Face-selective responses correlate with deep networks that learn from environment feedback
تُظهر هذه الدراسة أن نموذج التعلم المعزز، الذي يتعلم إدراك الوجوه من خلال التغذية الراجعة البيئية بدلاً من الملصقات المرجعية (ground-truth labels)، يفسر الاستجابات العصبية البشرية في المناطق الانتقائية للوجوه بفعالية تماثل نماذج التعلم العميق التقليدية الخاضعة للإشراف وغير الخاضعة للإشراف.
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
السؤال الكبير: كيف يتعلم الدماغ التعرف على الوجوه؟
تخيل أن دماغك عبارة عن نظام كاميرات مراقبة عالي التقنية ومتطور للغاية. مهمته هي النظر إلى الوجوه ومعرفة من هم، وكيف يشعرون، وما إذا كانوا أصدقاء أم أعداء.
لفترة طويلة، حاول العلماء بناء برامج كمبيوتر (الشبكات العصبية العميقة) لمحاكاة هذا النظام. وقد علموا هذه الحواسيب بطريقتين عادةً:
- طريقة "المعلم" (التعلم الخاضع للإشراف): ينظر الكمبيوتر إلى صورة، ويقول له معلم بشري: "هذا جون" أو "هذه ماري". عندها يحفظ الكمبيوتر هذه التسميات.
- طريقة "التعلم الذاتي" (التعلم غير الخاضع للإشراف): ينظر الكمبيوتر إلى آلاف الصور ويحاول تخمين شكلها أو تجميعها حسب التشابه دون أي تسميات.
المشكلة: في الحياة الواقعية، لا يوجد معلم يقف بجانبنا يهمس بأسماء الأشخاص في آذاننا في كل مرة نرى فيها غريباً. ونحن لا نكتفي بمجرد النظر إلى الصور؛ بل نتفاعل مع الناس. نحن نتعلم أن "الشخص أ" لطيف (نعطيه ابتسامة، فنحصل على ابتسامة بالمقابل) وأن "الشخص ب" عابس (نتجنبه، فنُقابل بالتجاهل).
يسأل هذا البحث: ماذا لو علمنا الكمبيوتر التعرف على الوجوه كما يفعل البشر—من خلال التفاعل مع العالم وتلقي ردود الفعل؟
التجربة: لعبة "الاقتراب أو التجنب" الرقمية
قام الباحثون ببناء نوع جديد من نماذج الكمبيوتر يسمى نموذج التعلم المعزز (Reinforcement Learning - RL). فكر في هذا النموذج كأنه روبوت رقمي يعيش داخل لعبة فيديو.
- الإعداد: يرى الروبوت وجهاً ما.
- الخيار: عليه أن يقرر: "هل أقترب من هذا الشخص، أم أهرب بعيداً؟"
- رد الفعل (التغذية الراجعة):
- إذا اقترب من شخص "لطيف"، يحصل على نقاط (مكافأة).
- إذا اقترب من شخص "سيء"، يحصل على صفر نقاط أو عقوبة.
- إذا تجنب الشخص "السيء"، فإنه يتجنب العقوبة.
هدف الروبوت الوحيد هو تحقيق أقصى قدر من النقاط. عليه أن يتعلم أي الوجوه آمنة للاقتراب منها وأيها خطيرة، وذلك فقط من خلال التجربة والخطأ، تماماً مثل طفل يتعلم من يمكنه الوثوق به.
الاختبار: هل يفكر الروبوت مثل الدماغ البشري؟
لمعرفة ما إذا كان هذا الروبوت يفكر مثل الإنسان، قارن الباحثون "دماغه" بالدماغ الفعلي لـ 10 مرضى بشر.
- البيانات البشرية: كان هؤلاء المرضى لديهم أقطاب كهربائية صغيرة مزروعة في أدمغتهم (لأسباب طبية) لمراقبة النوبات الصرعية. وبينما كان المرضى ينظرون إلى صور للوجوه، سجلت الأقطاب الكهربائية النشاط الكهربائي لخلايا أدمغتهم.
- المقارنة: استخدم الباحثون أداة تسمى مصفوفات عدم التشابه التمثيلية (RDMs).
- التشبيه: تخيل أن لديك خريطة توضح مدى تشابه الوجوه المختلفة بالنسبة لدماغك. إذا رأيت صورة لوالدتك وأختك، فإن دماغك يقول: "هاتان متشابهتان جداً". وإذا رأيت غريباً، فإن دماغك يقول: "هذا مختلف تماماً".
- قام الباحثون بإنشاء هذه "خرائط التشابه" للأدمغة البشرية ولروبوتات الكمبيوتر. ثم تحققوا مما إذا كانت الخرائط متطابقة.
النتائج: الروبوت لحق بالركب!
إليكم ما وجدوه:
- روبوت "المعلم" (الخاضع للإشراف) وروبوت "التعلم الذاتي" (غير الخاضع للإشراف): كلاهما قام بعمل رائع في مطابقة خرائط الدماغ البشري. وهذا ما كنا نعرفه بالفعل.
- الروبوت "التفاعلي" (التعلم المعزز): كان هو المفاجأة.
- عندما استخدم الروبوت بنية حاسوبية قياسية (تسمى ResNet)، لم يكن جيداً بقدر الآخرين. كان الأمر أشبه بطالب درس بجد ولكنه لم يوفق تماماً في الاختبار.
- ومع ذلك، عندما أعطوا الروبوت بنية دماغية أكثر ذكاءً وتعقيداً (تسمى VIB DenseNet)، حقق أداءً يضاهي الروبوتات الأخرى.
الخلاصة: يمكن للكمبيوتر الذي يتعلم من خلال التفاعل مع البيئة (الحصول على مكافآت وعقوبات) أن يبني خريطة ذهنية للوجوه بدقة تماثل دقة الكمبيوتر الذي علمه إنسان.
لماذا يهم هذا الأمر؟ (لحظة الإدراك)
هذا أمر بالغ الأهمية لأنه يشير إلى أن أدمغتنا قد لا تكون مجرد كاميرات سلبية.
- الرؤية القديمة: أدمغتنا تلتقط الصور وتضع عليها تسميات فقط.
- الرؤية الجديدة: أدمغتنا تتشكل من خلال أفعالنا. نحن نتعلم من هو الصديق ومن هو العدو لأننا نفعل أشياء (مثل الاقتراب أو التجنب) ونرى ما يحدث. "المكافأة" التي نحصل عليها من العالم هي التي تصقل فهم دماغنا للوجوه.
وجدت الدراسة أيضاً أن البنية (التصميم الفيزيائي لدماغ الكمبيوتر) تهم بقدر أهمية المهمة (ما يحاول الكمبيوتر تعلمه). الأمر يشبه القول: "يمكنك أن تكون طباخاً ماهراً، ولكن إذا كنت تطبخ في مطبخ مكسور، فلن تصنع وجبة جيدة. أنت بحاجة إلى الأدوات الصحيحة والوصفة الصحيحة معاً".
ملخص في جملة واحدة
من خلال تعليم الكمبيوتر التعرف على الوجوه عبر "لعب لعبة" الاقتراب من الأصدقاء وتجنب الأعداء، أثبت الباحثون أن التعلم من ردود فعل العالم الحقيقي لا يقل قوة عن التعلم من الكتب المدرسية، وهو ما يساعدنا على فهم كيفية بناء أدمغتنا للروابط الاجتماعية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.