إذا انبهرت أثناء مشاهدتك لأحدث مقاطع الفيديو التي تم إنشاؤها بواسطة الذكاء الاصطناعي، أو تم حفظ رصيدك البنكي من المجرمين عن طريق نظام كشف الاحتيال، أو أصبح يومك أسهل قليلاً لأنك تمكنت من إملاء رسالة نصية أثناء فرارك، فلديك العديد من العلماء والرياضيين والمهندسين يستحقون الشكر.
لكن يبرز اسمان لمساهمات أساسية في تكنولوجيا التعلم العميق التي تجعل تلك التجارب ممكنة: عالم الفيزياء في جامعة برينستون جون هوبفيلد، وعالم الكمبيوتر في جامعة تورنتو جيفري هينتون.
وحصل الباحثان على جائزة نوبل في الفيزياء في 8 أكتوبر 2024، لأعمالهما الرائدة في مجال الشبكات العصبية الاصطناعية. على الرغم من أن الشبكات العصبية الاصطناعية تم تصميمها على غرار الشبكات العصبية البيولوجية، إلا أن عمل كلا الباحثين اعتمد على الفيزياء الإحصائية، ومن هنا جاءت الجائزة في الفيزياء.
كيف يحسب العصبون
تعود أصول الشبكات العصبية الاصطناعية إلى دراسات الخلايا العصبية البيولوجية في الأدمغة الحية. في عام 1943، اقترح عالم الفيزيولوجيا العصبية وارن ماكولوتش وعالِم المنطق والتر بيتس نموذجًا بسيطًا لكيفية عمل الخلية العصبية. في نموذج ماكولوتش-بيتس، ترتبط الخلية العصبية بالخلايا العصبية المجاورة لها ويمكنها استقبال الإشارات منها. ويمكنه بعد ذلك دمج تلك الإشارات لإرسال إشارات إلى الخلايا العصبية الأخرى.
ولكن هناك تطورًا: يمكنه وزن الإشارات القادمة من جيران مختلفين بشكل مختلف. تخيل أنك تحاول أن تقرر ما إذا كنت تريد شراء هاتف جديد الأكثر مبيعًا أم لا. تتحدث مع أصدقائك وتطلب منهم توصياتهم. تتمثل الإستراتيجية البسيطة في جمع كل توصيات الأصدقاء واتخاذ قرار بالموافقة على ما تقوله الأغلبية. على سبيل المثال، تسأل ثلاثة أصدقاء، أليس وبوب وتشارلي، فيقولون نعم، نعم، ولا، على التوالي. وهذا يقودك إلى اتخاذ قرار بشراء الهاتف لأن لديك اثنين من نعم وواحد لا.
ومع ذلك، قد تثق ببعض الأصدقاء أكثر لأن لديهم معرفة متعمقة بالأدوات التقنية. لذلك قد تقرر إعطاء وزن أكبر لتوصياتهم. على سبيل المثال، إذا كان تشارلي على دراية كبيرة، فيمكنك أن تعد كلمة “لا” ثلاث مرات، ويكون قرارك الآن هو عدم شراء الهاتف – اثنان نعم وثلاثة رفض. إذا كان من سوء حظك أن يكون لديك صديق لا تثق به تمامًا في الأمور التقنية، فقد تعطيه وزنًا سلبيًا. فـ يايهم يعد كلا، ولاهم يعد آيا.
بمجرد اتخاذ قرارك الخاص بشأن ما إذا كان الهاتف الجديد خيارًا جيدًا أم لا، يمكن للأصدقاء الآخرين أن يطلبوا منك توصيتك. وبالمثل، في الشبكات العصبية الاصطناعية والبيولوجية، يمكن للخلايا العصبية تجميع الإشارات من جيرانها وإرسال إشارة إلى الخلايا العصبية الأخرى. تؤدي هذه القدرة إلى تمييز رئيسي: هل هناك دورة في الشبكة؟ على سبيل المثال، إذا سألت أليس وبوب وتشارلي اليوم، وسألتني أليس غدًا عن توصيتي، فستكون هناك دورة: من أليس إلي، ومني إلى أليس.
إذا لم يكن للاتصالات بين الخلايا العصبية دورة، فإن علماء الكمبيوتر يطلقون عليها اسم الشبكة العصبية المغذية. يمكن ترتيب الخلايا العصبية في شبكة التغذية الأمامية في طبقات. الطبقة الأولى تتكون من المدخلات. وتستقبل الطبقة الثانية إشاراتها من الطبقة الأولى وهكذا. الطبقة الأخيرة تمثل مخرجات الشبكة.
ومع ذلك، إذا كانت هناك دورة في الشبكة، يطلق عليها علماء الكمبيوتر اسم الشبكة العصبية المتكررة، ويمكن أن تكون ترتيبات الخلايا العصبية أكثر تعقيدًا من الشبكات العصبية المغذية.
