🧬 الأحياء

A Drosophila connectome prior enables adaptable embodied control

تُثبت هذه الدراسة أن استخدام المخطط العصبي لدماغ ذبابة الفاكهة البالغة كسابقة هيكلية ثابتة للتحكم المتجسد يتيح قدرة فائقة على التكيف والمتانة عبر مهام الحركة المتنوعة، وأشكال الجسم المختلفة، والتعقيدات البيئية مقارنة بالشبكات العصبية الاصطناعية القياسية.

المؤلفون الأصليون: Siyu Yu, Kanglei Zhou, Hongwei Yan, Xinyi Wang, Sen Song, Bo Hong, Liyuan Wang

نُشر 2026-11-02

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Siyu Yu, Kanglei Zhou, Hongwei Yan, Xinyi Wang, Sen Song, Bo Hong, Liyuan Wang

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

إن الذكاء ليس مجرد شيء يحدث داخل الدماغ؛ بل هو حوار بين الجسد والعالم. لكي يتحرك الحيوان، يجب على جهازه العصبي أن يترجم باستمرار ما يشعر به وما يراه إلى أفعال تحافظ على توازنه وحركته للأمام. هذه العملية، المعروفة باسم التحكم المتجسد (embodied control)، صعبة للغاية لأن العالم ليس ساكنًا أبدًا. إذ يجب على الكائن أن يعدل خطواته عندما تصبح الأرض غير مستوية، أو ينعطف بحدة عند ظهور مفترس، أو يزيد سرعته عندما يشعر بوجود طعام. وبينما بنى المهندسون روبوتات يمكنها السير فوق تضاريس وعرة، إلا أنها غالبًا ما تعتمد على برامج حاسوبية معقدة تم تدريبها خصيصًا لشكل جسم واحد أو نوع واحد من البيئات. وإذا قمت بتغيير أرجل الروبوت أو ملمس الأرضية، فإن البرنامج غالبًا ما يفشل. وهذا يثير سؤالاً جوهرياً للعلماء: هل يمنح الطريقة المحددة التي يتم بها توصيل الجهاز العصبي البيولوجي قدرة خاصة على التكيف تفتقر إليها الأنظمة الاصطناعية؟ ولإيجاد الإجابة، لجأ الباحثون إلى ذبابة الفاكهة، وهي كائن تم رسم خريطة لجهازه العصبي بدقة متناهية، وصولاً إلى كل اتصال بين خلاياها العصبية.

أخذ الباحثون الخريطة الكاملة للاتصالات من دماغ ذبابة فاكهة بالغة، والمعروفة باسم "الكونكتوم" (connectome)، واستخدموها كـ "دماغ" ثابت لمحاكاة حاسوبية لذبابة رقمية. كان للذبابة الرقمية جسد بـ ست أرجل، ومستشعرات للشعور بالأرض، وعضلات للحركة. لم يقم الفريق بإعادة توصيل خريطة الدماغ؛ بل أبقوا الاتصالات تمامًا كما هي في الطبيعة، وعلموا الذبابة فقط كيفية قراءة مستشعراتها وكيفية إرسال الإشارات إلى عضلاتها. ثم وضعوا هذه الذبابة الرقمية عبر سلسلة من الاختبارات، حيث طُلب منها السير على أرض مسطحة، وتسلق كتل بارتفاعات متزايدة، والانعطاف في اتجاهات مختلفة، وتغيير سرعتها. وقارنوا هذه الذبابة، التي استخدمت خريطة الدماغ الطبيعية، مقابل ذبابة رقمية يتحكم فيها برنامج ذكاء اصطناعي قياسي مصمم للتعلم من الصفر.

عندما سارت الذبابات على أرض مسطحة بسرعة ثابتة، كان أداؤهما متساويًا. أظهر هذا أن خريطة الدماغ الطبيعية لم تكن متفوقة بطبيعتها في المهام البسيطة وغير المتغيرة. ومع ذلك، بمجرد تغير الموقف، أصبح الفرق واضحًا. فعندما كان على الذبابة الرقمية تسلق كتل يصل ارتفاعها إلى نصف مليمتر تقريبًا، نجحت الذبابة ذات خريطة الدماغ الطبيعية في عبورها بمعدل أكبر بكثير من الذبابة الاصطناعية. كما كانت تتحرك بسلاسة أكبر، وبحركة أقل تشنجًا، وكانت أفضل في تتبع التغيرات في السرعة، مثل عندما طُلب منها التسارع أو التباطؤ وفق نمط معين. وعندما كان على الذبابة الانعطاف، سمحت لها خريطة الدماغ الطبيعية بإعادة توجيه جسدها بدقة أكبر وبأقل قدر من الحركة الضائعة. أما البرنامج الاصطناعي فقد عانى في إجراء هذه التعديلات، فغالبًا ما كان يتجاوز هدفه أو يفقد توازنه.

ولفهم سبب عمل الخريطة الطبيعية بشكل أفضل، نظر الباحثون داخل المحاكاة لمعرفة كيفية تدفق المعلومات. ووجدوا أنه عندما واجهت الذبابة عقبة صعبة، قامت خريطة الدماغ الطبيعية بتنشيط مسارات محددة تلقائيًا تربط مستشعرات الأرجل بالأوامر الحركية. وبدت هذه المسارات، التي تشمل عصبونات تحمل الإشارات صعودًا من الجسم وأخرى تحمل الأوامر هبوطًا من الدماغ، تعمل معًا بطريقة منسقة لا يستطيع البرنامج الاصطناعي محاكاتها. بدا أن النظام الطبيعي يمتلك مرونة مدمجة، مما يسمح له باستدعاء الأجزاء المناسبة من الشبكة للمهمة المطلوبة دون الحاجة إلى إخباره بذلك صراحةً. علاوة على ذلك، اكتشف الباحثون أن خريمة الدماغ الطبيعية كانت أكثر متانة تجاه الأخطاء الصغيرة أو التغييرات في إعداداتها، مما يشير إلى أن هيكلها يخلق أساسًا مستقرًا لتعلم سلوكيات جديدة.

الجزء الأكثر إثارة في الدراسة جاء عندما اختبر الباحثون ما إذا كانت هذه الميزة ستصمد عندما يتغير الجسم نفسه. فقد أخذوا خريطة الدماغ الثابتة نفسها من الذبابة وربطوها بأجساد حيوانات محاكات مختلفة تمامًا: نملة بأربع أرجل، وروبوت برجلين، وحامل ثلاثي القوائم، وسداسي الأرجل (hexapod). وفي كل حالة، ساعدت خريطة الدماغ التي تطورت من أجل الذبابة الأجساد الجديدة على التحرك بشكل أفضل من البرامج الاصطناعية. وكان التميز واضحًا بشكل خاص عندما كان على الحيوانات التنقل في متاهات معقدة. ومع زيادة صعوبة المتاهات، بزيادة عدد المنعطفات والطرق المسدودة، أصبحت وحدة التحكم (التي تستخدم دماغ الذبابة) أفضل بشكل متزايد في إيجاد الطريق مقارنة بوحدات التحكم الاصطناعية. ورغم أن دماغ الذبابة صُمم لحشرة سداسية الأرجل، إلا أنه ساعد روبوتًا ثنائي الأرجل على الوقوف مستقيمًا وجعل نملة رباعية الأرجل تركض بشكل أسرع وأكثر مباشرة. تشير الدراسة إلى أن التوصيل الخاص لدماغ الذبابة يحتوي على مبدأ عام للتكيف يمكن نقله عبر أشكال أجسام مختلفة.

لا يدعي هذا العمل أننا نستطيع ببساطة نسخ دماغ ذبابة ووضعه في أي روبوت. فقد أظهرت عمليات المحاكاة أن التوصيل الطبيعي يوفر نقطة انطلاق قوية، أو "أولوية معرفية" (prior)، تجعل تعلم حركات جديدة أسهل وأكثر موثوقية. كانت البرامج الاصطناعية لا تزال بحاجة لتعلم كيفية قراءة المستشعرات وتحريك العضلات لأجسادها الجديدة، لكنها تعلمت بشكل أسرع وأفضل بكثير عندما بدأت بخريطة دماغ الذبابة مقارنة بالبدء من الصفر. وتشير النتائج إلى أن التطور قد شكل الأنظمة العصبية ليس فقط لأداء مهام محددة، بل لتوفير هيكل مرن يمكنه التعامل مع التغييرات غير المتوقعة في العالم الحقيقي. ومن خلال استخدام دماغ ذبابة الفاكهة كدليل، أظهر الباحثون أن طريقة اتصال العصبونات لا تقل أهمية عن العصبونات نفسها، مما يقدم مخططًا جديدًا لبناء آلات يمكنها التكيف مع عالم متغير.

أبحاث مشابهة