A transformer-based model reveals sparse, stimulus-dependent orientation readout from macaque V1 population activity
تُظهر هذه الدراسة أن نموذجاً قائماً على المحولات (transformer-based model) يمكنه إعادة بناء اتجاه المحفز بدقة من نشاط مجموعات الخلايا العصبية في القشرة البصرية الأولية (V1) لدى قرود المكاك، مما يكشف أن الترميز العصبي الفائض يدعم آلية قراءة مرنة ومتفرقة وتعتمد على المحفز، تتوسطها عملية الانتباه الذاتي.
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
تعمل القشرة البصرية الأولية، وهي طبقة رقيقة من الأنسجة في الجزء الخلفي من الدماغ، كمحطة معالجة رئيسية أولى لكل ما نراه. فعندما يسقط الضوء على العين، تنتقل الإشارات إلى هذه المنطقة، حيث تطلق الملايين من الخلايا العصبية الفردية نبضات استجابةً لسمات محددة في العالم المرئي. وتعد إحدى الخصائص الأكثر جوهرية التي ترصدها هذه الخلايا هي "الاتجاه": أي الزاوية التي يميل بها خط أو حافة ما. وقد أظهرت عقود من الأبحاث أن هذه الخلايا العصبية ليست متماثلة؛ فلكل منها زاوية مفضلة، مثل إبرة بوصلة صغيرة تشير إلى اتجاه محدد. ومع ذلك، لا يعتمد الدماغ على خلية عصبية واحدة ليخبرنا بالزاوية التي ينظر إليها. بدلاً من ذلك، يتم تنشيط مثير بصري عبر حشد هائل ومتداخل من آلاف الخلايا العصبية، لكل منها تفضيلات مختلفة ومستويات متفاوتة من النشاط. وهذا يخلق شفرة معقدة وفائضة، حيث تتوزع المعلومة نفسها عبر مجموعة كبيرة من الخلايا. ولطالما كان اللغز المركزي لعلماء الأعصاب هو كيفية قيام الدماغ بغربلة هذا الحشد الهائل والمشوش لاستخراج إجابة واحدة دقيقة حول العالم. فإذا كانت كل خلية عصبية تساهم بجزء بسيط، فكيف يقرر الدماغ أي الخلايا يستمع إليها، وهل يستمع إليها جميعاً بالتساوي؟
ولحل هذا اللغز، لجأ الباحثون إلى أداة جديدة قوية من مجال الذكاء الاصطناعي: نموذج قائم على تقنية "المحول" (Transformer). صُمم هذا النوع من البرامج الحاسوبية في الأصل لمعالجة اللغات، وهو بارع بشكل فريد في تحديد الأجزاء الأكثر أهمية من مدخلات معقدة لمهمة معينة. طبق الفريق، بقيادة علماء من جامعة بكين وجامعة تشجيانغ، هذا النموذج على بيانات بيولوجية حقيقية. حيث سجلوا نشاط أكثر من 1,000 خلية عصبية في وقت واحد من القشرة البصرية لسبعة قرود من نوع المكاك أثناء يقظتها. عُرضت على القرود صور بسيطة لأنماط مخططة، تُعرف باسم "محفزات غابور" (Gabor stimuli)، بزوايا مختلفة. ثم قام الباحثون بتغذية استجابات الكالسيوم الجماعية لهذه الخلايا في نموذجهم الحاسوبي، طالِبين منه إعادة بناء الصورة الدقيقة التي رأت المكاك. لم يكن الهدف مجرد معرفة ما إذا كان الحاسوب يستطيع تخمين الزاوية، بل مراقبة كيف يقرر أي الخلايا ينتبه إليها أثناء العملية.
