في عالم الذكاء الاصطناعي، تلعب خوارزمية 'Backpropagation' دورًا أساسيًا في التعلم العميق، إلا أن الطريقة التي يتم بها تطبيق هذه الخوارزمية في دماغ الإنسان تظل قيد النقاش. فقد أظهرت دراسة حديثة أجريت باستخدام التصوير بالرنين المغناطيسي الوظيفي (fMRI) وتخطيط كهربية الدماغ (MEG) استجابة المواطنين البشريين للصور الطبيعية، لتسلط الضوء على ثغرة مثيرة للاهتمام بين آليات التعلم في الآلات والدماغ.

تتعلق الدراسة بنموذج رؤية ذاتية الإشراف حديث (DINOv3) وقد تم الإنجاز على ثمانية نماذج رؤية أخرى. وبينما استطاع الباحثون ربط النماذج بطرق معالجة الصور في القشرة الدماغية، لا تزال الطريقة التي يتم بها حساب التدرجات المعكوسة بعيدة عن الأنماط المتوقعة للنظام العصبي البشري.

ففي الحالة المثلى، كان من المتوقع أن تتوافق التدرجات المعكوسة بشكل وثيق مع الترتيبات الزمنية والمكانية في الدماغ، لكنها بدت بعيداً عن ذلك تمامًا. هذه الفجوة تعني أن كلا من الشبكات العميقة والدماغ البشري قد يتشاركان في محتوى تمثيلي مشابه، لكنهما يعتمد أحدهما على آليات تعلم مختلفة تمامًا.

هذه النتائج تفتح النقاش حول كيفية تطوير نماذج الذكاء الاصطناعي لتقليد طرق التعلم الإنسانية، وتثير تساؤلات حول الأبعاد الأخلاقية والتطبيقية لمثل هذه التقنيات. فما مدى تأثير هذه الفجوة على مستقبل الذكاء الاصطناعي؟