از یادگیری ماشینی تا فهم ماشینی؛ عصب‌پژوهان مسیر دستیابی به هوش عمومی مصنوعی واقعی را ترسیم می‌کنند
چه تفاوتی میان یک موتور شطرنج که حرکت‌های درخشانی انجام می‌دهد و انسانی وجود دارد که واقعاً می‌فهمد چرا این حرکت‌ها هوشمندانه‌اند؟ یادداشتی بحث‌برانگیز که در مجله Frontiers in Systems Neuroscience منتشر شده، استدلال می‌کند که این پرسش صرفاً موضوعی فلسفی نیست، بلکه مهم‌ترین مانع بر سر راه تبدیل هوش مصنوعی قدرتمند امروزی به هوش عمومی مصنوعی واقعی است. این یادداشت را یان یوفیک از مؤسسه پژوهشی Virtual Structures Research، رابرت کوزما از دانشگاه ممفیس و جیمز کروگر از دانشگاه ایالتی نیومکزیکو نوشته‌اند. مقاله با جمع‌بندی سه مجموعه پژوهشی که طی یک دهه منتشر شده‌اند، ادعایی جسورانه مطرح می‌کند: آینده هوش مصنوعی نه در یادگیری بهتر، بلکه در فهم ماشینی نهفته است؛ قابلیتی که ریشه در فرایندهای فیزیکی خودسازمان‌دهی‌شونده بافت عصبی زنده دارد.
این مجموعه پژوهشی در سال ۲۰۱۶ با بررسی خودسازمان‌دهی در دستگاه عصبی آغاز شد، در سال ۲۰۲۱ به مطالعه ظرفیت فهم در انسان و ماشین پرداخت و اکنون با مجموعه‌ای درباره بنیان‌های عصب‌زیستی شناخت به پایان می‌رسد. ویراستاران در طول این مسیر، پرسش‌هایی به‌ظاهر ساده اما بنیادین را دنبال کرده‌اند: هوش چیست؟ هوش انسان چه تفاوتی با هوش گونه‌های دیگر دارد؟ هوش چگونه می‌تواند در یک جهان فیزیکی پدیدار شود؟ و چه عواملی جهش‌های چشمگیر دهه گذشته در یادگیری ماشینی را توضیح می‌دهند؛ حوزه‌ای که همچنان بر ایده‌هایی درباره نورون‌های دیجیتال و پرسپترون‌ها تکیه دارد که ریشه در میانه قرن بیستم دارند؟
پاسخ ویراستاران با تمایزی آغاز می‌شود که به باور آن‌ها بخش بزرگی از صنعت هوش مصنوعی آن را نادیده گرفته است. آن‌ها معتقدند همه گونه‌ها توانایی یادگیری دارند، اما ظرفیت فهم به‌طور منحصربه‌فردی در انسان شکل گرفته است. برای تعریف این مفهوم، به دیدگاهی منسوب به ژان پیاژه، روان‌شناس رشد، استناد می‌کنند: هوش همان چیزی است که هنگام ندانستنِ چگونگی انجام یک کار به آن متوسل می‌شویم؛ زمانی که نه غریزه و نه آموزش‌های قبلی، راه‌حل موقعیت پیش رو را در اختیارمان نمی‌گذارند. از این منظر، مواجهه با موقعیت‌های تازه مستلزم دو کار هم‌زمان است: ساختن پاسخی مناسب و غلبه بر اینرسی یادگیری‌های پیشین، یعنی الگوی ذهنی به‌جامانده از گذشته که می‌تواند در شکل‌گیری پاسخ جدید اختلال ایجاد کند. یادگیری، پاسخ‌ها را از بیرون در ذهن تثبیت می‌کند؛ اما فهم از درون تصمیم می‌گیرد. به اعتقاد نویسندگان، همین توانایی تصمیم‌گیری درونی است که سامانه‌های کنونی هوش مصنوعی فاقد آن‌اند.
