يكتشف الباحثون نهجًا أكثر مرونة للتعلم الآلي

احتفل باحثو الذكاء الاصطناعي بسلسلة من النجاحات مع الشبكات العصبية، برامج الكمبيوتر التي تحاكي تقريبًا كيفية تنظيم أدمغتنا. ولكن على الرغم من التقدم السريع ، تظل الشبكات العصبية غير مرنة نسبيًا ، مع القليل من القدرة على التغيير سريعًا أو التكيف مع الظروف غير المألوفة.

في عام 2020 ، قاد باحثان في معهد ماساتشوستس للتكنولوجيا فريقًا قدم نوع جديد من الشبكات العصبية على أساس ذكاء الحياة الواقعية - ولكن ليس ذكاءنا. بدلاً من ذلك ، استلهموا من الدودة الصغيرة ، Caenorhabditis ايليجانسلإنتاج ما أسموه الشبكات العصبية السائلة. بعد اختراق العام الماضي ، قد تكون الشبكات الجديدة الآن متعددة الاستخدامات بما يكفي لتحل محل نظيراتها التقليدية في تطبيقات معينة.

توفر الشبكات العصبية السائلة "بديلاً أنيقًا ومدمجًا" كين غولدبرغ، عالم الروبوتات بجامعة كاليفورنيا ، بيركلي. وأضاف أن التجارب تظهر بالفعل أن هذه الشبكات يمكن أن تعمل بشكل أسرع وأكثر دقة مما يسمى بالشبكات العصبية ذات الوقت المستمر ، والتي تمثل الأنظمة التي تختلف بمرور الوقت.

رامين حسني و ماتياس ليشنر، القوى الدافعة وراء التصميم الجديد ، أدركت ذلك منذ سنوات جيم ايليجانس يمكن أن يكون كائنًا مثاليًا لاستخدامه في اكتشاف كيفية إنشاء شبكات عصبية مرنة يمكنها استيعاب المفاجآت. تعتبر وحدة التغذية السفلية التي يبلغ طولها ملليمترًا من بين المخلوقات القليلة التي لديها نظام عصبي مخطط بالكامل ، وهي قادرة على مجموعة من السلوكيات المتقدمة: الحركة ، وإيجاد الطعام ، والنوم ، والتزاوج ، وحتى التعلم من التجربة. قال ليشنر: "إنها تعيش في العالم الحقيقي ، حيث يحدث التغيير دائمًا ، ويمكن أن تؤدي بشكل جيد في ظل أي ظروف تقريبًا".

أدى احترام الدودة المتواضعة به وحسني إلى شبكتهما السائلة الجديدة ، حيث تخضع كل خلية عصبية لمعادلة تتنبأ بسلوكها بمرور الوقت. ومثلما ترتبط الخلايا العصبية ببعضها البعض ، فإن هذه المعادلات تعتمد على بعضها البعض. تحل الشبكة بشكل أساسي هذه المجموعة الكاملة من المعادلات المرتبطة ، مما يسمح لها بتوصيف حالة النظام في أي لحظة معينة - خروجًا عن الشبكات العصبية التقليدية ، التي تعطي النتائج فقط في لحظات معينة من الزمن.

قال ليشنر: "يمكنهم فقط إخبارك بما يحدث في ثانية أو ثانيتين أو ثلاث". "لكن نموذج الوقت المستمر مثل نموذجنا يمكنه وصف ما يحدث في 0.53 ثانية أو 2.14 ثانية أو في أي وقت آخر تختاره."

تختلف الشبكات السائلة أيضًا في كيفية تعاملها مع نقاط الاشتباك العصبي ، وهي الروابط بين الخلايا العصبية الاصطناعية. يمكن التعبير عن قوة تلك الاتصالات في الشبكة العصبية القياسية برقم واحد ، وزنه. في الشبكات السائلة ، يعد تبادل الإشارات بين الخلايا العصبية عملية احتمالية تحكمها وظيفة "غير خطية" ، مما يعني أن الاستجابات للمدخلات ليست دائمًا متناسبة. يمكن أن تؤدي مضاعفة المدخلات ، على سبيل المثال ، إلى تحول أكبر أو أصغر بكثير في المخرجات. هذا التباين الداخلي هو سبب تسمية الشبكات "بالسوائل". يمكن أن تختلف طريقة تفاعل الخلايا العصبية اعتمادًا على المدخلات التي تتلقاها.

بينما يتم تعيين الخوارزميات الموجودة في قلب الشبكات التقليدية أثناء التدريب ، عندما يتم تغذية هذه الأنظمة بكميات كبيرة من البيانات لمعايرة أفضل القيم لأوزانها ، تكون الشبكات العصبية السائلة أكثر قابلية للتكيف. "إنهم قادرون على تغيير معادلاتهم الأساسية بناءً على المدخلات التي يلاحظونها" ، على وجه التحديد تغيير مدى سرعة استجابة الخلايا العصبية ، دانييلا روس، مدير مختبر علوم الكمبيوتر والذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا.

تضمن أحد الاختبارات المبكرة لإظهار هذه القدرة محاولة توجيه سيارة مستقلة. يمكن للشبكة العصبية التقليدية فقط تحليل البيانات المرئية من كاميرا السيارة على فترات زمنية ثابتة. الشبكة السائلة - التي تتكون من 19 خلية عصبية و 253 نقطة تشابك (مما يجعلها صغيرة وفقًا لمعايير التعلم الآلي) - يمكن أن تكون أكثر استجابة. قال روس ، أحد مؤلفي هذا المقال والعديد من الأوراق البحثية الأخرى حول الشبكات السائلة: "يمكن لنموذجنا أخذ عينات بشكل متكرر ، على سبيل المثال عندما يكون الطريق ملتويًا".

