A Hierarchical Energy-Based Model for Multimodal Cognition

خريطة طقس الدماغ السرية

تخيل أنك تحاول فهم كيفية عمل مدينة ما. يمكنك دراسة كل طوبة في كل مبنى، أو يمكنك النظر إلى أنماط حركة المرور، والطقس، وتدفق الناس لفهم كيف "تشعر" المدينة وكيف "تتحرك". في عالم علوم الدماغ، هناك جدل كبير حول أي النهجين أفضل. بعض العلماء يريدون رسم خريطة لكل عصبون مثل مخطط طوبة بطوبة. بينما يقترح آخرون، مثل مؤلف هذه الورقة، أنه ينبغي لنا النظر إلى "طقس" العقل. هم يقترحون أن أفكارنا وتصوراتنا ليست مجرد مجموعة من الأسلاك التي تطلق شرارات، بل هي تدفق من الحالات التي تتحرك عبر مشهد من الطاقة، تماماً مثل كرة تتدحرج على تلة أو نهر يجد مساره إلى البحر.

تعتمد هذه الفكرة على مفهوم يسمى المعالجة التنبؤية (Predictive Processing). فكر في دماغك ليس ككاميرا تسجل ما تراه فحسب، بل كمخمن ذكي للغاية. في كل ثانية، يقوم دماغك باستمرار بوضع تنبؤات عما سيحدث بعد ذلك — ما هو الصوت الذي ستسمعه، أو الشكل الذي ستراه، أو الكلمة التالية في الجملة. عندما تتطابق حواسك مع التخمين، يبدو كل شيء سلساً. ولكن عندما تفاجئك الحقيقة (مثل نباح كلب بينما كنت تتوقع الصمت)، يضطر دماغك للعمل بجهد أكبر لتحديث تخمينه. تبني هذه الورقة على فكرة أن الدماغ يقلل من هذا "الارتباك" أو "الخطأ" من خلال ضبط نماذجه الداخلية باستمرار. الأمر يشبه منظم الحرارة (الثرموستات) الذي يحاول باستمرار إبقاء الغرفة في درجة الحرارة المثالية، ولكن بدلاً من الحرارة، يحاول إبقاء فهمك للعالم دقيقاً.

مركز الدماغ العظيم: IM-LEPP

إليك IM-LEPP (المعالجة التنبؤية المتكاملة متعددة الوسائط القائمة على الطاقة الكامنة)، وهو نموذج جديد اقترحه "سوبير فارما". تخيل دماغك كمطار ضخم وصاخب. في هذا المطار، تتعامل محطات مختلفة مع أنواع مختلفة من المعلومات: محطة للرؤية (رؤية العالم)، وأخرى للغة (سماع وقراءة الكلمات)، وأخرى للمشاعر والأصوات. لفترة طويلة، تساءل العلماء كيف تتواصل هذه المحطات المنفصلة مع بعضها البعض. كيف يمكن لرؤية تفاحة حمراء أن ترتبط فوراً بكلمة "تفاحة" والشعور بالجوع؟

يقترح ورقة "فارما" أن كل هذه المحطات ترسل تقاريرها إلى "برج مراقبة" مركزي يقع في جزء محدد من الدماغ يسمى الفص الصدغي الأمامي (ATL). يعمل هذا البرج كمركز ضخم حيث تندمج جميع التدفقات المختلفة للمعلومات في صورة موحدة للواقع. يُسمى النموذج "المحور والأطراف" (Hub-and-Spoke) لأن الأطراف (الأطراف/المحاور) تغذي المركز، والمركز يرسل التعليمات مرة أخرى إلى الأطراف.

هنا تكمن الخدعة السحرية: يشير النموذج إلى أن الدماغ لا يقوم فقط بتخزين قائمة ضخمة لكل كلمة سمعها أو كل صورة رآها. بدلاً من ذلك، يستخدم عملية "انتشار" (diffusion)، وهي تشبه رقصة بطيئة وحذرة من الاحتمالات. عندما ترى مشهداً، لا يلتقط دماغك صورة فحسب؛ بل يولد تنبؤاً بما سيبدو عليه اللحظة التالية. إذا كنت تشاهد كرة ترتد، فإن الدماغ يتنبأ بمكان وجودها في اللحظة التالية. إذا كنت تقرأ جملة، فإنه يتنبأ بالكلمة التالية.

ما يجعل IM-LEPP مميزاً هو كيفية تعامله مع الفرق بين الرؤية والتحدث. عيناك تريان العالم في تدفق مستمر، مثل الفيديو. لكن اللغة تأتي في كتل، مثل سلسلة من أحجار الخطوات (الكلمات). يحل النموذج هذه المشكلة بجعل طرف الرؤية يتحدث باستمرار، بينما يتحدث طرف اللغة في دفعات. يعمل المركز كـ "مترجم"، يأخذ التدفق البصري سريع الحركة وتدفق الكلمات بطيء الحركة ويمزجهما في تجربة واحدة سلسة. هذا يفسر لماذا يمكنك مشاهدة سيارة تمر وفهم جملة "السيارة حمراء" فوراً دون أن يرتبك دماغك بسبب السرعات المختلفة للحاستين.

لماذا هذا مهم: حل "النقطة العمياء" و"طريق الحديقة"

تستخدم الورقة هذا النموذج لتفسير بعض الأشياء الغريبة جداً حول كيفية تفكيرنا.

