ربنا ما خلقت هذا باطلًا سبحانك
محاكاة خلية عصبية بيولوجية واحدة يتطلب ألف خلية عصبية رقمية!
تستخدم أقوى أنظمة الذكاء الاصطناعي نوعًا من التعلم الآلي يسمى بالتعلم العميق Deep learning، حيث تتعلم الخوارزميات الخاصة بها عبر معالجة كميات هائلة من البيانات من خلال طبقات مخفية من العقد المترابطة Interconnected nodes، والتي يشار إليها باسم الشبكات العصبية الرقمية العميقة -بكلمات بسيطة هي برنامج في الحاسوب-، وكما يوحي اسمها فهذه الشبكات الرقمية مستوحاة من الشبكات العصبية الحقيقية في الدماغ، توسع فهمنا للتعقيد الحوسبي في الخلايا العصبية المفردة بشكل كبير. ومن المعروف حاليًا أن الخلايا العصبية البيولوجية أكثر تعقيدًا من الخلايا الاصطناعية، ولمعرفة إلى أي حد يصل الفارق في التعقيد والآداء قام كل من دافيد بنيجيف David Beniaguev وآيدن سيغيف Idan Segev ومايكل لندن Michael London بتدريب شبكة عصبية رقمية لتقليد المعالجة التي تحدث داخل الخلايا العصبية البيولوجية، فوجدوا أن تمثيل التعقيد الكبير داخل خلية عصبية بيولوجية واحدة فقط يحتاج لشبكة عصبية رقمية تضم ما بين خمس إلى ثمان طبقات من "الخلايا العصبية الرقمية" المترابطة وهو ما يعادل بالتقريب ألف خلية عصبية رقمية، هذه النتيجة كانت مفاجِئة حتى للقائمين على الدراسة الذين اعتقدوا أن الأمر سيكون سهلًا وبسيطًا وأن 3 طبقات كافية لمماثلة الخلية العصبية الحقيقية!
Journal Reference:
Beniaguev, D., Segev, I., & London, M. (2021). Single cortical neurons as deep artificial neural networks. Neuron, 109(17), 2727-2739.e3. DOI: 10.1016/j.neuron.2021.07.002
د. حسان بن عابد
#أفلا_تبصرون
