في عالم الذكاء الاصطناعي، تُعد النماذج المرئية (Artificial vision models) أداة قوية لفهم كيفية استجابة نظامنا البصري. لكن كيف نعرف ما إذا كانت هذه النماذج تتوافق بشكل فعّال مع المخ البشري؟ تمثل الدقة في التنبؤ (Prediction Accuracy) إحدى أهم المقاييس، لكن هل تكفي وحدها لتقييم الأداء؟

يتمثل التحدي في قياس كيفية استعادة الأبعاد المختلفة التي تعكس الاستجابة الدقيقة للمخ. لهذا السبب، قدم الباحثون إطارًا موحدًا لتقييم توافق النماذج مع المخ، عن طريق تحديد الأبعاد المستجابة المعاد استرجاعها عند التنبؤ. من خلال عمليات تصوير بالرنين المغناطيسي الوظيفي (fMRI)، تمكنوا من التعرف على أبعاد استجابة المخ المستهدفة القابلة للتكرار عبر تجارب مستقلة.

عندما قام الباحثون بالطبع باسترجاع الاستجابات من أدمغة موضوعات أخرى أو حتى من تمثيلات داخلية لنموذج الرؤية، وجدوا أن بعض الأبعاد المحددة استردت بشكل متكرر. هذا يعكس تبايناً كبيراً بين النماذج المدربة مسبقًا والأخرى العشوائية، رغم حصولها على دقة تنبؤ متشابهة.

نتائج هذه الدراسة لا تقدم فقط طرقًا جديدة لتحليل توافق النماذج مع المخ، بل تساعد أيضًا على تحديد أبعاد استجابة المخ التي يمكن التعويل عليها كمؤشر تشخيصي وليس مجرد مرجعية عددية. هل ستفتح هذه النتائج أفقًا جديدًا في تطوير نماذج رؤية أكثر توافقًا مع النظام البصري البشري؟

استكشف معنا نتائج هذا التعليم الشيق! ما رأيكم في هذا التطور؟ شاركونا في التعليقات!