بحث بجامعة القدس العبرية  يدرس مدى التعقيد الحسابي للخلايا العصبية المفردة

 ايهاب محمد زايد-مصر

 قام علماء الأعصاب الحاسوبيون بتعليم شبكة عصبية اصطناعية لتقليد الخلايا العصبية البيولوجية. تقدم النتيجة طريقة جديدة للتفكير في مدى تعقيد خلايا الدماغ المفردة.

 تبدو أدمغتنا الطرية بعيدة كل البعد عن رقائق السيليكون الصلبة في معالجات الكمبيوتر ، لكن العلماء لديهم تاريخ طويل في مقارنة الاثنين. كما قال آلان تورينج في عام 1952: “لسنا مهتمين بحقيقة أن الدماغ يمتلك قوام العصيدة الباردة”. بعبارة أخرى ، الوسيط لا يهم ، فقط القدرة الحسابية.

 اليوم ، تستخدم أقوى أنظمة الذكاء الاصطناعي نوعًا من التعلم الآلي يسمى التعلم العميق. تتعلم الخوارزميات الخاصة بهم من خلال معالجة كميات هائلة من البيانات من خلال طبقات مخفية من العقد المترابطة ، والتي يشار إليها باسم الشبكات العصبية العميقة. 

 كما يوحي اسمها ، كانت الشبكات العصبية العميقة مستوحاة من الشبكات العصبية الحقيقية في الدماغ ، مع نمذجة العقد على غرار الخلايا العصبية الحقيقية – أو على الأقل بعد ما عرفه علماء الأعصاب عن الخلايا العصبية في الخمسينيات من القرن الماضي ، عندما أطلق نموذج عصبي مؤثر على ولد بيرسبترون. منذ ذلك الحين ، توسع فهمنا للتعقيد الحسابي للخلايا العصبية المفردة بشكل كبير ، لذلك من المعروف أن الخلايا العصبية البيولوجية أكثر تعقيدًا من الخلايا الاصطناعية. لكن بكم؟

 لمعرفة ذلك ، قام كل من David Beniaguev و Idan Segev و Michael London ، وجميعهم في الجامعة العبرية في القدس ، بتدريب شبكة عصبية عميقة اصطناعية لتقليد حسابات الخلايا العصبية البيولوجية المحاكاة. أظهروا أن الشبكة العصبية العميقة تتطلب ما بين خمس وثماني طبقات من “الخلايا العصبية” المترابطة لتمثيل تعقيد خلية عصبية بيولوجية واحدة.

 حتى المؤلفين لم يتوقعوا مثل هذا التعقيد. قال Beniaguev “اعتقدت أنه سيكون أبسط وأصغر”. وتوقع أن تكون ثلاث أو أربع طبقات كافية لالتقاط الحسابات التي يتم إجراؤها داخل الخلية.

 قال تيموثي ليليكراب ، الذي يصمم خوارزميات صنع القرار في شركة DeepMind للذكاء الاصطناعي المملوكة لشركة Google ، إن النتيجة الجديدة تشير إلى أنه قد يكون من الضروري إعادة التفكير في التقليد القديم المتمثل في المقارنة غير الدقيقة بين خلية عصبية في الدماغ وخلايا عصبية في سياق التعلم الآلي. . وقال: “تساعد هذه الورقة حقًا في فرض مسألة التفكير في ذلك بعناية أكبر والتعامل مع إلى أي مدى يمكنك إجراء تلك المقارنات”.

 يتضمن التشبيه الأساسي بين الخلايا العصبية الاصطناعية والحقيقية كيفية تعاملها مع المعلومات الواردة. يتلقى كلا النوعين من الخلايا العصبية إشارات واردة ، وبناءً على هذه المعلومات ، يقررون ما إذا كانوا سيرسلون إشاراتهم الخاصة إلى الخلايا العصبية الأخرى.

  بينما تعتمد الخلايا العصبية الاصطناعية على عملية حسابية بسيطة لاتخاذ هذا القرار ، أظهرت عقود من البحث أن العملية أكثر تعقيدًا بكثير في الخلايا العصبية البيولوجية. يستخدم علماء الأعصاب الحسابيون وظيفة المدخلات والمخرجات لنمذجة العلاقة بين المدخلات التي تتلقاها الفروع الطويلة الشبيهة بالخلايا العصبية البيولوجية ، والتي تسمى التشعبات ، وقرار العصبون بإرسال إشارة.