برای توضیح این ادعا، نویسندگان نظریه‌های روان‌شناختی یک قرن گذشته را در قالب تصویری فنی و یکپارچه کنار هم قرار می‌دهند. آن‌ها از روان‌شناسی گشتالت این ایده را می‌گیرند که واحدهای حسی پیش از آنکه نام یا کاربرد مشخصی پیدا کنند، به‌صورت کل‌هایی متمایز وجود دارند و همین تفکیک اولیه است که باعث می‌شود جهان سرشار از معنا به نظر برسد. از پیاژه، این توصیف را وام می‌گیرند که فهم حاصل مجموعه‌ای از هماهنگی‌های عملیاتی است؛ هماهنگی‌هایی که اشیای ذهنی را همان‌گونه دگرگون می‌کنند که کنش‌ها اشیای مادی را تغییر می‌دهند و هر توالی مشاهده‌شده را بخشی از مجموعه‌ای نامحدود از امکانات در نظر می‌گیرند. از ویلیام جیمز، تصویری از توجه را می‌گیرند که پیرامون یک موضوع مطلوب در نوسان است تا سرانجام تنش عصبی انباشته‌شده از مانعی عبور کند و موج عصبی وارد مسیری شود که مدت‌ها در انتظار آن بوده است. از دونالد هب نیز ایده بنیادین مجموعه‌های نورونی را وام می‌گیرند: گروه‌هایی از نورون‌ها که واحدهای کارکردی پایه مغز را تشکیل می‌دهند و تعاملشان ادراک‌هایی پدید می‌آورد که ساختارهایی واقعاً نو هستند، نه صرفاً حاصل جمع اجزای تشکیل‌دهنده‌شان.
به گفته نویسندگان، مسئله دشوار اصلی ماهیتی ترکیبیاتی دارد. تولید معنا با انتخاب پیوندی جدایی‌ناپذیر دارد و تعداد انتخاب‌های ممکن به‌سرعت به‌صورت ترکیبیاتی افزایش می‌یابد. مجموعه‌ای متشکل از تنها ۱۰ شیء، ۱٬۰۲۴ انتخاب ممکن را در اختیار می‌گذارد؛ اگر ترتیب انتخاب‌ها نیز اهمیت داشته باشد، به‌گونه‌ای که انتخاب A پس از B با انتخاب B پس از A متفاوت باشد، تعداد حالت‌ها به ۳٬۶۲۸٬۸۰۰ می‌رسد. در یک وضعیت شطرنج با ۳۲ مهره، فضای حالت‌های ممکن به‌طور نجومی بزرگ می‌شود. با این حال، مغز انسان در لحظه از پس چنین مسیرهای پیچیده‌ای برمی‌آید، آن هم با مصرف توانی در حدود توان یک لامپ کم‌نور. نویسندگان برای توضیح این توانایی، نظریه «ساختارهای تداعی‌گر مجازی» یا VaST را مطرح می‌کنند که یوفیک نخستین بار در سال ۱۹۹۸ آن را شرح داد. بر اساس این نظریه، فهم می‌تواند فضاهای ترکیبیاتی عظیم را به حجم‌های بسیار کوچکی از اطلاعات معنادار فشرده کند.
نظریه VaST بر برداشتی ترمودینامیکی استوار است. مغز، مانند هر سامانه زنده دیگری، می‌کوشد جریان پایداری از انرژی را از طریق محرک‌های حامل انرژی تأمین کند و هم‌زمان هزینه‌های کالری و اتلاف انرژی ناشی از پراکندگی را به حداقل برساند. سه سازوکار در این فرایند نقش دارند. نخست، بسته‌های نورونی در شبکه‌های تداعی‌گر خودسازمان‌دهی می‌شوند؛ زیرشبکه‌هایی که پیوند محکمی با یکدیگر دارند، به واحدهای کارکردی تبدیل می‌شوند و با موانع انرژی از محیط اطراف جدا می‌مانند؛ درست همان‌طور که کشش سطحی قطره باران یا دانه برف را کنار هم نگه می‌دارد. دوم، نورون‌های رابطه‌ای این بسته‌ها را در طول جریان محرک‌ها به یکدیگر متصل می‌کنند، بدون آنکه محدود به فاصله یا توالی مشخصی باشند. سوم، مجموعه‌هایی از بسته‌های هماهنگ، مدل‌هایی را شکل می‌دهند؛ ساختارهایی سلسله‌مراتبی که در آن‌ها نورون‌های سطوح بالاتر، هماهنگی میان بسته‌های سطوح پایین‌تر را تسهیل می‌کنند. هنگامی که بسته‌ها و مدل‌ها با جریان ورودی محرک‌ها تطبیق پیدا می‌کنند، فضای ترکیبیاتی محدود می‌شود و انبوهی از ترکیب‌های بالقوه دشوار به تعداد اندکی گزینه معنادار فروکاسته می‌شود. نکته مهم از نظر نویسندگان این است که گزینه‌های نامناسب لزوماً رد نمی‌شوند؛ بلکه صرفاً بیرون از مرزهای آگاهی باقی می‌مانند.
