فهم الذكاء الاصطناعي و علاقته بعلم الأعصاب

تم بناء الذكاء الاصطناعي (AI) على أساس معارضة قوية بين المعرفة والبيانات. فقد قدمت علوم الأعصاب أولاً عناصر تدعم هذا الرأي مع وصف شكلين من الذاكرة ، يتعاملان مع المعرفة والبيانات على التوالي. ثم وصفت علوم الأعصاب التفاعلات القوية بين هذين الشكلين من الذاكرة واقترحت أن هذه التفاعلات تسمح بإدراك أكثر قوة وكفاءة.

من جانبه ، عانى الذكاء الاصطناعي من قيود ناتجة عن الازدواجية الصارمة بين المعرفة والبيانات. ومع ذلك ، غالبًا ما يتعثر باحثو الذكاء الاصطناعي في هذه المفاهيم الأولية ويكافحون من أجل دمج الآليات التي اقترحها علم الأعصاب. وهم بذلك يحرمون أنفسهم من مسارات تنموية واعدة ومن حوار مثمر مع هذا المجال.

إذن هل هناك علاقة بين الذكاء الاصطناعي وعلم الأعصاب؟

الذكاء الاصطناعي الرقمي والرمزي

يسعى الذكاء الاصطناعي (AI) إلى تحديد طرق معالجة المعلومات القادرة على التقاط خصائص الذكاء البشري. فقد تم بناء البحث في الذكاء الاصطناعي على أساس قطبية بين نهجين حصريين . حيث يقدم من ناحية ما يسمى بالذكاء الاصطناعي الرمزي لأنه يتركز على التلاعب بالمعرفة ، ومن ناحية أخرى ، ما يسمى بالذكاء الاصطناعي الرقمي لأنه يتركز على التلاعب بالبيانات.

تم الإعلان عن هذه القطبية من أصول الذكاء الاصطناعي. من ناحية ، أكد بعض الآباء المؤسسين مثل A.Newell أو H. Simon أو J. McCarthy أنه ، تمامًا مثل عقولنا ، تتلاعب أجهزة الكمبيوتر بالرموز ، وبالتالي يمكنها بناء والتلاعب في تمثيلات للعالم المميز للذكاء. التي نسميها المعرفة. اقترح الآباء المؤسسون الآخرون مثل J. von Neumann أو N. Wiener الاقتراب من الذكاء من خلال نمذجة الدماغ والحساب العددي لعصبوناته لإظهار أن الوظائف الذكية يمكن أن تنتج من المعالجة الرقمية للبيانات.

تم وصف هذه الازدواجية بشكل جيد للغاية من خلال تعبير الأخوين دريفوس “صنع العقل مقابل نمذجة الدماغ” (للحصول على نظام ذكي في صورة البشر ، يسعى البعض إلى إنشاء عقل منطقي ، والبعض الآخر للنمذجة الدماغ المحسوب) ، في مقال (Dreyfus & Dreyfus ، 1991) حيث أوضحوا أنه من خلال بنائهم ذاته ، فإن هذين النموذجين من الذكاء يتعارضان مع بعضهما البعض. يؤكد النهج الرمزي على حل المشكلات ويستخدم المنطق لمعالجة الرموز بالتتابع. يركز النهج الرقمي على التعلم ويستخدم الإحصائيات لمعالجة البيانات على نطاق واسع. هذا ما حدث: هذان النهجان تطوران في العداء.

في الواقع ، عبر تاريخ الذكاء الاصطناعي ، حاول كل نهج أن يفرض نفسه بمناسبة نجاح تقنية معينة (على سبيل المثال الأنظمة الخبيرة للنهج الرمزي أو التصورات الخاصة بـ النهج الرقمي) ، الذي كان يتبعه دائمًا خيبة أمل عندما ظهرت قيود لكل تقنية ، مما أدى إلى ما يسمى شتاء الذكاء الاصطناعي.

