For MSTd, Autoencoding is all you need

1. بيان المشكلة

بينما نجحت الشبكات العصبية الاصطناعية (ANNs) الموجهة بالأهداف في نمذجة المجرى البصري البطني (التعرف على الأشياء) من خلال التحسين لمهام التصنيف الخاضعة للإشراف، إلا أن فعاليتها في نمذجة المجرى البصري الظهري (الحركة والعمل) لا تزال غير واضية. وتحديداً، فإن المبادئ الحسابية التي تحكم المنطقة الصدغية العليا المتوسطة (MSTd) — وهي منطقة ظهرية بالغة الأهمية لإدراك الحركة الذاتية وتدوزن التدفق البصري المعقد — لا يتم التقاطها بشكل جيد بواسطة النماذج الحالية المحسنة من أجل الدقة.

اقترحت أعمال سابقة أن تحليل المصفوفات غير السالبة (NNMF)، وهو تقنية غير خاضعة للإشراف لتقليل الأبعاد، يمكن أن يحاكي خصائص تدوزن (tuning) منطقة MSTd بشكل أفضل من الشبكات العصبية الاصطناعية الخاضعة للإشراف. ومع ذلك، لم يكن من الواضح أي المكونات المحددة لـ NNMF (مثل إعادة البناء غير الخاضع للإشراف، أو قيود عدم السالبية، أو التناثر، أو تمثيلات مدخلات معينة) هي التي تقود هذا التوافق. تهدف هذه الدراسة إلى فك تشابك هذه العوامل بشكل منهجي لتحديد الأهداف الحسابية والقيود الهيكلية التي تفسر بشكل أفضل تدوزن MSTd العصبي.

2. المنهجية

أجرى المؤلفون تقييماً منهجياً لـ 54 بنية مختلفة من الشبكات العصبية الاصطناعية مقابل البيانات الفسيولوجية العصبية لقرود المكاك في منطقة MSTd.

• مجموعات البيانات:
  • التدريب: مجموعة بيانات TR360، والتي تتكون من 6,030 حقل تدفق بصري تم توليدها من تركيبات عشوائية من الحركة الانتقالية والدورانية ثلاثية الأبعاد للذات.
  • تمثيلات المدخلات: تم تدريب النماذج إما على متجهات التدفق البصري الخام أو على إشارات مشفرة من منطقة MT (وهي الإشارات الممثلة لاستجابات الجمهرة من منطقة MT، المدخل الرئيسي لـ MSTd، والتي تتضمن تدوزن السرعة والاتجاه).
• بنيات النماذج والأهداف:
  • الأهداف: تم تحسين النماذج إما من أجل الدقة (تقدير الحركة الذاتية الخاضع للإشراف) أو الترميز التلقائي (إعادة بناء الإشارة المدخلة بشكل غير خاضع للإشراف).
  • البنيات: شملت المتغيرات الشبكات العصبية متعددة الطبقات (MLP)، والشبكات العصبية الالتفافية (CNN)، وأجهزة الترميز التلقائي الكثيفة، وأجهزة الترميز التلقائي الالتفافية.
  • القيود: نوعت الدراسة في العمق (من ضحل إلى عميق)، ودوال التنشيط (خطي مقابل ReLU)، والاتصال (كثيف مقابل التفافي)، وقيود محددة مستوحاة من NNMF (أوزان غير سالبة، والتناثر عبر عقوبات L1 أو تباعد KL).
• مقاييس التقييم:
  • المحاذاة العصبية: تم قياسها باستخدام مسافة "إيرث موفر" (EMD) بين توزيع خصائص تدوزن وحدات النموذج وبيانات MSTd البيولوجية. وشملت المقاييس: سمت (azimuth) وارتفاع (elevation) الانتقال والدوران المفضل، والفرق بين تفضيلات الانتقال والدوران، وحساسية الاتجاه، ومؤشر تدوزن الاتجاه (HTI).
  • أداء المهمة: دقة فك تشفير اتجاه الحركة الذاتية (الاتجاه) من الطبقات المخفية للنموذج.
  • التناثر: تم قياسه عبر مؤشرات التناثر السكانية والزمنية.

3. المساهمات الرئيسية

• فك التشابك المنهجي: تعد هذه الدراسة الأولى التي تعزل بشكل منهجي آثار الأهداف الحسابية (الخاضعة للإشراف مقابل غير الخاضعة للإشراف)، وتمثيلات المدخلات (الخام مقابل المشفرة من MT)، والقيود الهيكلية (عدم السالبية، التناثر) على نمذجة MSTd.
• رفض التحسين الخاضع للإشراف: تتحدى الدراسة نموذج "الموجه بالأهداف"، حيث أظهرت أن الدقة في مهام تقدير الحركة الذاتية لا تتنبأ بالمحاذاة العصبية مع MSTd.
• تحديد المحركات الأساسية: حددت الورقة أن إعادة البناء غير الخاضعة للإشراف (الترميز التلقائي) مقترنة بمدخلات شبيهة بـ MT هي المحركات الأساسية للاتساق البيولوجي، وليس عدم السالبية، أو التناثر، أو البنيات العميقة.

