جائزة نوبل في الفيزياء تسلط الضوء على الإنجازات الرئيسية في ثورة الذكاء الاصطناعي
تحاكي الشبكات العصبية الاصطناعية العقول البشرية، إلا أن التكنولوجيا لها جذورها في الفيزياء.
(المصدر: Thom Leach/Science Photo Library عبر Getty Images)
للحصول على أحدث الأخبار العلمية
إذا انبهرت وأنت تشاهد أحدث مقطع فيديو تم إنشاؤه
بواسطة الذكاء الاصطناعي، أو تم إنقاذ رصيدك المصرفي من المجرمين بواسطة نظام اكتشاف الاحتيال، أو أصبح يومك أسهل قليلاً لأنك تمكنت من إملاء رسالة نصية أثناء هروبك، فإنك مدين للعديد من العلماء والرياضيين والمهندسين.
ولكن هناك اسمان يبرزان لمساهمتهما الأساسية في تقنية التعلم العميق التي تجعل هذه التجارب ممكنة: الفيزيائي
جون هوبفيلد من جامعة برينستون ، وعالم الكمبيوتر
جيفري هينتون من جامعة تورنتو .
وقد حصل الباحثان
على جائزة نوبل فيالفيزياء في 8 أكتوبر 2024، لعملهما الرائد في مجال الشبكات العصبية الاصطناعية. ورغم أن الشبكات العصبية الاصطناعية مبنية على الشبكات العصبية البيولوجية، إلا أن عمل الباحثين اعتمد على الفيزياء الإحصائية، ومن ثم حصلا على الجائزة في الفيزياء.
(أتيلا ألتونتاس/الأناضول عبر جيتي إيماجيز) أعلنت لجنة نوبل عن جائزة الفيزياء لعام 2024.
كيف تقوم الخلية العصبية بالحساب
تعود أصول الشبكات العصبية الاصطناعية إلى دراسات الخلايا العصبية البيولوجية في الأدمغة الحية. في عام 1943، اقترح عالم وظائف الأعصاب وارن ماكولوخ والمنطقي والتر بيتس
نموذجًا بسيطًا لكيفية عمل الخلية العصبية . في نموذج ماكولوخ-بيتس، تكون الخلية العصبية متصلة بالخلايا العصبية المجاورة لها ويمكنها تلقي إشارات منها. يمكنها بعد ذلك دمج هذه الإشارات لإرسال إشارات إلى الخلايا العصبية الأخرى.
ولكن هناك مفاجأة: إذ يمكن أن تزن الإشارات القادمة من جيران مختلفين بشكل مختلف. تخيل أنك تحاول أن تقرر ما إذا كنت ستشتري هاتفًا جديدًا من أكثر الهواتف مبيعًا. تتحدث إلى أصدقائك وتطلب منهم توصياتهم. تتمثل إحدى الاستراتيجيات البسيطة في جمع كل توصيات الأصدقاء والقرار بالموافقة على أي شيء يقوله الأغلبية. على سبيل المثال، تسأل ثلاثة أصدقاء، أليس وبوب وتشارلي، فيقولون نعم، نعم، ولا، على التوالي. يقودك هذا إلى قرار شراء الهاتف لأن لديك اثنين من الموافقين وواحدًا لا.
ولكنك قد تثق في بعض الأصدقاء أكثر لأنهم يتمتعون بمعرفة عميقة بالأدوات التقنية. لذا فقد تقرر إعطاء وزن أكبر لتوصياتهم. على سبيل المثال، إذا كان تشارلي يتمتع بمعرفة واسعة، فقد تحسب رفضه ثلاث مرات، والآن قرارك هو عدم شراء الهاتف - اثنتان من الموافقة وثلاثة من الرفض. وإذا كنت غير محظوظ بوجود صديق لا تثق به على الإطلاق في الأمور المتعلقة بالأدوات التقنية، فقد تمنحه وزنًا سلبيًا. لذا فإن موافقته تُعَد بمثابة رفض، وتُعَد معارضته بمثابة موافقة.
وبمجرد اتخاذك لقرارك الخاص بشأن ما إذا كان الهاتف الجديد خياراً جيداً، يمكن لأصدقائك الآخرين أن يطلبوا منك التوصية. وعلى نحو مماثل، في الشبكات العصبية الاصطناعية والبيولوجية، تستطيع الخلايا العصبية تجميع الإشارات من جيرانها وإرسال إشارة إلى الخلايا العصبية الأخرى. وتؤدي هذه القدرة إلى تمييز أساسي: هل هناك دورة في الشبكة؟ على سبيل المثال، إذا سألت أليس وبوب وتشارلي اليوم، وسألتني أليس غداً عن توصيتي، فهناك دورة: من أليس إلي، ومني إلى أليس مرة أخرى.
إذا لم تكن هناك دورة للاتصالات بين الخلايا العصبية، فإن علماء الكمبيوتر يطلقون عليها اسم الشبكة العصبية الأمامية. يمكن ترتيب الخلايا العصبية في الشبكة الأمامية في طبقات. تتكون الطبقة الأولى من المدخلات. تتلقى الطبقة الثانية إشاراتها من الطبقة الأولى وهكذا. تمثل الطبقة الأخيرة مخرجات الشبكة.
ومع ذلك، إذا كانت هناك دورة في الشبكة، فإن علماء الكمبيوتر يطلقون عليها اسم الشبكة العصبية المتكررة، ويمكن أن تكون ترتيبات الخلايا العصبية أكثر تعقيدًا من تلك الموجودة في الشبكات العصبية التغذية الأمامية.
في الشبكات العصبية المتكررة، تتواصل الخلايا العصبية ذهابًا وإيابًا بدلاً من التواصل في اتجاه واحد فقط. Zawersh/Wikimedia, CC BY-SA
شبكة هوبفيلد
كان الإلهام الأولي للشبكات العصبية الاصطناعية من علم الأحياء، ولكن سرعان ما بدأت مجالات أخرى في تشكيل تطورها. وشملت هذه المنطق والرياضيات والفيزياء. استخدم الفيزيائي جون هوبفيلد أفكارًا من الفيزياء لدراسة نوع معين
من الشبكات العصبية المتكررة ، والتي تسمى الآن شبكة هوبفيلد. وعلى وجه الخصوص، درس ديناميكياتها: ماذا يحدث للشبكة بمرور الوقت؟
وتكتسب مثل هذه الديناميكيات أهمية أيضاً عندما تنتشر المعلومات عبر الشبكات الاجتماعية. فالجميع يدركون انتشار الميمات وتشكل غرف الصدى في الشبكات الاجتماعية عبر الإنترنت. وكل هذه ظواهر جماعية تنشأ في نهاية المطاف من تبادلات بسيطة للمعلومات بين الناس في الشبكة.
كان هوبفيلد رائدًا في
استخدام النماذج الفيزيائية ، وخاصة تلك التي تم تطويرها لدراسة المغناطيسية، لفهم ديناميكيات الشبكات العصبية المتكررة. كما أظهر أن ديناميكياتها يمكن أن
تمنح هذه الشبكات العصبية شكلًا من أشكال الذاكرة .
آلات بولتزمان والانتشار العكسي
خلال ثمانينيات القرن العشرين، قام جيفري هينتون وعالم الأعصاب الحاسوبي تيرينس سينوفسكي وآخرون بتوسيع أفكار هوبفيلد لإنشاء فئة جديدة من النماذج تسمى
آلات بولتزمان ، والتي سميت على اسم الفيزيائي لودفيج بولتزمان في القرن التاسع عشر . وكما يوحي الاسم، فإن تصميم هذه النماذج متجذر في الفيزياء الإحصائية التي أسسها بولتزمان. وعلى عكس شبكات هوبفيلد التي يمكنها تخزين الأنماط وتصحيح الأخطاء في الأنماط - مثلما يفعل مدقق الإملاء - يمكن لآلات بولتزمان توليد أنماط جديدة، وبالتالي زرع بذور ثورة الذكاء الاصطناعي التوليدي الحديثة.