عبارة أحد الأخوين دريفوس: “يقدم مجال الذكاء الاصطناعي نمطًا متكررًا: نجاح مبكر ومذهل يتبعه صعوبات مفاجئة وغير متوقعة. “يعود تاريخه إلى عام 1965 ولكن تم التحقق منه عدة مرات بعد ذلك. اليوم ، على الرغم من هذه النكسات ، أحرز الذكاء الاصطناعي تقدمًا لا يمكن إنكاره ، لكننا ما زلنا نختبر الازدواجية والتناوب بين النهجين الرمزي والعددي ، حتى لو تطورت المفردات قليلاً ونحن نتحدث الآن الذكاء الإصطناعي قائم على المعرفة (يستخدم للويب الدلالي) أو مدفوع بالبيانات (في قاعدة علم البيانات).

نحن حاليًا في فترة يهيمن فيها النهج الرقمي . والتقنية الرئيسية هي تعلم شبكات الطبقة العميقة باستخدام التعلم العميق. فهو يوفر أداءً مثيرًا للإعجاب بسبب الوصول الواسع إلى البيانات وقوة يجعل الحساب الآن من الممكن تغذية هذه البنى العميقة. لكن الأصوات بدأت في الارتفاع للتنبؤ بانخفاض جديد قريب إذا لم نتمكن من ربط هذه النماذج الرقمية بتقنيات التفسير (ليبتون ، 2017) ، مما يسمح بالشفافية (ما المعلومات التي تستخرج الطبقات المخفية ؟) والتفسيرات (على أي معايير يؤسسون قراراتهم؟) ، مفهومان لعالم المعرفة.

هل بدأنا مرة أخرى لدورة من التناوب ، نسأل أنفسنا دائمًا أي من هاتين المقاربتين ، من خلال التحسين ، سينتهي بنا المطاف إلى إظهار أنه كان الحل الصحيح ، أم أننا سنعرف كيفية الخروج من الإطار وإيجاد حل؟ حل أكثر تعقيدًا من الاختيار الحصري بين هذين النهجين؟

ذكريات ضمنية وصريحة في الدماغ

في الواقع ، وبالنظر إلى هذا السؤال ، فإن العلوم المعرفية تجيب أولاً “كلاهما”. بالطبع ، نحن قائمون على المعرفة لأن إدراكنا لديه هذه القدرة الفريدة على تحويل عالم مستمر وغير مؤكد إلى رموز ومنطق منفصل ، كما يمكن رؤيته من خلال القليل من البحث عن الذات. لكننا نعتمد أيضًا على معالجة البيانات الرقمية ، لأنه تم إثبات  أنه حتى لوظيفة رمزية مثل اللغة ، يستخدم الطفل التعلم الإحصائي لاستخراج الكلمات من الجمل التي هو يدرك.

تستند هذه الكفاءة المزدوجة إلى ازدواجية لوحظت في العيادة في الخمسينيات من القرن الماضي وتم وضع نظريتها في التسعينيات (سكوير ، 2004): تكون ذاكرتنا طويلة المدى صريحة أحيانًا (نقول أيضًا توضيحية) عندما تسمح لنا بالتلاعب صراحة المعرفة. يكون أحيانًا ضمنيًا (وليس إعلانيًا) عندما يسمح لنا باكتساب الكفاءة من تجارب متعددة (يمكن مقارنتها بالبيانات). من ناحية ، كمثال على الذاكرة الصريحة ، يمكننا أن نتذكر صراحة وجبتنا الليلة الماضية (الذاكرة العرضية) أو معرفة أن السماء زرقاء (الذاكرة الدلالية) ، نوعان من الذاكرة نعرفهما للإعلان ؛ من ناحية أخرى ، كمثال على الذاكرة الضمنية ، تعلمنا ضمنيًا (من خلال) لغتنا الأم ويمكننا أن نتعلم ركوب الدراجة (الذاكرة الإجرائية غير التصريحية ؛ نحن نعرف كيفية القيام بذلك).

