Intelligence Cannot Recover What the Instrument Does Not Record
تثبت هذه الدراسة أن دقة استنتاج النبضات العصبية من تصوير الكالسيوم محدودة جوهرياً بالمحتوى المعلوماتي للإشارة الضوئية نفسها وليس فقط بالنماذج الحسابية المستخدمة، مما يوضح أن الخوارزميات المتقدمة لا يمكنها تجاوز سقف الأداء التجريبي الذي تفرضه قدرات التسجيل الخاصة بالجهاز.
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
تتحدث الخلايا العصبية، وهي خلايا التواصل الصغيرة في الدماغ، عبر نبضات كهربائية سريعة تسمى "النبضات" (spikes). ولفهم كيف يفكر الدماغ، يحتاج العلماء إلى الاستماع إلى هذه المحادثات. لعقود من الزمن، كانت الطريقة الوحيدة لسماع خلية عصبية واحدة بوضوح هي غرس سلك دقيق مباشرة فيها، وهي طريقة دقيقة ولكن يستحيل استخدامها على آلاف الخلايا في وقت واحد. تقدم تقنية أحدث، تسمى "تصوير الكالسيوم" (calcium imaging)، مساراً مختلفاً؛ فبدلاً من الاستماع إلى الكهرباء مباشرة، تراقب تغيراً كيميائياً. فعندما تطلق الخلية العصبية نبضة، فإنها تبتلع القليل من الكالسيوم، ويلمع صبغة خاصة داخل الخلية استجابة لذلك. ويلتقط المجهر هذا التوهج، مما يسمح للباحثين بمراقبة مئات الخلايا العصبية وهي تضيء في آن واحد.
ومع ذلك، فإن هذه الطريقة تعاني من خلل جوهري؛ فالمجهر لا يرى النبضة الكهربائية نفسها، بل يرى وميضاً ضوئياً متأخراً وضبابياً ومليئاً بالضجيج يحدث بعد النبضة. النبضة هي الحدث، والتوهج ليس سوى ظل لهذا الحدث. ولفهم ما فعلته الخلية العصبية حقاً، يجب على العلماء استخدام برامج حاسوبية للعمل بشكل عكسي، وتخمين متى حدثت النبضة بناءً على نمط الضوء. لسنوات، ركز المجال على جعل برامج التخمين هذه أكثر ذكاءً، وكان الافتراض هو أنه إذا فشل نموذج حاسوبي في تحديد نبضة ما، فإن النموذج ببساły ليس جيداً بما يكفي. لكن هذا يثير سؤالاً أعمق: ماذا لو كانت المعلومات قد فُقدت قبل أن يحاول الحاسوب التخمين حتى؟ ماذا لو فشل المجهر نفسه في تسجيل التفاصيل الضرورية، تاركاً الحاسوب بلا شيء ليجده؟
تتناول دراسة جديدة أجراها موريس أنتوني يوينغ هذه المشكلة تحديداً. فبدلاً من مجرد بناء آلة تخمين أفضل، تساءل الباحث عن مقدار المعلومات الموجودة بالفعل داخل الضوء المسجل. وباستخدام مجموعة ضخمة من البيانات حيث تم تسجيل كل من النبضات الكهربية وومضات الضوء في نفس الوقت، قامت الدراسة بقياس الحد المطلق لما يمكن استرداده. وتشير النتائج إلى أن الذكاء، مهما بلغ تطوره، لا يمكنه إعادة بناء ما لم يلتقطه الجهاز أصلاً.
حلل الباحثون بيانات من مئات الخلايا العصبية، باحثين في العلاقة بين الإطلاق الكهربائي والتوهج الناتج عنه. واختبروا مجموعة متنوعة من النماذج الحاسوبية، من الأدوات الإحصائية البسيطة إلى أنظمة الذكاء الاصطناعي الحديثة والمعقدة التي يمكنها تعلم طرقها الخاصة في رؤية الأنماط. كما حاولوا إيجال الحد الأقصى النظري للدقة الممكنة لهذه المهمة. تخيل محاولة تخمين كلمة سر بناءً على صورة ضبابية لها؛ فمهما كان المخمن ذكياً، إذا كانت الصورة ضبابية جداً بحيث لا تظهر الحروف، فلا يمكن حل اللغز. وجدت الدراسة أنه بالنسبة لهذا النوع المحدد من تسجيلات الدماغ، هناك سقف صلب لمدى جودة أداء أي حاسوب. فقد تمكنت أفضل النماذج الحاسوبية من تحديد النبضات بشكل صحيح بنسبة 83.8 بالمائة تقريباً. وعندما بحث الباحثون عن الحد الأقصى النظري باستخدام طرق رياضية مختلفة، وجدوا أن أعلى دقة ممكنة هي حوالي 87.1 بالمائة.
إن هذه الفجوة الضيقة بين ما حققته أفضل الحواسيب والحد النظري هي أمر بالغ الأهمية؛ فهي تعني أن المشكلة ليست في أن الحواسيب غبية، بل إنه حتى لو كان الحاسوب مثالياً، واحداً يمكنه تعلم أي نمط ممكن، فإنه على الأرجح لن يؤدي أفضل كثيراً من 87 بالمائة. المعلومات المفقودة ليست نتيجة لخوارزمية سيئة، بل هي نتيجة للتسجيل الفيزيائي نفسه. فالضوء الذي سجله المجهر ببساطة لا يحتوي على تفاصيل كافية لتمييز كل نبضة بيقين تام. وقد أكدت الدراسة ذلك من خلال اختبار نوع متطور من الذكاء الاصطناعي الذي يصمم طريقته الخاصة في النظر إلى البيانات؛ حيث حقق هذا النظام المتقدم دقة 83.2 بالمائة، وفشل في كسر السقف الذي وضعته النماذج الأبسط. وهذا يثبت أن الحد حقيقي وليس مجرد خلل في الأدوات المستخدمة.
كشفت الدراسة أيضاً عن المكان الذي تختبئ فيه المعلومات المفيدة داخل التسجيل بدقة. فالضوء الصادر عن خلية عصبية لا يتغير فورياً، بل يستغرق وقتاً للارتفاع والانخفاض. ووجدت الدراسة أن القرائن الأكثر أهمية حول النبضة تظهر في الضوء الذي يحدث بعد وقوع النبضة، وليس قبلها. وبينما يوفر الضوء قبل الحدث بعض التلميحات عما كانت تفعله الخلية العصبية سابقاً، فإن الغالبية العظمى من المعلومات القابلة للاسترداد تأتي من الوميض الذي يلي الدفقة الكهربائية. وفي الواقع، سمح النظر فقط في الضوء بعد الحدث للحاسوب باستعادة أكثر من 92 بالمائة من الدقة التي كان سيحصل عليها من النظر في التسجيل بأكمله. وهذا يشير إلى أن التأخير في التفاعل الكيميائي هو العائق الرئيسي؛ فالمجهر يحتاج للانتظار لفترة كافية لرؤية الوميض الكامل، ولكن حتى حينها، تضيع بعض التفاصيل بسبب ضبابية العملية الكيميائية.
علاوة على ذلك، أظهرت الدراسة أن هذا الحد يتغير اعتماداً على نوع الصبغة الكيميائية المستخدمة. فبعض الصبغات الأحدث تنتج توهجاً أكثر حدة وسرعة من الصبغات القديمة، ووجدت الدراسة أن التسجيلات التي تمت باستخدام هذه الصبغات الأحدث كانت ذات سقف معلومات أعلى. ومع ذلك، فإن الحد لا يتعلق بالصبغة فحسب؛ فعندما اختبر الباحثون نموذجاً حاسوبياً تم تدريبه على نوع واحد من أنسجة الدماغ مقابل نوع مختلف تماماً من الأنسجة، فشل النموذج بشكل دراماتيكي، حيث انخفضت الدقة بأكثر من 20 نقطة. حدث هذا الفشل رغم إعادة تدريب الحاسوب من الصفر، مما كشف أن المشكلة لم تكن في الصبغة فحسب، بل في البيئة البيولوجية المحددة. كانت المعلومات موجودة للنسيج الأول، لكن تسجيل النسيج الثاني لم يحفظ نفس النوع من التفاصيل، مما جعل من المستحيل على النموذج النجاح.
ولعل الاكتشاف الأكثر عملية في الدراسة هو طريقة جديدة للتعامل مع هذه الإخفاقات الحتمية. فبما أن الحاسوب لا يمكنه دائماً أن يكون على صواب، طور الباحثون نظاماً يمكنه معرفة متى يُحتمل أن يكون مخطئاً. ومن خلال تحليل مدى صعوبة التسجيل المحدد، يمكن للنظام تعيين "درجة عدم ثقة" لتوقعاته الخاصة. وعندما يكون النظام غير متأكد، يمكنه اختيار الامتناع عن تقديم إجابة بدلاً من التخمين. وإذا أخبر الباحثون النظام بأن يقدم توقعاته فقط عندما يكون واثقاً للغاية، فإن دقة تلك التوقعات قفزت إلى ما يقرب من 98 بالمائة. هذا لا يعني أن النظام أصبح أذكى، بل يعني أنه تعلم كيف يلتزم الصمت عندما تكون الأدلة ضعيفة جداً.
تخلص الدراسة إلى أن الطريق نحو الأمام لتصوير الدماغ لا يقتصر فقط على بناء حواسيب أكثر ذكاءً. فالخوارزميات الأكثر قوة في العالم لا يمكنها استرداد المعلومات التي فشل المجهر في تسجيلها. فإذا كان الضوء ضبابياً جداً أو كان التفاعل الكيميائي بطيئاً جداً، فإن البيانات تكون ببساطة غير مكتملة. ولتحسين فهمنا للدماغ، يجب على العلماء التركيز على الأداة نفسها: البحث عن صبغات أفضل، أو مجاهر أسرع، أو طرق مختلفة لالتقاط الضوء. إن ذكاء المراقب يأتي في المرتبة الثانية بعد وضوح السجل. فعندما يكون السجل واضحاً، يمكن للمراقب الذكي أن ينجح، ولكن عندما يفتقر السجل إلى التفاصيل، فلا يمكن لأي قدر من الذكاء أن يسد الفجوة. الدرس المستفاد هادئ ولكنه حازم: لا يمكنك رؤية ما لم يتم تسجيله أبداً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.