«دماغ البشر يستغرق عُشر ثانية للتعرف على الصور».. الذكاء الاصطناعي يفشل في محاكاة بصر الإنسان

كشف موقع «techxplore» عن دراسة حديثة أجريت عبر اختبار طبي غير جراحي توصلت إلى أن الذكاء الاصطناعي ليس بإمكانه محاكاة الرؤية البصرية للبشر.
وذكرت الدراسة أنه عندما يكتشف الإنسان وجهًا مألوفًا أو مركبة قادمة يستغرق الدماغ مجرد 100 مللي ثانية (حوالي عُشر ثانية) لتحديده، والأهم من ذلك، وضعه في السياق الصحيح حتى يمكن فهمه، ويمكن للفرد أن يتفاعل وفقًا لذلك.
وأضافت الدراسة، أنه ليس من المستغرب أن تكون أجهزة الكمبيوتر قادرة على القيام بذلك بشكل أسرع، لكن هل هي دقيقة مثل البشر في العالم الحقيقي؟ ليس دائمًا، وهذه مشكلة، وفقًا لدراسة أجرتها خبيرة تقنيات التصوير العصبي، ماريكي مور.
وبحسب الدراسة فإنه يمكن تعليم أجهزة الكمبيوتر معالجة البيانات الواردة، مثل مراقبة الوجوه والسيارات، باستخدام الذكاء الاصطناعي المعروف باسم الشبكات العصبية العميقة أو «التعلم العميق» (عبارة خوارزميات تتم صياغتها بشكل غير مقصود على طريقة عمل الدماغ البشرية) حيث يستخدم هذا النوع من عمليات التعلم الآلي، عُقدًا أو خلايا عصبية مترابطة في بنية طبقية تشبه الدماغ البشري.
وذكرت الدراسة أنه على الرغم من قوة «التعلم العميق»، إلا أن الكمبيوتر لم يتقن بعد الحسابات البشرية، والأهم من ذلك، التواصل والاتصال الموجود بين الجسم والدماغ، خاصة عندما يتعلق الأمر بالتعرف البصري.
وقالت مور، التي تجري دراسات تجمع ما بين علم النفس وعلوم الكمبيوتر، إنه «في حين أن الشبكات العصبية العميقة واعدة، فهي بعيدة كل البعد عن أن تكون نماذج حسابية مثالية للرؤية البشرية».
وأظهرت الدراسات السابقة أن «التعلم العميق» (خوارزميات تتم صياغتها بشكل غير مقصود على طريقة عمل الدماغ البشرية) لا يمكن أن يعيد إنتاج التعرف البصري البشري تمامًا، لكن القليل منهما حاول تحديد جوانب الرؤية البشرية التي يفشل التعلم العميق في محاكاتها.
واستخدم الفريق اختبارًا طبيًا غير جراحي يسمى تخطيط الدماغ المغناطيسي (MEG) يقيس المجالات المغناطيسية التي تنتجها التيارات الكهربائية للدماغ. باستخدام بيانات MEG التي تم الحصول عليها من المراقبين البشريين أثناء عرض الكائن، واكتشفت «مور» ومعاونوها الدوليون نقطة فشل رئيسية واحدة، حيث وجدوا أن أجزاء الأشياء التي يمكن تسميتها بسهولة، مثل «العين» و«العجلة» و«الوجه»، يمكن أن تفسر التباين في الديناميات العصبية البشرية بالإضافة إلى ما يمكن أن يقدمه التعلم العميق.
وتُظهر الدراسة أن الشبكات العصبية العميقة لا يمكنها تفسير الاستجابات العصبية التي تم قياسها في المراقبين البشريين بشكل كامل بينما يشاهد الأفراد صورًا للأشياء، بما في ذلك الوجوه والحيوانات، ولها آثار كبيرة على استخدام نماذج «التعلم العميق» في بيئات العالم الحقيقي، مثل القيادة الذاتية للمركبات.
وقالت مور، «يوفر هذا الاكتشاف أدلة حول ما فشلت الشبكات العصبية في فهمه في الصور، أي السمات المرئية التي تشير إلى فئات الكائنات ذات الصلة بيئيًا مثل الوجوه والحيوانات»، مضيفة «اقترح أنه يمكن تحسين الشبكات العصبية كنماذج للدماغ من خلال منحهم تجربة تعليمية أكثر شبيهة بالإنسان، مثل نظام التدريب الذي يؤكد بقوة أكبر على الضغوط السلوكية التي يتعرض لها البشر أثناء التطور».
على سبيل المثال، من المهم للبشر أن يحددوا بسرعة ما إذا كان الكائن هو حيوان يقترب أم لا، وإذا كان الأمر كذلك، للتنبؤ بحركته التالية. قد يفيد دمج هذه الضغوط أثناء التدريب في قدرة مناهج التعلم العميق على نمذجة الرؤية البشرية.