شبكة هوبفيلد
جاء الإلهام الأولي للشبكات العصبية الاصطناعية من علم الأحياء، ولكن سرعان ما بدأت مجالات أخرى في تشكيل تطورها. وشملت هذه المنطق والرياضيات والفيزياء. استخدم الفيزيائي جون هوبفيلد أفكارًا من الفيزياء لدراسة نوع معين من الشبكات العصبية المتكررة، والتي تسمى الآن شبكة هوبفيلد. وعلى وجه الخصوص، درس ديناميكياتها: ماذا يحدث للشبكة مع مرور الوقت؟
ومثل هذه الديناميكيات مهمة أيضًا عندما تنتشر المعلومات عبر الشبكات الاجتماعية. يعلم الجميع انتشار الميمات على نطاق واسع وتشكل غرف الصدى في الشبكات الاجتماعية عبر الإنترنت. هذه كلها ظواهر جماعية تنشأ في نهاية المطاف من تبادل المعلومات البسيط بين الأشخاص في الشبكة.
كان هوبفيلد رائدًا في استخدام نماذج من الفيزياء، خاصة تلك التي تم تطويرها لدراسة المغناطيسية، لفهم ديناميكيات الشبكات العصبية المتكررة. كما أظهر أيضًا أن ديناميكياتها يمكن أن تمنح مثل هذه الشبكات العصبية شكلاً من أشكال الذاكرة.
آلات بولتزمان والانتشار العكسي
خلال الثمانينيات، قام جيفري هينتون، وعالم الأحياء العصبية الحسابية تيرينس سينوفسكي وآخرون بتوسيع أفكار هوبفيلد لإنشاء فئة جديدة من النماذج تسمى آلات بولتزمان، والتي سميت على اسم عالم الفيزياء لودفيج بولتزمان في القرن التاسع عشر. وكما يوحي الاسم، فإن تصميم هذه النماذج متجذر في الفيزياء الإحصائية التي ابتكرها بولتزمان. وعلى عكس شبكات هوبفيلد التي يمكنها تخزين الأنماط وتصحيح الأخطاء في الأنماط – كما يفعل المدقق الإملائي – يمكن لآلات بولتزمان توليد أنماط جديدة، وبالتالي زرع بذور ثورة الذكاء الاصطناعي التوليدي الحديث.
كان هينتون أيضًا جزءًا من اختراق آخر حدث في الثمانينيات: الانتشار العكسي. إذا كنت تريد أن تقوم الشبكات العصبية الاصطناعية بمهام مثيرة للاهتمام، عليك أن تختار بطريقة أو بأخرى الأوزان المناسبة للاتصالات بين الخلايا العصبية الاصطناعية. يعد Backpropagation خوارزمية رئيسية تتيح تحديد الأوزان بناءً على أداء الشبكة في مجموعة بيانات التدريب. ومع ذلك، ظل تدريب الشبكات العصبية الاصطناعية ذات الطبقات المتعددة أمرًا صعبًا.
في العقد الأول من القرن الحادي والعشرين، استخدم هينتون وزملاؤه بذكاء آلات بولتزمان لتدريب شبكات متعددة الطبقات عن طريق التدريب المسبق للشبكة طبقة تلو الأخرى ثم استخدام خوارزمية ضبط دقيقة أخرى أعلى الشبكة المُدربة مسبقًا لضبط الأوزان بشكل أكبر. تمت إعادة تسمية الشبكات متعددة الطبقات بالشبكات العميقة، وبدأت ثورة التعلم العميق.
الذكاء الاصطناعي يردها إلى الفيزياء
تُظهر جائزة نوبل في الفيزياء كيف ساهمت أفكار الفيزياء في ظهور التعلم العميق. الآن بدأ التعلم العميق في سداد مستحقاته للفيزياء من خلال تمكين عمليات محاكاة دقيقة وسريعة لأنظمة تتراوح من الجزيئات والمواد إلى مناخ الأرض بأكمله.
ومن خلال منح جائزة نوبل في الفيزياء لهوبفيلد وهينتون، أشارت لجنة الجائزة إلى أملها في قدرة البشرية على استخدام هذه التطورات لتعزيز رفاهية الإنسان وبناء عالم مستدام.
تم إعادة نشر هذا المقال من The Conversation، وهي منظمة إخبارية مستقلة غير ربحية تقدم لك حقائق وتحليلات جديرة بالثقة لمساعدتك على فهم عالمنا المعقد. بقلم : أمبوج تيواري . جامعة ميشيغان
اقرأ المزيد:
أمبوج تيواري يتلقى التمويل من جبهة الخلاص الوطني.