تخيل دماغك كمدينة ضخمة وصاخبة، حيث تصل المعلومات البصرية (ما تراه) إلى محطة القطار الرئيسية. لعقود من الزمن، اعتقد العلماء أن هذه المدينة تمتلك طريقين سريعين رئيسيين: أحدهما لتحديد ماهية الأشياء (مثل كوب أو كلب)، والآخر لمعرفة أين توجد تلك الأشياء في الفضاء.
تشير هذه الورقة البحثية إلى أن خريطة هذه المدينة أكثر تعقيداً. فباستخدام فحوصات دماغية عالية الدقة ومقارنتها بـ "أدمغة" حاسوبية قوية (ذكاء اصطناعي)، اكتشف الباحثون أنه عندما ننظر إلى مشاهد طبيعية، ينقسم القشرة البصرية لدينا إلى مسارين متميزين يتعاملان مع أنواع مختلفة من المعلومات، بدلاً من مجرد "ماذا" و"أين".
إليك تفصيل نتائجهم باستخدام تشبيهات بسيطة:
1. الطريقان السريعان للرؤية
عندما تنظر إلى مشهد معقد (مثل منتزه به أشخاص، وأشجار، وبحيرة)، لا يعالج دماغك الأمر كمجرد كتلة واحدة كبيرة. بل يرسل المعلومات عبر "طريقين سريعين" منفصلين:
مسار "المشهد الطبيعي" (الوسطي-البطني): هذا المسار يمر عبر الجزء الأوسط السفلي من منطقة المعالجة البصرية لديك. إنه بمثابة المهندس المعماري والمرشد السياحي. هو متخصص في تخطيط البيئة: الجدران، الأفق، شكل الغرفة، والسياق العام. يجيب على السؤال: "ما نوع هذا المكان؟"
التشبيه: فكر في هذا الجزء من دماغك على أنه الذي يدرك أنك في "مطبخ" أو "غابة" بناءً على ترتيب الأشياء والمساحة، بغض النظر عمن يقف هناك.
مسار "الحياة" (الجانبي): هذا المسار يمتد على طول جانب منطقة المعالجة البصرية لديك. إنه بمثابة المراقب الاجتماعي. هو يركز بشدة على الكائنات الحية: البشر، الحيوانات، والحركة. يجيب على السؤال: "من أو ما هو الشيء الحي في هذا المشهد؟"
التشبيه: هذا هو الجزء من دماغك الذي يلمح فوراً شخصاً يمشي مع كلب أو طائراً يطير، حتى لو تجاهلت الأشجار في الخلفية.
2. المقارنة مع الذكاء الاصطناعي (اختبار المرآة)
لإثبات وجود هذه المسارات وفهم وظائفها، قارن الباحثون بين نشاط الدماغ البشري ونوعين من الذكاء الاصطناعي:
نماذج الرؤية (ذكاء اصطناعي مدرب على الصور): وهي تشبه الكاميرات التي تتعلم التعرف على الأشكال والأشياء بمجرد النظر إلى البكسلات.
نماذج اللغة (ذكاء اصطناعي مدرب على النصوص): وهي تشبه الكتاب الذين يتعلمون وصف الأشياء باستخدام الكلمات والمفاهيم.
النتائج:
مسار "المشهد الطبيعي" تطابق تماماً مع نماذج الرؤية. فهو يهتم بالبنية البصرية للمشهد (التخطيط)، تماماً مثل الكاميرا التي تحلل صورة.
مسار "الحياة" تطابق مع كل من نماذج الرؤية ونماذج اللغة. وهذا أمر رائع لأن هذا الجزء من الدماغ مهيأ للمحتوى "الحي" (الناس/الحيوانات) بطريقة تشبه الطريقة التي نصف بها الأشياء بالكلمات. يبدو الأمر كما لو أن هذا الجزء من الدماغ يفكر: "هذا شخص"، بطريقة تتماشى مع رؤية وجه وقراءة كلمة "شخص" في آن واحد.
3. مفتاح "الوكيل البيولوجي"
وجد الباحثون أن "مسار الحياة" محدد للغاية.
