← أحدث الأبحاث
💻 computer science

Machine Zygote: Causal Biparental Heredity Before Learning in a Germline--Soma Artificial Agent

تقدم هذه الورقة البحثية "المُنيّة الآلية" (Machine Zygote)، وهي إطار عمل حوسبي يربط بين الخط الجرثومي والجسد، يقدم دليلاً سببياً على الوراثة ثنائية الأبوة القابلة للقياس في الوكلاء الاصطناعيين قبل حدوث عملية التعلم، مما يثبت أن المساهمات الجينية الأبوية تحدد السمات المظهرية بشكل كبير وبشكل مستقل عن ديناميكيات النمو أو التعلم ما بعد الولادة.

المؤلفون الأصليون: Lyes Saad Saoud

نُشر 2026-09-16
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

المؤلفون الأصليون: Lyes Saad Saoud

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

في المشهد الواسع للذكاء الاصطناعي، ظل الباحثون لفترة طويلة مفتونين بكيفية بناء آلات يمكنها النمو والتغير من تلقاء نفسها، تماماً مثل الكائنات الحية. لعقود من الزمن، استكشف العلماء طرقاً لمنح الروبوتات "مخططاً" يسمح لها بتطوير أجسام وسلوكيات معقدة من كود بسيط ابتدائي، وهي عملية تُعرف باسم التشفير النمائي. كما درسوا كيف يمكن للروبوتات أن تتعلم من التجربة وتنقل تلك المهارات المتعلمة إلى ذريتها الرقمية. ومع ذلك، ظل سؤال محدد صعب الإجابة عليه بيقين: هل يمكن لوكيل اصطناعي جديد تماماً أن يرث سلوكيات محددة من والدين قبل أن تمر عليه لحظة واحدة من التعلم أو التكيف؟ في العالم الطبيعي، تكون سمات الحيوان حديث الولادة مزيجاً من جينات والديه، ولكن في المجال الرقمي، غالباً ما يكون من الصعب معرفة ما إذا كان سلوك الروبوت ناتجاً عن كوده الموروث أم من الضجيج العشوائي لعملية إنشائه. إن التمييز بين ما يتم توريثه حقاً وبين ما هو مجرد حادث عرضي محظوظ أمر بالغ الأهمية لفهم كيف يمكن للحياة الاصطناعية أن تتطور.

لقد تصدى باحث يدعى ليس سعد سعود لهذا اللغز بتجربة حوسبية جديدة تسمى "الزيجوت الآلي" (Machine Zygote). كان الهدف هو إنشاء نظام رقمي حيث يساهم روبوتان والدان في كودهما الجيني لتشكيل طفل، ثم قياس سلوك الطفل فور ولادته، قبل أن تتمكن أي عملية تعلم أو تكيف من الحدوث. تم تصميم الإعداد ليكون اختباراً صارماً للسبب والنتيجة. بدأ الباحثون بأربعة روبوتات والدية متميزة، يحمل كل منها مجموعة فريدة من التعليمات. قاموا بربط هؤلاء الآباء ببعضهم البعض في كل التشكيلات الممكنة لإنشاء مئات الأبناء الرقميين. تم بناء كل سليل باستخدام عملية محددة: خلط أكواد الوالدين وتعديلها قليلاً، ثم تغذيتها في نظام نمائي يقوم بتنمية جسم ورأس روبوت جديد من نقطة بداية عامة. وبمجرد اكتمال تشكل هذا الروبوت الجديد، تم تجميد دماغه؛ حيث لم يُسمح له بالتعلم أو التعديل أو التغيير بأي شكل من الأشكال. ثم أخضع الباحثون الروبوت لسلسلة من الاختبارات لمعرفة مدى سرعته في الحركة، وكيفية مشيه، ومدى قدرته على التعافي من الدفع.

أظهرت النتتائج وجود صلة واضحة وقابلة للقياس بين الوالدين والمواليد الجدد. في اختبار واسع النطاق شمل 640 سليلاً، وجد الباحثون أن هوية كل من الأم والأب أثرت بشكل كبير على خمسة من أصل ستة سلوكيات مختلفة لدى المواليد الجدد. بالنسبة لسمات مثل سرعة المشي، وإيقاع خطواتهم، ومدى قدرتهم على الاستكشاف، كان المزيج المحدد للوالدين أمراً مهماً. أشارت البيانات إلى أن المساهمات الجينية للوالدين كانت مسؤولة عن ما بين 36% و53% من الاختلافات الملحوظة في هذه السلوكيات. ولإثبات أن هذا لم يكن مجرد مصادفة، أجرى الباحثون تجربة أكثر صرامة؛ حيث أخذوا مجموعة محددة من الظروف - أي الطريقة الدقيقة التي تم بها خلط أكواد الوالدين والضجيج العشوائي الدقيق المستخدم لبناء الروبوت - واستبدلوا والداً واحداً فقط. عندما استبدلوا الأم فقط أو الأب فقط مع إبقاء كل شيء آخر متطابقاً، تغير سلوك المولود الجديد بشكل جذري. كانت هذه التغييرات أكبر بكثير من الاختلافات الصغيرة التي لوحظت عند إعادة تشغيل نفس الوالد مع أرقام عشوائية مختلفة قليلاً. وقد أكد هذا أن الكود الجيني المحدد للوالدين كان السبب المباشر في الاختلافات السلوكية، وليس مجرد صدفة عشوائية.

كما بحثت الدراسة فيما إذا كانت العملية المعقدة المعتمدة على الوقت لـ "نمو" الروبوت ضرورية لظهور هذه السمات. افترض الباحثون أن التطور الديناميكي خطوة بخطوة كان ضرورياً لترسيخ تأثير الوالدين. ومع ذلك، عندما أزالوا عملية النمو القائمة على الوقت واستبدلوها بحساب ثابت أبسط، ظل تأثير الوالدين على متوسط السلوك قوياً بنفس القدر. كان هذا اكتشافاً مفاجئاً استبعد فكرة أن الديناميكيات النمائية المعقدة كانت مطلوبة لعمل هذا النوع من الوراثة. بدلاً من ذلك، بدا أن عملية النمو تعمل كمرشح (فلتر) يغير تنوع السمات المشاهدة في الجمهرة، بدلاً من كونها المحرك الذي يخلق الوراثة نفسها. واكتشفت التجربة أيضاً أن خلط أكواد الوالدين قد ينتج أحياناً أبناء "متجاوزين" (transgressive offspring) - أي روبوتات تتحرك بسرعة أكبر أو تمتلك إيقاع مشي مختلفاً عما يمكن لأي من والديه تحقيقه بمفرده. يشير هذا إلى أن دمج الأكواد الجينية المختلفة يمكن أن ينتج قدرات جديدة لم يمتلكها أي من الوالدين بشكل فردي.

من المهم فهم حدود هذا الاكتشاف. لقد جرت التجربة بأكملها داخل محاكاة حاسوبية؛ لم يتم بناء أي روبوتات فيزيائية، ولم تكن هناك جينات بيولوجية معنية. كان "الخط الجرثومي" مجرد قائمة من الأرقام، و"الجسم" كان نموذجاً رياضياً لروبوت بعجلات. لم يدّع الباحثون أنهم صنعوا آلة حية أو أنهم حلوا لغز الوراثة البيولوجية. بدلاً من ذلك، بنوا أداة دقيقة لعزل وقياس كيفية انتقال المعلومات من جيل إلى آخر في نظام اصطناعي. ومن خلال تجميد عملية التعلم والتحكم في كل متغير، أثبتوا أنه في هذه البيئة الرقمية المحددة، يمكن لوالدين تحديد سلوك مولودهما الجديد سببياً قبل أن يتعلم هذا المولود أي شيء. وهذا يوفر أساساً متيناً للأبحاث المستقبلية، حيث يقدم طريقة واضحة للفصل بين ما هو موروث وما هو متعلم، ويمهد الطريق لدراسات أكثر تعقيداً حول كيفية تطور الحياة الاصطناعية بمرور الوقت.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →