يستخدم الباحثون الذكاء الاصطناعي للبحث عن الذكاء البشري

10 أبريل 2023 (أخبار Nanowerk) الدماغ شيء رائع وغامض: ثلاثة أرطال من الأنسجة الجيلاتينية الرخوة التي من خلالها نتفاعل مع العالم، ونولد الأفكار ونبني المعنى والتمثيل. إن فهم أين وكيف يحدث هذا كان منذ فترة طويلة من بين الأهداف الأساسية لعلم الأعصاب. في السنوات الأخيرة، تحول الباحثون إلى الذكاء الاصطناعي لفهم نشاط الدماغ كما تم قياسه بواسطة الرنين المغناطيسي الوظيفي، وتحويل نماذج الذكاء الاصطناعي على البيانات في محاولة لفهم ما يفكر فيه الناس، وبدقة متزايدة، وكيف تبدو تلك الأفكار في أدمغتهم. كان فريق متعدد التخصصات في جامعة كاليفورنيا في سانتا باربرا من بين أولئك الذين دفعوا هذه الحدود، باستخدام طريقة تطبق التعلم العميق على بيانات الرنين المغناطيسي الوظيفي لإنشاء عمليات إعادة بناء معقدة لما رآه المشاركون في الدراسة. وقال سيكون لين، المؤلف الرئيسي لورقة بحثية ظهرت في مؤتمر NeurIPS الأخير في نوفمبر 2022: "هناك العديد من المشاريع التي تحاول ترجمة إشارات الرنين المغناطيسي الوظيفي إلى صور، ويرجع ذلك في الغالب إلى رغبة علماء الأعصاب في فهم كيفية معالجة العقول للمعلومات المرئية".“Mind Reader: Reconstructing complex images from brain activities”). وفقًا للين، وأستاذ علوم الكمبيوتر في جامعة كاليفورنيا في سان فرانسيسكو، أمبوج سينغ، وعالم الأعصاب الإدراكي توماس سبراغ، فإن الصور الناتجة التي تم إنشاؤها بواسطة هذه الدراسة هي صور واقعية وتعكس بدقة صور "الحقيقة الأرضية" الأصلية. وأشاروا إلى أن عمليات إعادة البناء السابقة لم تنتج صورًا بنفس المستوى من الدقة. مفتاح نهجهم هو أنه بالإضافة إلى الصور، تتم إضافة طبقة من المعلومات من خلال الأوصاف النصية، وهي خطوة قال لين إنها تمت لإضافة بيانات لتدريب نموذج التعلم العميق الخاص بهم. بناءً على مجموعة بيانات متاحة للعامة، استخدموا CLIP (التدريب المسبق على اللغة المتباينة للصور) لتشفير أوصاف نصية موضوعية وعالية الجودة تقترن بالصور المرصودة، ثم قاموا بتعيين بيانات الرنين المغناطيسي الوظيفي لتلك الصور المرصودة على مساحة CLIP . ومن هناك استخدموا مخرجات نماذج التعيين كشروط لتدريب نموذج توليدي لإعادة بناء الصورة. وكانت عمليات إعادة البناء الناتجة قريبة بشكل ملحوظ من الصور الأصلية التي شاهدها الأشخاص، وهي في الواقع أقرب من أي محاولة سابقة لإعادة بناء الصور من بيانات الرنين المغناطيسي الوظيفي. الدراسات التي تلت ذلك، بما في ذلك واحدة بارزة (“High-resolution image reconstruction with latent diffusion models from human brain activity”) من اليابان، حددت طرقًا لمعالجة البيانات المحدودة بكفاءة وتحويلها إلى صور واضحة. مقارنات بين الأعمال السابقة وخط الأنابيب لدينا. نحن نستخدم مجموعة بيانات NSD الحديثة التي تتضمن مشاهد أكثر تعقيدًا. However, for comparison purposes, we choose four similar images from NSD, each containing a single object “plane”, and show our reconstructions from fMRI signals in fig. b. نتائج إعادة بناء الصورة من الرنين المغناطيسي الوظيفي بواسطة خط أنابيبنا. أربع صور للحقيقة الأرضية مؤطرة باللون الأخضر. (الصورة: سينغ وآخرون.) علاوة على ذلك، كشفت الدراسة عن نظرة ثاقبة لجانب مهم من الذكاء البشري: علم الدلالات. وقال لين: "أحد العناصر الرئيسية لهذه الورقة هو أن العمليات البصرية هي دلالات بطبيعتها". ووفقا للورقة البحثية، فإن "الدماغ متعدد الوسائط بشكل طبيعي"، أي أننا نستخدم وسائط متعددة من المعلومات على مستويات مختلفة لاكتساب المعنى من مشهد مرئي، مثل ما هو بارز، أو العلاقات بين الأشياء في المشهد. وتابع لين: "إن استخدام التمثيل المرئي فقط قد يجعل إعادة بناء الصورة أكثر صعوبة، ولكن استخدام التمثيل الدلالي مثل CLIP الذي يتضمن نصًا مثل وصف الصورة، يكون أكثر تماسكًا مع كيفية معالجة الدماغ للمعلومات". وأضاف سينغ: "العلم في هذا هو ما إذا كان هيكل النماذج يمكن أن يخبرك بشيء عن كيفية عمل الدماغ". "وهذا ما نأمل أن نحاول العثور عليه." في تجربة أخرى، على سبيل المثال، وجد الباحثون أن إشارات الدماغ بالرنين المغناطيسي الوظيفي تشفر الكثير من المعلومات الزائدة عن الحاجة - لدرجة أنه حتى بعد إخفاء أكثر من 80% من إشارة الرنين المغناطيسي الوظيفي، فإن 10-20% الناتجة تحتوي على بيانات كافية لإعادة بناء الصورة ضمن نفس فئة الصورة الأصلية، على الرغم من أنهم لم يقوموا بإدخال أي معلومات عن الصورة في خط إعادة بناء الإشارة (كانوا يعملون فقط من بيانات الرنين المغناطيسي الوظيفي). وقال سبراج: "يمثل هذا العمل نقلة نوعية حقيقية في دقة ووضوح أساليب إعادة بناء الصورة". "ركز العمل السابق على المحفزات البسيطة للغاية، لأن أساليب النمذجة لدينا كانت أبسط بكثير. الآن، مع وجود هذه الأساليب الجديدة لإعادة بناء الصور، يمكننا تطوير التجارب التي نجريها في علم الأعصاب الحسابي المعرفي نحو استخدام المحفزات الطبيعية والواقعية دون التضحية بقدرتنا على توليد استنتاجات واضحة. في الوقت الحالي، لا تزال إعادة بناء بيانات الدماغ إلى صور "حقيقية" تتطلب جهدًا كثيفًا وبعيدًا عن متناول الاستخدام العادي، ناهيك عن حقيقة أن كل نموذج خاص بالشخص الذي قام دماغه بإنشاء بيانات الرنين المغناطيسي الوظيفي. لكن هذا لا يمنع الباحثين من التفكير في الآثار المترتبة على القدرة على فك رموز ما يفكر فيه الشخص، وصولاً إلى طبقات المعنى الخاصة بكل عقل. قال سينغ: "ما أجده مثيرًا في هذا المشروع هو ما إذا كان من الممكن الحفاظ على الحالة المعرفية للشخص، ومعرفة كيف تحدده هذه الحالات بشكل فريد". وفقًا لسبراغ، ستسمح هذه الأساليب لعلماء الأعصاب بإجراء المزيد من الدراسات لقياس كيفية تغيير الأدمغة لتمثيلها للمحفزات - بما في ذلك تمثيل المشاهد القوية والمعقدة - عبر التغييرات في المهام. وقال: "هذا تطور هام من شأنه أن يجيب على أسئلة أساسية حول كيفية تمثيل العقول للمعلومات أثناء المهام الإدراكية الديناميكية ، بما في ذلك تلك التي تتطلب الانتباه والذاكرة واتخاذ القرار". أحد المجالات التي يستكشفونها الآن هو اكتشاف ما ومقدار ما يتم مشاركته بين الأدمغة حتى يمكن بناء نماذج الذكاء الاصطناعي دون الحاجة إلى البدء من الصفر في كل مرة. قال كريستوس زانجوس، طالب دكتوراه باحث في مختبر سينغ: "الفكرة الأساسية هي أن الدماغ البشري في العديد من المواضيع يشترك في بعض القواسم المشتركة الكامنة الخفية".

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. الوصول هنا.
• المصدر https://www.nanowerk.com/news2/robotics/newsid=62778.php