تبني التنوع العصبي: قفزة في كفاءة الأداء الاصطناعي

لقد كان دور التنوع موضوعاً للنقاش في مختلف المجالات، من الأحياء إلى العلوم الاجتماعية. ومع ذلك، فإن دراسة حديثة من جامعة ولاية كارولينا الشمالية، مختبر الذكاء الاصطناعي غير الخطي (NAIL)، تفتح بعداً مثيراً للاهتمام في هذا السياق: التنوع داخل شبكات الذكاء الاصطناعي العصبية.

قوة الانعكاس الذاتي: ضبط الشبكات العصبية داخليا

قام ويليام ديتو، أستاذ الفيزياء في جامعة ولاية كارولينا الشمالية ومدير مختبر NAIL، ببناء نظام ذكاء اصطناعي يمكنه “النظر إلى الداخل” وتعديل شبكته العصبية. يسمح هذا النظام للذكاء الاصطناعي بتحديد عدد الشبكات العصبية وشكلها ومدى قوة الاتصال بينها، مما يوفر إمكانية وجود شبكات فرعية مع أنواع عصبية مختلفة وقوة مختلفة.

“لقد قمنا بإنشاء نظام اختبار مع ذكاء غير بشري، ذكاء اصطناعي، لنتأكد من是否 سيختار الذكاء الاصطناعي التنوع على عدم التنوع وما إذا كان اختياره سيعزز أداء الذكاء الاصطناعي”، يقول ديتو. “المفتاح كان إعطاء الذكاء الاصطناعي القدرة على النظر إلى الداخل وتعلم كيف يتعلم”.

على عكس الذكاء الاصطناعي التقليدي الذي يستخدم خلايا عصبية ساكنة ومتماثلة، فإن ذكاء ديتو الاصطناعي لديه “مفتاح التحكم في دماغه الخاص”، مما يسمح له بالاشتراك في التعلم المتعاقب، عملية تعزز قدرته على التعلم ومهارات حل المشكلات. “كان بإمكان الذكاء الاصطناعي الخاص بنا أيضاً أن يختار بين الخلايا العصبية المتنوعة أو المتجانسة”، يقول ديتو، “ووجدنا في كل حالة أن الذكاء الاصطناعي يختار التنوع كوسيلة لتعزيز أدائه”.

التطور من الشبكة العصبية الاصطناعية التقليدية إلى شبكة عصبية متنوعة إلى شبكة عصبية متنوعة متعلمة. تمثل سمك الخطوط أوزان الاتصال

مؤشرات الأداء: التنوع يفوق التجانس

قاس فريق البحث أداء الذكاء الاصطناعي باستخدام تمرين تصنيف رقمي قياسي ووجد نتائج ملفتة. استطاع الذكاء الاصطناعي التقليدي، مع شبكاته العصبية الساكنة والمتجانسة، تحقيق نسبة دقة تبلغ 57%. في المقابل، بلغ الذكاء الاصطناعي المتعلم المتجانس نسبة دقة تبلغ 70%.

وفقاً لديتو، يظهر الذكاء الاصطناعي المبني على التنوع دقة تصل إلى 10 مرات في حل المشكلات الأكثر تعقيداً، مثل توقع حركة البندول أو حركة المجرات. “في الواقع، لقد لاحظنا أيضاً أن كلما أصبحت المشكلات أكثر تعقيداً واضطراباً، زادت الأداء بشكل أكثر دراماتيكية مقارنة بالذكاء الاصطناعي الذي لا يتبنى التنوع”، يشرح.

الآثار: تحول في نمط التطور الاصطناعي

تملك نتائج هذه الدراسة آثاراً بعيدة المدى على تطور تقنيات الذكاء الاصطناعي. تشير إلى تحول في نمط التطور من نماذج الشبكات العصبية السائدة الحالية “الواحدة التي تناسب الجميع” إلى نماذج ديناميكية ومتعلمة ذاتياً.

لقد أظهرنا أن إذا أتيح للذكاء الاصطناعي القدرة على النظر إلى الداخل وتعلم كيف يتعلم، فإنه سيتغير هيكله الداخلي – هيكل خلاياه العصبية الاصطناعية – ليتبنى التنوع ويعزز قدرته على التعلم وحل المشكلات بكفاءة وأدق”، يختم ديتو. قد يكون هذا الأمر ذا صلة خاصة في التطبيقات التي تتطلب مستويات عالية من التكيف والتعلم، من المركبات المستقلة إلى التشخيص الطبي.

لا تقوم هذه الأبحاث فقط بإلقاء الضوء على القيمة الذاتية للتنوع، ولكنها تفتح أيضاً طرقاً جديدة للبحث والتطوير في مجال الذكاء الاصطناعي، مما يؤكد الحاجة إلى هياكل عصبية ديناميكية ومتكيفة. مع الاستمرار في دعم مكتب أبحاث البحرية الأمريكية والشركاء الآخرين، تنتظر المرحلة القادمة من البحث بفارغ الصبر.

من خلال تبني مبادئ التنوع داخلياً، يمكن للأنظمة الاصطناعية أن تكتسب مكاسب كبيرة في الأداء وقدرات حل المشكلات، مما قد يثور في نهجنا لمعالجة التعلم الاصطناعي وتطوير الذكاء الاصطناعي.