تتلاعب بعض أجزاء ذاكرتنا بالمعرفة بشكل صريح بينما يتدرب البعض الآخر ويتغذون على البيانات. نحن نعلم ذلك – وندرك ذلك ، ونعرف كيف نفسره أو نعلنه – أو نعرف كيف نفعل ذلك – ويمكننا إثبات ذلك ، دون أن نكون قادرين على إعادة هذه المعرفة إلى المستوى الواعي ؛ ربما لهذا السبب يميل الاستبطان إلى جعلنا نعتقد أننا نعتمد على المعرفة بدلاً من البيانات.

من المثير للاهتمام أيضًا أن نذكر أن علم الأعصاب كان قادرًا على تحديد دوائر دماغية محددة ومميزة لهذين النوعين من الذاكرة ، مع إبراز الاختلاف الأساسي بينهما ، خاصةً الدوائر العصبية التي تربط العقد القاعدية والقشرة المخية بدلاً من ذلك الذاكرة الضمنية ، في حين أن الحُصين وعلاقته بالفص الصدغي الإنسي بأكمله ، ضرورية للذاكرة الصريحة (الحالة السريرية التأسيسية في الخمسينيات من القرن الماضي كانت تتعلق بمريض فقد ، بعد استئصال الحُصين. وظيفة الذاكرة الصريحة).

في البداية ، كان التمييز بين هذه الأشكال المختلفة للذاكرة قادرًا على تعزيز التموضع ثنائي القطب للذكاء الاصطناعي والذي استخدم بشكل خاص المعارضة الضمنية / الصريحة أو حتى الإجرائية / التصريحية لتبرير تطوير النماذج القادرة على تعلم إجراء يعتمد على البيانات (مثل الشبكات العصبية) أو النماذج القادرة على إنتاج المعرفة من القواعد (مثل الأنظمة الخبيرة). يمكن أيضًا ملاحظة أن هاتين المدرستين المتميزتين للذكاء الاصطناعي قد تطورتا في العداء لاستكشاف كل من هذه السبل حيث يشير علم الأعصاب إلى أن الدماغ يؤوي هذين الشكلين من الذاكرة. تم تنفيذ بعض الأعمال للجمع بين المقاربات العددية والرمزية في الهياكل الهجينة (Sun & Alexandre ، 2013) ، لكنها ظلت استثناء ولم تطرح الموضوع إلا بشكل سطحي.

علاوة على ذلك ، وبشكل أكثر وضوحًا ، يشير العمل اللاحق في علم الأعصاب إلى أنه بالإضافة إلى التعايش البسيط بين هذه الأشكال من الذاكرة ، فإن الدماغ في الواقع ينظم تفاعلات وتبادل معقدة بين هذه الذكريات. يوضح هذا العمل أيضًا أن هذه التفاعلات هي أساس بعض الخصائص المهمة لإدراكنا ، والتي لن تكون موجودة بالضرورة إذا اعتبرنا هذه الذكريات مانعة للماء. هذا هو الحال بشكل خاص بالنسبة لظاهرتين نصفهما الآن: توحيد العادات وتكوينها.

العلاقة بين الذكاء الاصطناعي وعلم الأعصاب

آليات التوحيد

فيما يتعلق بالتوحيد ، فإن الملاحظة الأولية هي أن التنفيذ المختلف من قبل الدماغ لهذه الذكريات التكميلية   مع التعلم البطيء للذاكرة الإجرائية في القشرة الدماغية والتكوين السريع للذاكرة. عرضي في الحصين. لنأخذ مثالاً: بما أنني سأقوم دائمًا بالتسوق في نفس السوبر ماركت ، فسوف أتعود بعد العديد من الزيارات  على إجراءات الوصول إلى ساحة انتظار السيارات الخاصة به ، ولكن في كل زيارة ، يجب أيضًا أن أتذكر المكان المحدد الذي أقوم فيه بترك سيارتي.