این یادداشت برای پشتیبانی از این مفاهیم نظری به یافته‌های تجربی نیز استناد می‌کند. پژوهش‌های مربوط به کنترل حرکتی، چرخش هدفمند بردارهای جمعیتی در قشر حرکتی مغز را نشان داده‌اند؛ در همین حال، مطالعات تصویربرداری از قشر پیشانی قطبی حاکی از وجود نورون‌هایی است که در تشخیص روابط میان عناصر ساختاریافته تخصص دارند. پژوهش‌های مربوط به ارتباط مبتنی بر بسته‌ها در قشر مغز نیز شواهد بیشتری برای این ایده فراهم می‌کنند که بسته‌ها، واحدهای کارکردی اصلی شناخت‌اند؛ در این نوع ارتباط، نورون‌ها فوران‌های سازمان‌یافته‌ای از فعالیت را تولید می‌کنند. نویسندگان همچنین به آزمایش‌های کلاسیک یادگیری ادراکی در میمون‌ها اشاره می‌کنند: هنگامی که حیوانات هنگام لمس انگشتی مشخص، توجه خود را بر همان انگشت متمرکز می‌کردند، ناحیه قشری بازنمایی‌کننده آن انگشت به بیش از دو برابر اندازه معمول خود گسترش می‌یافت. اما در میمون‌هایی که به همان شکل لمس می‌شدند و توجهشان به جای دیگری معطوف بود، چنین گسترشی مشاهده نشد. به بیان دیگر، تجربه تنها زمانی چشم‌انداز انرژی مغز را تغییر می‌دهد که توجه نیز درگیر باشد.
نویسندگان با کنار هم گذاشتن این یافته‌ها، چارچوبی تلفیقی ارائه می‌کنند که چند نظریه مهم را به یکدیگر پیوند می‌دهد. از نظر آن‌ها، VaST با نظریه «استنباط فعال» کارل فریستون هم‌راستاست؛ نظریه‌ای که بر اساس آن، مغز انرژی آزاد تغییراتی را به حداقل می‌رساند که اختلاف میان ورودی‌های پیش‌بینی‌شده و ورودی‌های دریافت‌شده را بیان می‌کند. این چارچوب همچنین با مدل‌های مبتنی بر انرژی یان لوکان سازگار است. در این مدل‌ها، تابعی از انرژی به حداقل می‌رسد که میزان سازگاری ورودی‌ها و خروجی‌ها را می‌سنجد و هم‌زمان متغیرهای نهفته استنباط می‌شوند؛ برای مثال، تعیین مرزهای درست میان واژه‌های یک جمله، متغیرهایی را مشخص می‌کند که نه به‌تنهایی متعلق به ورودی‌اند و نه به خروجی. نویسندگان پیشنهاد می‌کنند متغیرهای نهفته در مدل‌های مبتنی بر انرژی با متغیرهای رابطه‌ای نهفته در نظریه VaST متناظر باشند و دو معیار کمینه‌سازی نیز یکدیگر را تقویت کنند: افزایش سازگاری، خطای پیش‌بینی را کاهش می‌دهد و کاهش خطای پیش‌بینی نیز به بهبود سازگاری می‌انجامد. به استدلال آن‌ها، هر دو رویکرد را می‌توان ذیل یک اصل بنیادی‌تر قرار داد: بیشینه‌سازی ورود انرژی و در عین حال، کمینه‌سازی هزینه‌ها و اتلاف انرژی.