التشبيه: تخيل أن "مسار الحياة" هو كاميرا مراقبة لا تعمل إلا عند اكتشاف كائن حي.
عندما عرض الباحثون صوراً بدون أشخاص أو حيوانات (مجرد مناظر طبيعية أو أشياء)، أصبح هذا المسار خاملاً.
وعندما عرضوا صوراً مع أشخاص أو حيوانات، أضاء هذا المسار بقوة.
يشير هذا إلى أن هذا الطريق السريع المحدد مخصص بالكامل تقريًا لمعالجة المحتوى الاجتماعي والبيولوجي.
4. لماذا يهم هذا الأمر (وفقاً للورقة البحثية)
تجادل الورقة بأن أدمغتنا لا تقوم فقط بفرز الأشياء إلى "أشياء" مقابل "مواقع". بدلاً من ذلك، هي تصنفها إلى "سياق/بيئة" مقابل "محتوى حي/اجتماعي".
مسار السياق يساعدك على فهم "المسرح" الذي تقف عليه (الغرفة، المناظر الطبيعية).
المسار الاجتماعي يساعدك على تتبع "الممثلين" على ذلك المسرح (الناس، الحيوانات).
ما لا تدعيه الورقة البحثية
من المهم الالتزام بما وجده المؤلفون بالفعل:
هم لم يقولوا إن هذا يساعد في تشخيص أمراض مثل الزهايمر أو التوحد (رغم أن هذا قد يكون فكرة مستقبلية، لكنه ليس في هذه الورقة).
هم لم يقولوا إننا يمكننا استخدام هذا لبناء روبوتات أفضل (مرة أخرى، هذه فكرة مستقبلية، وليست ادعاءً هنا).
هم لم يقولوا إن هذا يعمل لكل أنواع مهام الرؤية. لقد اختبروا هذا تحديداً على المشاهد الطبيعية (صور لبيئات حقيقية). إذا نظرت إلى جسم واحد معزول على خلفية بيضاء، فقد يبدو هذا "الانقسام في المسارين" مختلفاً.
الملخص
فكر في نظام الرؤية في دماغك كدار سينما.
جهاز عرض واحد (مسار المشهد الطبيعي) يركز على تصميم الديكور (الخلفية، الغرفة، المناظر الطبيعية).
جهاز عرض آخر (مسار الحياة) يركز على الممثلين (الأشخاص والحيوانات). لقد أظهرت الورقة أن جهازي العرض هذين متميزان ومتخصصان، ويعملان معاً لإعطائنا صورة كاملة عن العالم، وأن أجهزة الذكاء الاصطناعي الحاسوبية بدأت تتعلم رؤية العالم بهذا الانقسام نفسه.
المشكلة يقوم الدماغ البشري بتحويل المدخلات البصرية إلى تمثيلات قشرية عالية الأبعاد لدعم أهداف معرفية متنوعة. وبينما ثبت أن الإشارات الحسية تتحول إلى أنماط مهيكلة من النشاط القشري عبر مراحل متعددة (من القشرة البصرية المبكرة إلى المناطق التابعة لها)، فإن توصيف كيفية تنظيم هذه المعلومات وتوجيهها عبر الدماغ البشري يظل تحديًا مركزيًا. وتحديدًا، هناك حاجة لتحديد أي المناطق تشفر جوانب معينة من المدخلات الحسية، ورسم الخرائط للشبكات التي توجه هذه المعلومات، والتمييز بين الميزات المرتبطة بصريًا والممثلات الدلالية الأكثر تجريدًا. غالبًا ما تعتمد النماذج التقليدية على ثنائية "ماذا في البطن / أين في الظهر" (ventral what / dorsal where)، لكن الاقتراحات الحديثة تشير إلى مسارات أكثر تعقيدًا وتجزئة للمشهد السياقي والإدراك الاجتماعي، مما يتطلب تحققًا تجريبيًا باستخدام محفزات طبيعية.
