🧠 neuroscience

Multitasking Recurrent Networks Utilize Compositional Strategies for Control of Movement

تُظهر هذه الدراسة أن الشبكات العصبية المتكررة متعددة المهام، المدربة باستخدام نموذج ذراع عضلي هيكلي، تستخدم استراتيجيات تركيبية ومتشعبات منخفضة الأبعاد مشتركة لتوليد حركات معقدة بمرونة وتعميمها، مما يشير إلى أن التجسد والتغذية الراجعة أمران حاسمان لتطوير آليات تحكم حركي ذات صبغة بيولوجية.

المؤلفون الأصليون: Lazzari, J., Saxena, S.

نُشر 2026-09-14

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Lazzari, J., Saxena, S.

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل

إن جسم الإنسان هو أعجوبة هندسية، آلة معقدة تضم عشرات المفاصل ومئات العضلات التي يجب أن تعمل في تناغم تام لإنتاج أبسط حركة. ومع ذلك، ورغم هذا التعقيد الهائل، يمكننا تعلم ركوب الدراجة، أو رمي الكرة، أو عزف البيانو بسرعة مذهلة. فنحن لا نضطر إلى إعادة تعلم كل انقباض عضلي من الصفر عندما نواجه حركة جديدة؛ بل يبدو أن أدمغتنا تعتمد على مكتبة من اللبنات الأساسية. يطلق العلماء على هذه القدرة اسم "التركيبية" (compositionality)، وهي القدرة على أخذ قطع مألوفة ومتعلمة من مهارة ما وربطها معاً بطرق جديدة لحل مشكلات غير مألوفة. وبينما اشتبه الباحثون لفترة طويلة في أن الدماغ يستخدم هذه الاستراتيجية في التفكير واتخاذ القرار، كان من الأصعب بكثير إثبات تطبيق المنطق نفسه على الفعل المادي الفوضوي لتحريك طرف ما. ويبقى السؤال قائماً: هل يقوم الدماغ ببساطة بحفظ كل حركة ممكنة، أم أنه يتعلم مجموعة مرنة من القواعد التي تسمح له بابتكار حركات جديدة آنياً؟

وللإجابة على ذلك، قام فريق من الباحثين في جامعة ييل ببناء دماغ رقمي وربطه بذراع محاكية، مما خلق نظاماً توجب عليه التعلم للتحرك من تلقاء نفسه. لم يقوموا ببرمجة الذراع بتعليمات محددة حول كيفية الوصول أو الدوران، بل أعطوا الدماغ الرقمي هدفاً بسيطاً: تحريك اليد إلى هدف ما. تلقى الدماغ معلومات حول مكان اليد ومدى سرعة تمدد العضلات، وكان عليه اكتشاف الأوامر اللازمة لإنجاز المهمة. ثم طلب الباحثون من هذا الدماغ الرقمي تعلم عشرة أنواع مختلفة من الحركات، تتراوح من الوصول المستقيم إلى الحلقات المعقدة والأشكال البيضاوية، وكل ذلك بسرعات واتجاهات مختلفة. كان الهدف هو معرفة ما إذا كان هذا الدماغ الرقمي، بعد إتقانه لهذه المهام العشر، سيطور بطبيعته طريقة لدمجها، أم أنه سيكتفي بمجرد حفظ كل واحدة منها كخدعة منفصلة ومعزولة.

أظهرت النتائج أن الدماغ الرقمي لم يكتفِ فقط بحفظ عشرة سيناريوهات منفصلة، بل نظم نشاطه الداخلي بطريقة هيكلية للغاية تعكس فكرة "التركيبية". فعندما فحص الباحثون أنماط النشاط داخل الشبكة، وجدوا أن الدماغ استخدم مساحة مشتركة منخفضة الأبعاد لجميع الحركات. فكر في الأمر كمسرح مشترك يؤدي فيه جميع الممثلين أدوارهم؛ فبينما تتغير الأفعال المحددة، يظل المسرح نفسه ثابتاً. وضمن هذه المساحة المشتركة، حافظ الدماغ على فصل أنواع مختلفة من العمليات الحسابية؛ فعلى سبيل المثال، حدث التحضير للحركة والحركة نفسها في مناطق نشاط مختلفة وغير متداخلة، مما يضمن قدرة الدماغ على التخطيط للحركة دون البدء فيها عن طريق الخطأ. والأهم من ذلك، أن الدماغ تعامل مع "تمدد" الطرف (الابتعاد عن المركز) و"انكماش" الطرف (العودة نحو المركز) كنموذجين متميزين وقابلين لإعادة الاستخدام. وقد شغل هذان النموذجان مساحات منفصلة ومتعامدة، مما يعني أنه تم إبقاؤهما بعيدين تماماً عن بعضهما البعض، ليكونا جاهزين للمزج والتبديل.

اختبر الباحثون هذه المرونة عبر مطالبة الدماغ الرقمي بأداء حركات لم يسبق له رؤيتها من قبل. ووجدوا أن الدماغ استطاع تنفيذ تركيبة جديدة بنجاح، مثل أخذ جزء "التمدد" من وصول مستقيم وربطه بجزء "الانكماش" من حلقة منحنية، وذلك ببساطة عن طريق تغيير إشارة مدخلة واحدة. لم يحتج الدماغ إلى إعادة تعلم ميكانيكا الحركة؛ بل احتاج فقط إلى إخباره بالتبديل من نموذج مُتعلم مسبقاً إلى آخر. يشير هذا إلى أن الدماغ قد تعلم اللبنات الأساسية للحركة ويمكنه تجميعها في أنماط جديدة فوراً. علاوة على على ذلك، اكتشف الباحثون أن هذه القدرة على تركيب حركات جديدة اعتمدت بشكل كبير على حقيقة أن الدماغ كان يتحكم في جسم مادي ويتلقى تغذية راجعة منه. فعندما دربوا شبكات مماثلة بدون جسم أو بدون تغذية حسية راجعة، فشلت تلك الشبكات في تطوير هذه الاستراتيجيات التركيبية المرنة، وبدلاً من ذلك، تعلمت حلولاً جامدة خاصة بمهام محددة لا يمكن تكييفها بسهولة.

تقدم هذه الدراسة نافذة واضحة لكيفية تعامل نظام التحكم مع التعقيد الهائل لجسم الإنسان. فهي تشير إلى أن الدماغ لا يحتاج إلى تخزين وصفة فريدة لكل حركة ممكنة، بل يتعلم مجموعة من الأنماط المشتركة والقابلة لإعادة الاستخدام ويبقيها منظمة بطريقة تسمح بالدمج السريع. ومن خلال استخدام مساحة داخلية مشتركة لمهام متشابهة وإبقاء أنواع مختلفة من الحركة في مناطق منفصلة، يمكن للنظام توليد مجموعة واسعة من الأفعال من مجموعة صغيرة من العناصر الأولية المتعلمة. وتوحي هذه النتياج بأن القيود المادية للجسم والتغذية الراجعة المستمرة من عضلاتنا ليست مجرد عقبات يجب التغلب عليها، بل هي أدلة أساسية تشكل عملية تعلم الدماغ، وتوجهه نحو حلول مرنة، وفعالة، وقادرة على التكيف السريع.

أبحاث مشابهة