توفر النماذج الحسابية للتعلم فهمًا أفضل لما هو موجود هنا. يجب أن تستخرج نماذج التعلم الإجرائي الضمنية الانتظام إحصائيًا. للقيام بذلك ، نستخدم بشكل عام شبكات من الخلايا العصبية المنظمة في طبقات متتالية لها هذه القدرة (ونلاحظ أيضًا أن طبقات الخلايا العصبية المتتالية هي التي تؤدي هذه الوظيفة في الدماغ). لهذا يحتاجون إلى العديد من الأمثلة ، والتي يجب أن تتداخل تمثيلاتها للسماح بالتعميمات. يوضح هذا العدد الكبير من الأمثلة التي يجب التعامل معها سبب طول وقت التعلم. إذا حاولنا التعلم بشكل أسرع أو إذا اخترنا فجأة أمثلة مختلفة جدًا ، فسوف نلاحظ ما يسمى بالنسيان الكارثي ، أي أننا سننسى الأمثلة الأولى وسنتذكر فقط الأخير ، والذي يتوافق مع التعلم الضمني ذو الجودة الرديئة.

على العكس من ذلك ، في نموذج تعليمي صريح لحالات معينة ، سنبحث عن ما هو محدد بدلاً من ما هو منتظم في المعلومات (وهو ما سيكون مفيدًا بالنسبة لي للعثور على سيارتي: يجب ألا أعمم بشكل خاص على عدة أمثلة لكن تذكر ما يميز هذه الحالة المحددة). سيتم تنفيذ هذه النماذج بشكل عام باستخدام شبكات عصبية متكررة (شبكات تشمل الوصلات بين جميع الخلايا العصبية وليس فقط من طبقات إلى طبقات) والتي تتمتع بهذه القدرة على حفظ التكوينات (ويلاحظ أن الدوائر المقابلة للدماغ ، في الحُصين ، متكرر للغاية).

سنفضل هنا أيضًا ما يسمى بنموذج التشفير المتناثر (موجود أيضًا في الحُصين) ، والذي يحاول تمثيل (وحفظ) ما هو مميز. يمكن أن يكون هذا التعلم أسرع بكثير ، لأننا لن نحاول مواجهة أمثلة أخرى بل نتعلم حالة معينة عن ظهر قلب. من ناحية أخرى ، يُظهر التجريب مع هذا النوع من النماذج مخاطر التداخل إذا تعلمنا الكثير من الأمثلة القريبة – فنحن نجازف بخلطها – بالإضافة إلى التكلفة العالية لتخزين المعلومات – من ناحية ، هناك كثافة اتصال أعلى في شبكة متكررة منها في شبكة ذات طبقات ؛ من ناحية أخرى ، يجب أن يكون التشفير دقيقًا في الشبكة المتكررة لأننا نريد العثور على المثال الدقيق الذي تم حفظه في حين أن تشفير الشبكة ذات الطبقات يمكن أن يدعم التعميم. لذلك من الضروري الحد من عدد الأمثلة المخزنة في الذاكرة العرضية ، كما يمكن رؤيته في علم الأعصاب: الذاكرة ليست دائمة في الحُصين ، ويمكن أن تستمر حتى بضع سنوات في البشر وبضعة أسابيع عند البشر. الجرذ.

وبالتالي ، فإن الملاحظة الأولية هي تلك المتعلقة بالتعلم التكميلي ، مع تعلم الذاكرة الضمنية البنية المخفية للبيانات والذاكرة الصريحة التي تتعلم الحالات الفردية. تتعلق الملاحظات الأساسية في علم الأعصاب بالعلاقات والتبادلات بين هذه الذكريات ، ولا سيما عمليات النقل من الحُصين إلى القشرة ، وهو ما يسمى التوحيد. خلال فترات الراحة وخاصة أثناء النوم ، يقوم الحُصين بإعادة تأهيل ذكريات حالات معينة وإرسالها مرة أخرى إلى القشرة. وهذا سيسمح للقشرة أن تتدرب تدريجيًا ، بالتناوب بين الحالات القديمة والجديدة ، وبالتالي تمنعها من ظاهرة النسيان الكارثي المذكورة سابقًا.