كانت النتائج مذهلة. فقد أعاد النموذج الحاسوبي بناء الصور المخططة بدقة فائقة، حيث التقط اتجاه الخطوط بمتوسط خطأ يقل عن درجة واحدة. وقد تجاوز هذا المستوى من الدقة ما يمكن أن تحققه النماذج الحاسوبية الأبسط، مما أثبت أن بنية "المحول" ملائمة بشكل فريد لفك تشفير هذه الإشارة البيولوجية المعقدة. لكن الاختراق الحقيقي جاء من النظر داخل "عقل" النموذج. فبينما كان الحاسوب يعالج البيانات، قام بإنشاء خريطة للانتباه، توضح بالضبط مقدار الوزن الذي خصصه لكل خلية عصبية عند اتخاذ قراره. ووجد الباحثون أن النموذج لم يعامل الـ 1,000 خلية عصبية كشركاء متساوين؛ فبالنسبة لأي زاوية معينة، كان إعادة البناء يهيمن عليه مجموعة صغيرة ومتباعدة من اثنتين أو ثلاث خلايا عصبية فقط. ولم تكن هذه الخلايا العصبية المحددة عشوائية، بل كانت هي تلك التي تتوافق زواياها المفضلة مع الصورة المعروضة، وكانت هي التي تلقت أقوى إشارات "الانتباه" من بقية الشبكة.
يتحدى هذا الاكتشاف افتراضاً شائعاً مفاده أن الدماغ يجب أن يقوم بمتوسط الإشارات من آلاف الخلايا العصبية للحصول على صورة واضحة. وتشير الدراسة إلى أنه بينما يخزن الدماغ المعلومات بشكل فائض عبر مجموعة كبيرة، فإنه يقرأ تلك المعلومات بطريقة انتقائية ومرنة للغاية. وقد كشف النموذج أن هذه الخلايا العصبية الرئيسية كانت مميزة ليس فقط لأنها "تحب" الزاوية الصحيحة، بل لأنها كانت أيضاً الأكثر استقلالية عن جيرانها، حيث أظهرت ضوضاء أو تبايناً مشتركاً أقل. علاوة على ذلك، أظهر النموذج قدرته على شحذ إشارات هذه الخلايا العចំនួន القليلة، مما أدى فعلياً إلى رفع مستوى صوت المعلومات الأكثر فائدة مع خفض مستوى الضوضاء من بقية الحشد. سمحت هذه العملية للنظام باستخراج اتجاه دقيق من بحر فوضوي من النشاط.
ولعل الدليل الأكثر إقناعاً على هذا النظام المرن جاء من تجربة "ماذا لو". حيث قام الباحثون بإزالة المجموعة الصغيرة من الخلايا العصبية ذات الوزن العالي من النموذج وسألوه أن يحاول مرة أخرى. وبدلاً من الفشل، تكيف النموذج بسرعة؛ إذ استدعى مجموعة جديدة ومختلفة من الخلايا العصبية البديلة التي تمتلك خصائص مشابهة لتلك التي تمت إزالتها. كانت هذه الخلايا الجديدة مضبوطة أيضاً على الزاوية الصحيحة واستطاعت تولي مهمة فك تشفير الاتجاه بنفس الدقة العالية. وهذا يثبت أن الدماغ لا يعتمد على مجموعة ثابتة وغير قابلة للتغيير من الخلايا "النجمة". بدلاً من ذلك، فإن القدرة على قراءة المعلومات البصرية هي عملية ديناميكية، حيث توفر المجموعة الفائضة من الخلايا شبكة أمان، مما يسمح للنظام بالانتقال إلى مجموعات فرعية مختلفة من الخلايا عند الحاجة دون فقدان الدقة.
تؤكد الدراسة أن القشرة البصرية تعمل وفق مبدأ التخزين الفائض ولكن القراءة المتباعدة المعتمدة على المثير. فالدماغ يحتفظ بالمعلومات نفسها في أماكن كثيرة، مما يضمن المتانة، ولكنه عندما يحتاج لاتخاذ قرار، فإنه يركز موارده على مجموعة فرعية صغيرة وفعالة للغاية من السكان. تسمح هذه الآلية بكل من استقرار الشبية الكبيرة وسرعة ودقة القراءة المركزة. ومن خلال استخدام نموذج "المحول" لفك تشفير نشاط الخلايا العصبية الحقيقية، قدم الباحثون نافذة واضحة لكيفية حل الدماغ لمشكلة استخراج تفاصيل محددة من شفرة متداخلة وضخمة. وتشير النتائج إلى أن كفاءة الدماغ لا تأتي من امتلاك عدد أقل من الخلايا العصبية، بل من امتلاك طريقة ذكية ومرنة لاختيار الخلايا الأكثر أهمية في أي لحظة معينة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.