كشف باحثون من جامعة تسينغهوا في الصين، وجامعة غراتس للتكنولوجيا في النمسا، والمجلس الوطني للأبحاث في إيطاليا، عن إطار عمل جديد للذكاء الاصطناعي يستلهم مبادئ العلوم المعرفية وعلم الأعصاب، بهدف معالجة التكاليف التشغيلية والطاقة الهائلة التي تستهلكها النماذج الحالية. وقد نُشرت النتائج في دورية Nature Machine Intelligence عام 2026. تعتمد أنظمة الذكاء الاصطناعي الحديثة القائمة على الشبكات العصبية العميقة أو النماذج اللغوية الكبيرة على تمثيل البيانات بجداول معلمات ضخمة وعمليات تدريب مركزية مكثفة، مما يفرض عبئاً على البنية التحتية الحاسوبية ويستهلك كميات كبيرة من الكهرباء. في المقابل، يعمل الدماغ البشري بكفاءة عالية باستخدام طاقة تقارب عشرين واطاً فقط. استناداً إلى هذا الفارق، صمم الفريق البحثي تحت إشراف البروفيسور وولفغانغ ماس، نموذجاً يعالج المعلومات عبر خرائط معرفية تشبه تلك المستخدمة في الإدراك البشري، بدلاً من الاعتماد على التمثيلات الرقمية التقليدية. يتيح هذا الهيكل الجديد للشبكة العصبية التخطيط بشكل تكيفي وحل مشكلات لم تسبق لها تجربة من قبل، مع الحفاظ على عملية تفسير القرارات بشكل واضح ومباشر. يتميز النموذج بقدرته على التعلم محلياً دون الحاجة إلى عمليات تدريب مكلفة، مما يسهل نشره على رقائق معالجات محاكية للعصبونات أو أنظمة الحوسبة داخل الذاكرة التي تعالج البيانات مباشرة داخل وحدات التخزين لتجنب نقلها بين المعالج والذاكرة العشوائية. يعكس هذا النهج تحولاً في تصميم خوارزميات الذكاء الاصطناعي من المستوى الدقيق للخلايا العصبية إلى مستوى التنظيم الحسابي الأعلى، حيث توفر البيانات التجريبية المستمدة من نشاط الدماغ رؤى عملية قابلة للترجمة إلى شرائح حاسوبية موفرة للطاقة. ومن أجل تسريع هذا التحول، بدأ الباحثون بالتعاون مع شركة إنتل وشركة ناشئة أمريكية لنقل الخوارزميات المستوحاة من الدماغ إلى عتاد حقيقي. تشير الخطط المستقبلية إلى تطوير النموذج ليشمل زمن استجابة منخفضاً ومرونة عالية في اتخاذ القرارات تحت ظروف متغيرة، مع تعزيز ميزة الشفافية في تفسير الأفعال التي اتخذها النظام استناداً إلى خبرات محددة. يعد دمج الهياكل المعرفية مع العتاد المتخصص خطوة جوهرية نحو جعل الذكاء الاصطناعي أكثر كفاءة وشفافية وقابلية للنشر في البيئات التي تفرض قيوداً صارمة على استهلاك الطاقة والوقت.