تصفية المعلومات في محركات البحث، تكون مثل خصم في لعبة ما أو كالتعرف على صور.

فقد تفوق الذكاء الاصطناعي بمراحل على الذكاء البشري في مهام معينة.

عدة مجموعات من مشروع  Freiburg excellence cluster BrainLinks-BrainTools بجامعة فرايبورغ وبإشراف المحاضر المتخصص في علم الأعصاب دكتور (تونيو بول – Tonio Ball) قد أظهروا كيف أن الأفكار من علوم الحاسوب قد تحدث ثورة في الأبحاث الخاصة بالدماغ.

في المجلة العلمية «تخطيط الدماغ البشري» (Human Brain Mapping) قد أوضحوا كيف أن خوارزمية التعلم الذاتي قد تفك إشارات الدماغ التي تم قياسها بواسطة جهاز (التخطيط الكهربائي للدماغ – EEG).

وقد شملت الحركات التي تمت تأديتها، أيضاً حركات اليدين والقدم التي كانت مجرد تخيل، أو الحركة المتخيلة للأشياء.

على الرغم من أن الخوارزمية لم يتم إعطاؤها أي خصائص في وقت مبكر، فإنها تعمل بشكل سريع وبدقة مثل الأنظمة التقليدية التي تم انشاؤها لحل مهام معينة مبنية على خصائص إشارات الدماغ.

وبالتالي هي غير دقيقة لكل موقف.

الطلب على مثل هذه التداخلات بين الإنسان والآلة ضخم:

في المستشفى الجامعي بفرايبورغ، على سبيل المثال، قد يتم استخدامها في الكشف المبكر لنوبات الصرع.

ويمكن أيضًا أن تستخدم لتطوير إمكانيات التواصل للمرضى المصابين بالشلل أو الذين تم تشخيصهم بداء العصب التلقائي.

يقول عالم الحاسوب روبين تيبور شيرميستر: «أن النظام مبني على نماذج مستوحاة من الدماغ أثبتت فعاليتها في فك العديد من الإشارات الطبيعية مثل الأصوات اللفظية».

ويستخدم الباحث هذا النظام لكي يعيد كتابة الطرق التي استخدمها الفريق لفك شيفرة بيانات التخطيط الكهربائي للدماغ: ولذلك تُسمى الشبكات العصبية الاصطناعية قلب مشروع «BrainLinks-BrainTool».

«الشيء العظيم في هذا البرنامج أننا لا نحتاج إلى تحديد مسبق لأية خصائص. حيث تتم معالجة المعلومات طبقة بطبقة، وهي خطوات متتابعة بمساعدة وظيفة غير خطية (Non-Linear). ويعلمنا النظام كيف نتعرف ونميز بين بعض الأنماط السلوكية من حركات متعددة كما تسير جنبًا إلى جنب» كما يوضح شيرميستر.

ويستند هذا النموذج على الروابط بين الخلايا العصبية في الجسم البشري التي يتم فيها انتقال الإشارات الكهربية من توصيلات موجهة من نتوءات خلية إلى نواتها والعودة مجددًا.

يعلق شيرميستر على ذلك: «النظريات كانت متداولة لعقود، ولكنها لم تصبح عملية وذات قابلية حتى ظهور القوة المعالجية للكمبيوتر».

عادةً، دقة النموذج تتطور بعدد كبير من طبقات المعالجة.

والتي وصلت حتى 31 طبقة استخدمت أثناء الدراسة، والمعروفة باسم «التعلم العميق».

حتى الآن، مازالت إشكالية تفسير دوائر الشبكة بعد الانتهاء من عملية التعلم.

حيث أن جميع العمليات الخوارزمية تحدث في الخلفية وتكون غير مرئية.

ولهذا السبب طور الباحثون نظامًا لإنشاء بطاقات يستطيعون عن طريقها فهم قرارات فك التشفير.

يستطيع الباحثون إدراج قواعد بيانات جديدة إلى النظام في أي وقت.

«خلافاً للطريقة القديمة، نحن الآن قادرون على الذهاب مباشرةً إلى الإشارات الأولية التي يسجلها جهاز التخطيط الكهربائي للدماغ. نظامنا إن لم يكن أفضل من القديم فهو أدق» يقول تونيو بول، الباحث الرئيسي في الدراسة ملخصًا المساهمة البحثية.

إمكانيات التكنولوجيا لم تستنفذ بعد، جنبًا إلى جنب مع فريقه، يسعى الباحث إلى مواصلة تطويرها: «رؤيتنا للمستقبل تتضمن خوارزميات ذاتية التعلم والتي تستطيع بشكل سريع وموثوق به أن تتعرف على النوايا المختلفة للمستخدم بناءً على إشارات دماغه، بالإضافة إلى أن مثل هذه الخوارزميات قد تساعد في التشخيص العصبي».


  • ترجمة: أحمد صلاح العشري
  • تدقيق: محمد عبدالحميد ابوقصيصة
  • تحرير: جورج موسى
  • المصدر