أظهرت دراسة جديدة من معهد ماساتشوستس للتكنولوجيا أن الدماغ يستخدم إشارات تعليمية دقيقة للغاية لتوجيه كل خلية عصبية على حدة أثناء تعلم المهارات الجديدة، مما يعزز فكرة شائعة في مجال الذكاء الاصطناعي. نشرت النتائج في دورية "نيتشر" في 25 فبراير، وتكشف أن الدماغ يقوم بحساب أخطاء محددة لكل عصبون وتعديل نشاطه وفقًا لها، بدلاً من الاعتماد فقط على إشارات عامة تنطبق على مجموعات كبيرة من الخلايا. قادت الفريق البحثي مارك هارنيت من معهد مكلوغفين لأبحاث الدماغ في معهد ماساتشوستس للتكنولوجيا. استخدم الباحثون واجهة تفاعلية بين الدماغ والحاسوب لتدريب الفئران على التحكم في نشاط خلايا محددة. في هذه التجربة، تم ربط نشاط ثمانية إلى عشرة خلايا عصبية فقط، من بين ملايين الخلايا في دماغ الفأر، بمؤشر بصري. عندما كانت الفئران تنجح في زيادة أو خفض نشاط تلك الخلايا المحددة وفقًا للتعليمات، كانت تحصل على مكافأة سكرية، مما يوفر تغذية راجعة فورية حول أدائها. لمعرفة كيفية تعلم الفئران بدقة، قام الفريق بمراقبة الخلايا المستهدفة يوميًا باستخدام مجهر قوي لرؤية مؤشرات النشاط العصبي. ركزت الدراسة على التفرعات الدقيقة للخلايا العصبية المعروفة باسم الشجيرات، حيث يُعتقد أن إشارات التغذية الراجعة تصل. تبين أن المجموعتين من الخلايا، اللتين كان لهما تأثيران متعاكسان على واجهة الدماغ والحاسوب، تلقتا إشارات خطأ متعاكسة أيضًا في شجيراتهما. بعض الخلايا تلقت تعليمات بزيادة نشاطها، بينما تلقى البعض الآخر تعليمات بخفضه. أثبت البحث أن تعطيل هذه الإشارات في الشجيرات يمنع الفئران من تعلم المهمة، مما يوفر أول دليل بيولوجي على أن عملية التعلم القائمة على إشارات موجهة وخلايا محددة تحدث بالفعل في قشرة الدماغ. هذه الاكتشافات تتحدى الاعتقاد السابق بأن الدماغ يعتمد فقط على إشارات التعزيز العامة التي توزع على مجموعة واسعة من الخلايا، مثل الدوبامين أو النورأدرينالين، والتي لا تميز بين مساهمات الخلايا الفردية في النجاح أو الفشل. بدلاً من ذلك، يوضح الدراسة أن الدماغ يستخدم آلية مشابهة لخوارزميات التعلم الآلي المعروفة باسم "الانتشار العكسي"، حيث يتم حساب الخطأ الدقيق وتعديل الاتصالات الفردية بناءً عليه. يفتح هذا البحث آفاقًا جديدة لفهم كيفية تعلم الدماغ ومناطقه المختلفة، ويمكن أن يساعد في بناء نماذج ذكاء اصطناعي أفضل تحاكي كفاءة الدماغ البشري. كما يوفر أداة قوية للباحثين في كلا المجالين للتعاون واختبار فرضيات جديدة حول كيفية عمل الشبكات العصبية البيولوجية مقارنة بالاصطناعية. يشير الباحثون إلى أن هذه الخطوة تمثل بداية جديدة في فهم الآليات الدقيقة للتعلم العصبي وكيف يمكن نقل مفاهيم التعلم الآلي مباشرة إلى البيولوجيا لدراسة العمليات الدماغية بتقنيات أكثر دقة.