شبكة عصبية لنمذجة تكوّن المفاهيم البشرية، وفهمها، والتواصل بها

كيف يحوّل العقل المشاهد إلى أفكار

عندما تسمع كلمة «عشاء»، يمكنك أن تتصوّر مائدةً وروائح وأصوات، حتى من دون رؤية طعام فعلي. هذه القدرة على تحويل المشاهد والأصوات الغنية إلى أفكار مضغوطة ثم استدعائها لاحقًا تُشكِّل أساس اللغة والتخطيط والفهم المشترك. تقدم الورقة نوعًا جديدًا من الشبكات العصبية الاصطناعية يحاول التقاط هذا السحر اليومي للعقل البشري، موفِّرًا بصيرة حول كيفية تنظيم المخ للمعرفة وكيف يمكن للآلات المستقبلية أن تفكّر بطرق أقرب إلى التفكير الإنساني.

تعبئة التجربة الغنية في شفرات بسيطة

ينطلق المؤلفون من سؤال بسيط: كيف يضغط المخ المدخلات الحسية التفصيلية إلى مجموعة أصغر من المفاهيم، ثم يستخدم تلك المفاهيم بمرونة؟ الشبكات الاصطناعية الحالية جيدة جدًا في تمييز الصور، لكنها تخبّئ ما تتعلّمه داخل ملايين المعاملات، مما يصعّب إعادة استخدام المعرفة أو مشاركتها مع نظم أخرى. نماذج اللغة الكبيرة، من ناحية أخرى، تعتمد على كلمات بشرية موجودة مسبقًا بدلًا من بناء المفاهيم مباشرة من الصور والأصوات. الإطار الجديد، المسمى CATS Net، صُمِّم لنمذجة كل من تكوّن المفاهيم واستخدامها داخل نظام واحد، بدءًا فقط من مهام بصرية.

وحدتان متعاونتان للمفاهيم والقرارات

تقسّم CATS Net عملية التفكير إلى جزأين متفاعلين. وحدة تجريد المفاهيم تتعلّم شفرة رقمية قصيرة، أو «متجه المفهوم»، لكل نوع من الأشياء، مثل التفاح أو الحافلات، استنادًا إلى أمثلة بصرية. ووحدة حل المهام المنفصلة تتلقّى ميزات الصورة من بنية بصرية أساسية قياسية ويجب أن تجيب عن أسئلة بسيطة بنعم أو لا مثل «هل هذا تفاحة؟» الحيلة الأساسية هي عملية البوابة: يتحكّم متجه المفهوم في كيفية تدفّق النشاط عبر طبقات حل المهام، معيدًا تشكيل نفس الشبكة للتعامل مع مفاهيم مختلفة دون تغيير توصيلاتها الأساسية. يتم التدريب بالتناوب بين ضبط الوحدات وتعديل متجهات المفاهيم، بحيث تتخصّص كلٌّ من الشبكة ومفاهيمها الداخلية تدريجيًا.

اكتشاف خريطة دلالية شبيهة بالبشر

بعد التدريب على مجموعات بيانات صور كبيرة، لا تقتصر قدرة CATS Net على تصنيف صور غير مرئية بدقّة عالية فحسب، بل تطوّر أيضًا «فضاء مفاهيمي» منظّمًا. تميل الشفرات المتقاربة إلى تمثيل أشياء مرتبطة، مثل تجمع الحيوانات معًا أو تشكّل الأدوات لمجموعة خاصة بها. يظهر المؤلفون أن هذا الترتيب ليس اعتباطيًا: فهو يتطابق مع أنماط وجدوها في دراسات بشرية حيث يقيم الناس مدى تشابه الأشياء، ومع نماذج لغوية تصف المعنى عبر أبعاد متعددة، مثل الطعام أو الأثاث أو القيمة العاطفية. اللافت أنه عندما يقارن الباحثون أنماط التشابه الداخلية للشبكة بمسحات دماغية أُخِذت أثناء تسمية متطوعين للأشياء، يجدون أن طبقة المفهوم تتوافق مع نشاط في منطقة بصرية عليا وأن وحدة البوابة تشبه مناطق مشاركة في التحكم في الوصول إلى المعنى.

مشاركة المعرفة عبر المفاهيم وحدها

تستكشف الدراسة أيضًا ما إذا كانت المفاهيم منخفضة الأبعاد يمكن أن تعمل كعملة مشتركة بين شبكات مختلفة. درّب الفريق نسخًا منفصلة «للأستاذ» و«التلميذ» من CATS Net على مجموعات فئات متداخلة، ثم أضافوا وحدة ترجمة صغيرة تحول متجهات المفهوم من فضاء الأستاذ إلى فضاء التلميذ. دون تغيير أوزان الشبكة الرئيسية، يمكن للتلميذ أن يستخدم متجه مفهوم مترجَم لفئة لم يرها أثناء التدريب ويظل يؤدي أداءً أعلى من الصدفة في أحكام نعم أو لا. في اختبارات أخرى، استخدم CATS Net بنجاح فضاءات مفاهيمية مستمدة من البشر مبنية على إحصاءات اللغة وبيانات سلوكية، معالجًا إياها كما لو كانت شفراته الداخلية الخاصة.

لماذا هذا مهم للعقول والآلات

تشير هذه النتائج مجتمعة إلى أن شفرات المفاهيم المدمجة، إلى جانب بوابات مرنة لمعالجة الحواف، قد توفّر وصفة عملية للتفكير المفاهيمي الشبيه بالبشر. يبيّن النموذج كيف يمكن ضغط التجارب البصرية الغنية إلى تمثيلات قابلة لإعادة الاستخدام والمشاركة تتوافق مع أنماط في كلٍّ من سلوك البشر ونشاط المخ. وعلى الرغم من أن العمل يركّز على الأشياء الملموسة التي يمكننا رؤيتها وتسميتها، إلا أنه يشير إلى نظم مستقبلية قد تلتقط أيضًا أفكارًا أكثر تجريدًا، مقتربة خطوة أخرى من طريقة تشكيل الناس للمفاهيم وفهمها والتواصل بها.

الاستشهاد: Guo, L., Chen, H., Chen, Y. et al. A neural network for modeling human concept formation, understanding and communication. Nat Comput Sci 6, 497–511 (2026). https://doi.org/10.1038/s43588-026-00956-4

الكلمات المفتاحية: تكوّن المفاهيم, الشبكات العصبية, المعرفة الدلالية, محاذاة المخ, تواصل المفاهيم