث الأسس التي تقوم عليها الشبكات الاصطناعية للاقتراب أكثر من قدرات الدماغ البشري.

تحليل الأثر

يمثل هذا البحث تقدمًا هامًا في مجال تقاطع علم الأعصاب والذكاء الاصطناعي. من خلال استلهام آليات الكفاءة والطاقة من الأدمغة البيولوجية، يفتح النموذج الجديد الباب أمام تطوير أنظمة ذكاء اصطناعي أكثر كفاءة، وأصغر حجمًا، وأقل استهلاكًا للطاقة. هذا له آثار بعيدة المدى على مختلف التطبيقات التكنولوجية، بدءًا من الأجهزة المحمولة وصولاً إلى الأنظمة المعقدة مثل السيارات ذاتية القيادة. علاوة على ذلك، يوفر هذا العمل أدوات جديدة للباحثين لدراسة وظائف الدماغ وفهم أفضل للأمراض العصبية، مما يعزز التكامل بين البحث العلمي الأساسي والتطبيقات التكنولوجية المستقبلية.