Structural generalization and continual learning enabled by factorized entorhinal-hippocampal memory and entorhinal-parietal action circuits
تُظهر هذه الدراسة أن نموذجاً حوسبياً يجمع بين هيكل متري للمسارات الممتدة من القشرة الشمية الحلقية إلى الحصين مستقل عن المحتوى، وشبكة سياسة عمل مُجزأة تربط بين القشرة الشمية الحلقية والجدارية، ينجح في محاكاة قدرات البشر والقرود على تحقيق التعميم الذاكراتي، والمتعدي، والهيكلي المرن، مع تمكين التعلم المستمر دون نسيان كارثي.
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
للتنقل في العالم، يقوم الدماغ البشري بعملية هندسية تظل غير مسبوقة من قبل الشبكات العصبية المتكررة القياسية في مهام ملاحة محددة. يجب عليه أن يتذكر أماكن معينة — مقهى مفضل، منزل الطفولة — بينما يفهم في الوقت نفسه القواعد المجردة لكيفية عمل الفضاء، مما يسمح لنا بتطبيق تلك المعرفة في مدينة جديدة لم نزرها من قبل. تعتمد هذه القدرة على نظامين متميزين ولكن متصلين في الدماغ. أحد النظامين، المتركز في الحصين (hippocampus)، يعمل مثل خزانة ملفات ذات سعة عالية للأحداث والمواقع المحددة، حيث يخزن التفاصيل الفريدة لما رأيناه. والنظام الآخر، الذي يشمل القشرة الشمية الداخلية (entorhinal cortex)، يوفر شبكة عالمية، وهو نظام إحداثيات ذهني يقيس المسافة والاتجاه بغض النظر عما يتم النظر إليه فعليًا. وبينما كان العلماء يعرفون منذ فترة طويلة وجود هذه الأنظمة، ظل لغزًا كيف تعمل معًا لتسمح لنا بالتعلم بسرعة، والتعميم في مواقف جديدة، وتذكر كل شيء دون الكتابة فوق الذكريات القديمة.
لقد كشف فريق من الباحثين في معهد ماساتشوستس للتكنولوجيا (MIT) وأماكن أخرى الآن عن طبقات هذا الغموض من خلال اختبار كيفية تعامل البشر والقرود والنماذج الحاسوبية مع تحدٍ ملاحة محدد. لقد صمموا مهمة يتعين على الخاضعين للاختبار فيها التحرك عبر تسلسل من الصور، مثل أحجار الخطوة، من صورة البداية إلى صورة الهدف. اختبر الباحثون ثلاثة مستويات من الصعوبة. أولاً، طلبوا من الخاضعين للاختبار التنقل مع وجود أدلة بصرية، ثم بدونها، مما يجبر الدماغ على محاكاة الرحلة داخليًا. ثانيًا، اختبروا ما إذا كان بإمكان الخاضعين للاختبار التنقل بين أزواج من الصور لم يتدربوا عليها من قبل. ثالثًا، قدموا مجموعات جديدة تمامًا من الصور لمعرفة ما إذا كان بإمكان الدماغ نقل مهارات الملاحة الخاصة به إلى بيئة جديدة تمامًا. كانت النتائج صارخة: فبينما أتقن البشر والقرود التحديات الثلاثة بكل سهولة، فشلت نماذج الشبكات العصبية المتكررة القياسية تمامًا. ومع ذلك، عندما بنى الباحثون نموذجًا حاسوبيًا جديدًا يحاكي بنية الدماغ المحددة — عبر فصل "الخريطة" عن "الذاكرة" — نجح النموذج حيث فشلت النماذج الأخرى.
بدأت التجربة بإعداد بسيط. جلس متطوعون بشريون وقردان أمام شاشة تعرض خطًا ثابتًا من الصور، مثل سلسلة من الأشياء المتميزة. تم إعطاؤهم صورة بداية وصورة هدف، وكان عليهم استخدام عصا تحكم للتحرك عبر التسلسل حتى يصلوا إلى الهدف. في المرحلة الأولى، كانت الصور تتحرك، مما يوفر تغذية بصرية مستمرة. وبمجرد أن تعلم الخاضعون للاختبار ترتيب الصور، قام الباحثون بإزالة الأدلة البصرية. أصبح على الخاضعين للاختبار الآن تحريك عصا التحكم بينما تصبح الشاشة مظلمة، والاعتماد كليًا على شعورهم الداخلي بالمسافة التي قطعوها. يُعرف هذا بالملاحة الذهنية. قام الخاضعون للاختبار بهذا الأمر دون عناء، مما أظهر أنهم بنوا خريطة ذهنية للتسلسل. بعد ذلك، اختبر الباحثون التعميم الانتقالي من خلال الطلب من الخاضعين للاختبار التنقل بين نقاط بداية ونهاية لم يتدربوا عليها معًا من قبل. وأخيرًا، قدموا بيئة ثالثة بمجموعة مختلفة تمامًا من الصور لاختبار التعميم الهيكلي.
