لعقود طويلة، اعتمد الباحثون على نماذج حسابية بسيطة لوصف كيفية استجابة الخلايا العصبية في أدمغتنا للمحفزات البصرية اليومية. ورغم سهولة تفسير هذه النماذج، إلا أنها عجزت عن التنبؤ بآلية عمل الخلايا في المناطق العليا من القشرة البصرية، مما دفع العلماء نحو تبني شبكات الذكاء الاصطناعي متعددة الطبقات. ورغم نجاح هذه الشبكات في التنبؤ بدقة عالية، إلا أن تعقيدها الهائل الذي يضم ملايين المتغيرات جعل فهم مسار المعلومة داخلها أمراً بالغ الصعوبة.

لحل هذه المعضلة، تبنى فريق بحثي مبدأ نصل أوكام العلمي، الذي يفترض أن التفسير الأكثر بساطة هو الأرجح. وتساءل الباحثون عما إذا كان بالإمكان ضغط النماذج الحاسوبية العملاقة لكشف الحسابات الفعلية التي تجري داخل أدمغتنا، وإزالة الفلاتر الرقمية الزائدة التي لا تمثل الواقع البيولوجي.

فك أحجية التفسير عبر تقطير المعرفة

استهدف العلماء دراسة أدمغة قردة المكاك، نظراً للتشابه الكبير بين نظامها البصري ونظام البشر. ولتبسيط النماذج العملاقة، استخدم الفريق تقنية تقطير المعرفة، حيث تعمل شبكة صغيرة (الطالب) على محاكاة النتائج التي تنتجها الشبكة العملاقة (الأستاذ الخبير) بعد تدريبها على ملايين الصور لاستخلاص القواعد الأساسية.

ويشير بنجامين كولي، الباحث في مختبر كولد سبرينغ هاربور والمؤلف الرئيسي للدراسة، إلى أن أهم ما توصلنا إليه هو أن عمليات الحساب التي تجريها الخلايا العصبية في القشرة البصرية العليا قابلة للضغط بالفعل، وهو ما كان مفاجأة علمية.

نظرة رقمية عميقة

نجح الفريق في إنشاء نماذج مدمجة أصغر بـ 5 آلاف مرة من النموذج الأصلي، حيث احتوت على 150 فلترًا رقميًا فقط، ومع ذلك حافظت على دقة التنبؤ باستجابات خلايا الدماغ. ولتأكيد دقة هذه النماذج، طُلب منها توليد صور مصممة لاستفزاز خلية عصبية محددة؛ وتبين أن استجابة خلايا القردة لهذه الصور كانت قوية للغاية، مما يثبت أن النماذج المدمجة عكست التفضيلات البصرية الدقيقة للخلايا بشكل واقعي.

يؤكد هذا البحث تحولاً جوهرياً في علم الأعصاب الحسابي؛ فمن خلال التخلص من التعقيد غير الضروري، أصبح العلماء أقرب من أي وقت مضى لفهم كيفية إدراك العقل للعالم، مما يفتح آفاقاً جديدة لبناء أنظمة ذكاء اصطناعي أكثر أماناً، وتطوير علاجات محتملة للاضطرابات العصبية التي تنتج عن خلل في هذه العمليات الحسابية الحيوية.