فهم الشبكات العصبية من خلال قصة صانعيها

الشبكات العصبية (Neural Networks) باتت اليوم محور أي حديث عن الذكاء الاصطناعي، لكن الأفكار التي قامت عليها أقدم بعقود من الطفرة الحالية. من أفضل طرق فهم كيف وصل هذا المجال إلى ما هو عليه، العودة إلى الباحثين الذين اقترحوا أولاً أن بإمكان الآلات أن تتعلّم كما تتعلّم الأدمغة، وتتبّع كيف انتقلت هذه الفكرة من هامش الأوساط الأكاديمية إلى قلب الذكاء الاصطناعي الحديث.

سلسلة "Black Box" الصوتية التي تنتجها صحيفة الغارديان، ويقدّمها الصحفي مايكل صافي، ترصد هذا التاريخ. حلقتها الافتتاحية في الموسم الأول، بعنوان "الاتصاليون" (The Connectionists)، تتمحور حول جيفري هينتون والمجموعة الصغيرة من الباحثين الذين طوّروا نظرية الشبكات العصبية قبل أن تصبح قابلة للتسويق التجاري بزمن طويل. بُثّت تلك الحلقة أول مرة في 4 مارس 2024، وتلاها الموسم الثاني في مطلع سبتمبر من العام نفسه.

لماذا تهم قصة النشأة العاملين في المجال

الشبكة العصبية، في جوهرها، منظومة من العُقد المترابطة المستوحاة بشكل تقريبي من الخلايا العصبية البيولوجية، مرتّبة في طبقات تحوّل بيانات الإدخال إلى تنبؤات عبر روابط موزونة. هذا النهج "الاتصالي" (Connectionist) ظلّ لعقود ينافس الذكاء الاصطناعي الرمزي، الذي حاول ترميز الذكاء عبر قواعد منطقية صريحة بدلاً من الأنماط المتعلَّمة.

واصل هينتون وزملاؤه العمل على النماذج الاتصالية في فترات كان فيها هذا النهج موضع تجاهل واسع، وطوّروا تقنيات مثل الانتشار العكسي (Backpropagation) التي تتيح للشبكات تعديل الأوزان الداخلية بناءً على أخطاء التنبؤ. هذا الإصرار أثمر لاحقاً أساليب التعلّم العميق التي تقوم عليها اليوم النماذج اللغوية الكبيرة، ومولّدات الصور، وأنظمة التوصيات.

معرفة هذا السياق التاريخي تفسّر خيارات تصميمية قد تبدو عشوائية لولا ذلك. البنى المتعددة الطبقات، والتدريب القائم على التدرج (Gradient-based Training)، والتركيز على مجموعات البيانات الضخمة، جميعها تعود إلى حجج طرحها الاتصاليون في زمن كانت فيه القدرة الحاسوبية أقل بكثير والشكوك أكبر بكثير.

الفكرة الجوهرية كانت أن الذكاء قد ينبثق من أنماط إحصائية متعلَّمة لا من قواعد مبرمجة يدوياً، وهو رهان استغرق عقوداً حتى أثمر.

بالنسبة للمهندسين الذين يبنون على النماذج الحالية، هذا التاريخ أكثر من مجرد معلومة عابرة. فهو يوضح لماذا بعض القيود، مثل صعوبة تفسير الاستدلال الداخلي للشبكة، متأصلة في البنية نفسها وليست عيباً عارضاً. فهم طبيعة "الصندوق الأسود" لهذه الأنظمة يبدأ من فهم السبب وراء بنائها لتتعلّم بدلاً من أن تُبرمَج.