باحثون يطورون خوارزمية حاسوبية مستوحاة من نظام الاستشعار الolfactory عند الثدييات

قام باحثون من جامعة كورنيل بإنشاء خوارزمية حاسوبية مستوحاة من نظام الاستشعار الolfactory عند الثدييات. لقد سعى العلماء لوقت طويل إلى تفسيرات لكيفية تعلم الثدييات وتعرف على الروائح. توفر الخوارزمية الجديدة رؤى حول عمل الدماغ، وتطبيقها على شريحة حاسوبية تسمح لها بتعلم الأنماط بسرعة وثبات أفضل من نماذج التعلم الآلي الحالية.

توماس كليланд هو أستاذ نفسي وكاتب مساعد للدراسة التي تحمل عنوان “التعلم السريع والاستدعاء القوي في دائرة استشعارية عصبية الشكل”، ونشرت في مجلة Nature Machine Intelligence في 16 مارس.

قال كلياند: “هذا هو نتيجة أكثر من عقد من دراسة دائرة البصلة العصبية في الفئران ومحاولة معرفة كيف تعمل بشكل أساسي، مع نظر إلى الأشياء التي نعرف أن الحيوانات يمكن أن تفعلها والتي لا يمكن أن تفعلها آلاتنا”.

أضاف كلياند: “الآن نعرف ما يكفي لجعل هذا العمل. لقد بنينا هذا النموذج الحاسوبي بناءً على هذه الدائرة، وتوجيهه بشكل كبير من الأشياء التي نعرفها عن الاتصال والديناميكيات في الأنظمة البيولوجية. ثم نقول، إذا كان هذا صحيحًا، فسيعمل. والجزء المثير هو أنه يعمل بالفعل”.

شريحة حاسوبية Intel (INTC )

انضم كلياند إلى المؤلف المشارك نبيل امام، وهو باحث في شركة Intel، وتم تطبيق الخوارزمية على شريحة حاسوبية من Intel. الشريحة تسمى Loihi، وهي شريحة عصبية الشكل، مما يعني أنها مستوحاة من وظائف الدماغ. الشريحة تحتوي على دوائر رقمية تقلد الطريقة التي يتعلم بها العصبونات وتت沟م.

تعتمد شريحة Loihi على نواة متوازي تعمل عبر نبضات منفصلة، وكل نبضة لها تأثير يمكن أن يتغير اعتمادًا على النشاط المحلي. هذا يتطلب استراتيجيات مختلفة لتصميم الخوارزمية مقارنة بالشريحات الحاسوبية الحالية.

من خلال استخدام شريحات الحاسوب العصبية الشكل، يمكن للألات العمل بسرعة ألف مرة أكثر من وحدة المعالجة المركزية أو وحدة معالجة الرسومات عند التعرف على الأنماط وتنفيذ بعض المهام.

يمكن لشريحة Loihi البحثية تشغيل خوارزميات معينة باستخدام قوة أقل بكثير من الطرق التقليدية. هذا مناسب للخوارزمية، التي يمكنها قبول أنماط الإدخال من مستشعرات مختلفة، ويمكنها تعلم الأنماط بسرعة وتعرف على الأنماط المهمة حتى مع تداخل حسي قوي. الخوارزمية قادرة على التعرف بنجاح على الروائح، ويمكنها القيام بذلك عندما يكون النمط مختلفًا بنسبة 80% عن النمط الذي تعلمته الحاسوب في الأصل.

قال كلياند: “نمط الإشارة قد تم تدميره بشكل كبير، ومع ذلك فإن النظام يمكنه استعادته”.

دماغ الثدييات

يمكن لدماغ الثدييات التعرف على الروائح وتذكرها بشكل جيد للغاية، ويمكن أن يكون هناك آلاف المستقبلات العصبية والشبكات العصبية المعقدة التي تعمل على تحليل الأنماط المرتبطة بالروائح. واحدة من الأشياء التي يمكن للثدييات القيام بها بشكل أفضل من أنظمة الذكاء الاصطناعي هي الحفاظ على ما تعلمته، حتى بعد وجود معرفة جديدة. في نهج التعلم العميق، يجب تقديم الشبكة بكل شيء في نفس الوقت، لأن المعلومات الجديدة يمكن أن تؤثر أو تدمر ما تعلمته الشبكة في السابق.

قال كلياند: “عندما تتعلم شيئًا ما، فإن ذلك يفرق بين العصبونات بشكل دائم. عندما تتعلم رائحة معينة، يتم تدريب العصبونات على الاستجابة لتكوينات معينة، لذلك تحصل على هذا التمييز على مستوى العصبونات. لذلك، على الجانب الآلي، نُحسن ذلك ونرسم خطًا واضحًا”.

تحدث كلياند عن كيفية قيام الفريق بابتكار نهج تجريبي جديد.

قال كلياند: “عندما تبدأ بدراسة عملية بيولوجية تصبح أكثر تعقيدًا من أن تدركها ببساطة، عليك أن تفرض على عقلك نموذجًا حاسوبيًا. لا يمكنك التغلب على ذلك. وأدى ذلك إلى العديد من النهج التجريبية والأفكار الجديدة التي لن نكون قد فكرنا فيها لو كنا ننظر فقط إلى الأمر”.