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

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

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

نتائج هذه [الدراسة](/tag/الدراسة) لا تقدم فقط طرقًا جديدة لتحليل [توافق النماذج](/tag/[توافق](/tag/توافق)-[النماذج](/tag/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](/tag/تطوير) [نماذج رؤية](/tag/[نماذج](/tag/نماذج)-[رؤية](/tag/رؤية)) أكثر توافقًا مع النظام البصري البشري؟

استكشف معنا نتائج هذا [التعليم](/tag/التعليم) الشيق! ما رأيكم في هذا التطور؟ شاركونا في [التعليقات](/tag/التعليقات)!