دراسة جونز هوبكنز تتحدى نماذج الذكاء الاصطناعي التي تبلغ قيمتها مليار دولار

يمكن أن يؤدي اختيار المخطط الصحيح إلى تسريع التعلم في أنظمة الذكاء الاصطناعي المرئي.

يمكن لأنظمة الذكاء الاصطناعي المبنية بهياكل مستوحاة بيولوجيًا أن تنتج أنماط نشاط مشابهة لتلك التي تظهر في الدماغ البشري حتى قبل أن تخضع لأي تدريب، وفقًا لبحث جديد أجرته جامعة جونز هوبكنز.

الدراسة التي نشرت في ذكاء آلة الطبيعةويشير إلى أن تصميم نموذج الذكاء الاصطناعي قد يكون أكثر أهمية من عمليات التعلم العميق المكثفة التي غالبًا ما تستغرق شهورًا، وتتطلب استخدامًا هائلاً للطاقة، وتكلف مليارات الدولارات.

قال المؤلف الرئيسي ميك بونر، الأستاذ المساعد في العلوم المعرفية بجامعة جونز هوبكنز: “الطريقة التي يتحرك بها مجال الذكاء الاصطناعي الآن هي إلقاء مجموعة من البيانات على النماذج وبناء موارد حاسوبية بحجم المدن الصغيرة. وهذا يتطلب إنفاق مئات المليارات من الدولارات. وفي الوقت نفسه، يتعلم البشر الرؤية باستخدام القليل جدًا من البيانات”. “ربما يكون التطور قد تقارب في هذا التصميم لسبب وجيه. يشير عملنا إلى أن التصميمات المعمارية الأكثر شبهاً بالدماغ تضع أنظمة الذكاء الاصطناعي في نقطة انطلاق مفيدة للغاية.”

قام بونر وزملاؤه بفحص ثلاث فئات رئيسية من تصميمات الشبكات التي توجه في كثير من الأحيان بناء أنظمة الذكاء الاصطناعي الحديثة: المحولات، والشبكات المتصلة بالكامل، والشبكات التلافيفية.

اختبار بنيات الذكاء الاصطناعي ضد نشاط الدماغ

قام العلماء مرارا وتكرارا بتعديل المخططات الثلاثة، أو بنيات الذكاء الاصطناعي، لبناء العشرات من الشبكات العصبية الاصطناعية الفريدة. بعد ذلك، قاموا بتعريض شبكات الذكاء الاصطناعي الجديدة وغير المدربة لصور الأشياء والأشخاص والحيوانات وقارنوا استجابات النماذج لنشاط الدماغ لدى البشر والرئيسيات المعرضة لنفس الصور.

عندما تم تعديل المحولات والشبكات المتصلة بالكامل من خلال إعطائها المزيد من الخلايا العصبية الاصطناعية، أظهرت تغيرًا طفيفًا. ومع ذلك، فإن التغيير والتبديل في بنيات الشبكات العصبية التلافيفية بطريقة مماثلة، سمح للباحثين بتوليد أنماط نشاط في الذكاء الاصطناعي تحاكي الأنماط في الدماغ البشري بشكل أفضل.

الهندسة المعمارية مهمة أكثر من المتوقع

وقال الباحثون إن الشبكات العصبية التلافيفية غير المدربة تنافس أنظمة الذكاء الاصطناعي التقليدية، التي تتعرض عمومًا لملايين أو مليارات الصور أثناء التدريب، مما يشير إلى أن البنية تلعب دورًا أكثر أهمية مما أدركه الباحثون سابقًا.

وقال بونر: “إذا كان التدريب على البيانات الضخمة هو العامل الحاسم حقًا، فلا ينبغي أن تكون هناك طريقة للوصول إلى أنظمة الذكاء الاصطناعي المشابهة للدماغ من خلال التعديلات المعمارية وحدها”. “وهذا يعني أنه من خلال البدء بالمخطط الصحيح، وربما دمج رؤى أخرى من علم الأحياء، قد نكون قادرين على تسريع التعلم بشكل كبير في أنظمة الذكاء الاصطناعي.”

بعد ذلك، يعمل الباحثون على تطوير خوارزميات تعلم بسيطة على غرار علم الأحياء والتي يمكن أن تشكل إطارًا جديدًا للتعلم العميق.

المرجع: “البنى التلافيفية محاذية للقشرة من جديد” بقلم أطلس كاظميان وإريك إلموزنينو ومايكل إف بونر، 13 نوفمبر 2025، ذكاء آلة الطبيعة.
دوى: 10.1038/s42256-025-01142-3

لا تفوت أي اختراق: انضم إلى النشرة الإخبارية SciTechDaily.
تابعونا على جوجل و أخبار جوجل.