يحتاج الذكاء الاصطناعي المتقدم إلى التوافق مع آليات الإدراك والذكاء البشري. لقد أثبتت الشبكات العصبية العميقة (Deep Neural Networks) نجاحها في العديد من المهام الواقعية، إلا أن هناك مؤشرات متزايدة تشير إلى أنها تعاني في رصد النقوش الوهمية، مثل النقوش المتجاورة، مما يعكس تفاوتاً مع أنماط الإدراك البشري.

في خطوة رائدة نحو سد هذه الفجوة، اقترح فريق من الباحثين نموذجاً مبتكراً يُعرف بشبكة تفسير النقوش الوهمية (Illusory Contour Perception Network - ICPNet). تعتمد ICPNet على الدوائر داخل القشرة البصرية وتشتمل على وحدة عرض ميزات متعددة المقاييس (Multi-Scale Feature Projection - MFP) التي تهدف إلى استخراج تمثيلات متعددة المقاييس.

لتحسين التفاعل بين الميزات الأمامية والرجعية، تم إضافة وحدة انتباه لتفاعل الميزات (Feature Interaction Attention Module - FIAM). بالإضافة إلى ذلك، استلهم النموذج من التحامل على الشكل الموجود في الإدراك البشري، حيث تم إجراء مهمة اكتشاف الحواف عبر وحدة دمج الحواف (Edge Fusion Module - EFM) لتوجيه الشبكة للتركيز على المقدمة.

أجريت اختبارات شاملة على مجموعات بيانات AG-MNIST وAG-Fashion-MNIST التي تم إنشاؤها لهذا العمل، وأظهرت النتائج التجريبية أن ICPNet كانت أكثر حساسية للنقوش الوهمية المتجاورة مقارنة بالنماذج المتقدمة الأخرى، مع تحسين ملحوظ في دقة النتائج.

تعتبر هذه الخطوة بمثابة تقدم مهم نحو تحقيق ذكاء مقارب للبشر في نماذج الذكاء الاصطناعي القائمة على الشبكات العصبية العميقة، مما يمنح الآمال لتطبيقات مستقبلية أكثر اعتمادًا على تقنيات الإدراك المتقدمة.