نجح الطراز في إبقاء السيارة على المسار الصحيح ، ولكن كان بها عيب واحد ، قال ليشنر: "كانت بطيئة حقًا." نشأت المشكلة من المعادلات غير الخطية التي تمثل نقاط الاشتباك العصبي والخلايا العصبية - المعادلات التي لا يمكن حلها عادة بدون حسابات متكررة على جهاز كمبيوتر ، والتي تمر عبر تكرارات متعددة قبل أن تتقارب في النهاية على حل. عادة ما يتم تفويض هذه الوظيفة إلى حزم برامج مخصصة تسمى المحاليل ، والتي يجب تطبيقها بشكل منفصل على كل مشابك وخلايا عصبية.

في باقة ورقة العام الماضي، كشف الفريق عن شبكة عصبية سائلة جديدة تجاوزت هذا الاختناق. اعتمدت هذه الشبكة على نفس النوع من المعادلات ، لكن التقدم الرئيسي كان اكتشاف الحسني أن هذه المعادلات لا تحتاج إلى حل من خلال حسابات الكمبيوتر الشاقة. وبدلاً من ذلك ، يمكن للشبكة أن تعمل باستخدام حل شبه دقيق أو "مغلق الشكل" يمكن ، من حيث المبدأ ، العمل بالقلم الرصاص والورق. عادة ، لا تحتوي هذه المعادلات غير الخطية على حلول مغلقة الشكل ، لكن الحسني توصل إلى حل تقريبي كان جيدًا بما يكفي للاستخدام.

قال روس: "إن وجود حل مغلق الشكل يعني أن لديك معادلة يمكنك من خلالها إدخال قيم معاملاتها وإجراء العمليات الحسابية الأساسية ، وستحصل على إجابة". "تحصل على إجابة في طلقة واحدة" ، بدلاً من ترك الكمبيوتر يبتعد حتى يقرر أنه قريب بما فيه الكفاية. يؤدي ذلك إلى تقليل الوقت والطاقة الحسابية ، مما يؤدي إلى تسريع العملية إلى حد كبير.

قال "طريقتهم تتغلب على المنافسة بعدة أوامر من حيث الحجم دون التضحية بالدقة" سايان ميترا، عالم كمبيوتر في جامعة إلينوي ، أوربانا شامبين.

بالإضافة إلى كونها أسرع ، قال الحسني ، إن أحدث شبكاتهم مستقرة أيضًا بشكل غير عادي ، مما يعني أن النظام يمكنه التعامل مع المدخلات الهائلة دون أن يفسد. قال "الإسهام الرئيسي هنا هو الاستقرار والخصائص الرائعة الأخرى التي يتم دمجها في هذه الأنظمة من خلال هيكلها المطلق" سريرام سانكارانارايانان، عالم كمبيوتر في جامعة كولورادو ، بولدر. يبدو أن الشبكات السائلة تعمل في ما أسماه "البقعة الحلوة: فهي معقدة بما يكفي للسماح بحدوث أشياء مثيرة للاهتمام ، ولكنها ليست معقدة للغاية بحيث تؤدي إلى سلوك فوضوي".

في الوقت الحالي ، تختبر مجموعة MIT أحدث شبكاتها على طائرة بدون طيار ذاتية التحكم. على الرغم من تدريب الطائرة بدون طيار على التنقل في الغابة ، فقد نقلوها إلى البيئة الحضرية لكامبريدج لمعرفة كيفية تعاملها مع الظروف الجديدة. ووصف ليشنر النتائج الأولية بأنها مشجعة.

بالإضافة إلى تحسين النموذج الحالي ، يعمل الفريق أيضًا على تحسين بنية شبكتهم. قال ليشنر إن الخطوة التالية "هي معرفة عدد أو عدد الخلايا العصبية التي نحتاجها بالفعل لأداء مهمة معينة". تريد المجموعة أيضًا ابتكار طريقة مثلى لربط الخلايا العصبية. في الوقت الحالي ، ترتبط كل خلية عصبية بكل خلية عصبية أخرى ، لكن هذه ليست الطريقة التي تعمل بها جيم ايليجانس، حيث تكون التوصيلات المشبكية أكثر انتقائية. من خلال مزيد من الدراسات لنظام الأسلاك في الدودة المستديرة ، يأملون في تحديد الخلايا العصبية في نظامهم التي يجب أن تقترن ببعضها البعض.

بصرف النظر عن التطبيقات مثل القيادة الذاتية والطيران ، تبدو الشبكات السائلة مناسبة تمامًا لتحليل شبكات الطاقة الكهربائية والمعاملات المالية والطقس والظواهر الأخرى التي تتقلب بمرور الوقت. بالإضافة إلى ذلك ، قال حسني ، يمكن استخدام أحدث نسخة من الشبكات السائلة "لأداء محاكاة نشاط الدماغ على نطاق لم يكن ممكنًا من قبل".

يثير هذا الاحتمال اهتمام ميترا بشكل خاص. قال "بطريقة ما ، إنه نوع من الشعر ، يظهر أن هذا البحث قد يكتمل". "تتطور الشبكات العصبية لدرجة أن الأفكار التي استخلصناها من الطبيعة قد تساعدنا قريبًا على فهم الطبيعة بشكل أفضل."