المنهجية طبق المؤلفون إطارًا موحدًا على مجموعة بيانات المشاهد الطبيعية (NSD)، وهي مجموعة بيانات fMRI عالية الدقة بـ 7 تسلا، حيث شاهد ثمانية مشاركين آلاف المشاهد الطبيعية أثناء أداء مهمة التعرف على الذاكرة. دمج خط تحليل البيانات أربعة نهج تكميلية:
استخراج الميزات: تم تقسيم الأسطح القشرية إلى 180 منطقة لكل نصف كرة (أطلس HCP-MMP). جُمعت استجابات fMRI لكل تجربة ضمن القطع (parcels) لإنشاء تمثيلات متجهية. وبالتزامن مع ذلك، استُخرجت التنشيطات على مستوى الطبقات من 37 نموذجًا للشبكات العصبية العميقة (DNNs) سابقة التدريب، بما في ذلك 17 نموذجًا من محولات الرؤية (ViT) و14 نموذجًا من المحولات اللغوية (LLMs) القائمة على النصوص، والتي عالجت كل من الصور وتعليقاتها النصية.
المحاذاة التمثيلية (RSA): استخدم المؤلفون تحليل التشابه التمثيلي (RSA) لقياس التوافق بطريقتين:
RSA بين المشاركين (IS-RSA): ربط مصفوفات عدم التشابه (RDMs) لكل قطعة عبر المشاركين لتقدير الهندسة التمثيلية المشتركة.
RSA بين الدماغ والنموذج (Brain-Model RSA): ربط مصفوفات RDM للقطع مع مصفوفات RDM لطبقات النماذج لقياس المحاذاة مع فضاءات ميزات الرؤية واللغة.
الاتصال التمثيلي: أُعيد استخدام IS-RSA كقياس للاتصال بين أزواج من القطع لبناء شبكة قشرية بناءً على تشابه كيفية تنظيم المناطق لمجموعة المحفزات، بدلاً من القرب التشريحي.
تفكيك الأبعاد: طُبق تحليل الارتباط المتعدد المتغيرات باستخدام النواة (KMCCA) لتفكيك الهندسة المشتركة داخل المحاور (hubs) المحددة إلى أبعاد كامنة، وربط هذه الأبعاد بخصائص المحفزات العامة (مثل تخطيط المشهد، أو الوجود البيولوجي).
لضمان المتانة، تم تكرار خط التحليل على مجموعتي بيانات مستقلتين (BOLD5000 وTHINGS-fMRI) بمجموعات محفزات ومتطلبات مهام مختلفة.
المساهمات الرئيسية
إطار موحد: تقدم الدراسة منهجية تحدد في آن واحد مكان المعلومات المشتركة، وتصف توجيهها كشبكة موزعة، وتحدد ميزات المحفزات المحددة التي تقود هذا التنظيم، وتربطها بالميزات الهرمية في الشبكات العصبية العميقة (DNNs).
تنظيم ذو مسارين: يكشف التحليل عن تنظيم قشري ذي مسارين متمايزين أثناء إدراك المشهد، مما يصقل نماذج المجرى البصري الكلاسيكية.
المحاذاة الخاصة بالنمط (Modality-Specific): يوضح العمل أنماط محاذاة متميزة بين مناطق الدماغ ونماذج الذكاء الاصطناعي: حيث تتوافق نماذج الرؤية مع كلا مساري المعالجة، بينما تتواذا نماذج اللغة بشكل أساسي مع المسار الجانبي.
الهندسة المدفوعة بالمحفزات: تقيس الدراسة كيف تدفع خصائص محددة للمحفزات (تخطيط المشهد مقابل الوكلاء البيولوجيين) الهندسة المشدة في محاور مختلفة.
النتائج
الهندسة المشتركة والمحاور: حدد IS-RSA محاذاة كبيرة عبر القشرة القذالية ممتدة إلى مناطق الارتباط العليا. حددت ثلاثة محاور متجمعة تشريحيًا أقوى هندسة مشتركة:
المحور البطني (Ventral Hub): يقع في القشرة الصدغية البطنية الوسطى (VMV1-3, PHA1-3)، ويتداخل مع مناطق انتقائية للمشهد مثل منطقة باراهيبوكامبال للمكان (PPA).
