يتعرّف التعلم الآلي على العديد من المبادئ الحسابية الجديدة التي تدعم كشف الحركة الأولية

لماذا تهتم أدمغتنا بالتحركات الطفيفة

عندما تمسك كرة، أو تلاحظ سيارة مارّة، أو تشاهد الأوراق تتطاير في الريح، يقوم نظامك البصري بهدوء بحلّ مشكلة صعبة: من فوضى الأنماط الضوئية المتغيرة على الشبكية، يجب أن يحدد أي الاتجاهات تتحرّك الأشياء. لعقود، اعتمد العلماء على عدد قليل من النظريات الكلاسيكية لشرح كيفية اكتشاف الخلايا العصبية للحركة. تستخدم هذه الدراسة أساليب تعلم آلي مُستلهمة من البيولوجيا لطرح سؤال أكثر جرأة: هل هناك طرق أكثر بكثير لدارات عصبية بسيطة لاستشعار الحركة مما تخيلنا سابقًا؟

أفكار كلاسيكية حول رؤية الحركة

اقترحت الأعمال المبكرة في رؤية الحركة أن الخلايا الحساسة للاتجاه تعمل كحاسبات دقيقة للزمن. في أحد المخططات التقليدية، تقارن الإشارات من نقاط مجاورة في الفضاء بعد تأخير أحدها، بحيث تصل الإشارات المتحركة في الاتجاه المفضّل معًا وتتراكم، بينما لا يحدث ذلك للحركة في الاتجاه المعاكس. نموذج كلاسيكي آخر يواجه إثارة سريعة مع تثبيط مؤخّر من الجانب المقابل لحقل الاستجابة للخلية، مما يلغي الاستجابات للحركة في الاتجاه غير المفضل. رغم تأثير هذه الآليات، تركّز أساسًا على اختلافات التوقيت وتبقي مفتوحًا احتمال أن حيل دائرية أخرى قد تحقق النتيجة نفسها.

ترك التطوّر يستكشف فضاء الدارات

لاستكشاف هذا السؤال، بنى المؤلف نماذج كمبيوتر مفصّلة للخلايا العصبية في الشبكية والقشرة البصرية ثم أعدّ بحثًا تطوريًا. بدءًا من توصيلات وخواص تشابكية عشوائية، قامت خوارزمية جينية بتعديل معلمات الدارات مرارًا وانتقائية النماذج التي أشارت بأفضل شكل لاتجاه القضبان المتحركة والشبكات المتوهجة. من المهم أن خلايا المدخلات الفردية التي تغذي كاشفات الحركة لم تكن ذات انتقائية اتجاهية بحد ذاتها؛ بل كانت تنظيمها الديناميكي الجماعي فقط هو ما أدى إلى مخرجات مُنظَّمة. كشفت هذه الاستكشافات الآلية عن العديد من تخطيطات الدارات المختلفة التي تفوقت أو ضاهت أداء النماذج الكلاسيكية، وكل ذلك ضمن قيود بيولوجية واقعية مأخوذة من التشريح والفسيولوجيا.

طرق عديدة للوصول إلى نفس إحساس الحركة

أظهر البحث أن اختلافات بسيطة في التوزيع المكاني للمدخلات يمكن أن تولّد ضبط اتجاهي قوي حتى عندما يكون توقيتها متطابقًا. على سبيل المثال، ترتيب الخلايا ما قبل المشبكية بحيث تتزايد حقول استجابتها تدريجيًا، أو تدور في الاتجاه، على طول محور الحركة المفضّل يمكن أن يجعل استجاباتها تتوافق زمنياً للحركة في اتجاه واحد وليس في الآخر. كما ثبت أن مناطق المحيط التي تثبط استجابة الخلية كانت فعّالة: من خلال تغيير قوة أو حجم أو سرعة هذه المحاور المحيطة عبر المدخلات، أمكن للنموذج أن يحدد نوافذ زمنية دقيقة تتطابق فيها الإشارات فقط أثناء الحركة في الاتجاه المفضّل. حتى الأوزان التشابكية غير المتكافئة، مع فلاتر مدخلات متطابقة، سمحت للدارات بأن تصبح انتقائية للاتجاه، رغم أن هذه الاستراتيجية عملت أقل فاعلية من الأساليب التي تستغل بنية حقل الاستجابة.

