الظهور التلقائي للتخصص الوظيفي الشبيه بالدماغ في الشبكات العصبية

الظهور التلقائي للتخصص الوظيفي الشبيه بالدماغ في الشبكات العصبية

7 مايو , 2022

ترجم بواسطة:

فاتن ضاوي المحنا

دقق بواسطة:

زينب محمد

يمتلك الدماغ البشري مناطق وظيفية متميزة ومتخصصة للغاية لفهم اللغات والتعرف على الوجوه والتخطيط للمستقبل. ومع ذلك، لا يزال يتعين على علماء الأعصاب فك شفرة الدرجة العالية من التخصص الوظيفي التي لوحظت في القشرة المخية. وفي دراسة جديدة نُشرت مؤخرًا في مجلة العلوم المتقدمة، قامت كاثرينا دوبس وفريق من العلماء في قسم علوم الدماغ والإدراك في جامعة ماساتشوستس التقنية، وجامعة كولومبيا  في الولايات المتحدة، بالتحقيق في كيفية إدراك الوجه باستخدام عصب اصطناعي لاختبار الفرضية القائلة بأن الفصل الوظيفي للتعرف على الوجه في الدماغ يعكس التحسين الحسابي لتطبيقات أوسع للتعرف البصري على الوجه. وأظهرت النتائج كيفية الفصل البصري الوظيفي للدماغ من خلال اتجاه واسع النطاق، لتحسين إنشاء تخصص وظيفي في الآلات، وكذلك التحقيق في مدى تعقيد الظاهرة بالنسبة إلى الأدمغة.

التخصص الوظيفي لمناطق الدماغ

في الوقت الذي قوبلت به فكرة تخصصية الموقع الوظيفي في الدماغ بالجدل لعدة قرون، إلا أنها أصبحت الآن مدعومة بأدلة دامغة. حيث يمكن تنشيط مناطق القشرة بشكل انتقائي لمهمة إدراكية أو معرفية محددة، والتي يمكن أن تنتج ضعفًا انتقائيًا عند تعطلها. ويهدف علماء الأعصاب بشكل متزايد إلى فهم سبب إظهار الدماغ لهذا المستوى من التخصص الوظيفي. وتشمل الاحتمالات تسهيل عملية تطوير وظائف الدماغ وحل المشكلات الجديدة. وسلّط  الباحثون الضوء على التعديل الانتقائي للعمليات العقلية عبر التخصص الوظيفي. والاحتمال الثالث هو العلميات الحسابية التي تتم لإكمال المهام التي لا يمكن حلها باستخدام آلية عامة نسبيًا في هذا العمل.  حيث تم اختبار الفرضية الثالثة، لفهم واحدة من أفضل حالات التخصص الوظيفي في الدماغ بالنسبة إلى التعرف البصري على الوجوه. واستخدم الفريق شبكات عصبية تلافيفية عميقة متقدمة (CNNs) لتحقيق أداء يوازي مستوى فهم الإنسان في بعض مهام التعرف المرئي. واستنادًا إلى دراسات مكثفة مع شبكات مدربة على التعرف على الكائنات والوجوه، كشفت النتائج عن اتجاه عام لإمكانية فصل المهام في الشبكات، وفتح الباب للتحقيق في بنى محددة، وتدريب النظم لاكتشاف المهام التي سيتم فصلها في الشبكات، ومن الناحية الافتراضية أيضًا في الدماغ البشري.

الشبكات المدرّبة على الأشياء فقط، لا تعمل بشكل جيد في التعرف على الوجوه

ولاختبار ما إذا كانت شبكات (CNN ) المدربة على الكائنات، تخدم التعرف على الوجوه والعكس صحيح، درّب الباحثون شبكتين من شبكات ( VGG16 ) تمت تهيئتهما بشكل عشوائي، لتحديد الوجوه وتصنيف الكائنات.  وقام الفريق بفك تشفير هويات الوجوه غير المألوفة والكائنات غير المألوفة من خلال الشبكة المدربة على الوجوه والكائنات.  وجاءت النتائج كما هو متوقع، حيث لاحظوا أداءً سيء بشكل ملحوظ، في التعرف على الوجوه مع الشبكة المدربة على الكائنات في حالة استخدامها للتعرف على الوجوه، والعكس صحيح، مما يشير إلى كيف أن المحاكاة التي تم تعليمها الشبكات لمهمة معينة لم تترجم بسهولة إلى مهمة أخرى.  ويشبه ذلك الدماغ إلى حد كبير، حيث يبدو أن كل مهمة تستفيد من المحاكاة المتخصصة بمهمة محددة.