محور القشرة القذالية الصدغية الجانبية (LOTC Hub): يشمل معقد الحركة MT+ والمنطقة الصدغية الجدارية الخلفية (TPOJ)، وهي مناطق مرتبطة بالحركة البيولوجية والإدراك الاجتماعي.
مساران معالجة متميزان: كشف تحليل الاتصال التمثيلي أن المحور البصري المبكر يتفرع إلى مسارين مهيمنين:
المسار الإنسي البطني (Medial-Ventral Route): يتقدم عبر القشرة القذالية الصدغية البطنية إلى المحور البطني. هذا المسار متخصص لتخطيط المشهد والسياق البيئي. وهو يتوافق مع نماذج الرؤية عبر مستويات عمق متعددة، ولكنه يظهر محاذاة ضئيلة أو معدومة مع نماذج اللغة.
المسار الجانبي (Lateral Route): يتقدم عبر القشرة القذالية الجانبية إلى محور LOTC. هذا المسار مضبوط بشكل انتقائي للمحتوى الحيوي والاجتماعي. وهو يتوافق مع المراحل المتأخرة من نماذج الرؤية، والأهم من ذلك، يظهر محاذاة قوية مع نماذج اللغة.
المحركات التحفيزية: كشف تفكيك KMCCA أن الهندسة المشتركة في المحور البطني تختلف على طول متصل (continuum) من المشهد إلى الشيء. في المقابل، تهيمن على هندسة محور LOTC بُعد يفصل الصور التي تحتوي على وكلاء بيولوجيين (بشر/حيوانات) عن تلك التي لا تحتوي عليهم. أدى حذف المحتوى البيولوجي إلى تقليل المحاذاة بين المشاركين بشكل كبير في محور LOTC وإضعاف اتصال المسار الجانبي.
التوافق مع النماذج: التقطت نماذج الرؤية الهندسة المشتركة لكلا المسارين، مع تدرج في عمق المحاذاة من الخلف إلى الأمام (طبقات ضحلة للقشرة البصرية المبكرة، وطبقات عميقة لـ LOTC). ومع ذلك، أظهرت نماذج اللغة محاذاة متركزة حصريًا في محور LOTC، مدفوعة بالمحتوى الدلالي على مستوى الرموز (تنظيم "حقيبة الكلمات" - bag-of-words) بدلاً من التدرج في العمق الهرمي.
التعميم: أكد التكرار على BOLD5000 (مشاهد غنية) وجود طوبولوجيا المسارين، وإن كان بقدر أقل بسبب انخفاض موثوقية الإشارة. وفي دراسة THINGS-fMRI (المركزة على الأشياء، مع حد أدنى من تخطيط المشهد)، لم يكن المسار الجانبي ومحور LOTC بارزين، مما يؤكد أن تنظيم المسارين يعتمد على وجود محتوى مشهد واجتماعي غني في مجموعة المحفزات.
الأهمية تدعي الورقة أنها تصقل نماذج المجرى البصري الكلاسيكية من خلال توصيف إدراك المشهد كشبكة قشرية موزعة ذات مسارات تمثيلية منفصلة للسياق والمحتوى الحيوي. وهي تقدم دليلًا يدعم الاقتراحات بوجود مسار بطني أوسط للمشهد السياقي ومسار جانبي "ثالث للمجرى البصري" للإدراك الاجتماعي. ومن خلال دمج المحاذاة، والاتصال، وتفكيك الأبعاد، تقدم الدراسة مسارًا عمليًا للاستفادة من البيانات واسعة النطاق للانتقال من مجرد السؤال عما إذا كانت الأنظمة تشفر المعلومات بشكل مشابه، إلى فهم ما هي المعلومات المشتركة وكيف يتم توزيعها. ويشير المؤلفون إلى أن هذه النتائج تعتمد على السياق، وتتغير بتغير عينات المحفزات ومتطلبات المهام، وأن الإطار يحدد التنظيم التمثيلي وليس الآلية الميكانيكية الدقيقة. ويؤسس هذا العمل معيارًا للأبحاث المستقبلية حول كيفية دعم الأنظمة القشرية الموزعة للإدراك في البيئات الديناميكية.