خوارزمية تحل المهام التعلمية المعقدة بكفاءة طاقة قصوى

لقد أحرز فريق بحث متعدد التخصصات تقدمًا كبيرًا في تطوير آلة قادرة على معالجة المعلومات بكفاءة مثل الدماغ البشري، وهو ما طالما سعى إليه في مجال الذكاء الاصطناعي. وقاد الفريق في جامعة هايدلبرغ في ألمانيا وجامعة برن في سويسرا الدكتور ميهاي بيتروفيسي.

نشرت نتائج البحث في مجلة نيتشر ماشين إنTELIGENCE.

شبكات عصبونية اصطناعية متأثرة بيولوجيًا

سعى الفريق إلى شبكات عصبونية اصطناعية متأثرة بيولوجيًا للتصدي لهذه التحدي. شبكات العصبونية المتفجرة تقلد هيكل ووظيفة النظام العصبي الطبيعي، وتُعتبر مرشحة واعدة بفضل ميزاتها التي تجعلها قوية وسريعة وكفاءة في استهلاك الطاقة. واحدة من التحديات الرئيسية كانت تدريب هذه الأنظمة المعقدة، والفريق现在 يقترب من تحقيق ذلك مع الخوارزمية المطبقة حديثًا.

تعمل العصبونات في الدماغ على نقل المعلومات باستخدام نبضات كهربائية قصيرة، وتُسمى هذه النبضات بالانفجارات. تُفجر هذه النبضات عندما يتجاوز حد الإثارة معينًا. يتأثر تبادل المعلومات بشكل كبير بكل من تكرار انفجار عصبون واحد وترتيب زمني الانفجارات الفردية.

جوليان جولتز هو مرشح دكتوراه في مجموعة البحث.

“الفرق الرئيسي بين الشبكات البيولوجية المتفجرة والشبكات العصبونية الاصطناعية هو أن الشبكات البيولوجية، بسبب استخدامها لمعالجة المعلومات المتفجرة، يمكنها حل مهام معقدة مثل التعرف على الصور وتصنيفها بكفاءة طاقة قصوى،” يقول جولتز.

الوصول إلى الإمكانيات الكاملة

يتطلب كل من الدماغ البشري وشبكات العصبونية المتفجرة الاصطناعية أن تكون العصبونات الفردية متصلة بشكل صحيح ببعضها البعض للوصول إلى إمكانياتها الكاملة. هذا هو السبب في أن الباحثين احتاجوا إلى اكتشاف كيف يمكن تعديل الأنظمة الملهمة بيولوجيًا أو النمطية لتعمل مع المدخلات المتفجرة بشكل صحيح.

لورا كريينر هي عضو آخر في فريق البحث.

“هذا السؤال هو أساسي لتطوير شبكات قوية اصطناعية تعتمد على النماذج البيولوجية،” يقول كريينر.

يجب استخدام خوارزميات خاصة لضمان أن تنفجر العصبونات في شبكة عصبونية متفجرة في الوقت الصحيح، وتعدل هذه الخوارزميات الاتصالات بين العصبونات بحيث يمكن للشبكة أداء المهام المطلوبة. يمكن أن تكون هذه المهمة مثل تصنيف الصور بدقة عالية.

هذا هو نوع الخوارزمية التي طورها الفريق.

“باستخدام هذا النهج، يمكننا تدريب شبكات عصبونية متفجرة على ترميز ونقل المعلومات حصريًا في انفجارات مفردة. ومن ثم، تنتج نتائج مرغوبة بشكل خاص سريعًا وفعالًا،” يشرح جولتز.

نجح الباحثون أيضًا في تنفيذ شبكة عصبونية مدربة بهذا الخوارزمية على منصة مادية. كانت المنصة منصة الأجهزة النمطية BrainScaleS-2 التي طُوِّرت في جامعة هايدلبرغ.

يقول الباحثون إن نظام BrainScaleS يعالج المعلومات حتى ألف مرة أسرع من الدماغ البشري، مع الحاجة إلى طاقة أقل بكثير من الأنظمة الحاسوبية التقليدية.

يعد النظام جزءًا من مشروع الدماغ الأوروبي. يدمج المشروع تقنيات مثل الحوسبة النمطية في منصة مفتوحة تسمى EBRAINS.

“然而، عملنا ليس فقط مثيرًا للاهتمام في الحوسبة النمطية والأجهزة الملهمة بيولوجيًا. إنه أيضًا ي отвеч على الطلب من المجتمع العلمي لنقل نهج التعلم العميق إلى العلوم العصبية وبالتالي كشف المزيد من أسرار الدماغ البشري،” يقول الدكتور بيتروفيسي.