في خطوة جريئة نحو تحسين تقنيات الذكاء الاصطناعي، أعلن باحثون عن تطوير نموذج جديد يعرف باسم Meta Neural Cellular Automata (MetaNCA). تستند هذه التقنية إلى مفهوم التنظيم الذاتي، وهو سمة أساسية من سمات الحياة تتمثل في السلوك الجمعي للمكونات الفردية التي تتفاعل مع المعلومات المحلية.

تعتمد العملية على أنماط التعلم التي تستخدمها الخلايا العصبية الحية، حيث يمكنها عبر التفاعلات المحلية المساعدة في تعديل الروابط على مر العمر. من خلال الاستفادة من هذه الخصائص، أثبتت نماذج الخلايا العصبية الذاتية (Neural Cellular Automata) نجاحها في تعلم الشكل (Morphogenesis) فقط من خلال قواعد التحديث المحلية، مما أظهر تمتعها بالاستقرار والقدرة على التحمل أمام التغيرات.

مع ظهور MetaNCA، يتم تقديم إطار عمل جديد يتعلم من خلاله قواعد محلية تنظم أوزان الشبكات العصبية الاصطناعية. حيث يقوم النموذج بتحديث الأوزان الشبكية من خلال تفاعلات محلية فقط على الرسم البياني للحساب. من خلال استخدام بنية تحويل الأوزان (Weight Transformer) الجديدة، يتمكن النموذج من تجميع الإشارات من الأوزان والحالات المخفية المجاورة.

الأهم من ذلك، يعد MetaNCA قادراً على توليد شبكات متنوعة للأداء من خلال التعلم الذاتي، حيث يستعرض قدرته على توليد أوزان لشبكات متعددة مثل (MLPs)، (CNNs) و(ResNets) على مجموعات بيانات معروفة مثل MNIST وCIFAR-100، وتصل عدد الباراميترات إلى 2 مليون. كما أظهر النموذج قدرته على التعميم لتصميمات لم تتعرض لها خلال مرحلة التدريب، مما يعزز من قوة استخدام تباين العمارة خلال عملية التدريب.

إذًا، هل نحن أمام ثورة في تصميم الشبكات العصبية؟ كيف يمكن أن تؤثر هذه التقنية على مستقبل الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات!