Neural Circuit Function Inference with LLMs
تقدم الورقة البحثية LLantia، وهي طريقة مؤتمتة تستفيد من النماذج اللغوية الكبيرة لتقطير وظائف أنواع الخلايا المستمدة من الأدبيات العلمية ودمجها مع بيانات الموصلات العصبية (connectome) لاستنتاج وظائف الدوائر العصبية وأنواع خلاياها المكونة بشكل منهجي وهيكلي هرمي، كما تم إثباته والتحقق من صحته في دماغ ذبابة الفاكهة البالغة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول فهم كيفية عمل مدينة ما بمجرد النظر إلى خريطة لكل شارع، وزقاق، ورصيف مشاة. أنت تعرف أين تتصل الطرق، لكن ليس لديك أدنى فكرة عما يحدث عند التقاطعات. هل تلك الإشارة الضوئية مخصصة لمنطقة مدرسية؟ هل ذلك الزقاق هو طريق مختصر لشاحنات التوصيل أم أنه طريق مسدود؟ هذا هو حال علم الأعصاب حالياً. لقد انتهى العلماء أخيراً من رسم "مخططات الأسلاك" لأدمغة صغيرة، مثل دماغ ذبابة الفاكهة، والتي توضح بالضبط أي الخلايا العصبية تلامس بعضها البعض. لكن معرفة الروابط ليست سوى نصف المعركة؛ فاللغز الحقيقي يكمن في معرفة ما تفعله تلك الروابط فعلياً. كيف يمكن لكتلة متشابكة من الأسلاك أن تحول رائحة الخل إلى قرار بالطيران نحوها؟
لحل هذه المعضلة، يستخدم الباحثون نوعاً جديداً من المحققين الرقميين: النماذج اللغوية الكبيرة (LLMs). فكر في هذه النماذج كأنظمة ذكاء اصطناعي فائقة الذكاء قرأت كل ورقة علمية كُتبت تقريباً. إنها بارعة في إيجاد الأنماط في النصوص، لكنها لا تستطيع عادةً النظر إلى مخطط للأسلاك. السؤال الكبير هو: هل يمكننا تعليم ذكاء اصطناعي أن ينظر إلى خريطة من الروابط ويقرأ أيضاً كتب التاريخ حول وظائف تلك الأجزاء، ثم يستخدم تلك المعرفة لتخمين وظيفة الأجزاء التي لم يدرسها أحد بعد؟ إذا استطعنا فعل ذلك، فسنتمكن فوراً من فهم كيفية عمل الدوائر المعقدة دون الحاجة إلى إجراء آلاف التجارب البطيئة والمكلفة لكل خلية عصبية.
المحقق الرقمي: LLantia
تعرف على LLantia (الاستدلال والتحليل الآلي للدوائر العصبية باستخدام النماذج اللغوية الكبيرة)، وهي أداة رقمية جديدة ابتكرها الباحثان "ييجي ين" و"ألبرت كاردونا". كان هدفهما بناء نظام يمكنه أخذ الخريطة السلكية الضخمة والمكتملة لدماغ ذبابة فاكهة بالغة، وتحديد وظيفة كل نوع من الخلايا العصبية تلقائياً، حتى لو لم يسبق لأي عالم أن كتب ورقة بحثية عن ذلك النوع المحدد من الخلايا.
المشكلة: مكتبة من الصفحات المفقودة
يحتوي دماغ ذبابة الفاكهة على حوالي 140,000 خلية عصبية، ولكن عند تجميعها حسب شكلها واتصالاتها، فإنها تشكل حوالي 9,000 نوع متميز من الخلايا. لقد درس العلماء بعض هذه الأنواع، لكن المعلومات مبعثرة مثل قطع الأحجية في صناديق مختلفة. تقول بعض الأوراق أن خلية عصبية ما تساعد في الشم؛ بينما تقول أوراق أخرى أنها تساعد في الحركة. وفي الوقت نفسه، تظهر الخريطة السلكية أن هذه الخلايا العصبية متصلة بكثافة—مثل محطة مترو مزدحمة حيث ترتبط 80% من المحطات خلال خمس محطات فقط. إن محاولة معرفة ما يحدث عند دمج كل هذه الإشارات يدوياً أمر مستحيل على البشر القيام به بسرعة.
الحل: خدعة سحرية من خطوتين
تعمل LLantia في مرحلتين رئيسيتين، حيث تعمل كأمين مكتبة منظم للغاية ومحقق بارع في آن واحد.
الخطوة 1: أمين المكتبة (قراءة الأدلة)
أولاً، يقوم النظام برحلة بحث عبر الأدبيات العلمية. يبدأ ببضع أوراق بحثية "بذرية" ويستخدم مخطط الاستشهاد (خريطة توضح أي الأوراق تشير إلى الأخرى) للعثور على كل دراسة ذات صلة. يقوم بتحميل النص ويستخدم ذكاءً اصطناعياً لاستخراج الوظائف المحددة للخلايا العصبية المذكورة.
- التحدي: غالباً ما يستخدم العلماء أسماءً مختلفة لنفس الخلية العصبية (مثل تسمية "الكلب" بـ "الكلب أو الجرو"). يجب أن يكون الذكاء الاصطناعي ذكياً بما يكفي لإدراك أن "MBON-α'1" و"MBON15" هما نفس الشخصية في القصة.