كان أداء العينات البيولوجية مذهلاً. لم يكتفِ البشر والقرود بالتنقل في المسارات والبيئات الجديدة بدقة عالية فحسب، بل احتفظوا أيضًا بقدرتهم على التنقل في البيئة الأصلية دون نسيانها. هذا الافتقار إلى "النسيان الكارثي" هو ميزة حاسمة في التعلم البيولوجي تكافح الأنظمة الاصطناعية لمحاكاتها. عندما حاول الباحثون محاكاة هذا السلوك باستخدام الشبكات العصبية المتكررة القياسية، فشلت هذه النماذج في كل اختبار. كان بإمكانها تعلم المهمة البصرية مع وجود التغذية الراجعة، ولكن بمجرد إزالة الأدلة البصرية، أو تغيير المسار، أو كانت البيئة جديدة، انهارت النماذج. لم تكن قادرة على التعميم، ولا على تذكر الدروس القديمة أثناء تعلم دروس جديدة.
جاء الاختراق عندما أنشأ الباحثون نموذجًا يحاكي بنية الدماغ المقترحة. يتكون هذا النموذج، الذي يسمونه (Vector-HaSH augmented Action policy)، من جزأين رئيسيين يعملان معًا. الجزء الأول هو سقالة ذاكرة مهيكلة تعتمد على الخلايا الشبكية (grid cells). فكر في هذا كمسطرة صلبة مستقلة عن المحتوى تقيس المسافة والاتجاه. هي لا تهتم بماهية الصور؛ بل تهتم فقط بالفضاء الموجود بينها. الجزء الثاني هو شبكة سياسة (policy network) تتعلم كيفية التحرك بناءً على المسافة التي يقيسها المسطرة. ولأن المسطرة ثابتة وعالمية، يمكن تطبيق السياسة المتعلمة في بيئة واحدة فورًا في بيئة جديدة. يقوم النموذج بربط الصور الجديدة بهذه المسطرة باستخدام عملية تعلم سريعة لمرة واحدة، تمامًا مثل حصين الدماغ.
عندما تم اختبار هذا النموذج الجديد، فقد استعاد النطاق الكامل لسلوك البشر والقرود. لقد تنقل بدون تغذية بصرية راجعة، واتخذ مسارات جديدة، وتكيف مع بيئات جديدة على الفور، كل ذلك مع تذكر البيئات القديمة. نظر الباحثون بعد ذلك داخل النموذج ليروا كيف يعمل وقارنوا نشاطه الداخلي بالإشارات الكهربائية الفعلية المسجلة من أدمغة القرود أثناء أداء المهمة. وجدوا تطابقًا دقيقًا. وحدة "المسافة" في النموذج، التي تتبعت مدى بعد الموضوع عن الهدف، تصرفت تمامًا مثل الخلايا العصبية في القشرة الشمية الداخلية للقرد. ووحدة "الإجراء" (action) في النموذج، التي قررت متى تتحرك ومتى تتوقف، طابقت النشاط في القشرة الجدارية الخلفية (posterior parietal cortex). وقد أكد هذا أن الدماغ على الأرجح يقسم مهمة الملاحة إلى حسابين متميزين: أحدهما يقيس المسافة والآخر يقرر الإجراء.
كشفت نتيجة أخيرة كيف يقوم الدماغ بمعايرة هذا النظام. وجد الباحثون أنه لكي يعمل النموذج بشكل مثالي، كان عليه تعلم عامل قياس محدد لمحاذاة مسطرته الداخلية مع تباعد الصور. إذا كانت علامات المسطرة متباعدة جدًا أو متقاربة جدًا بالنسبة للصور، فإن النموذج يعاني. ومع ذلك، عندما سُمح للنموذج بتعديل عامل القياس هذا أثناء التعلم، فقد وجد المحاذاة المثالية بسرعة، تمامًا كما يفعل الدماغ. وهذا يشير إلى أن الدماغ يقوم بضبط إحساسه الداخلي بالسرعة والمسافة بنشاط ليتناسب مع هيكل البيئة التي يستكشفها.
تخلص الدراسة إلى أن قدرة الدماغ على التعلم والتعميم والتذكر ليست نتيجة امتلاك المزيد من البيانات أو المزيد من قوة المعالجة، بل هي نتيجة تصميم معماري محدد. من خلال فصل الهيكل الثابت للمساحة عن المحتوى المحدد للتجربة، يخلق الدماغ نظامًا مرنًا ومستقرًا في آن واحد. توفر الدائرة الشمية-الحصينية مقياسًا عالميًا يسم يسمح للدماغ بتطبيق الدروس الماضية على المواقف الجديدة دون مسح الماضي. هذا التجزئة بين الذاكرة والإجراء تفسر كيف يمكننا المشي في مدينة جديدة، وإيجاد طريقنا، ومع ذلك تذكر الطريق إلى المنزل، وهو إنجاز لم تحققه نماذج الشبكات العصبية المتكررة القياسية بعد.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.