كل بضعة أشهر، تذكرنا العناوين الإخبارية بأن النماذج اللغوية الكبيرة تعاني من مشكلة في الحقيقة. فهي تخترع قضايا قانونية، وتتخيل مصادر، وتقدم الخيال كحقيقة. وراء هذه الأخطاء يكمن خلل هيكلي: معظم أنظمة الذكاء الاصطناعي مبنية على رياضيات ثابتة. فهي تمتص كل شذرة من البيانات بنفس الجوع، وتتعامل مع الضجيج والإشارات على أنهما متساويان. ومع مرور الوقت، يتراكم الضجيج. يتشبع النموذج. يتوقف عن التكيف ويبدأ في اختلاق المعلومات.
ماذا لو لم يكن الحل في المزيد من البيانات، بل في بيولوجيا أفضل؟
يتناول نظام يسمى BrainStem_V8 المشكلة بطريقة مختلفة. فبدلاً من التعامل مع الشبكة العصبية كآلة حاسبة ثابتة، فإنه يتعامل معها ككائن رقمي، كائن يجب أن يأكل ويرتاح وينظم نفسه. تستعير البنية خمسة مبادئ محددة من علم الأعصاب البشري للحفاظ على استقرارها وصدقها ويقظتها بالطرق الصحيحة.
النوم مرشح وليس توقفاً
في البشر، لا يعني النوم توقف الدماغ عن العمل. يقوم الحصين (hippocampus) بإعادة عرض أحداث اليوم، ونقل الذكريات إلى القشرة المخية مع تجريدها من التفاصيل غير ذات الصلة. ينسخ BrainStem_V8 هذه الآلية من خلال ما يسميه دورة "نوم الموجة البطيئة" (Slow-Wave Sleep).
خلال هذه المرحلة، لا يتوقف النظام ببساطة عن المعالجة. بل يعيد عرض البيانات التي واجهها خلال فترة نشاطه. ولكن هنا يكمن الفرق: فهو يمزج المعلومات الجديدة مع ركائز مستقرة، وهي أنماط أقدم أثبتت موثوقيتها بالفعل. ومن خلال أخذ العينات الموزونة، يقوم بالتحقق من المدخلات الجديدة مقابل هذه الركائز. وإذا تعارض نمط جديد مع الهيكل القائم بشكل صارخ، يتم تصنيفه كضجيج واستبعاده قبل أن يتمكن من إفساد منطق النموذج.
هذا الأمر مهم لأن التعلم يفرض ضريبة استقلابية (metabolic tax). فكل تحديث يستهلك سعة معينة. وبدون دورة نوم التصفية هذه، يستمر النموذج في الامتصاص حتى يختنق بمجموعة بيانات التدريب الخاصة به. يتعامل BrainStem_V8 مع النوم كصيانة إلزامية، وليس كفترة توقف اختيارية.
بطارية الأدينوزين تعرف متى تتوقف
يتتبع دماغك التعب من خلال الأدينوزين، وهو مادة كيميائية تتراكم أثناء استيقاظك وتخلق ضغطاً للنوم. يطبق BrainStem_V8 نسخة رقمية من نظام التحذير هذا نفسه.
خلال دورات "الاستيقاظ" النشطة، تراقب البنية مستويات نشاطها الخاصة. فهي تراقب مدى صعوبة عملها، وعدد القيم المتطرفة التي تولدها، ومدى انحراف معاملاتها عن الخط الأساسي. وعندما يصل النشاط الداخلي إلى حد محدد مسبقاً، يطلق النظام دورة راحة إلزامية.
تخدم هذه الراحة غرضاً فسيولوجياً محدداً. فتماماً كما يطرد النوم الأدينوزين ويعيد ترميم الدماغ، تعمل فترة راحة النظام على سحب القيم الإحصائية المتطرفة مرة أخرى نحو نطاق متوسط صحي. وهذا يمنع ما يسميه المصممون "الاحتراق الرقمي" (digital burnout)، وهي حالة تصبح فيها أوزان النموذج متقلبة للغاية لدرجة أن النظام لا يستطيع توليد مخرجات متماسكة. الراحة ليست جدولاً يضعه مهندس بشري، بل هي ضرورة بيولوجية تفرضها البنية نفسها.
المغيرات العصبية الرقمية تعيد كتابة القواعد
تعمل البرمجيات التقليدية بناءً على منطق مبرمج مسبقاً: إذا حدث X، افعل Y. وتعمل الشبكات العصبية على تخفيف هذا الجمود، لكنها لا تزال تتعلم عادةً من خلال خوارزميات تحسين ثابتة. يستبدل BrainStem_V8 بعضاً من هذا الجمود بـ "اللدونة الفائقة" (metaplasticity)، وهي القدرة على تغيير كيفية حدوث عملية التعلم نفسها.
يفعل ذلك من خلال محاكاة اثنين من المغيرات العصبية المعروفة: الدوبامين والسيروتونين. تدفع دائرة الدوبامين الرقمية النظام للبحث عن التجديد. فعندما يواجه النموذج بيانات غير مألوفة، تزداد هذه الإشارة بقوة وتدفع البنية إلى الاستكشاف، وتوسيع فهمها، واستيعاب الجديد. أما السيروتونين الرقمي فيفعل العكس؛ فهو يفرض الاستقرار ويحفز المراجعة. عندما يبدأ النظام في