في ظل التطورات السريعة في تقنيات الذكاء الاصطناعي، سلط فريق من الباحثين الضوء على الابتكارات الجديدة في مجال تحليل سجل الدماغ (EEG) باستخدام ما يسمى بـ "بوابات المنطق التفاضلية" (Differentiable Logic Gate Networks). يُعتبر هذا الابتكار حلاً محتملاً لمشكلة الكمون (latency) التي تواجه الشبكات العصبية التقليدية عند معالجة بيانات EEG على الأجهزة الطرفية.

تظهر الدراسات أن التعامل مع العمليات الحسابية العائمة في الشبكات العصبية التقليدية قد يؤدي إلى قيود على الأداء، خاصة عندما يتعلق الأمر بالمعالجة في الوقت الحقيقي. وعليه، ظهرت فكرة استخدام بوابات المنطق التفاضلية كبديل قائم على الأجهزة، حيث تتيح تحويل النماذج إلى دوائر بوليانية (Boolean circuits) يمكن تنفيذها من خلال عمليات بتية بسيطة.

تقييم الأداء تم عبر تجارب مُحكمة مع أربعة مجموعات بيانات EEG تتناول مهمتين: الكشف عن الخرف وتعرف العواطف. النتائج كانت واعدة، إذ سجلت بوابات المنطق التفاضلية نسبة 80.2% في مؤشر F1 عند اختبارها في الكشف عن الخرف، مما يفوق أداء الشبكات العصبية متعددة الطبقات (Multi-Layer Perceptron) بفارق 6.8%. وفي سياق تعرف العواطف، رغم أن الشبكة متعددة الطبقات أظهرت ميزة أداء معتدلة، إلا أنها كانت أقل كفاءة من حيث الكمون، حيث كانت تعاني من زيادة في الزمن والذاكرة عند التشغيل على وحدة معالجة الرسوميات Nvidia Jetson Orin Nano.

أثبتت بوابات المنطق التفاضلية أنها تقنية واعدة لمواجهة التحديات التي تواجه واجهات الدماغ الحاسوبية، مع تقديم أداء متنافس أو متفوق، تتلاءم مع قيود الكمون والذاكرة اللازمة للنشر في ظروف الطاقة المحدودة. يمكنكم الوصول إلى الشيفرة على GitHub: GitHub Link. ما رأيكم في هذه الابتكارات في مجال الذكاء الاصطناعي؟ شاركونا في التعليقات!