Нейросеть планирует и воображает как мозг: работа в Nature Machine Intelligence

شبكة عصبية تخطط وتتخيل مثل الدماغ: بحث في مجلة Nature Machine Intelligence

نشر باحثون بقيادة Lin وزملائه في 21 يوليو 2026 في مجلة Nature Machine Intelligence نموذجاً توليدياً مستوحى من عمل الدماغ: فهو يخطط للأفعال ويحل المهام معتمداً على الخرائط المعرفية، ويتعلم فقط عبر المرونة المشبكية المحلية.

على ماذا يقوم النموذج

يجمع نموذج Lin وزملائه بين ثلاث آليات، كل منها مستعارة من علم الأعصاب. في الأساس توجد الخرائط المعرفية، وهي تمثيلات داخلية للبيئة يقوم النظام من خلالها بـ«رسم مسار» نحو الهدف قبل اتخاذ الفعل الحقيقي.

• النشر — 21 يوليو 2026، مجلة Nature Machine Intelligence (DOI 10.1038/s42256-026-01254-4)
• المؤلفون — Lin وزملاؤه (Lin et al.)
• الركائز الثلاث للنموذج: الخرائط المعرفية، الحسابات الاحتمالية، الترميز التركيبي
• التعلّم — فقط المرونة المشبكية المحلية، دون انتشار الخطأ العكسي الشامل
• وظيفتان للذكاء: التخطيط وحل المهام

تعني الحسابات الاحتمالية أن النموذج يعمل عبر أخذ عينات عشوائية (أخذ عينات عصبي): فهو لا يقدّم إجابة واحدة جامدة، بل يستعرض احتمالات ممكنة للمستقبل. ويتيح الترميز التركيبي تجميع مشاهد وخطط جديدة من عناصر مألوفة — تماماً كما يتخيل الإنسان موقفاً لم يمر به قط.

بمَ يختلف هذا عن الشبكات العصبية المعتادة

يختلف نموذج Lin وزملائه عن معظم الشبكات العصبية في طريقة التعلّم. تتعلم الأنظمة الحديثة بطريقة الانتشار العكسي للخطأ (backpropagation)، التي تتطلب وصولاً شاملاً إلى جميع أوزان الشبكة وتُعد غير معقولة بيولوجياً. أما هنا، فكل رابطة تُحدَّث وفق قاعدة محلية — بناءً على إشارات من أقرب الجيران، كما يُفترض أن يحدث في الدماغ الحي.

يجعل التعلّم المحلي البنية أقرب إلى البيولوجيا، وربما أكثر اقتصاداً بالنسبة للأجهزة العصبية الشكل (neuromorphic)، حيث تكون العمليات الشاملة مكلفة. وبحسب صياغة المؤلفين، يمنح النموذج دفعة واحدة سمتين رئيسيتين للذكاء — وهو ما تحاكيه الأنظمة التوليدية المعتادة جزئياً فقط.

«يوفر النموذج سمتين رئيسيتين للذكاء: التخطيط وحل المهام» — من مقالة

Lin et al. في مجلة Nature Machine Intelligence.

ما هو التخيل الموجّه نحو الهدف

التخيل الموجّه نحو الهدف هو قدرة النموذج على «تشغيل» مسارات ذهنياً نحو هدف محدد. فبدلاً من الاكتفاء بالاستجابة للمدخل الحالي، يأخذ النظام عينات من تسلسلات أفعال ممكنة من الخريطة المعرفية ويختار منها ما يؤدي إلى الهدف.

يقرّب هذا النهج التخطيط في الآلات مما يفعله الدماغ: أولاً مسار متخيَّل، ثم خطوة حقيقية. وتحديداً فإن اجتماع العناصر الثلاثة — الخريطة المعرفية، وأخذ العينات الاحتمالي، والتعلّم المحلي — هو ما يميز هذا العمل عن المخططات الهندسية البحتة، التي لا تدّعي مصداقية بيولوجية وتعتمد عادة على التعلّم الشامل.

ماذا يعني هذا

يمثل عمل Lin وزملائه خطوة نحو شبكات عصبية تخطط وتتخيل وفق مبادئ الدماغ، لا أن تكتفي بالتعرف على الأنماط فحسب. وينسجم الجمع بين التعلّم المحلي والاستدلال الاحتمالي جيداً مع الرقائق العصبية الشكل الموفّرة للطاقة والروبوتات، حيث تحظى الوظيفتان المعلنتان — التخطيط وحل المهام — بتقدير خاص.