تتجلى عبقرية التعلم العاطفي الإشاري (Associative Emotional Learning) في قدرتها على ربط الكائنات بين النتائج السارة وغير السارة والأحداث المنبئة بها. في حين أن النماذج الحسابية التقليدية مثل نموذج ريسكورا-واجنر (Rescorla-Wagner) قد وضعت أسساً لفهم هذه الوظيفة المهمة، إلا أنها واجهت بعض القيود عند تطبيقها على بيانات عصبية.

مع ظهور الشبكات العصبية العميقة (Deep Neural Networks)، تم فتح آفاق جديدة لنمذجة التعلم العاطفي الإشاري. في الدراسة الجديدة، تم اقتراح نموذج شبكة عصبية عميقة لمعالجة القيم البصرية، يتكون من وحدة بصرية تشفر مشاهد طبيعية معقدة ووحدة تتعرف على الدلالات العاطفية من حيث القيمة، وهو بعد رئيسي من الأبعاد العاطفية.

تم اختبار نموذج التعلم البافلوفي الجديد (Pavlovian Learning Paradigm) على هذا النموذج، وأظهرت النتائج أن النموذج أعاد إنتاج العديد من الملاحظات من دراسات التعلم الإنساني، بما في ذلك تكوين associations والتعميم، حيث أصبحت التمثيلات العصبية للمثيرات المشروطة وغير المشروطة أكثر تطابقاً على مستوى الخلايا الفردية ومستوى المجموعة العصبية.

عند مقارنة النموذج مع بيانات تجريبية بشرية، تم تقديم مزيد من التحقق من صحة نهجنا. تشير هذه الدراسة إلى أن نماذج الشبكات العصبية العميقة، عندما يتم دمجها مع خوارزميات تعليم مناسبة، يمكن استخدامها لنمذجة التوقيعات السلوكية والعصبية للتعلم العاطفي والتعبيري.

إن فهمنا المتزايد لهذا المجال قد يفتح الأبواب لتطبيقات وحلول جديدة في مجالات متعددة، منها الطب النفسي وعلم الأعصاب. ما هو رأيكم في هذه التطورات؟ شاركونا في التعليقات!