ما الذي يتطلبه الأمر لاكتشاف الدماغ ، من عالم أعصاب ورائد في مجال الذكاء الاصطناعي

تستكشف سلسلة “المفكرون والمبدعون” علم وفلسفة الدماغ والعقل مع بعض أبرز خبراء التفكير المتقدمين في العالم. كما يستكشف التقنيات المستخدمة في الدراسة والتفاعل مع الدماغ ، فضلاً عن التقنيات التي يحفزها الدماغ ، مثل التعلم الآلي والذكاء الاصطناعي. (إخلاء المسئولية: الأستاذ Sejnowski هو زميل المؤلف في جامعة كاليفورنيا سان دييغو.)

Terrence J. Sejnowski هو أستاذ فرانسيس كريك في معهد سالك للدراسات البيولوجية ، حيث يشغل منصب مدير مركز كريك جاكوبس للبيولوجيا النظرية والحاسوبية ، وأستاذ العلوم البيولوجية (قسم البيولوجيا العصبية) في جامعة كاليفورنيا سان. دييغو. وهو أيضًا المدير المشارك لمعهد الحساب العصبي بجامعة كاليفورنيا في سان فرانسيسكو. إنه رائد في مجالات علم الأعصاب الحسابي والشبكات العصبية الاصطناعية. من بين عدد من الجوائز والتكريمات الرئيسية ، الأستاذ Sejnowski هو عضو في جميع الأكاديميات الوطنية الثلاث للولايات المتحدة (الأكاديمية الوطنية للهندسة ، والأكاديمية الوطنية للعلوم ، ومعهد الطب). كان أيضًا عضوًا في اللجنة الاستشارية لمدير المعاهد الوطنية للصحة (NIH) لأبحاث الدماغ من خلال تطبيق مبادرة التقنيات العصبية المبتكرة (BRAIN) ، التي أعلنها الرئيس أوباما في 2 أبريل 2013.

لنبدأ بمبادرة BRAIN. كان الهدف من هذا الجهد هو إحداث ثورة في كيفية قيام العلماء بقياس ودراسة والتفاعل مع الدماغ ، مع التركيز بشكل كبير حتى الآن على تطوير تقنيات عصبية رائدة قادرة على إجراء تجارب تتجاوز أي قدرات تكنولوجية ظهرت من قبل. معهم. هل تعتقد أنها خدمت الغرض منها حتى الآن؟

هذا مكان رائع للبدء لأنه كان معجزة أن حدثت مبادرة BRAIN. كان عقد التسعينيات هو عقد الدماغ. لكنها فشلت في إحراز تقدم لأن المحاولات تركزت على الاضطرابات العصبية والعقلية ، والتي يمكن شرحها للجمهور. لكن المعاهد الوطنية للصحة تخصص بالفعل 5 مليارات دولار سنويًا في علاج اضطرابات الدماغ. لكي تكون مزعجًا حقًا ، تم اتخاذ القرار بأنه بدلاً من التركيز على المرض ، ستركز مبادرة BRAIN على التقنيات والأدوات والأساليب التي يمكن أن تساعد في تسريع البحث في دراسة الأمراض.

كنت عضوًا في اللجنة الاستشارية للمعاهد الوطنية للصحة التي أوصت أنه خلال السنوات الخمس الأولى ، يجب أن تذهب الموارد إلى فرق علماء الأعصاب وغيرهم ، مثل المهندسين والفيزيائيين والرياضيين ، الذين يعملون كفريق واحد ، في التجارب وتحليل البيانات. غيرت المعاهد الوطنية للصحة هيكلها الداخلي لمراجعة المنح لاستيعاب ذلك. وقد نجح بشكل مذهل في جمع هؤلاء الباحثين المختلفين معًا ، لأنه كان هناك حافز الآن للمهندس لمساعدة عالم الأحياء ، والعكس صحيح. على مدى السنوات الست أو السبع الماضية ، شكلوا علاقات عمل تعاونية قوية حقًا. تم تدريب الكثير من الطلاب ، وتم إجراء الكثير من الأبحاث الجيدة حقًا. تم اتخاذ القرارات بناءً على تقريرنا ، BRAIN 2025 ، وقد رفع علم الأعصاب إلى مستوى جديد.

لكن أين نحن الآن؟ كما تعلم ، اعتقدنا أننا كنا طموحين. حسنًا ، لقد أنجزوا في خمس سنوات ما اعتقدنا أنه سيستغرق عشرة أعوام. على سبيل المثال ، كان أحد الأهداف هو التسجيل من مليون خلية عصبية في نفس الوقت. حسنًا ، لقد تجاوزنا هذا الإنجاز هذا العام. مليون خلية عصبية! لم نكن متأكدين من أن ذلك سيحدث على الإطلاق ، لكن ها نحن ذا.

إذاً ، بالنظر إلى وتيرة التقدم ، أين تريد أن ترى الأمور تسير خلال السنوات الخمس المقبلة أو نحو ذلك؟

باستخدام هذه الأدوات والتقنيات الجديدة ، أصبح من الواضح بالفعل أن إطار عملنا المفاهيمي لوظيفة الدماغ ، والذي تم إنشاؤه بالتسجيل من خلية عصبية واحدة في كل مرة ، معيب. كشفت التجارب عن أنماط نشاط أكثر تعقيدًا. وسأخبرك لماذا. من الصعب جدًا فهم ديناميكيات الدماغ عن طريق التسجيل من خلية عصبية واحدة في كل مرة. ليس لديك فكرة عما يحدث مع الخلايا العصبية الأخرى. إليك مثال جيد: نحن نعلم الآن أن أنماط نشاط الدماغ التي يتحدث عنها الناس منذ عقود ، مسجلة على نطاق الدماغ بالكامل باستخدام طرق مثل مخطط كهربية الدماغ (EEG) أو من الخلايا العصبية المفردة ، يفترض أنها متزامنة. لكن هذا كان خاطئًا ، في الواقع ، كلهم ​​في الواقع يسافرون بأمواج. وهذا يضعها في إطار مفاهيمي مختلف تمامًا ، لأن الموجات المتنقلة تنشر المعلومات عبر المكان والزمان. إنه رمز الزمكان ، وليس لدينا إطار عمل مفاهيمي جيد حتى الآن يفسر ذلك. لا يمكن اكتشاف هذا بالتسجيل من الخلايا العصبية المفردة.

هل هذا كله جديد لدرجة أننا لا نملك إطارًا رياضيًا جيدًا لفهم البيانات الجديدة القادمة من الدماغ في سياق مناسب؟

بالضبط. عندما يحدث هذا في العلم ، فهذا وقت ممتع للتواجد فيه. حدث هذا في الفيزياء في بداية القرن العشرين. تتذكر ، كان من المفترض أن يكون كل شيء قد تم حله بالفعل في الميكانيكا الكلاسيكية. لكن التجارب الجديدة لم تتفق مع الفيزياء الكلاسيكية. شيء غريب حقا كان يحدث. فقط لم يكن له أي معنى. لذلك كان لابد من إنشاء إطار مفاهيمي جديد ليحل محل النظرة الكلاسيكية للعالم. حدث ذلك أولاً مع النسبية ثم مرة أخرى مع ميكانيكا الكم.

إذن كيف ترى تفاعل الفيزياء والرياضيات والهندسة مع علم الأعصاب الحسابي والنظري يمضي قدمًا؟ وماذا عن علاقتها بالتعلم الآلي والذكاء الاصطناعي؟

لقد كتبت كتابًا كاملاً عن هذا ، ثورة التعلم العميق. لقد تحول الذكاء الاصطناعي على مدار العقد الماضي من خلال التعلم العميق. هناك شركات جديدة تبني أجهزة تعلم الآلة لأغراض خاصة تكمل البيانات الضخمة التي يتم جمعها في كل مكان. ومن أين أتت تلك الثورة؟ كانت مستوحاة من الهندسة المعمارية المتوازية للعقول. لأول مرة ، يتحدث الذكاء الاصطناعي وعلم الأعصاب نفس اللغة. هناك بنية مفاهيمية ورياضية ناشئة يمكن أن تكون بمثابة مظلة مفاهيمية لكل من هاتين المجموعتين.

حدثت هذه الثورة بين عشية وضحاها لكنها استغرقت عقودًا لتنضج. كنت حاضرًا عندما بدأ اجتماع نظام معالجة المعلومات العصبية لأول مرة في الثمانينيات. لقد جمعنا بين علماء الرياضيات وعلماء الأعصاب وعلماء الإدراك والباحثين في رؤية الكمبيوتر والتعرف على الكلام. كان من المدهش أن تلتقي عشرات القبائل. لم يكن هؤلاء هم رجال المؤسسة في هذه المجالات. كانوا القيم المتطرفة. ومن هم؟ حسنًا ، هؤلاء كانوا أشخاصًا كانوا يحاولون حل المشكلات الصعبة حقًا ولم تكن الأدوات والتقنيات المتاحة في مجالهم كافية ، كما هو الحال في التعرف على الكلام. كان الأمر صعبًا لأنه كان مشكلة ذات أبعاد عالية جدًا. فشلت الخوارزميات التقليدية. كانت هناك حاجة إلى كمية هائلة من البيانات لإحراز تقدم. كان الأمل في أن الشبكات العصبية قد تكون قادرة على المساعدة.

