في عالم الذكاء الاصطناعي، تمثل نماذج التعلم العميق (Deep Learning) المعيار الذهبي للأداء في المهام المعقدة، ولكنها غالبًا ما تواجه هجمات غير متوقعة في بيئات جديدة أو عند التعرض لفقدان الحواس. لكن ما سرّ مرونة الأنظمة البيولوجية؟ لعلّ الإجابة تكمن في بنية الدماغ.

نقدم لكم FLYNN، وهي شبكة عصبية متكررة (Recurrent Neural Network) تم تصميمها استنادًا إلى التركيب العصبي لدماغ ذبابة الفاكهة (Drosophila melanogaster). تستعرض FLYNN إمكانياتها الفائقة في التنقل البصري عبر نظام محاكاة MuJoCo، متفوقةً في الأداء على الشبكات التقليدية المشابهة في عدد المعلمات.

ما يميز FLYNN هو قدرتها الفريدة على مقاومة البيانات غير المعروفة (Out-of-Distribution Data) والاستجابة لفقدان الحواس، حيث تمكنت من العمل حتى في ظل غياب كامل للرؤية، وهو ما عجزت عنه الشبكات التقليدية رغم تعرضها لتدريبات مماثلة.

تشير التحليلات إلى أن FLYNN تمتاز بمدى عالٍ من النموذجية التمثيلية، مما يسهم في قدرتها على التعامل مع التحديات غير المتوقعة. يعد هذا الإنجاز خطوة جديدة نحو تصميم وكالات اصطناعية مستقرة، مستلهمة من بنية الدماغ البيولوجي، مما يفتح آفاقًا جديدة في مجال الروبوتات والذكاء الاصطناعي.