يمكن لنموذج واسع النطاق من القشرة البصرية الأولية أن يحل بدقة مهام المعالجة البصرية المتعددة

يمكن لنموذج واسع النطاق من القشرة البصرية الأولية أن يحل بدقة مهام المعالجة البصرية المتعددة

قام باحثو برنامج HBP بتدريب نموذج واسع النطاق للقشرة البصرية الأولية للفأر لحل المهام البصرية بطريقة قوية للغاية. يشكل النموذج الأساس لجيل جديد من نماذج الشبكات العصبية. ونظرًا لتعدد استخداماتها ومعالجتها الموفرة للطاقة، يمكن لهذه النماذج أن تساهم في التقدم في الحوسبة العصبية.

يمكن أن يكون لنمذجة الدماغ تأثير هائل على الذكاء الاصطناعي (AI): بما أن الدماغ يعالج الصور بكفاءة أكبر بكثير في استخدام الطاقة من الشبكات الاصطناعية، فإن العلماء يستلهمون من علم الأعصاب لإنشاء شبكات عصبية تعمل بشكل أوثق بكثير من الشبكات البيولوجية، مما يوفر الطاقة.

وبهذا المعنى، من المرجح أن يكون للشبكات العصبية المستوحاة من الدماغ تأثير على التقنيات المستقبلية من خلال العمل كمخططات للمعالجة البصرية في أجهزة عصبية أكثر كفاءة في استخدام الطاقة. أظهرت دراسة أجراها باحثون في مشروع الدماغ البشري (HBP) في جامعة غراتس للتكنولوجيا (النمسا) كيف يمكن لنموذج كبير قائم على البيانات إعادة إنتاج مجموعة من قدرات المعالجة البصرية للدماغ بطريقة متعددة الاستخدامات ودقيقة. ونشرت النتائج في مجلة Science Advances.

الكتاب الاليكتروني لعلم الأعصاب

تجميع لأهم المقابلات والمقالات والأخبار من العام الماضي. تحميل نسخة اليوم

باستخدام أنظمة PCP التجريبية في مركز Jülich للحوسبة الفائقة، والتي تم تطويرها بالتعاون بين HBP وشركة البرمجيات Nvidia، قام الفريق بتحليل نموذج واسع النطاق مفصل بيولوجيًا للقشرة البصرية الأساسية للفأرة والتي يمكنها حل مهام معالجة بصرية متعددة. يوفر هذا النموذج أكبر قدر من التكامل بين التفاصيل التشريحية والبيانات الفيزيولوجية العصبية المتوفرة حاليًا لمنطقة القشرة البصرية V1، وهي أول منطقة قشرية تتلقى المعلومات المرئية وتعالجها.

تم بناء النموذج ببنية مختلفة عن الشبكات العصبية العميقة المستخدمة في الذكاء الاصطناعي الحالي، ووجد الباحثون أن له مزايا مثيرة للاهتمام من حيث سرعة التعلم وقوة المعالجة البصرية مقارنة بالنماذج المستخدمة عادة للمعالجة البصرية في الذكاء الاصطناعي.

وتمكن النموذج من حل جميع المهام البصرية الخمس التي حددها الفريق بدقة عالية. تضمنت هذه المهام، على سبيل المثال، تصنيف صور الأرقام المكتوبة بخط اليد أو التعرف على التغييرات المرئية في سلسلة طويلة من الصور. ومن اللافت للنظر أن النموذج الافتراضي حقق نفس الأداء العالي الذي حققه الدماغ، حتى عندما تعرض الباحثون للنموذج لضوضاء في الصور والشبكة لم يواجهها أثناء التدريب.

أحد أسباب قوة النموذج الفائقة - أو قدرته على التعامل مع الأخطاء أو المدخلات غير المتوقعة، مثل الضوضاء في الصور - هو أنه يعيد إنتاج العديد من خصائص التشفير المميزة للدماغ.

طور المؤلفون أداة فريدة لدراسة المعالجة البصرية لنمط الدماغ والتشفير العصبي، ووصفوا نموذجهم الجديد بأنه "نافذة غير مسبوقة على ديناميكيات منطقة الدماغ هذه".

مصدر:

مشروع الدماغ البشري

مرجع:

تشن، G.، وآخرون. (2022) نموذج واسع النطاق يعتمد على البيانات للقشرة البصرية الأولية يتيح معالجة بصرية قوية ومتعددة الاستخدامات تشبه الدماغ. التقدم العلمي. doi.org/10.1126/sciadv.abq7592.

.