 هذه الوظيفة هي ما علّمه مؤلفو العمل الجديد شبكة عصبية عميقة اصطناعية لتقليدها من أجل تحديد مدى تعقيدها. بدأوا من خلال إنشاء محاكاة ضخمة لوظيفة الإدخال والإخراج لنوع من الخلايا العصبية مع أشجار مميزة من الفروع التغصنية في أعلى وأسفل ، والمعروفة باسم الخلايا العصبية الهرمية ، من قشرة الفئران.  

ثم قاموا بتغذية المحاكاة في شبكة عصبية عميقة تحتوي على ما يصل إلى 256 خلية عصبية صناعية في كل طبقة. استمروا في زيادة عدد الطبقات حتى حققوا دقة بنسبة 99 ٪ على مستوى ملي ثانية بين المدخلات والمخرجات من الخلايا العصبية المحاكاة. تنبأت الشبكة العصبية العميقة بنجاح بسلوك وظيفة المدخلات والمخرجات للخلايا العصبية بخمس طبقات اصطناعية على الأقل – ولكن ليس أكثر من ثماني طبقات. في معظم الشبكات ، كان ذلك يعادل حوالي 1000 خلية عصبية اصطناعية لعصبونات بيولوجية واحدة فقط.

 يعرف علماء الأعصاب الآن أن التعقيد الحسابي للخلايا العصبية المفردة ، مثل العصبون الهرمي في اليسار ، يعتمد على الفروع الشجرية الشجرية ، والتي يتم قصفها بالإشارات الواردة. ينتج عن ذلك تغيرات محلية في الجهد ، ممثلة بألوان الخلايا العصبية المتغيرة (الأحمر يعني الجهد العالي ، والأزرق يعني الجهد المنخفض) قبل أن تقرر الخلية العصبية ما إذا كانت سترسل إشارة خاصة بها تسمى “سبايك”. يرتفع هذا الشكل ثلاث مرات ، كما يتضح من آثار الفروع الفردية على اليمين ، حيث تمثل الألوان مواقع التشعبات من أعلى (أحمر) إلى أسفل (أزرق).

 

 قال أندرياس تولياس ، عالم الأعصاب الحاسوبي في كلية بايلور للطب: “تشكل [النتيجة] جسراً من الخلايا العصبية البيولوجية إلى الخلايا العصبية الاصطناعية”.

 لكن مؤلفي الدراسة يحذرون من أنها ليست مراسلات مباشرة حتى الآن. قال لندن: “العلاقة بين عدد الطبقات الموجودة في الشبكة العصبية وتعقيد الشبكة ليست واضحة”. لذلك لا يمكننا حقًا تحديد مقدار التعقيد الذي يتم اكتسابه من خلال الانتقال ، على سبيل المثال ، من أربع طبقات إلى خمس.

  ولا يمكننا أن نقول إن الحاجة إلى 1000 خلية عصبية اصطناعية تعني أن الخلية العصبية البيولوجية هي بالضبط 1000 مرة أكثر تعقيدًا. في النهاية ، من الممكن أن يؤدي استخدام المزيد من الخلايا العصبية الاصطناعية بشكل كبير داخل كل طبقة إلى شبكة عصبية عميقة ذات طبقة واحدة – ولكن من المحتمل أن يتطلب الأمر مزيدًا من البيانات والوقت لتتعلم الخوارزمية.

 قال لندن: “لقد جربنا العديد والعديد من الأبنية ذات العمق وأشياء كثيرة ، وفشلنا في الغالب”. شارك المؤلفون الكود الخاص بهم لتشجيع الباحثين الآخرين على إيجاد حل ذكي بطبقات أقل. ولكن نظرًا لمدى صعوبة العثور على شبكة عصبية عميقة يمكنها تقليد الخلايا العصبية بدقة 99٪ ، فإن المؤلفين واثقون من أن نتائجهم توفر مقارنة ذات مغزى لمزيد من البحث.