وللتحايل على القيود، في تخصصية مناطق الدماغ، تساءل الباحثون  عما إذا كان تدريب شبكة واحدة على أداء كلتا المهمتين سيؤدي إلى اكتشاف مساحة ميزة مشتركة عالية الأداء للوجوه والأشياء. ولمعالجة هذا الأمر، قاموا بتدريب شبكة جديدة على كل من هوية الوجه والكائن  وتصنيفهما.  و نتج عن ذلك أن أدت الشبكة ذات المهام المزدوجة، بشكل غير متوقع تقريبًا أداءً جيدًا في كل مهمة، مما يشير إلى مساحة ميزة مشتركة للشبكات لحل كلتا المهمتين، مما يناقض فرضية التخصص الوظيفي لأداء المهام العالي في الدماغ.  و كان الاحتمال الآخر في التفسير، هو أن الشبكة تعلّمت فصل نفسها في التعرف على الوجوه والكائنات، على الرغم من أن الفريق لم يقم ببناء أي شيء في بنية الشبكة لتسهيل ذلك.

ولاختبار هذا الاحتمال، أجرى الباحثون سلسلة من التجارب، وأشارت النتائج إلى امكانية الفصل التلقائي للشبكة في أنظمة فرعية مميزة للتعرف على الوجوه والأشياء، على الرغم من عدم وجود تحيز استقرائي خاص بالمهمة لتشجيعه.

زيادة الفصل بين المهام عبر طبقات مثل الدماغ

قام الفريق البحثي بعد ذلك  بتحديد ما إذا كان الفصل بين المهام مبنيًا على طبقات الشبكة. ففي أدمغة الشبكات، تتم معالجة الفئات المعتادة لمشاركة مجموعة أولية من السمات المشتركة للتعرف على الوجوه أو الكائنات، وتنتقل المعالجة في المعلومات من شبكية العين، ثم يتبع ذلك التفرع إلى مسارات خاصة بفئة معينة (الوجه، والجسم ، وما إلى ذلك).  ولذا، سعى الفريق إلى فهم أوجه التشابه بين طبقات الدماغ هذه مع الشبكات ( CNN ) مزدوجة التدريب (الشبكات العصبية التلافيفية)، ووجدوا أن الفصل بين المهام صغير في الطبقات المبكرة، بينما يتزايد مع الطبقات اللاحقة. ووفقًا للنتائج، تباعدت معالجة الوجوه والأشياء تدريجيًا في المراحل الوسطى من المعالجة داخل الشبكة لتصبح منفصلة للغاية في المراحل الأخيرة، تمامًا مثل تلك السمات التي لوحظت في الدماغ.  وسلّطت دراسات أخرى على المميزات التي يضيفها الضوء للتسلسل الهرمي للمعالجة، حيث  أظهرت النتائج أن الدرجة العالية الملحوظة من الفصل الوظيفي لم تنشأ من تحيزات مجموعة البيانات، ولكنها كانت مدفوعة بميزات بصرية متميزة من المستوى المتوسط ​​إلى العالي لكل مهمة.

الشبكات المعزولة وظيفيًا والفصل الوظيفي المتنوع

يلقي هذا العمل الضوء على التخصصية الوظيفية في النظام البصري البشري، فعلى الرغم من أنه لم يكن من الواضح ما إذا كانت الشبكات المميزة التي تم تعليمها يمكن أن تؤدي أداءً مشابهًا للنظام البصري البشري،  إلا أن الفريق البحثي أجرى تجربتين سلوكيتين لقياس التشابه الملحوظ لمحفزات الوجه والكائنات.  ولكل مهمة، تم ربط مصفوفات اختلاف التمثيل السلوكي لكل مشارك لكل طبقة من الشبكات العصبية الملتفة المدربة على الوجه، والمدربة على الكائنات، والمدربة على مهمة مزدوجة.  وفي نهاية التجربة التقطت شبكة المهام المزدوجة السلوك البشري في كل من الوجه والمهام، ويكشف ذلك عن كيفية استخدام الحلول المستفادة لمهام مشابهة للنظام البصري البشري.  وأشارت النتيجة إلى أنه بينما يمكن الفصل الوظيفي الموجود في الدماغ عن الشبكات العصبية المعقدة، إلا إن الأدمغة لا تشبه تمامًا الفروق الدقيقة في الشبكات العصبية.

المصدر: https://medicalxpress.com

ترجمة: فاتن ضاوي المحنّا

تويتر: @F_D_Almutiri

مراجعة وتدقيق: زينب محمد


اترك تعليقاً

القائمة البريدية

اشترك في قائمتنا البريدية ليصلك جديد مقالاتنا العلمية وكل ماهو حصري على مجموعة نون العلمية

error: Content is protected !!