اللبنات الحسابية المخفية في دارات الحركة

رغم التنوع المذهل للدارات الناجحة، أمكن اختزال سلوكها إلى مجموعة صغيرة من «البدائيات الحسابية» — لبنات خوارزمية قابلة لإعادة الاستخدام. بعض هذه البدائيات تطابقت مع مخططات التأخير والمقارنة والمبنية على التثبيط الكلاسيكي. وظهرت أخرى جديدة، مثل آليات تعتمد على مواءمة قمم العديد من المدخلات زمنياً باستخدام التفاعلات المكانية والمحيطة، أو مخططات حيث تحمل فترات توقف التثبيط أو تغيّرات سعة الاستجابة الإشارة الاتجاهية. عند إضافة مدخلات مثبطة، ظهرت متغيرات إضافية، بما في ذلك شكل «معاكس» للنموذج التقليدي للتثبيط وأنماط حيث ينخفض التثبيط لفترة وجيزة في اللحظة الحاسمة لتمكين الإشارة المثيرة من الظهور. ظهرت هذه البدائيات ليس فقط في نماذج خلايا العقد الشبكية التفصيلية ولكن أيضًا في خلايا هرمية قشرية ونماذج مبسطة ذات مدخلين، مما يظهر أنها لا تعتمد على نوع خلية معين أو مخطط توصيل بعينه.

حسّاسيات الحركة المقاومة للضوضاء في عالم فوضوي

سألت الدراسة أيضًا كيف تؤدي هذه الآليات عندما تكون الحركة فوضوية، كما في الحياة الواقعية حيث تتغير السرعات بشكل غير متوقع. كانت الدارات التي اعتمدت على تغيّر حجم حقول الاستجابة للمدخلات، خصوصًا في مناطقها المركزية، متينة بشكل ملحوظ: استمرت في الإشارة إلى اتجاه الحركة بدقة حتى عندما تسارع المنبه وبطأ بشكل عشوائي. بالمقابل، تميل النماذج التي اعتمدت أساسًا على فروق دقيقة في خصائص المحيط أو علاقات زمنية مضبوطة بعناية إلى فقدان انتقائيتها تحت نفس الظروف. وهذا يقترح أن بعض الاستراتيجيات المكتشفة حديثًا قد تكون مناسبة بشكل خاص للإدراك الحركي الموثوق في المشاهد الطبيعية.

ما الذي يعنيه هذا لفهم الدماغ

من خلال السماح للتعلم الآلي باستكشاف كيفية اكتشاف الدارات العصبية البسيطة للحركة بحرية، تُظهر هذه الدراسة أن الدماغ ليس محدودًا بخدعة أو اثنتين لاستشعار الحركة. بل إن ترتيبات دائرية مميزة عديدة تتقاطع لتشكّل حفنة من الأفكار الحسابية الأساسية التي يمكن تنفيذها بمكوّنات بيولوجية واقعية. للمطّلع غير المتخصص، الخلاصة هي أن كشف الحركة في الدماغ أكثر مرونة وأكثر تنظيمًا أناقة مما كان يُعتقد سابقًا: مجموعة صغيرة من العمليات الأساسية، تُعاد استخدامها وتُعاد تركيبها، يمكن أن تفسر تنوّعًا واسعًا من الخلايا الحساسة للحركة عبر مناطق وأنواع دماغية مختلفة.

الاستشهاد: Poleg-Polsky, A. Machine learning discovers numerous new computational principles supporting elementary motion detection. Nat Commun 17, 3424 (2026). https://doi.org/10.1038/s41467-026-70288-4

الكلمات المفتاحية: كشف الحركة, الانتقائية للاتجاه, دارات عصبية, الشبكية والقشرة, التعلم الآلي في علم الأعصاب