- النتيجة: نجح النظام في تلخيص وظائف 411 نوعاً فريداً من الخلايا من آلاف الأوراق البحثية، محولاً الجمل الطويلة والمعقدة إلى ملخصات قصيرة وواضحة.
الخطوة 2: المحقق (حل اللغز)
بعد ذلك، يأخذ النظام الخريطة السلكية والملخصات التي قرأها للتو. يقوم بإنشاء "أمر" (تعليمات مفصلة) مخصص لنموذج ذكاء اصطناعي قوي. يقول هذا الأمر: "إليك خلية عصبية محددة. إليك من تتواصل معه. إليك ما يُعرف عن جيرانها. بناءً على هذا، ما هي وظيفة هذه الخلية العصبية؟"
- المنطق: إذا كانت الخلية العصبية تتلقى إشارات من "كاشفات الرائحة" وترسل إشارات إلى "متحكمات الطيران"، فإن الذكاء الاصطناعي يستنتج أن هذه الخلية هي على الأرجح "محول من الرائحة إلى الطيران".
- المخرج: بدلاً من مجرد تخمين بسيط، ينتج الذكاء الاصطناعي تقريراً مهيكلاً. فهو يقترح وظيفة الخلية العصبية، والسلوكيات المحددة التي قد تتحكم فيها (مثل "البحث عن الطعام عند الجوع")، بل ويذكر أيضاً الروابط المحددة التي تدعم هذه الفكرة. كما ينظم هذه التخمينات في تسلسل هرمي، موضحاً كيف تتناسب الدوائر الصغيرة ضمن دوائر أكبر.
هل نجح الأمر؟ الدليل
لم يكتفِ الباحثون بالأمل في نجاح الأمر؛ بل اختبروه بصرامة.
- اختبار "المستقبل": تحققوا من نتائجهم مقابل ورقة علمية جديدة تماماً نُشرت بعد تدريب الذكاء الاصطناعي. استنتج الذكاء الاصطناعي بشكل صحيح أن خلية عصبية معينة (LoVPN) تعمل كـ "كاشف للبروز البصري" يعمل فقط عندما تكون الحواس الأخرى (مثل الشم) هادئة. وقد طابق هذا نتائج الورقة الجديدة تماماً، مما أثبت أن الذكاء الاصطناعي لم يكن يحفظ الحقائق القديمة فحسب، بل كان يستنتج فعلياً حول الدائرة.
- اختبار "الذاكرة": للتأكد من أن الذكاء الاصطناعي لا يسترجع الإجابة من بيانات التدريب الخاصة به، قام الباحثون بإخفاء أسماء الخلايا العصبية وإزالة أوصاف الوظائف المعروفة. عندما اختفت الأسماء، أصبحت تخمينات الذكاء الاصطناعي غامضة وعامة. أثبت هذا أن الذكاء الاصطناعي كان يستخدم بالفعل الخريطة السلكية والسياق الخاص بالخلايا العصبية الأخرى لمعرفة الإجابة، وليس مجرد استرجاع حقيقة ما.
- الاختبار "البشري": عندما قارنوا ملخصات الذكاء الاصطناعي بتلك التي كتبها خبراء بشريون، كانت الأوصاف التي أنشأها الكمبيوتر مشابهة بشكل مدهش في المعنى، حتى لو اختلف الأسلوب.
ما الذي وجده؟
باستخدام هذه الطريقة، أنتج الفريق فرضيات وظيفية لجميع أنواع الخلايا الـ 9,000 في دماغ ذبابة الفاكهة. كما رسموا ست دوائر رئيسية (مثل المسار من مستشعرات الرائحة إلى مركز الملاحة). اكتشف الذكاء الاصطناعي موضوعات مشتركة، مثل:
- التثبيط المتبادل: الخلايا العصبية التي توقف سلوكاً واحداً (مثل الغناء لجذب الشريك) عندما يكون هناك سلوك آخر أكثر إلحاحاً (مثل الهروب من مفترس) مطلوباً.
- بوابات "و" (AND Gates): الخلايا العصبية التي لا تنشط إلا عند استيفاء شروط متعددة (مثلاً: "أنا جائع" وَ "أشم رائحة طعام" وَ "أنا لست في حالة تزاوج").
الخلاصة
إن LLantia لا تحل محل العلماء؛ بل تمنحهم دفعة قوية للأمام. فهي تحول جبلاً من البيانات غير المترابطة إلى خريطة مهيكلة وقابلة للبحث حول "ما يفعل ماذا". ومن خلال أتمتة عملية ربط النقاط بين أسلاك الخلية العصبية ووظيفتها، فإنها تسمح للباحثين بتجاوز التخمين والانتقال مباشرة إلى تصميم تجارب لاختبار هذه الأفكار الجديدة. ويشير المؤلفون إلى أنه يمكن توسيع نطاق هذا النهج ليشمل أدمغة أكبر بكما تتحسن خرائطنا، مما يحول التعقيد الهائل للجهاز العصبي إلى لغز قابل للحل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.