الحُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُُِ المُقترح لعالم الذكاء الاصطناعي: نظام من الأنظمة بدلاً من نموذج ضخم!

في ورقة بحثية جديدة تتناول مفاهيم الذكاء الاصطناعي، يستعرض الباحثون الفرق بين النماذج الحالية والنموذج الهيكلي للدماغ البشري. يعتمد معظم الباحثين في الذكاء الاصطناعي على نموذج الـ Transformer، الذي يتكرر بنفس الهيكلية للمعلومات سواء كانت نصوصًا، أو بكسلات، أو أصوات. ولكن في الجانب الآخر، يصف علماء الأعصاب القشرة الدماغية على أنها فسيفساء، حيث تُخصص مناطق معينة لأعمال وظيفية مختلفة.

تشير الورقة إلى أن الفجوة الهيكلية بين هذين التصورين ليست مجرد مسألة أسلوبية، بل هي خطأ هيكلي يمكن قياسه. إذ أن هناك قرنًا من البحث في الهيكل الخلوي، من بروتمان إلى تسلسل خلايا واحدة، يظهر أن الوظائف المعرفية المختلفة تتطلب هياكل نوعية مختلفة، وليس مجرد إعادة قياس نفس النموذج.

على سبيل المثال، فإن الشبكات العصبية الالتفافية (Convolutional Neural Networks) تقدم دليلاً على هذه الفكرة، حيث تستطيع تحقيق نتائج قوية في التعرف على الصور باستخدام بيانات أقل على عكس الهياكل الأحدث. وطوال السنوات الماضية، ضاعت هذه الدروس تحت تأثير مفهوم "اليانصيب الهاردوير" (Hardware Lottery)، مما جعل نموذج Transformer هو الخيار الأسهل وليس الخيار المنهجي.

تقدم الورقة أيضًا فكرة بديلة بنظام شبكي متنوع (Heterogeneous Topological Network)، وهو نظام من الأنظمة الذي يعزز التخصيص المعماري قبل التدريب، بحيث يتواصل الوحدات المختلفة من خلال واجهات موحدة.

هذه التطورات قد تشير إلى أن المستقبل قد يحمل أنظمة ذكاء اصطناعي أكثر كفاءة، تعتمد على خصائص هيكلية متنوعة بدلاً من إعادة تطبيق نموذج واحد. ما رأيكم في هذا التوجه الجديد؟ هل تعتقدون أنه سيفتح الأبواب لنماذج أكثر تطورًا؟ شاركونا آراءكم في التعليقات!