برای روشن کردن تفاوت میان ادراک، یادگیری و فهم، نویسندگان به شطرنج روی می‌آورند. شامپانزه‌ای که برای رسیدن به میوه دست دراز می‌کند، باید بسته‌های ادراکی را با یکدیگر هماهنگ کند، اما لزوماً مسئله را نمی‌فهمد؛ برای مثال، به این نتیجه نمی‌رسد که کوتاه‌تر بودن چوب‌ها مستلزم استفاده از جعبه‌های بلندتر است. در مقابل، شطرنج‌بازی که مسئله مات را حل می‌کند، با یک ساختار مجازی کار می‌کند: برهم‌نهی‌ای از تمام بازی‌های ممکن میان شاه و رخ در برابر شاه که اجرای هر بازی مشخصی را هدایت می‌کند. در چنین مدلی، تصور حرکت یک مهره از آگاهی نسبت به محدودیت‌هایی که آن حرکت برای مهره‌های دیگر ایجاد می‌کند، جدایی‌ناپذیر است. پس از شکل‌گیری، این مدل به واحدی در مجموعه‌ای بزرگ‌تر از مدل‌ها تبدیل می‌شود؛ هر مدل تازه، درجات آزادی اجزای خود را کاهش می‌دهد و در عین حال، هویت مستقلی پیدا می‌کند. نویسندگان معتقدند ارزیابی خروجی ماشین‌ها با آزمون‌هایی شبیه آزمون تورینگ، مانند بازی دالی‌موشه با خودمان است؛ زیرا فرایند زیربنایی یا از روی کتاب شطرنج قابل شناخت است یا می‌توان آن را در کد برنامه مشاهده کرد. پرسش واقعی این است که چه سازوکارهای زیستی فهم را پدید می‌آورند و چگونه می‌توان آن‌ها را در قالب فرایندهایی محاسباتی و قابل اجرا تقریب زد.
این یادداشت در پایان، مجموعه‌ای از پرسش‌ها را برای بررسی در جلد بعدی مطرح می‌کند. این پرسش‌ها از پدیده لیبت آغاز می‌شوند؛ پدیده‌ای که نویسندگان آن را نه شاهدی علیه اراده آزاد، بلکه بازتاب هزینه انرژی لازم برای وارد کردن محتوای بسته‌های نورونی به آگاهی تفسیر می‌کنند. موضوع دیگر، هم‌ترازی فرضی میان هماهنگی هم‌زمان از دیدگاه پیاژه و حالت‌های درهم‌تنیده کوانتومی در اسکلت سلولی است که راجر پنروز مطرح کرده است. نویسندگان همچنین به این نکته اشاره می‌کنند که واژه لاتین cogitare، به معنای اندیشیدن، در معنای لغوی خود مفهوم «با هم تکان دادن» را در بر دارد. بر اساس برداشت آن‌ها، امواج منتشرشونده فعالیت قشری، بسته‌های نورونی را همانند لرزاندن مخلوطی از مغزها و دانه‌ها به حرکت و تعامل وامی‌دارند و سامانه را به سوی آرایش‌هایی سوق می‌دهند که از نظر اصل تیغ اوکام بهینه‌اند. فارغ از اینکه این فرضیه‌های منفرد در نهایت چه جایگاهی پیدا کنند، چالش اصلی این یادداشت برای جامعه هوش مصنوعی روشن است: یادگیری عمیق، الگوهای رفتاری خودکار را فشرده می‌کند؛ اما عبور از سامانه‌هایی که صرفاً عملکرد دارند به سامانه‌هایی که واقعاً می‌فهمند، مستلزم ساختارهایی خودسازمان‌ده، معنا‌آفرین، کم‌مصرف و قادر به توضیح فرایندهای خود است.
موضوع پژوهش: سازوکارهای عصب‌زیستی فهم انسان و پیامدهای آن‌ها برای دستیابی به هوش عمومی مصنوعی
عنوان مقاله پژوهشی: یادداشت سردبیری: بنیان‌های عصب‌زیستی شناخت و پیشرفت به سوی هوش عمومی مصنوعی
منبع مقاله: Editorial: Neurobiological foundations of cognition and progress toward artificial general intelligence
شناسه دیجیتال مقاله (DOI): 10.3389/fnsys.2026.1967487
اعتبار تصویر: تولیدشده با هوش مصنوعی.
منبع خبری: بلیک دیویدسون، ۱۵ اکتبر ۲۰۲۶، «از یادگیری ماشینی تا فهم ماشینی: عصب‌پژوهان مسیر دستیابی به هوش عمومی مصنوعی واقعی را ترسیم می‌کنند»، Scienmag.