أولاً، فكر في العمى غير الانتباهي (Inattentional Blindness). هل تعرف ذلك الفيديو الشهير حيث يمرر الناس كرة سلة، ويمر شخص يرتدي زي غوريلا عبر المشهد، لكن نصف المشاهدين لا يرون الغوريلا؟ تقترح الورقة أن هذا يحدث لأن دماغك يبني فقط "أنبوب إمداد" مفصلاً للأشياء التي تنتبه إليها بنشاط. إذا كنت تركز على الكرة، فإن دماغك يبني نموذج تنبؤ قوياً للكرة. أما الغوريلا، وبما أنها خارج تركيزك، فلا تحصل على أنبوب إمداد مخصص. إنها مجرد جزء من "الضجيج" في الخلفية حتى تفعل شيئاً مفاجئاً بما يكفي لكسر توقعك. يوضح النموذج أن دماغك يكون "أعمى" جوهرياً تجاه الأشياء التي لم يقرر تتبعها.

ثانياً، يشرح النموذج جمل "طريق الحديقة" (Garden-Path Sentences). وهي الجمل التي تخدعك، مثل "الحصان الذي سُبق عبر الحظيرة سقط" (The horse raced past the barn fell). عندما تقرأ هذا، يتوقع دماغك أن "سُبق" هي الحركة الرئيسية. ولكن بعد ذلك تصطدم بكلمة "سقط"، ويضطر دماغك للقيام بانعطاف حاد ومفاجئ ليدرك أن الحصان هو في الواقع من تم سباقه، وليس هو من قام بالسباق. تقترح الورقة أن هذا ليس مجرد خطأ؛ إنه "قفزة طاقة" فيزيائية. يعلق دماغك في وادي منخفض الطاقة (المعنى الخاطئ) ويحتاج إلى دفعة كبيرة من طاقة المفاجأة للقفز فوق تلة والهبوط في الوادي الصحيح (المعنى الصحيح).

الفرق بين الأدمغة البشرية والذكاء الاصطناعي

ترسم الورقة خطاً فاصلاً بين كيفية تعلم البشر للغة وكيفية تعلم الذاء الاصطناعي الحديث (مثل روبوتات الدردشة التي قد تعرفها). نماذج الذكاء الاصطناعي تشبه الطلاب الذين قرأوا الإنترنت بأكمله ولكنهم لم يروا أبداً تفاحة حقيقية أو شعروا بالشمس. إنهم يتعلمون اللغة بحت من خلال النظر إلى الكلمات التي تظهر بجانب بعضها البعض. هم لا يعرفون ما الذي "تشعر" به التفاحة.

يشير IM-LEPP إلى أن الأطفال يتعلمون بشكل مختلف. ولأن مركز اللغة لدينا متصل بمراكز الرؤية والمشاعر، يتعلم الطفل كلمة "تفاحة" من خلال ربطها بالتجربة البصرية واللمسية الحقيقية للتفاحة. هذا ما يسمى التجذير (Grounding). تقترح الورقة أن هذا هو السبب في أن الأطفال يمكنهم تعلم التحدث ببيانات أقل بكثير مما يحتاجه الذكاء الاصطناعي. إنهم لا يحفظون أنماط الكلمات فحسب؛ بل يربطون الكلمات بخريطة غنية وموجودة مسبقاً للعالم الحقيقي.

ما لا تقوله الورقة (بعد)

من المهم ملاحظة أن هذه الورقة هي مقترح، وهي مخطط لكيفية عمل الدماغ ربما. لم يقم المؤلف ببناء دماغ آلي يعمل بالكامل يمكنه الرؤية والتحدث مثل البشر بعد. لقد أظهروا أن نموذجهم الرياضي يمكنه تفسير أشياء مثل سبب ارتباكنا من الجمل المخادعة أو لماذا نفقد رؤية الغوريلا في الفيديو. هم يقترحون أنه إذا بنينا برنامج كمبيوتر باستخدام هذه القواعد بالضبط، فسوف يتصرف مثل الدماغ البشري في هذه الطرق المحددة.

كما تعترف الورقة بأن هناك لا تزال هناك أسرار. على سبيل المثال، هي لا تشرح بالكامل كيف يخزن الدماغ الذكريات طويلة المدى لأحداث محددة (مثل حفلة عيد ميلادك) مقابل الحقائق العامة (مثل ماهية الكلب). هي تقترح نظاماً حيث يكتب الدماغ الذكريات فقط عندما يحدث شيء مفاجئ أو عاطفي، ولكن التفاصيل الدقيقة لـ "نظام أرشفة الذاكرة" هذا تُترك للبحوث المستقبلية.

باخت-اختصار، يقدم IM-LEPP طريقة مرحة وحيوية للتفكير في العقل: ليس ككمبيوتر ثابت، بل كمشهد ديناميكي متدحرج حيث تتصادم وتندمج حواسنا وانتباهنا وكلماتنا باستمرار لتشكيل قصة واقعنا. إنه يشير إلى أن سر الذكاء البشري ليس مجرد امتلاك قاعدة بيانات ضخمة، بل امتلاك طريقة ذكية ومتجذرة للتخمين فيما سيحدث بعد ذلك.