MetaNCA يعلّم الشبكات العصبية أن تنتظم ذاتيًا من دون backpropagation

نشر الباحثون في يوليو 2026 بحثاً على arXiv حول MetaNCA — إطار عمل Meta Neural Cellular Automata الذي يدرّب القواعد المحلية على تنظيم ذاتي لأوزان الشبكات العصبية الاصطناعية. بعد التدريب الفوقي، ينتج النظام أوزاناً لـ MLP و CNN و ResNet دون خطوة واحدة من الانتشار العكسي ويعمّم على معماريات لم يرها خلال التدريب.

من أين جاءت الفكرة

التنظيم الذاتي هو خاصية أساسية للأنظمة الحية. تتبادل الخلايا العصبية البيولوجية الإشارات عبر الشرائط الموصلة وتطوّر الاتصالات طوال حياة الكائن بناءً على المعلومات المحلية فقط. لا توجد إشارة خطأ عامة — فقط التفاعلات المحلية، التي تنشأ منها الذكاء.

أثبتت الأتمتة الخلوية العصبية (NCA) بالفعل قدرتها على محاكاة التكوين الجنيني من خلال قواعد تحديث محلية بسيطة: فهي قوية في مواجهة تكرارات متعددة والاضطرابات العشوائية. أخذ مؤلفو MetaNCA هذا النموذج وطبّقوه ليس على تطور الأشكال البيولوجية، بل على توليد الأوزان في الشبكات العصبية الاصطناعية.

كيف يعمل MetaNCA

يتكون الإطار من مكوّنين. الأول هو شبكة القواعد (rule network)، التي تحدّث بشكل متكرر معاملات المكوّن الثاني — شبكة المهمة (task network). يحدث التفاعل محلياً فقط: يتم تحديث كل وزن بناءً على المعلومات من الأوزان المجاورة والحالات المخفية، دون الوصول إلى البنية الكلية للشبكة.

لتنفيذ هذه الفكرة، طوّر المؤلفون معمارية جديدة تسمى Weight Transformer. تطبّق الانتباه الخطي (linear attention) لتجميع الإشارات من الجيران في الرسم البياني الحسابي. بعد إكمال التدريب الفوقي، تكون شبكة القواعد قادرة على توليد أوزان لمعماريات جديدة تماماً — دون انحدار تدرّج إضافي.

الحقائق الرئيسية:

• معمارية شبكة القواعد: Weight Transformer مع الانتباه الخطي
• المعماريات المختبرة: MLP و CNN و ResNet
• مجموعات البيانات: MNIST و CIFAR-100
• أقصى نطاق: شبكات تصل إلى 2 مليون معامل
• التعميم: MetaNCA يعمل على معماريات لم تكن في مجموعة التدريب الفوقي

ماذا يستطيع النظام فعله بعد التدريب؟

بعد إكمال التدريب الفوقي، لا تتطلب شبكة القواعد الانتشار العكسي لتوليد أوزان للشبكات الجديدة. هذا فرق أساسي عن النهج القياسي: عادةً ما تتطلب كل معمارية جديدة دورة تدريب كاملة مع انحدار التدرج. يحلّ MetaNCA محل هذه العملية بالتطبيق المتكرر للقواعد المحلية.

«التنظيم الذاتي هو خاصية من خصائص الحياة، تنتج عن السلوك الجماعي

للمكونات الفردية التي تعمل على أساس المعلومات المحلية»، — يصيغ المؤلفون الدافع الأساسي.

ما يستحق الملاحظة بشكل خاص هو نتيجة التعميم: MetaNCA، المدرّب على مجموعة من معماريات مختلفة، ينجح في توليد أوزان لتكوينات لم تكن في مجموعة التدريب. يظهر المؤلفون أيضاً أن تنوّع المعماريات في مرحلة التدريب الفوقي يعزّز مباشرة هذه القدرة على النقل.

ماذا يعني هذا

يقدّم MetaNCA مساراً بديلاً لتدريب الشبكات العصبية — من خلال التنظيم الذاتي المحلي بدلاً من التدرجات العامة. بينما تم اختبار النظام على شبكات صغيرة نسبياً ومجموعات بيانات معيارية، فإن مبدأ التعميم المعماري دون إعادة التدريب هو خطوة مهمة محتملة نحو شبكات عصبية أكثر مرونة وقدرة على التكيّف.

*معترف بـ Meta كمنظمة متطرفة وهي محظورة في الاتحاد الروسي.