مقترح حواسيب عصبية من ميتا وجامعة الملك عبدالله

بقلم: فريق تحرير العلامة التقنية التصنيف: الذكاء الاصطناعي ١٣ أبريل ٢٠٢٦

قدم باحثون من ميتاآي وجامعة الملك عبدالله للعلوم والتقنية (KAUST) مفهومًا جديدًا يُعرف باسم الحواسيب العصبية (Neural Computers) ، حيث تعمل الشبكة العصبية نفسها كحاسوب فعال، بدلاً من كونها طبقة فوق حاسوب تقليدي. يعرض فريق البحث إطارًا نظريًا ونموذجين عمليين يعتمد كل منهما على واجهات مستخدم مختلفة، مما يوضح بعض الأسس الأولية لتشغيل هذه الأنظمة.

ما يميز الحواسيب العصبية عن الأنظمة التقليدية

لفهم الأبحاث المقترحة، من الضروري وضعها في سياق الأنظمة الحالية. الحاسوب التقليدي ينفذ برامج محددة، بينما وكيل الذكاء الاصطناعي يتولى المهام باستخدام مجموعة برمجيات قائمة. من جهة أخرى، نموذج العالم يتعلم كيفية تطور البيئة بمرور الوقت. ومع ذلك، لا تحتل الحواسيب العصبية أيًا من هذه الأدوار بدقة.

يتناول الباحثون أيضًا تمييز الحواسيب العصبية عن آلة تورينج العصبية (Neural Turing Machine) والحواسيب العصبية القابلة للتفريق (Differentiable Neural Computers) التي تركزت على الذاكرة الخارجية القابلة للتفريق. السؤال هنا هو: هل يمكن لجهاز تعلم أن يتولى دور الحاسوب الفعلي؟

كيفية عمل الحواسيب العصبية

تعرف الحواسيب العصبية (NC) بوظيفة تحديث F θ ومشفّر G θ يعملان على حالة تشغيل خفية h t. في كل خطوة، يقوم NC بتحديث h t من الملاحظة الحالية x t وإجراء المستخدم u t، ثم يقوم بعينة من الإطار التالي x t+1. تقوم الحالة الخفية بحفظ ما يقوم به نظام التشغيل عادةً - السياق القابل للتنفيذ، الذاكرة العاملة، وحالة الواجهة - داخل النموذج بدلاً من خارجه.

نماذج أولية تم بناؤها على Wan2.1

تم بناء النموذجين الأوليين - NC CLIGen وNC GUIWorld - على نموذج توليد الفيديو المتقدم Wan2.1. تم إجراء تقييمات لكل من النموذجين في وضع التشغيل المفتوح، مع الاعتماد على سجلات الأوامر والتفاعلات المسجلة بدلاً من التفاعل مع بيئة حية.

على سبيل المثال، يركز نموذج NC CLIGen على تفاعل الطرفية من خلال معالجة مدخل نصي وإطار شاشة أولي، حيث يتم تحويل توليد واجهة سطر الأوامر إلى عملية نص وصورة إلى فيديو. تم تدريب النموذج باستخدام مجموعة بيانات تحتوي على حوالي 823,989 تدفق فيديو، واستغرق التدريب نحو 15,000 ساعة GPU.

تحديات الحواسيب العصبية

على الرغم من الابتكارات الرئيسية، لا يزال هناك فجوة بين النماذج الأولية الحالية وتعريف الحاسوب العصبي الكامل (CNC). تتضمن التحديات الحالية استقرار إعادة استخدام الروتينات المتعلمة، الحساب الرمزي الموثوق، والتناسق طويل الأمد في التنفيذ. أكد فريق البحث على أهمية تحسين ثلاثة جوانب رئيسية لتحقيق تقدم: إعادة التثبيت، التناسق في التنفيذ، وإدارة التحديثات.

استنتاجات رئيسية

توفر الحواسيب العصبية تصورًا جديدًا لتجميع الحوسبة والذاكرة وعمليات الإدخال والإخراج في حالة تشغيل واحدة متعلمة، مما يقضي على الفصل بين النموذج والآلة التي يعمل عليها. أظهرت النماذج الأولية قياسات قابلة للتطبيق، حيث حقق نموذج NC CLIGen دقة قياس PSNR تصل إلى 40.77 ديسيبل، وحقق NC GUIWorld دقة في التحكم بالماوس تصل إلى 98.7%. يتضح أن جودة البيانات أكثر أهمية من حجمها، حيث أثبتت البيانات الموجهة ذات الأهداف أنها أكثر كفاءة في استخدام العينات مقارنةً بالبيانات العشوائية.