קישוריות צידית מקומית מספיקה לשכפול ארגון טופוגרפי דמוי-קורטקס ברשתות עצביות עמוקות

מדוע מפות בדגם-מוח חשובות ב-AI

המוחות שלנו מסדרים נוירונים בעלי תפקידים דומים זה לצד זה, ויוצרים מפות מסודרות של תכונות כמו קצוות, פנים ומקומות. סידור זה מופיע במינים ואזורים מוחיים רבים, ועדיין מדענים מתווכחים מדוע הוא קיים וכיצד הוא נוצר. מחקר זה בוחן האם כלל חיבוריות פשוט — לאפשר לנוירונים סמוכים "לדבר" זה עם זה — יכול להניב ברשתות מלאכותיות מפות דומות מעצמן, והאם אותו ארגון מעניק למחשבים יתרון מעשי, למשל ראייה עמידה יותר בעולם רועש.

דפוסים על פני שטח המוח

בפרימטים, הקורטקס הוויזואלי אינו כאוס של תאים. במקום זאת הוא ערוך כסריג שבו נוירונים שכנים נוטים להעדיף תכונות תמונה דומות. אזורים מוקדמים נושאים מפות של כיווניות קווים וצבע; אזורים מאוחרים יותר מכילים אזורים המותאמים לפנים, גופים, סצנות או חפצים יום-יומיים. תיאוריות קלאסיות מציעות שסדר זה התפתח כדי לשמור על חיבורים קצרים ויעילים, אך הן בדרך כלל מניחות כללי למידה מיוחדים או מטרות נוספות שקשה להצדיק ביולוגית. המחברים מתמקדים במקום זאת בתכונה אנטומית בסיסית הנראית נפוצה בקורטקס: חיבורים צדיים קצרים שמקשרים נוירונים סמוכים, לעתים חזקים יותר בין תאים שכבר מגיבים באופן דומה.

בניית פיסת קורטקס וירטואלית

החוקרים מתחילים ממודל ראייה עמוק סטנדרטי, ResNet18, ומארגנים מחדש את היחידות כך שכל אחת תתמקם בעמדה קבועה על "דף קורטיקלי" דו־ממדי. בתוך כל שכבה הם מוסיפים קישורים צידיים מקומיים שעוצמתם פוחתת עם המרחק, מה המדמה כיצד נוירונים קורטיקליים סמוכים משפיעים זה על זה יותר מתא מרוחק. קישורים אלו אינם מאומנים בעזרת שיפועי ברדיפה; רק המשקלים ההזנה-קדמית הרגילים מאומנים. לאחר מכן המודל לומד משימה אחת — זיהוי עצמים על מערך תמונות גדול — באמצעות שיטת backpropagation סטנדרטית, ללא מונח נוסף שמתגמל במישרין מפות חלקות או חיבורים קצרים.

מפות דמויות-מוח מקצוות ועד פנים

גם בהגדרה הפשוטה הזו נוצרת טופוגרפיה עשירה. בשכבות המוקדמות היחידות יוצרות מפות חלקות של כיווניות, תדירות מרחבית וצבע שדומות לאלה שנרשמות בקורטקס הוויזואלי הראשוני. יחידות שכנות מגיבות בדמיון רב יותר מאשר מרוחקות, וכיווני השינוי בכיווניות ובתדירות המרחבית נוטים לחתוך זה את זה בזווית ישרה, מה שמשקף נתונים בעלי פרטים עדינים מהחיה. כאשר השכבה הראשונה מקבלת פירוט ביולוגי רב יותר על ידי הסרת שיתוף המשקל, המודל גם משחזר תכונות מובהקות כמו דפוסי "פינוויל" במפות כיווניות. בשכבות עמוקות יותר מופיעים אשכולות המותאמים לקטגוריות כמו פנים, גופים וסצנות בלהקות מאורכות על פני הדף המדומה, מקבילות במידה רבה לסידורים ידועים בקורטקס הטמפורלי הוונטרלי האנושי. המודל אפילו משחזר חלוקות רחבות יותר, כגון זרמים נפרדים לפריטים חיים לעומת אי־חיים ולפריטים קטנים לעומת גדולים במציאות.