4. النتائج الرئيسية

• الترميز التلقائي يتفوق على التعلم الخاضع للإشراف:
  • حققت أجهزة الترميز التلقائي (Autoencoders) التي تستخدم مدخلات مشفرة من MT أعلى محاذاة عصبية مع MSTd عبر جميع مقاييس التدوزن.
  • فشلت النماذج المحسنة للدقة (الخاضعة للإشراف) في محاكاة التدوزن البيولوجي، وغالباً ما أظهرت انحيازات قوية (مثل الانحياز نحو السمت الخلفي) لا توجد في MSTd.
  • بشكل حاسم، لا ترتبط دقة المهمة بالمحاذاة العصبية. فالنماذج ذات الأخطاء العالية في تقدير الحركة الذاتية كانت تمتلك محاذاة عصبية أفضل من النماذج عالية الدقة.
• تمثيل المدخلات أمر بالغ الأهمية:
  • تفوقت النماذج المدربة على إشارات مشفرة من MT بشكل كبير على تلك المدربة على التدفق البصري الخام، بغض النظر عن الهدف. وهذا يشير إلى أن التحول من MT إلى MSTd يعتمد على ميزات الحركة المعالجة مسبقاً بدلاً من حقول المتجهات الخام.
• القيود ليست أساسية (وغالباً ما تكون ضارة):
  • عدم السالبية: فرض عدم السالبة صراحة على الأوزان (وهي ميزة أساسية في NNMF) أدى إلى تدهور المحاذاة العصبية. أدت أجهزة الترميز التلقائي الخطية بدون قيود عدم السالبية أداءً يضاهي أو يتفوق على NNMF.
  • التناثر: لم يؤدِ فرض التناثر (عبر عقوبات L1 أو KL) إلى تحسين المحاذاة. أظهرت النماذج الأكثر محاذاً تناثراً معتدلاً بشكل طبيعي، مما يشير إلى أن التناثر هو نتاج ثانوي وليس محركاً.
  • العمق: حققت البنيات الضحلة (1-3 طبقات) محاذاة أفضل من الشبكات العميقة. وهذا يتناقض مع نمذجة المجرى البطني حيث يعد العمق أمراً حاسماً، مما يشير إلى أن التحول من MT إلى MSTd فعال حسابياً ولا يتطلب معالجة هرمية عميقة.
• تقليل الأبعاد:
  • ظلت المحاذاة العصبية قوية حتى عند زيادة أبعاد طبقة الاختناق (bottleneck) لتطابق حجم المدخلات (بدون تقليل)، مما يشير إلى أن تقليل الأبعاد ليس الآلية الأساسية التي تقود تدوزن MSTd.

** 5. الأهمية**

• اختلاف جوهري في المجاري البصرية: تشير النتائج إلى اختلاف جوهري في المبادئ الحسابية بين المجرى البطني والمجرى الظهري. فبينما يتم توجيه المجرى البطني بواسطة أهداف التصنيف الخاضعة للإشراف، يبدو أن المجرى الظهري (وتحديداً MSTd) محكوم بأهداف إعادة البناء غير الخاضعة للإشراف.
• المعقولية البيولوجية: يوفر إطار الترميز التلقائي آلية معقولة بيولوجياً لتعلم تدوزن MSTd دون الحاجة إلى تسميات صريحة للحركة الذاتية (وهي تسميات غير متاحة للدماغ أثناء النمو). ويتماشى هذا مع نظريات الترميز التنبئي حيث يقلل الدماغ من خطأ إعادة البناء.
• إعادة تعريف نمذجة MSTd: تشير الدراسة إلى أن النجاحات السابقة لـ NNMF كانت بسبب طبيعتها غير الخاضعة للإشراف ومعالجتها لمدخلات شبيهة بـ MT، وليس بسبب قيود عدم السالبية. يجب أن تعطي النماذج المستقبلية للمجرى الظهري الأولوية لأهداف إعادة البناء والتمثيلات الوسيطة المعقولة بيولوجياً (MT) بدلاً من تحسين المهام والتعلم العميق الخاضع للإشراف.
• الآثار على الذكاء الاصطناعي: بالنسبة للروبوتات والملاحة الذاتية، يشير هذا إلى أن تعلم تمثيلات حركة قوية لإدراك الحركة الذاتية قد يتحقق بشكل أكثر فعالية من خلال إعادة البناء غير الخاضعة للإشراف لميزات الحركة، بدلاً من الانحدار المباشر نحو تسميات الحركة الذاتية.