إذا كنت تريد أن تقوم الشبكات العصبية الاصطناعية بمهام مثيرة للاهتمام، فعليك بطريقة ما اختيار الأوزان الصحيحة للاتصالات بين الخلايا العصبية الاصطناعية.
الانتشار الخلفي هو خوارزمية رئيسية تجعل من الممكن تحديد الأوزان بناءً على أداء الشبكة على مجموعة بيانات التدريب. تم
تطوير الانتشار الخلفي لأول مرة في مجال نظرية التحكم وتم
تطبيقه على الشبكات العصبية بواسطة بول ويربوس في عام 1974. في الثمانينيات، أظهر هينتون وزملاؤه أن الانتشار الخلفي
يمكن أن يساعد الطبقات المتوسطة من الشبكة العصبية في تعلم ميزات مهمة للمدخلات. على سبيل المثال، تعلمت الخلية العصبية التي تتعلم اكتشاف العيون في الصورة ميزة مهمة مفيدة لاكتشاف الوجه.
ومع ذلك، ظل تدريب الشبكات العصبية الاصطناعية ذات الطبقات المتعددة يشكل تحديًا. وفي العقد الأول من القرن الحادي والعشرين، استخدم هينتون وزملاؤه
آلات بولتزمان بذكاء لتدريب الشبكات متعددة الطبقات من خلال تدريب الشبكة طبقة تلو الأخرى أولاً ثم استخدام خوارزمية ضبط دقيقة أخرى أعلى الشبكة المدربة مسبقًا لضبط الأوزان بشكل أكبر. وتمت إعادة تسمية الشبكات متعددة الطبقات بالشبكات العميقة، وبدأت ثورة التعلم العميق.
يشرح عالم الكمبيوتر التعلم الآلي لطفل، ثم لطالب في المدرسة الثانوية، ثم لطالب جامعي، ثم لطالب دراسات عليا، ثم لزميل خبير.
الذكاء الاصطناعي يرد الجميل للفيزياء
تُظهِر جائزة نوبل في الفيزياء كيف ساهمت أفكار الفيزياء في صعود التعلم العميق. والآن بدأ التعلم العميق في رد الجميل للفيزياء من خلال تمكين المحاكاة الدقيقة والسريعة للأنظمة التي تتراوح من الجزيئات والمواد وصولاً إلى مناخ الأرض بالكامل.
ومن خلال منح جائزة نوبل في الفيزياء لهوبفيلد وهينتون، أعربت لجنة الجائزة عن أملها في قدرة البشرية على استخدام هذه التطورات لتعزيز رفاهة الإنسان وبناء عالم مستدام.
تم تحديث هذه القصة لتوضيح أن هينتون ساعد في التقدم لكنه لم يخترع الانتشار العكسي.
أمبوج تيواري أستاذ إحصاء في جامعة ميشيغان. أعيد نشر هذه المقالة من
موقع The Conversation بموجب
ترخيص المشاع الإبداعي . اقرأ
المقال الأصلي .
المزيد من Discover
تكنولوجيا
الأقمار الصناعية المكعبة، أصغر الأقمار الصناعية، تغير طريقة استكشافنا للنظام الشمسي
تكنولوجيا
هل ستسمح لك الهواتف الذكية بشم صوت الطرف الآخر من المكالمة يومًا ما؟
تكنولوجيا
الشعور بالذنب بسبب الوقت الذي يقضيه الأطفال أمام الشاشات أمر شائع - ولكن قد يكون له جانب إيجابي
تكنولوجيا
الروبوتات قادمة إلى المطبخ - ماذا يعني ذلك للمجتمع والثقافة
تكنولوجيا
ثلث سكان العالم يفتقرون إلى إمكانية الوصول إلى الإنترنت.. محطات الاتصالات المحمولة جواً قد تحل هذه المشكلة
تكنولوجيا
الذكاء الاصطناعي يساعد في تخفيف الحمل على الشبكة الكهربائية
توصيات من متجرنا
متجر العلوم الخاص بيكوب دوري
متجر العلوم الخاص بيبندول فوكو
متجر العلوم الخاص بياكتشف مجموعات STEM
متجر العلوم الخاص بيبطاقات تعليمية عن العناصر