אזורים מוחיים שלא נצפו וכלכלת חיווט

המחקר מתרחב מעבר לנקודות החמות המוכרות כדי לבדוק אזורים שתפקידם פחות מוגדר. באמצעות נתוני הדמיה מוחית ברזולוציה גבוהה, המחברים מזהים אזור ביניים של קורטקס אנושי הממוקם בין אזורי סלקציה לפנים ולאתרים. במודל שלהם, היחידות שפועלתן תואמת ביותר לאזור זה יושבות בעמדות ביניים בין אשכולות סלקטיביים של פנים וסצנות, מה שמרמז שהטופוגרפיה המלאכותית מתכללת גם לשטחים לא בחקרו. הם גם מעריכים את אורך החיווט האפקטיבי בין יחידות פעילות חזקות על פני השכבות. באופן מפתיע, הרשתות עם קישוריות צידית מסתיימות באורך חיבור כולל קצר בהרבה מאשר גם הרשת הבלתי-טופוגרפית המקורית וגם מודל קודם שאומץ במפורש למזעור חיווט, מה שמרמז שלמידה ריאליסטית בלבד יכולה להעדיף פריסות חסכוניות כאשר המבנה הארכיטקטוני כולל מבנה צידי מקומי.

ראייה עמידה דרך עבודת צוות מקומית

אחת הממצאים המעניינים ביותר היא פונקציונלית: המפות המחולקות מקשות על הטעיה של המודל. כאשר תמונות עומדות בפני שיבושים מכוונים על ידי התקפות עוינות חזקות — שינויים זעירים בפיקסלים שנועדו להטעות את הממיין — רשתות בעלות קישורים צידיים מקומיים שומרות על דיוק גבוה יותר מאשר המודל הבסיסי, במיוחד כאשר הקישורים הצידיים משתרעים על שכונה רחבה יותר. המחברים מפרשים את האשכולות כאנסמבלים של יחידות דומות שממוצעות עליהן רעשים, בדומה לשיטות אנסמבל בלמידת מכונה. זה מרמז שהטופוגרפיה עשויה להיות יותר ממסגרת חיווט מסודרת: היא עשויה גם לתמוך בתפיסה יציבה ואמינה על ידי איפשור קבוצות של נוירונים שכנים לשתף פעולה.

מה המשמעות לזהותיים ולמכונות

העבודה מראה שהוספת קישורים צידיים מקומיים ריאליסטיים לרשת עמוקה מספיקה ליצירת מפות דמויות-קורטקס בקני מידה מרובים, ללא כללי למידה מיוחדים שמוח לא סביר שיוכל ליישם. במקביל, ארגון זה משפר את החוסן ומצמצם את החיווט הכולל, מה שמרמז שאבולוציה עשויה להעדיף טופוגרפיה הן עבור יעילות והן עבור חישה אמינה. לנוירוסיינס, המודל מציע מתכון מעגלי מאוחד שיכול להסביר מפות ויזואליות שונות; לבינה מלאכותית, הוא מצביע לכיווני ארכיטקטורות שהן לא רק דמויות-מוח אלא גם עמידות יותר בפני קלט רועש או עוין.

ציטוט: Qian, X., Dehghani, A.O., Farahani, A.B. et al. Local lateral connectivity is sufficient for replicating cortex-like topographical organization in deep neural networks. Nat Commun 17, 4042 (2026). https://doi.org/10.1038/s41467-026-70065-3

מילות מפתח: טופוגרפיה קורטיקלית, קישוריות צידית, רשתות עצביות עמוקות, קורטקס ויזואלי, חוסן נגד התקפות עוינות