مع وجود الكثير من البيانات ، يجب أن يكون لديك أدوات تحليل ، مثل أدوات التعلم الآلي لإحراز تقدم. الشبكات العصبية التي تحتوي على العديد من المعلمات هي وظائف معقدة يمكن أن تمثل تلك التعقيدات. والآن نحن نعيش في عصر حيث لأول مرة ، لدينا إطار رياضي يتحسن كل يوم في التعامل مع تعقيدات العالم. كانت الطبيعة تعمل في هذا المجال منذ زمن طويل وتطورت الأدمغة لمساعدتنا على البقاء على قيد الحياة.

عندما كنت أبدأ ، شعرت بالحيرة لأن معالجة الرموز كانت اللعبة الوحيدة في المدينة في اجتماعات منظمة العفو الدولية. اعتقدوا أن اللغة كانت مجرد طريقة للتلاعب بالرموز. لكن بدا لي أن هذا لا يمكن أن يكون صحيحًا لأن اللغة بالنسبة لي تدور حول المعنى. الكلام له معنى. والجمل لها معنى أعلى. إنها العلاقات بين الرموز التي تستخرجها الشبكات العصبية من خلال التعلم. حلت الطبيعة هذه المشاكل في الرؤية والكلام منذ ملايين السنين. في الواقع ، الدليل الوجودي الوحيد الذي يمكنك حله هو حقيقة أننا نتجول ونفهم بعضنا البعض. فلماذا لا ننظر داخل الدماغ لمعرفة السبب؟ يجب أن يكون هناك شيء يمكننا تعلمه من الدماغ. بدا هذا واضحًا بالنسبة لي ، لكنني كنت غريبًا.

لقد فهمت أخيرًا ما كان يحدث عندما حصل جيف هينتون على وظيفة في جامعة كارنيجي ميلون. كان ألين نيويل حاضراً في اجتماع عام 1956 الأصلي الذي يُعتقد تقليديًا أنه ولادة الذكاء الاصطناعي. لقد كتب برنامجًا يمكنه حل النظريات. رائع. إذا تمكن الذكاء الاصطناعي من إثبات النظريات ، فيمكنه حل أي شيء ، أليس كذلك؟ لذا سألت نيويل هل حدث لك أن تنظر في كيفية عمل الدماغ؟ لأن علماء الكمبيوتر تجاهلوا حتى وقت قريب ، بأي طريقة جادة ، كيف يعمل الدماغ بالفعل. إليكم ما قاله: “لا ، لا ، هذا ليس صحيحًا. كنا مهتمين جدًا بما يمكن أن نتعلمه من الدماغ. لكن ، لم يكن يُعرف الكثير عن الأدمغة في ذلك الوقت ، لذا لم نتمكن من فعل الكثير حيال ذلك! ” كان الهدف من الذكاء الاصطناعي في ذلك الوقت هو كتابة برنامج له نفس وظائف الأدمغة ، لكنهم قللوا بشكل كبير من حجم الحساب المطلوب.

سؤال اخير. ستستمر الحسابات والمحاكاة العصبية في لعب دور كبير في اكتشاف علم الأعصاب ، في مساعدة العلماء على فهم كيفية تجميع خوارزميات الدماغ معًا. لكن ماذا عن النظرية؟ ما الدور الذي تلعبه النظرية في فهم الدماغ؟

هذا هو تخميني لكيفية حدوث ذلك. قفز علماء الرياضيات الآن إلى اللعبة. وهم يكتشفون سبب نجاح التعلم العميق. في كل من الدماغ والتعلم الآلي. إنهم ينشئون فروعًا جديدة للرياضيات. نظريات حول المساحات عالية الأبعاد. لقد وصل الذكاء الاصطناعي اليوم إلى تريليون أبعاد. إن هندسة المساحات عالية الأبعاد والعمل على تعقيد الهندسة هما أساس ما يحدث في الدماغ. أعتقد أنه ستكون هناك نظرية مشتركة لكل من الذكاء الاصطناعي والدماغ. من الأسهل بكثير تكوين نظرية واختبارها لشبكة التعلم العميق مقارنة بالدماغ ، لأن شبكات التعلم العميق ليست صندوقًا أسود. إنها مفتوحة تمامًا. لديك حق الوصول إلى كل وحدة ، كل نمط نشاط ، كل اتصال. لديك حق الوصول الكامل. في حين أن الدماغ هو صندوق أسود بهذا المعنى. لذا إذا تمكنا من اكتشاف ذلك من أجل الصندوق المفتوح ، وأعتقد أننا نستطيع ذلك ، فقد يلهم ذلك نظريات جديدة للدماغ.

التعليقات

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *