شبكة عصبية تخطط وتتخيل كما يفعل الدماغ: دراسة في Nature Machine Intelligence

نشر باحثون بقيادة Lin وزملائه، في 21 يوليو 2026، في مجلة Nature Machine Intelligence نموذجًا توليديًا مستوحى من عمل الدماغ. يخطط النموذج للأفعال ويحل المسائل اعتمادًا على الخرائط المعرفية، ويتعلم فقط عبر اللدونة المشبكية المحلية.

على ماذا يقوم النموذج

يجمع نموذج Lin وزملائه بين ثلاث آليات، استُعيرت كلٌّ منها من علم الأعصاب. وفي أساسه الخرائط المعرفية، وهي تمثيلات داخلية للبيئة يستخدمها النظام ليرسم «مسارًا» نحو الهدف قبل تنفيذ أي فعل حقيقي.

• النشر — 21 يوليو 2026، مجلة Nature Machine Intelligence (DOI 10.1038/s42256-026-01254-4)
• المؤلفون — Lin وزملاؤه (Lin et al.)
• ثلاث ركائز للنموذج: الخرائط المعرفية، والحوسبة العشوائية، والترميز التركيبي
• التعلم — اللدونة المشبكية المحلية فقط، دون الانتشار العكسي العام للخطأ
• وظيفتان من وظائف الذكاء: التخطيط وحل المسائل

تعني الحوسبة العشوائية أن النموذج يعمل عبر أخذ عينات عشوائية (أخذ عينات عصبي)، فلا يقدّم إجابة واحدة جامدة، بل يستعرض احتمالات مستقبلية متعددة. أما الترميز التركيبي فيتيح بناء مشاهد وخطط جديدة من عناصر مألوفة، تمامًا كما يتخيل الإنسان موقفًا لم يمرّ به قط.

ما الذي يميّزه عن الشبكات العصبية المعتادة

يختلف نموذج Lin وزملائه عن معظم الشبكات العصبية في طريقة التعلم. فالأنظمة الحديثة تتعلم بطريقة الانتشار العكسي للخطأ (backpropagation)، وهي تتطلب وصولًا شاملًا إلى جميع أوزان الشبكة، ولا تتسق مع المعقولية البيولوجية. أما هنا فيُحدَّث كل اتصال وفق قاعدة محلية، استنادًا إلى إشارات الجيران الأقرب، كما يُفترض أن يحدث في الدماغ الحي.

يجعل التعلم المحلي هذه البنية أقرب إلى البيولوجيا، وقد يكون أكثر اقتصادًا في استهلاك الموارد على العتاد العصبي الشكل (neuromorphic)، حيث تكون العمليات الشاملة مكلفة. وبحسب صياغة المؤلفين، يوفّر النموذج سمتين رئيسيتين من سمات الذكاء دفعة واحدة، وهما ما تحاكيه الأنظمة التوليدية المعتادة جزئيًا فقط.

«يوفّر النموذج سمتين رئيسيتين من سمات الذكاء: التخطيط وحل المسائل»، — من دراسة

Lin et al. في Nature Machine Intelligence.

ما المقصود بالتخيل الموجَّه نحو الهدف

التخيل الموجَّه نحو الهدف هو قدرة النموذج على «تمثيل» المسارات المؤدية إلى هدف محدد ذهنيًا. فبدلًا من الاكتفاء بالاستجابة للمدخل الحالي، يأخذ النظام عينات من تسلسلات أفعال ممكنة انطلاقًا من الخريطة المعرفية، ويختار تلك التي تقود إلى الهدف.

يقرّب هذا النهج التخطيط في الآلات مما يفعله الدماغ: مسار متخيَّل أولًا، ثم خطوة حقيقية. وما يميّز هذا العمل عن المخططات الهندسية الخالصة هو تحديدًا اجتماع ثلاثة عناصر: الخريطة المعرفية، والاستمثال العشوائي، والتعلم المحلي. فتلك المخططات لا تدّعي المصداقية البيولوجية، وتعتمد عادةً على التعلم الشامل.

ماذا يعني ذلك

يمثّل عمل Lin وزملائه خطوة نحو شبكات عصبية تخطط وتتخيل وفق مبادئ الدماغ، ولا تقتصر على التعرف على الأنماط. ويتلاءم الجمع بين التعلم المحلي والاستدلال العشوائي جيدًا مع الرقائق العصبية الشكل الموفّرة للطاقة ومع الروبوتات، حيث تحظى الوظيفتان المعلنتان، التخطيط وحل المسائل، بتقدير خاص.