تمت مناقشة خاصية أخرى مثيرة للاهتمام للتوحيد في علم الأعصاب. عندما يكون هناك عدد كبير جدًا من الحالات الخاصة لتخزينها في ما يسمى بالذاكرة العرضية للحصين ، فإن آلية النقل هذه إلى القشرة المخية ستجعل من الممكن العثور على نقاطها المشتركة لتشكيل ذاكرة جديدة ، ودلالات ، وأيضًا صريحة ولكن مع التركيز على أبعاد مهمة . يبدو أن هذا سيسمح للحُصين أن ينسى الحالات الخاصة المقابلة. باختصار ، يوصف التوحيد بأنه تبادل ديناميكي بين الذكريات الضمنية والصريحة من أجل الحصول على إدراك فعال ، وتحقيق أقصى استفادة من كلا الآليتين وتخفيف نقاط ضعفهم. سنرى لاحقًا أن هذه النتائج لم يتم تحويلها إلى الذكاء الاصطناعي.

آليات تكوين العادة

فيما يتعلق بآليات تكوين العادة ، فإن الملاحظة الأولية هي أن طريقتين من اتخاذ القرار ، تسمى الانعكاسية والانعكاسية (Dolan & Dayan ، 2013) لأنها تستند على التوالي إلى ردود الفعل أو على التفكير. تاريخيًا ، تم اقتراحهم على التوالي من قبل “علماء السلوك” ، الذين ظهر السلوك بالنسبة لهم ضمنيًا من مجموعة من الارتباطات الانعكاسية بين المحفزات والاستجابات . ومن قبل “المعرفيون” ، الذين تصوروا بالأحرى بناء التمثيلات الداخلية (الخرائط المعرفي) للتلاعب صراحة بالمعرفة خلال مراحل التفكير.

هنا أيضًا ، أظهرت الدراسات اللاحقة في علم الأعصاب أننا نطور هذين الأسلوبين في اتخاذ القرار بفضل نوعي التعلم الموصوفين هنا ، الضمني والصريح. كتقدير تقريبي أول ، يشرح عمومًا أنه من أجل اتخاذ قرار ، نبدأ ببناء تمثيل للعالم يسمح لنا مستقبليًا ، لتوقع العواقب التي يمكن أن تترتب على أفعالنا واختيار الإجراء الذي ستكون عواقبه أسوأ. الأكثر إثارة للاهتمام أو الأقرب إلى الأهداف التي نسعى إليها. يفيد علم الأعصاب أنه ، مع قدرته على تكوين ارتباطات عشوائية بسرعة ، يبدو أن الحصين يشارك في بناء هذه الخرائط المعرفية الصريحة.

بعد ذلك ، بعد استخدام ما يسمى بالنهج القائم على الهدف لفترة طويلة (حيث يكون التمثيل الصريح للأهداف ضروريًا) ، يمكن للمرء أن ينتهي بتحديد أوجه الانتظام وإدراك ، فقط من خلال تحليل بأثر رجعي يغطي العديد من الحالات ، في حالة معينة ، يكون اختيار إجراء معين دائمًا هو الأكثر إثارة للاهتمام ، وبالتالي يمكننا تكوين ارتباط بين عمل الموقف (أو التحفيز والاستجابة) في القشرة ، من خلال هذا التعلم البطيء ، دون الحاجة إلى تمثل بصراحة الهدف الذي يحفز هذا الاختيار. وهذا ما يسمى تكوين العادة.

نجد هنا المبادئ المذكورة سابقًا ، مع الذاكرة الصريحة التي تشكلت أولاً في الحُصين ، بتكلفة معرفية كبيرة ، لتخزين ومعالجة المعرفة والذاكرة الضمنية التي تتشكل بعد ذلك في القشرة ، مع المساعدة من السابق ، من خلال البناء على أساس الإحصائيات ، العادات التي تستغرق وقتًا أطول لتكوينها ، ولكنها تلقائية ، وأسرع في التحفيز وأقل عرضة للتدخل.