  اقترح Lillicrap أنه قد يقدم طريقة جديدة لربط شبكات تصنيف الصور ، والتي تتطلب غالبًا ما يزيد عن 50 طبقة ، بالدماغ. إذا كانت كل خلية عصبية بيولوجية تشبه شبكة عصبية اصطناعية من خمس طبقات ، فربما تكون شبكة تصنيف الصور المكونة من 50 طبقة تعادل 10 خلايا عصبية حقيقية في شبكة بيولوجية.

 يأمل المؤلفون أيضًا أن تؤدي نتيجتهم إلى تغيير بنية الشبكة العميقة الحديثة في الذكاء الاصطناعي. “نحن ندعو إلى استبدال تقنية الشبكة العميقة لجعلها أقرب إلى كيفية عمل الدماغ من خلال استبدال كل وحدة بسيطة في الشبكة العميقة اليوم بوحدة تمثل خلية عصبية ، والتي هي بالفعل – من تلقاء نفسها – عميقة ،” قال سيغف. في سيناريو الاستبدال هذا ، يمكن لباحثي ومهندسي الذكاء الاصطناعي توصيل شبكة عميقة من خمس طبقات كـ “شبكة صغيرة” لتحل محل كل خلية عصبية اصطناعية.

 لكن البعض يتساءل عما إذا كان هذا سيفيد الذكاء الاصطناعي حقًا. قال أنتوني زادور ، عالم الأعصاب في مختبر كولد سبرينج هاربور: “أعتقد أن هذا سؤال مفتوح ، ما إذا كانت هناك ميزة حسابية فعلية”. “هذا [العمل] يضع الأساس لاختبار ذلك.”

 خارج تطبيقات الذكاء الاصطناعي ، تضيف الورقة الجديدة أيضًا إلى إجماع متزايد حول القوة الحسابية القوية للأشجار المتغصنة والخلايا العصبية المفردة بالوكالة. في عام 2003 ، أظهر ثلاثة من علماء الأعصاب أن الأشجار المتغصنة في الخلايا العصبية الهرمية تقوم بحسابات معقدة عن طريق نمذجة الشبكة العصبية الاصطناعية المكونة من طبقتين. في الورقة البحثية الجديدة ، حقق المؤلفون في سمات الخلايا العصبية الهرمية التي ألهمت تعقيدًا أكبر بكثير في شبكاتهم العصبية العميقة المكونة من خمس إلى ثماني طبقات. وخلصوا إلى أنه جاء من الأشجار المتغصنة ، ومن مستقبل معين يتلقى رسلًا كيميائيًا على سطح التشعبات – وهي نتائج تتماشى مع الأعمال السابقة في هذا المجال.

 يعتقد البعض أن النتيجة تعني أن علماء الأعصاب يجب أن يجعلوا دراسة الخلايا العصبية المفردة أولوية أكبر. قال كونراد كوردينج ، عالم الأعصاب الحاسوبي في جامعة بنسلفانيا: “هذه الورقة تجعل التفكير في التشعبات والخلايا العصبية الفردية أكثر أهمية بكثير مما كان عليه من قبل”. اقترح آخرون ، مثل Lillicrap و Zador ، أن التركيز على الخلايا العصبية داخل الدائرة سيكون بنفس الأهمية لتعلم كيف يستخدم الدماغ التعقيد الحسابي للخلايا العصبية المفردة.

 

 بغض النظر ، قد توفر لغة الشبكات العصبية الاصطناعية رؤية جديدة لقوة الخلايا العصبية ، وفي النهاية ، الدماغ. قالت جريس ليندسي ، عالمة الأعصاب الحاسوبية في كلية لندن الجامعية: “التفكير من حيث الطبقات والأعماق والعرض يمنحنا إحساسًا بديهيًا بالتعقيد الحسابي”. ومع ذلك ، يحذر Lindsay أيضًا من أن العمل الجديد لا يزال يقارن نموذجًا بنموذج فقط. لسوء الحظ ، من المستحيل حاليًا على علماء الأعصاب تسجيل وظيفة المدخلات والمخرجات الكاملة لعصبونات حقيقية ، لذلك من المحتمل أن يحدث المزيد مما لا يلتقطه نموذج الخلية العصبية البيولوجية. بعبارة أخرى ، قد تكون الخلايا العصبية الحقيقية أكثر تعقيدًا.