لكن ماذا يفعل الذكاء الاصطناعي؟

استغل الذكاء الاصطناعي هذا العمل لاستيعاب هذه الازدواجية الضمنية / الصريحة في الجوانب العددية / الرمزية أو حتى استنادًا إلى البيانات والمعرفة. بالنسبة لمهام التعلم المتعلقة بالتصنيف والتعزيز ، اقترحت نماذج تشغيلية للتصنيف ولاتخاذ قرار بشأن هذين النوعين من الخصائص. ومع ذلك ، فإنها لم تدمج جميع النتائج التي ذكرناها للتو ، والتي تظهر أنه ، بعيدًا عن الازدواجية البسيطة ، تتفاعل الذكريات الضمنية والصريحة بمهارة شديدة لتشكيل إدراكنا. يمكن أن توفر محاولة ملاءمة هذه الآليات نماذج ذكاء اصطناعي ذات أداء أفضل ، ولكنها توفر أيضًا رؤية معيارية لعلم الأعصاب ، والتي لم توضح بشكل كامل جميع الأسئلة التي أثارتها هذه الملاحظات.

من ناحية أخرى ، فيما يتعلق بالتوحيد ، من المهم الإشارة إلى أن الحُصين يتغذى في الواقع بشكل حصري تقريبًا من خلال التمثيلات القادمة من القشرة ، وبالتالي تتوافق مع الحالة الحالية للذاكرة الضمنية ، مما يشير إلى أن هاتين الذكريات هي في الواقع مترابطة ومشتركة. كيف تحدث هذه التبادلات بين القشرة والحصين وكيف تتطور بشكل متبادل لا تزال سيئة الوصف وآليات قليلة جدًا في علم الأعصاب.

من ناحية أخرى ، فيما يتعلق بتكوين العادات ، من الواضح أيضًا أن أتمتة سلوكنا هذه ليست أحادية الجانب وأننا نعلم ، وفقًا لتطور الحالات الطارئة في العالم ، تجميد السلوك ثم مراجعته. من خلال استجواب صريح عندما لم يعد فعالًا ثم استعادته عندما يكون مناسبًا. هناك أيضًا ، لا تزال هذه الآليات مفهومة جدًا في علم الأعصاب. نحن لا نعرف كيف نشرح بدقة كيف نبني نموذجنا للعالم ، وكيف نختار أتمتة جزء منه ، وكيف يتم تنفيذ هذه الأتمتة وكيف نحافظ على مستوى من التحكم يسمح لنا بالتشكيك في هذا التوزيع بين أجزاء من العالم. سلوك متحكم فيه أو آلي.

يجب أن يكون فهم مبادئ النقل والارتباط بين المعرفة والبيانات في صميم اهتمامات الذكاء الاصطناعي المعني بحل نقاطه الشائكة وتقديم نماذج أكثر قوة. علاوة على ذلك ، كما ذكرنا أعلاه ، كانت النمذجة دائمًا مصدر إلهام لمساعدة علم الأعصاب على إضفاء الطابع الرسمي ووصف آليات معالجة المعلومات في العمل في أدمغتنا. ومع ذلك ، فيما يتعلق بهذه الطرائق من الارتباطات المرنة بين ذكرياتنا الضمنية والصريحة ، لا يلعب الذكاء الاصطناعي دوره كمحفز لمساعدة علوم الأعصاب على المضي قدمًا في هذه الأسئلة ، لأنه يظل عالقًا في هذه الازدواجية الجامدة والعقيمة بين البيانات. والمعرفة. لذلك حان الوقت لمطالبة الذكاء الاصطناعي بالاستيلاء على نتائج علم الأعصاب هذه من أجل التقدم ولكن أيضًا لإرسال تحليله المعياري إلى علم الأعصاب.

أضف تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *