نظرية هيب

📅 آخر تحديث: ٤ أغسطس ٢٠٢٦
✍️ نُشر في: ٤ أغسطس ٢٠٢٦
📷 يحتوي على 35 صور
الموسوعة الحرة

نظرية هيب هي نظرية عصبية نفسية تزعم أن زيادة فعالية المشابك العصبية تنشأ من التحفيز المتكرر والمستمر للخلية بعد المشبكية بواسطة خلية قبل المشبك. وهي محاولة لتفسير اللدونة المشبكية ، أي تكيف الخلايا العصبية أثناء عملية التعلم . قدم دونالد هيب نظرية هيب في كتابه "تنظيم السلوك " عام 1949. [ 1 ] تُعرف هذه النظرية أيضًا باسم قاعدة هيب ، وقانون هيب ، ومسلمة هيب ، ونظرية تجميع الخلايا . وقد صاغها هيب على النحو التالي:

لنفترض أن استمرار أو تكرار نشاط ارتدادي (أو "أثر") يميل إلى إحداث تغييرات خلوية دائمة تزيد من استقراره. ... عندما يكون محور الخلية (أ) قريبًا بما يكفي لإثارة الخلية ( ب) ويشارك بشكل متكرر أو مستمر في تنشيطها، تحدث عملية نمو أو تغيير أيضي في إحدى الخليتين أو كلتيهما بحيث (أ)تزداد كفاءة الخلية B، باعتبارها إحدى الخلايا التي تُطلق B. [ 1 ] : 62

غالبًا ما تُلخَّص النظرية بعبارة " الخلايا العصبية التي تُطلق إشاراتها معًا، تتصل معًا ". [ 2 ] ومع ذلك، أكد هيب على ضرورة أن "تشارك الخلية أ في إطلاق إشارات" الخلية ب ، وأن هذه العلاقة السببية لا تحدث إلا إذا أطلقت الخلية أ إشاراتها قبل الخلية ب مباشرةً، وليس في نفس الوقت . وقد مهّد هذا الجانب من السببية في عمل هيب لما هو معروف الآن عن اللدونة المعتمدة على توقيت الإشارات العصبية ، والتي تتطلب أسبقية زمنية. [ 3 ]

تحاول نظرية هيب تفسير التعلم الترابطي أو الهيبي ، حيث يؤدي التنشيط المتزامن للخلايا إلى زيادات ملحوظة في قوة المشابك العصبية بينها. كما أنها توفر أساسًا بيولوجيًا لأساليب التعلم الخالية من الأخطاء في التعليم وإعادة تأهيل الذاكرة. وفي دراسة الشبكات العصبية في الوظائف الإدراكية، تُعتبر غالبًا الأساس العصبي للتعلم غير الخاضع للإشراف . [ 4 ]

النقوش الخلوية، ونظرية تجميع الخلايا، والتعلم

تقدم نظرية هيب تفسيراً لكيفية اتصال الخلايا العصبية لتكوين بصمات دماغية ، والتي قد تُخزن في تجمعات خلوية متداخلة، أو مجموعات من الخلايا العصبية التي تُشفّر معلومات محددة. [ 5 ] وقد وُضعت نظريات هيب في البداية كوسيلة لتفسير النشاط المتكرر في مجموعات محددة من الخلايا العصبية القشرية، ويمكن فهمها من خلال ما يلي: [ 1 ] : 70

الفكرة العامة هي فكرة قديمة، وهي أن أي خليتين أو نظامين من الخلايا التي تنشط بشكل متكرر في نفس الوقت ستميل إلى أن تصبح "مرتبطة" بحيث يسهل النشاط في إحداهما النشاط في الأخرى.

وكتب هيب أيضاً: [ 1 ]

عندما تساعد خلية ما بشكل متكرر في إطلاق خلية أخرى، فإن محور الخلية الأولى يطور عقدًا متشابكة (أو يكبرها إذا كانت موجودة بالفعل) متصلة بجسم الخلية الثانية.

يطرح د. آلان ألبورت أفكارًا إضافية تتعلق بنظرية تجميع الخلايا ودورها في تكوين النقوش باستخدام مفهوم الارتباط الذاتي، أو قدرة الدماغ على استرجاع المعلومات بناءً على إشارة جزئية، كما هو موضح على النحو التالي:

إذا تسببت مدخلات النظام في تكرار نمط النشاط نفسه، فإن مجموعة العناصر النشطة المكونة لهذا النمط ستصبح مترابطة بقوة متزايدة. أي أن كل عنصر سيميل إلى تنشيط جميع العناصر الأخرى، وإلى تعطيل العناصر التي لا تشكل جزءًا من النمط (بأوزان سالبة). بعبارة أخرى، سيصبح النمط ككل "مترابطًا تلقائيًا". يمكننا تسمية النمط المُكتسب (المترابط تلقائيًا) بـ"البصمة الذهنية". [ 6 ]

أظهرت الأبحاث التي أُجريت في مختبر إريك كاندل، الحائز على جائزة نوبل ، أدلةً تدعم دور آليات التعلم الهيبية في المشابك العصبية لدى حلزون البحر أبليسيا كاليفورنيكا . [ 7 ] ولأن التحكم في المشابك العصبية في الجهاز العصبي المحيطي لللافقاريات البحرية أسهل بكثير في التجارب، فقد توصلت أبحاث كاندل إلى أن تقوية هيب طويلة الأمد ، إلى جانب التسهيل قبل المشبكي المعتمد على النشاط، ضروريان لللدونة المشبكية والتكييف الكلاسيكي في أبليسيا كاليفورنيكا . [ 8 ]

بينما أرست الأبحاث على اللافقاريات آليات أساسية للتعلم والذاكرة، فإن معظم الدراسات التي تتناول التغيرات المشبكية طويلة الأمد بين الخلايا العصبية في الفقاريات تعتمد على استخدام تحفيز تجريبي غير فيزيولوجي لخلايا الدماغ. مع ذلك، يبدو أن بعض آليات تعديل المشابك ذات الصلة الفيزيولوجية، والتي دُرست في أدمغة الفقاريات، تُعد أمثلة على العمليات الهيبية. تشير إحدى هذه الدراسات إلى إمكانية إحداث تغييرات طويلة الأمد في قوة المشابك العصبية من خلال نشاط مشبكي ذي صلة فيزيولوجية، باستخدام آليات هيبية وغير هيبية على حد سواء. [ 9 ]

مبادئ

في الخلايا العصبية الاصطناعية والشبكات العصبية الاصطناعية ، يمكن وصف مبدأ هيب بأنه طريقة لتحديد كيفية تغيير الأوزان بين الخلايا العصبية النموذجية. يزداد الوزن بين خليتين عصبيتين إذا تم تنشيطهما في وقت واحد، ويقل إذا تم تنشيطهما بشكل منفصل. تتميز العقد التي تميل إلى أن تكون موجبة أو سالبة في الوقت نفسه بأوزان موجبة قوية، بينما تتميز العقد التي تميل إلى أن تكون معاكسة بأوزان سالبة قوية.

فيما يلي وصفٌ صيغيٌّ للتعلم الهيبي (هناك العديد من الأوصاف الأخرى الممكنة):

wأناج=xأناxج،{\displaystyle \,w_{ij}=x_{i}x_{j},}

أينwأناج{\displaystyle w_{ij}}يمثل وزن الاتصال من العصبونج{\displaystyle j}إلى العصبونأنا{\displaystyle i}، وxأنا{\displaystyle x_{i}}هو المدخل للعصبونأنا{\displaystyle i}هذا مثال على تعلم الأنماط، حيث يتم تحديث الأوزان بعد كل مثال تدريبي. في شبكة هوبفيلد ، تكون الاتصالاتwأناج{\displaystyle w_{ij}}يتم تعيينها إلى الصفر إذاأنا=ج{\displaystyle i=j}(لا يُسمح بالوصلات الانعكاسية). في حالة الخلايا العصبية الثنائية (التنشيط إما 0 أو 1)، يتم ضبط الوصلات على 1 إذا كانت الخلايا العصبية المتصلة لها نفس التنشيط لنمط معين.

عند استخدام عدة أنماط تدريبية، يصبح التعبير متوسطًا للأفراد:

wأناج=1ص∑ك=1صxأناكxجك،{\displaystyle w_{ij}={\frac {1}{p}}\sum _{k=1}^{p}x_{i}^{k}x_{j}^{k},}

أينwأناج{\displaystyle w_{ij}}يمثل وزن الاتصال من العصبونج{\displaystyle j}إلى العصبونأنا{\displaystyle i}،ص{\displaystyle p}هو عدد أنماط التدريب وxأناك{\displaystyle x_{i}^{k}}الك{\displaystyle k}المدخل رقم -th للعصبونأنا{\displaystyle i}هذا هو التعلم على أساس كل دورة تدريبية، حيث يتم تحديث الأوزان بعد عرض جميع أمثلة التدريب، وهو مصطلح أخير ينطبق على مجموعات التدريب المنفصلة والمتصلة. مرة أخرى، في شبكة هوبفيلد، تكون الاتصالاتwأناج{\displaystyle w_{ij}}يتم تعيينها إلى الصفر إذاأنا=ج{\displaystyle i=j}(لا توجد روابط انعكاسية).

يُعدّ النموذج الرياضي لهاري كلوب نموذجًا رياضيًا مُعدَّلًا من نماذج التعلّم الهيبي، يأخذ في الحسبان ظواهر مثل الحجب وغيرها من ظواهر التعلّم العصبي . يفترض نموذج كلوب أن أجزاءً من نظام ما ذات آليات تكيف بسيطة يمكن أن تُشكّل أساسًا لأنظمة أكثر تعقيدًا ذات سلوك تكيفي أكثر تطورًا، مثل الشبكات العصبية. [ 10 ]

العلاقة بالتعلم غير الخاضع للإشراف، والاستقرار، والتعميم

نظراً لبساطة التعلم الهيبي، القائم فقط على تزامن النشاط قبل وبعد المشبك العصبي، قد لا يكون من البديهي سبب قيام هذا النوع من اللدونة العصبية بتعلم ذي معنى. مع ذلك، يمكن إثبات أن اللدونة الهيبية تستوعب الخصائص الإحصائية للمدخلات بطريقة يمكن تصنيفها ضمن التعلم غير الخاضع للإشراف.

يمكن إثبات ذلك رياضياً من خلال مثال مبسط. لنفترض افتراضاً مبسطاً بوجود عصبون واحد يعتمد على معدل معين.y(ت){\displaystyle y(t)}، والتي لها معدلات مدخلاتهاx1(ت)...xشمال(ت){\displaystyle x_{1}(t)...x_{N}(t)}استجابة العصبونy(ت){\displaystyle y(t)}يُوصف عادةً بأنه توليفة خطية من مدخلاته،∑أناwأناxأنا{\displaystyle \sum _{i}w_{i}x_{i}}، متبوعًا بدالة استجابةو{\displaystyle f}:

y=و(∑أنا=1شمالwأناxأنا).{\displaystyle y=f\left(\sum _{i=1}^{N}w_{i}x_{i}\right).}

كما هو موضح في الأقسام السابقة، تصف اللدونة الهيبية تطور الوزن المشبكي بمرور الوقتw{\displaystyle w}:

دwأنادت=ηxأناy.{\displaystyle {\frac {dw_{i}}{dt}}=\eta x_{i}y.}

بافتراض، من أجل التبسيط، دالة استجابة متطابقةو(أ)=أ{\displaystyle f(a)=a}يمكننا أن نكتب

دwأنادت=ηxأنا∑ج=1شمالwجxج{\displaystyle {\frac {dw_{i}}{dt}}=\eta x_{i}\sum _{j=1}^{N}w_{j}x_{j}}

أو في شكل مصفوفة :

دwدت=ηxxتيw.{\displaystyle {\frac {d\mathbf {w} }{dt}}=\eta \mathbf {x} \mathbf {x} ^{T}\mathbf {w} .}

كما في الفصل السابق، إذا تم التدريب حسب الحقبة، فإن المتوسط⟨...⟩{\displaystyle \langle \dots \rangle }على مجموعة تدريب منفصلة أو مستمرة (زمنية) منx{\displaystyle \mathbf {x} }يمكن القيام بذلك:دwدت=⟨ηxxتيw⟩=η⟨xxتي⟩w=ηجw.{\displaystyle {\frac {d\mathbf {w} }{dt}}=\langle \eta \mathbf {x} \mathbf {x} ^{T}\mathbf {w} \rangle =\eta \langle \mathbf {x} \mathbf {x} ^{T}\rangle \mathbf {w} =\eta C\mathbf {w} .}أينج=⟨xxتي⟩{\displaystyle C=\langle \,\mathbf {x} \mathbf {x} ^{T}\rangle }هي مصفوفة الارتباط للمدخلات بافتراض إضافي هو⟨x⟩=0{\displaystyle \langle \mathbf {x} \rangle =0}(أي أن متوسط ​​المدخلات يساوي صفرًا). هذا نظام منشمال{\displaystyle N}المعادلات التفاضلية الخطية المترابطة. بما أنج{\displaystyle C}هي متناظرة ، وهي قابلة للتقطير أيضًا ، ويمكن إيجاد الحل، من خلال العمل في أساس المتجهات الذاتية، على النحو التالي:

w(ت)=ك1هـηα1تج1+ك2هـηα2تج2+...+كشمالهـηαشمالتجشمال{\displaystyle \mathbf {w} (t)=k_{1}e^{\eta \alpha _{1}t}\mathbf {c} _{1}+k_{2}e^{\eta \alpha _{2}t}\mathbf {c} _{2}+...+k_{N}e^{\eta \alpha _{N}t}\mathbf {c} _{N}}

أينكأنا{\displaystyle k_{i}}هي ثوابت اختيارية،جأنا{\displaystyle \mathbf {c} _{i}}هي المتجهات الذاتية لـج{\displaystyle C}وαأنا{\displaystyle \alpha _{i}}قيمها الذاتية المقابلة. بما أن مصفوفة الارتباط هي دائمًا مصفوفة موجبة التحديد ، فإن جميع القيم الذاتية موجبة، ويمكن ملاحظة أن الحل المذكور أعلاه يتباعد أُسّيًا مع مرور الوقت. هذه مشكلة جوهرية ناتجة عن عدم استقرار هذه الصيغة من قاعدة هيب، ففي أي شبكة ذات إشارة مهيمنة، ستزداد أو تنقص الأوزان المشبكية أُسّيًا. وبشكل بديهي، يعود ذلك إلى أنه كلما أثار العصبون قبل المشبكي العصبون بعد المشبكي، يتعزز الوزن بينهما، مما يؤدي إلى إثارة أقوى في المستقبل، وهكذا دواليك، بطريقة تعزز نفسها بنفسها. قد يعتقد البعض أن الحل يكمن في الحد من معدل إطلاق العصبون بعد المشبكي بإضافة دالة استجابة غير خطية مشبعة.و{\displaystyle f}لكن في الواقع، يمكن إثبات أن قاعدة هيب غير مستقرة لأي نموذج عصبي. [ 11 ] لذلك ، تستخدم نماذج الشبكات العصبية عادةً نظريات تعلم أخرى مثل نظرية BCM ، وقاعدة أوجا ، [ 12 ] أو خوارزمية هيب المعممة .

على أي حال، حتى بالنسبة للحل غير المستقر المذكور أعلاه، يمكن ملاحظة أنه عند مرور وقت كافٍ، يهيمن أحد الحدود على الحدود الأخرى، و

w(ت)≈هـηα*تج*{\displaystyle \mathbf {w} (t)\approx e^{\eta \alpha ^{*}t}\mathbf {c} ^{*}}

أينα*{\displaystyle \alpha ^{*}}هي أكبر قيمة ذاتية لـج{\displaystyle C}في هذه المرحلة، يقوم العصبون بعد المشبكي بالعملية التالية:

y≈هـηα*تج*x{\displaystyle y\approx e^{\eta \alpha ^{*}t}\mathbf {c} ^{*}\mathbf {x} }

لأن، مرة أخرى،ج*{\displaystyle \mathbf {c} ^{*}}هو المتجه الذاتي المقابل لأكبر قيمة ذاتية لمصفوفة الارتباط بينxأنا{\displaystyle x_{i}}s، وهذا يتوافق تمامًا مع حساب المكون الرئيسي الأول للمدخلات.

يمكن توسيع هذه الآلية لإجراء تحليل المكونات الرئيسية (PCA ) كامل للمدخلات بإضافة المزيد من الخلايا العصبية بعد المشبكية، شريطة منع جميع هذه الخلايا من التقاط نفس المكون الرئيسي، على سبيل المثال بإضافة تثبيط جانبي في الطبقة بعد المشبكية. وبذلك، ربطنا التعلم الهيبي بتحليل المكونات الرئيسية، وهو شكل أولي من أشكال التعلم غير الخاضع للإشراف، حيث تستطيع الشبكة استخلاص الجوانب الإحصائية المفيدة للمدخلات، و"وصفها" بشكل مُختصر في مخرجاتها. [ 13 ]

التعلم الهيبي والخلايا العصبية المرآتية

استُخدم التعلم الهيبي واللدونة المعتمدة على توقيت النبضات العصبية في نظرية مؤثرة حول كيفية نشوء الخلايا العصبية المرآتية . [ 14 ] [ 15 ] الخلايا العصبية المرآتية هي خلايا عصبية تُطلق إشاراتها عند قيام الفرد بفعل ما، وكذلك عند رؤيته أو سماعه لشخص آخر يقوم بفعل مشابه. [ 16 ] [ 17 ] كان لاكتشاف هذه الخلايا العصبية أثر بالغ في تفسير كيفية فهم الأفراد لأفعال الآخرين، فعندما يدرك الشخص أفعال الآخرين، تُفعَّل البرامج الحركية في دماغه التي يستخدمها لأداء أفعال مماثلة، مما يُضيف معلومات إلى الإدراك ويساعد على التنبؤ بما سيفعله الشخص لاحقًا بناءً على برنامجه الحركي الخاص. أحد القيود التي تواجه هذه الفكرة حول وظائف الخلايا العصبية المرآتية هو تفسير كيفية تطور الخلايا العصبية لدى الأفراد بحيث تستجيب أثناء أداء فعل ما، وكذلك عند سماع أو رؤية شخص آخر يقوم بفعل مشابه.

اقترح عالم الأعصاب كريستيان كيزرز وعالم النفس ديفيد بيريت أن مشاهدة أو سماع شخص يؤدي فعلًا ما يُنشّط مناطق في الدماغ كما لو كان الشخص يؤدي ذلك الفعل بنفسه. [ 15 ] [ 18 ] تُحفّز هذه الإشارات الحسية المُعاد توجيهها نشاطًا في الخلايا العصبية المُستجيبة للرؤية والصوت والشعور بالفعل. ولأن نشاط هذه الخلايا العصبية الحسية يتداخل باستمرار مع نشاط الخلايا العصبية الحركية التي تسببت في الفعل، فإن نظرية التعلم الهيبية تتوقع أن تتقوى المشابك العصبية التي تربط الخلايا العصبية المُستجيبة للرؤية والصوت والشعور بالفعل بتلك الخاصة بالخلايا العصبية التي حفزت الفعل. وينطبق الأمر نفسه عندما ينظر الناس إلى أنفسهم في المرآة، أو يسمعون أنفسهم يتحدثون، أو يقلدهم الآخرون. بعد تكرار هذه الإشارات المُعاد توجيهها، تصبح المشابك العصبية التي تربط التمثيلات الحسية والحركية للفعل قوية جدًا لدرجة أن الخلايا العصبية الحركية تبدأ في إطلاق الإشارات استجابةً لصوت أو رؤية الفعل، وتتكون خلية عصبية مرآتية. [ 19 ]

تُقدّم العديد من التجارب أدلةً تدعم فكرة أن التعلّم الهيبي ضروري لتكوين الخلايا العصبية المرآتية. تكشف الأدلة أن البرامج الحركية يُمكن تحفيزها بواسطة مُحفزات سمعية أو بصرية جديدة بعد اقتران المُحفز بتنفيذ البرنامج الحركي بشكل مُتكرر. [ 20 ] على سبيل المثال، لا يُفعّل الأشخاص الذين لم يعزفوا على البيانو من قبل مناطق الدماغ المُشاركة في العزف عند الاستماع إلى موسيقى البيانو. وقد ثبت أن خمس ساعات من دروس البيانو، يتعرض خلالها المُشارك لصوت البيانو في كل مرة يضغط فيها على مفتاح، كافية لتحفيز النشاط في المناطق الحركية من الدماغ عند الاستماع إلى موسيقى البيانو في وقت لاحق. [ 20 ] وتماشياً مع حقيقة أن اللدونة المعتمدة على توقيت النبضات العصبية لا تحدث إلا إذا تنبأ إطلاق العصبون قبل المشبكي بإطلاق العصبون بعد المشبكي، [ 21 ] يبدو أن الصلة بين المُحفزات الحسية والبرامج الحركية لا تتعزز إلا إذا كان المُحفز مُرتبطاً بالبرنامج الحركي.

نظرية هيب وعلم الأعصاب الإدراكي

يرتبط التعلم الهيبي بالعمليات المعرفية كصنع القرار والتعلم الاجتماعي. وقد بدأ مجال علم الأعصاب المعرفي باستكشاف تقاطع النظرية الهيبية مع مناطق الدماغ المسؤولة عن معالجة المكافأة والإدراك الاجتماعي، مثل الجسم المخطط وقشرة الفص الجبهي. [ 22 ] [ 23 ] وعلى وجه الخصوص، تُظهر إسقاطات الجسم المخطط المعرضة لنماذج هيبية تقوية طويلة الأمد وتثبيطًا طويل الأمد في الجسم الحي . [ 24 ] بالإضافة إلى ذلك، لا تُفسَّر نماذج قشرة الفص الجبهي للمحفزات ("الانتقائية المختلطة") بالكامل بالاتصال العشوائي، ولكن عند دمج نموذج هيبي، يتم الوصول إلى مستويات الانتقائية المختلطة في النموذج. [ 25 ] يُفترض (على سبيل المثال، من قِبل بيتر بوتنام وروبرت دبليو فولر ) أن اللدونة الهيبية في هذه المناطق قد تكون أساسًا لسلوكيات مثل تكوين العادات، والتعلم المعزز، وحتى تطوير الروابط الاجتماعية. [ 26 ] [ 27 ]

القيود

على الرغم من شيوع استخدام نماذج هيب للتقوية طويلة الأمد، إلا أن نظرية هيب لا تشمل جميع أشكال اللدونة المشبكية طويلة الأمد. لم يقترح هيب أي قواعد للمشابك المثبطة أو تنبؤات لتسلسلات النبضات المضادة للسببية (حيث يطلق العصبون قبل المشبكي نبضة بعد العصبون بعد المشبكي). قد لا يقتصر التعديل المشبكي على العصبونين A وB المنشطين فحسب، بل قد يحدث أيضًا في المشابك المجاورة. [ 28 ] لذلك، تُعتبر جميع أشكال اللدونة المشبكية غير المتجانسة واللدونة المتوازنة غير هيبية. ومن الأمثلة على ذلك الإشارات الرجعية إلى النهايات قبل المشبكية. [ 29 ] يُعد أكسيد النيتريك المركب الأكثر شيوعًا كناقل رجعي ، والذي، نظرًا لذوبانه وانتشاره العاليين، غالبًا ما يؤثر على العصبونات المجاورة. [ 30 ] هذا النوع من التعديل المشبكي المنتشر، المعروف باسم تعلم الحجم، غير مُدرج في نموذج هيب التقليدي. [ 31 ]

التطورات المعاصرة، والذكاء الاصطناعي، والتقدم الحاسوبي

توسعت الأبحاث الحديثة في أفكار هيب الأصلية. فعلى سبيل المثال، تعمل اللدونة المعتمدة على توقيت النبضات العصبية (STDP) على تحسين مبادئ هيب من خلال دمج التوقيت الدقيق للنبضات العصبية في نظرية هيب. كما ربطت التطورات التجريبية التعلم الهيبي بسلوكيات معقدة، مثل اتخاذ القرارات والتنظيم العاطفي. [ 13 ] وتواصل الدراسات الحالية في مجال الذكاء الاصطناعي والحوسبة الكمومية الاستفادة من مفاهيم هيب لتطوير خوارزميات تكيفية وتحسين نماذج التعلم الآلي. [ 32 ]

في مجال الذكاء الاصطناعي، شهد التعلم الهيبي تطبيقاتٍ تتجاوز الشبكات العصبية التقليدية. ومن أبرز التطورات في هذا المجال خوارزميات التعلم المعزز، حيث يُستخدم التعلم الشبيه بالهيبي لتحديث الأوزان بناءً على توقيت وقوة المحفزات خلال مراحل التدريب. وقد قام بعض الباحثين بتكييف مبادئ الهيبي لتطوير نماذج أكثر توافقًا مع الطبيعة البيولوجية للتعلم في الأنظمة الاصطناعية، مما قد يُحسّن كفاءة النموذج وتقاربه في تطبيقات الذكاء الاصطناعي. [ 33 ] [ 34 ]

يُعدّ تطبيق التعلّم الهيبي في الحوسبة الكمومية مجالًا متزايد الأهمية. فبينما تُشكّل الشبكات العصبية الكلاسيكية المجال الرئيسي لتطبيق نظرية هيب، بدأت الدراسات الحديثة باستكشاف إمكانات الخوارزميات المستوحاة من الكم. تستفيد هذه الخوارزميات من مبادئ التراكب الكمومي والتشابك لتعزيز عمليات التعلّم في الأنظمة الكمومية. [ 35 ] وتبحث الدراسات الحالية في كيفية إسهام مبادئ هيب في تطوير نماذج أكثر كفاءة للتعلّم الآلي الكمومي. [ 3 ]

ظهرت نماذج حسابية جديدة تُحسّن أو تُوسّع نطاق التعلّم الهيبي. فعلى سبيل المثال، تُراعي بعض النماذج الآن التوقيت الدقيق للنبضات العصبية (كما في اللدونة المعتمدة على توقيت النبضات)، بينما دمجت نماذج أخرى جوانب من التعديل العصبي لتفسير كيفية تأثير النواقل العصبية، مثل الدوبامين، على قوة الروابط المشبكية. تُوفّر هذه النماذج المتقدمة فهمًا أكثر دقة لكيفية عمل التعلّم الهيبي في الدماغ، وتُساهم في تطوير نماذج حسابية أكثر واقعية. [ 36 ] [ 37 ]

ركزت الأبحاث الحديثة حول التعلم الهيبي على دور الخلايا العصبية المثبطة، والتي غالبًا ما يتم إغفالها في النماذج الهيبية التقليدية. فبينما تركز النظرية الهيبية الكلاسيكية بشكل أساسي على الخلايا العصبية المثيرة، فإن النماذج الأكثر شمولًا للتعلم العصبي تأخذ في الاعتبار التفاعل المتوازن بين المشابك العصبية المثيرة والمثبطة. وتشير الدراسات إلى أن الخلايا العصبية المثبطة يمكن أن توفر تنظيمًا حاسمًا للحفاظ على استقرار الدوائر العصبية، وقد تمنع التغذية الراجعة الإيجابية المفرطة في التعلم الهيبي. [ 38 ] [ 39 ]

في عام ٢٠١٧، حدد جيف ماجي وزملاؤه اللدونة المشبكية السلوكية الزمنية (BTSP)، وهي شكل من أشكال التعلم في خلايا CA1 في الحصين، حيث تتقوى المدخلات المشبكية النشطة قبل أو بعد عدة ثوانٍ من جهد الهضبة الشجيرية، حتى بدون حدوث ارتفاعات جهدية متزامنة بعد المشبك. [ ٤٠ ] تعمل هذه الآلية على نطاق زمني أطول بكثير من اللدونة الهيبية التقليدية أو اللدونة المعتمدة على توقيت الارتفاعات الجهدية، وتوفر وسيلة لربط الأحداث المتباعدة زمنيًا أثناء السلوك. [ ٤٠ ] وقد اقتُرحت اللدونة المشبكية السلوكية الزمنية (BTSP) كإطار حديث لفهم كيفية حدوث العمليات الترابطية الشبيهة بالهيبية على نطاقات زمنية سلوكية، مما يشير إلى أن نافذة التوقيت للتعديل المشبكي قد تمتد إلى ما هو أبعد بكثير من نطاق الميلي ثانية الموصوف في التعلم الهيبي الكلاسيكي. [ ٤١ ]

انظر أيضاً

مراجع

  1. 1 2 3 4 هيب، دكتور في الطب (1949). تنظيم السلوك . نيويورك: وايلي وأولاده.
  2. ↑ سيغريد لويل ، جامعة غوتنغن؛ الجملة الدقيقة هي: "تتصل الخلايا العصبية ببعضها إذا أطلقت إشاراتها معًا" (لويل، س. وسينغر، و. (1992) مجلة ساينس 255 (نُشرت في 10 يناير 1992). لويل، سيغريد؛ سينغر، وولف (1992). "اختيار الاتصالات الأفقية الجوهرية في القشرة البصرية بواسطة النشاط العصبي المترابط" . مجلة ساينس . 255 (5041). الولايات المتحدة: الجمعية الأمريكية لتقدم العلوم: 209-212 . Bibcode : 1992Sci...255..209L . doi : 10.1126/science.1372754 . ISSN 0036-8075 . PMID 1372754 .  
  3. 1 2 كابورال، ناتاليا؛ دان، يانغ (2008). "اللدونة المعتمدة على توقيت النبضات: قاعدة تعلم هيبية". المراجعة السنوية لعلم الأعصاب . 31 : 25-46 . doi : 10.1146/annurev.neuro.31.060407.125639 . PMID 18275283 . 
  4. ↑ سانجر، تيرينس د. (1989-01-01). "التعلم الأمثل غير الخاضع للإشراف في شبكة عصبية خطية أحادية الطبقة ذات تغذية أمامية" . الشبكات العصبية . 2 (6): 459-473 . doi : 10.1016/0893-6080(89)90044-0 . ISSN 0893-6080 . 
  5. ↑ سيجنوفسكي، تيرينس ج. (1999-12-01). "كتاب هيب" . نيرون . 24 (4): 773-776 . doi : 10.1016/S0896-6273(00)81025-9 . ISSN 0896-6273 . PMID 10624941 .  
  6. ↑ ألبورت، د. أ. (1985). "الذاكرة الموزعة، والأنظمة المعيارية، وعسر الكلام". في: نيومان، س. ك.؛ إبستين، ر. (محرران). وجهات نظر حديثة في عسر الكلام . إدنبرة: تشرشل ليفينغستون. ISBN 978-0-443-03039-0.
  7. ↑ كاستيلوتشي، فينسنت؛ بينسكر، هارولد؛ كوبرمان، إيرفينغ؛ كاندل، إريك ر. (27 مارس 1970). "الآليات العصبية للتعود وعدم التعود على منعكس سحب الخياشيم في الأبليسيا" . مجلة ساينس . 167 (3926): 1745-1748 . Bibcode : 1970Sci...167.1745C . doi : 10.1126/science.167.3926.1745 . PMID 5416543 . 
  8. ↑ أنتونوف، إيغور؛ أنتونوفا، إيرينا؛ كاندل، إريك ر.؛ هوكينز، روبرت د. (9 يناير 2003). "التسهيل قبل المشبكي المعتمد على النشاط والتقوية طويلة الأمد الهيبية كلاهما مطلوبان ويتفاعلان أثناء التكييف الكلاسيكي في الأبليسيا" . نيرون . 37 (1): 135-147 . doi : 10.1016/S0896-6273(02)01129-7 . ISSN 0896-6273 . PMID 12526779 .  
  9. ↑ بولسن، أو؛ سيجنوفسكي، تي (1 أبريل 2000). "الأنماط الطبيعية للنشاط واللدونة المشبكية طويلة الأمد" . الرأي الحالي في علم الأحياء العصبي . 10 (2): 172-180 . doi : 10.1016 / s0959-4388(00)00076-3 . PMC 2900254. PMID 10753798 .  
  10. ↑ كلوف، أ.هـ. (1972). وظائف الدماغ والأنظمة التكيفية - نظرية عدم التوازن . تقرير فني AFCRL-72-0164، مختبرات أبحاث القوات الجوية في كامبريدج، بيدفورد، ماساتشوستس.
  11. ↑ يوليانو، نيل ر. (21 ديسمبر 1999). "الأنظمة العصبية والتكيفية: الأساسيات من خلال المحاكاة" (ملف PDF) . وايلي. مؤرشف من الأصل (ملف PDF) بتاريخ 25 ديسمبر 2015. تم الاطلاع عليه بتاريخ 16 مارس 2016 .
  12. ↑ شوفال، هاريل (2005-01-03). "فيزياء الدماغ" . الأساس المشبكي للتعلم والذاكرة: منهج نظري . مركز العلوم الصحية بجامعة تكساس في هيوستن. مؤرشف من الأصل في 2007-06-10 . تم الاطلاع عليه في 2007-11-14 .
  13. 1 2 كيستلر، فيرنر م.؛ جيرستنر، وولفرام، محرران (2002)، "نماذج هيب" ، نماذج الخلايا العصبية الشوكية: الخلايا العصبية المفردة، والمجموعات، واللدونة ، كامبريدج: مطبعة جامعة كامبريدج، ص 351-386 ، doi : 10.1017/CBO9780511815706.011 ، ISBN  978-0-521-89079-3تم الاطلاع عليه بتاريخ 19 مارس 2025
  14. ↑ كيزرز سي؛ بيريت دي آي (2004). " تبسيط الإدراك الاجتماعي: منظور هيبي". اتجاهات في العلوم المعرفية . 8 (11): 501-507 . doi : 10.1016/j.tics.2004.09.005 . PMID 15491904. S2CID 8039741 .  
  15. 1 2 كيزرز، سي. (2011). الدماغ المتعاطف .
  16. ^ جاليسي الخامس. فاديجا لام . فوجاسي إل . ريزولاتي جي (1996). "التعرف على العمل في القشرة أمام الحركية" . مخ . 119 (الجزء الثاني): 593-609 . دوى : 10.1093/brain/119.2.593 . بميد 8800951 . 
  17. ↑ Keysers ج. كوهلر إي . أوميلتا ما . نانيتي إل . فوجاسي إل . جاليسي الخامس (2003). “الخلايا العصبية المرآتية السمعية والبصرية والتعرف على الحركة”. إكسب الدماغ الدقة . 153 (4): 628-636 . سيتيسيركس 10.1.1.387.3307 . دوى : 10.1007/s00221-003-1603-5 . بميد 12937876 . S2CID 7704309 .   
  18. ↑ كولر، إيفلين؛ كيزرز، كريستيان؛ أوميلتا، م. أليساندرا؛ فوغاسي، ليوناردو؛ غاليسي، فيتوريو؛ ريزولاتي، جياكومو (2002-08-02). "سماع الأصوات، فهم الأفعال: تمثيل الفعل في الخلايا العصبية المرآتية" . مجلة ساينس . 297 (5582): 846-848 . Bibcode : 2002Sci...297..846K . doi : 10.1126/science.1070311 . PMID 12161656 . 
  19. ↑ "التعلم الهيبي والخلايا العصبية المرآتية التنبؤية للأفعال والأحاسيس والمشاعر" . ResearchGate . مؤرشف من الأصل بتاريخ 2023-12-06 . تم الاطلاع عليه بتاريخ 2025-04-13 .
  20. 1 2 لاهاف أ؛ سالتزمان إي؛ شلاوغ ج (2007). "تمثيل الصوت في الحركة: شبكة التعرف السمعي الحركي أثناء الاستماع إلى حركات مكتسبة حديثًا" . مجلة علم الأعصاب . 27 (2): 308-314 . doi : 10.1523/jneurosci.4822-06.2007 . PMC 6672064. PMID 17215391 .  
  21. ↑ باور إي بي؛ ليدو جي إي؛ نادر ك (2001). "التكييف الخوفي والتقوية طويلة الأمد في اللوزة الجانبية حساسان لنفس ظروف التحفيز". نات نيروسسي . 4 (7): 687-688 . doi : 10.1038/89465 . PMID 11426221. S2CID 33130204 .  
  22. ↑ بالين، بي دبليو، وأودوهيرتي، جيه بي (2010). أوجه التشابه بين الإنسان والقوارض في التحكم بالسلوك: آليات القشرة المخية المخططية للمكافأة واتخاذ القرار. *علم الأعصاب*، 164(1)، 131-140.
  23. ↑ أودوهيرتي، جيه بي، وآخرون (2004). أدوار منفصلة للجسم المخطط البطني والظهري في التكييف الآلي. *ساينس*، 304(5668)، 452-454.
  24. ↑ بيرين، إيلودي؛ فينانس، لوران (2019-02-01). "سد الفجوة بين مرونة الجسم المخطط والتعلم" . الرأي الحالي في علم الأحياء العصبي . علم الأحياء العصبي للتعلم والمرونة. 54 : 104-112 . doi : 10.1016/j.conb.2018.09.007 . ISSN 0959-4388 . PMID 30321866 .  
  25. ↑ ليندسي، غريس دبليو؛ ريغوتي، ماتيا؛ واردن، ميليسا آر؛ ميلر، إيرل كيه؛ فوسي، ستيفانو (2017-11-08). " التعلم الهيبي في شبكة عشوائية يجسد خصائص الانتقائية لقشرة الفص الجبهي" . مجلة علم الأعصاب . 37 (45): 11021-11036 . doi : 10.1523/JNEUROSCI.1222-17.2017 . ISSN 0270-6474 . PMC 5678026. PMID 28986463 .   
  26. ↑ جيفتير، أماندا (17-06-2025). "العثور على بيتر بوتنام" . نوتيلوس . تم الاسترجاع في 30-06-2025 .
  27. ↑ بوتنام، بيتر؛ فولر، روبرت (30 أكتوبر 1970). "مخطط لنموذج وظيفي للجهاز العصبي، بوتنام/فولر 1964" . أوراق بيتر بوتنام . تم الاطلاع عليه بتاريخ 30 يونيو 2025 .
  28. ↑ هورغان، جون (مايو 1994). "التنصت العصبي". مجلة ساينتفك أمريكان . 270 (5): 16. Bibcode : 1994SciAm.270e..16H . doi : 10.1038/scientificamerican0594-16 . PMID 8197441 . 
  29. ↑ فيتزسيموندز، ريكو؛ مو-مينغ بو (يناير 1998). " الإشارات الرجعية في نمو وتعديل المشابك العصبية". المراجعات الفيزيولوجية . 78 (1): 143-170 . doi : 10.1152/physrev.1998.78.1.143 . PMID 9457171. S2CID 11604896 .  
  30. ↑ لوبيز، ب؛ سي بي أراوجو (2009). "دراسة حسابية للمناطق المجاورة المنتشرة في الشبكات العصبية البيولوجية والاصطناعية" (ملف PDF) . المؤتمر الدولي المشترك حول الذكاء الحسابي .
  31. ↑ ميتشيسون، ج؛ ن. سوينديل (أكتوبر 1999). "هل يمكن لتعلم حجم هيب أن يفسر الانقطاعات في الخرائط القشرية؟". الحوسبة العصبية . 11 (7): 1519-1526 . doi : 10.1162/089976699300016115 . PMID 10490935. S2CID 2325474 .  
  32. ↑ بي، جي.-كيو.، وبو، إم.-إم. (1998). التعديلات المشبكية في الخلايا العصبية الحصينية المستزرعة: الاعتماد على توقيت النبضات، وقوة المشبك، ونوع الخلية بعد المشبكية. *مجلة علم الأعصاب*، 18(24)، 10464-10472.
  33. ↑ أوجا، إي. (1982). نموذج عصبي مبسط كمحلل للمكونات الرئيسية. *مجلة البيولوجيا الرياضية*، 15(3)، 267-273.
  34. ↑ روميلهارت، دي إي، وماكليلاند، جيه إل (1986). *المعالجة الموزعة المتوازية: استكشافات في البنية الدقيقة للإدراك*. مطبعة معهد ماساتشوستس للتكنولوجيا.
  35. ↑ هوانغ، هـ.، ولي، ي. (2019). خوارزمية تعلم هيبية مستوحاة من الكم للشبكات العصبية. *مجلة علوم المعلومات الكمية*، 9(2)، 111-124.
  36. ↑ ميلر، ب.، وكونفر، أ. (2012). النماذج الحاسوبية لللدونة المشبكية والتعلم. *الرأي الحالي في علم الأحياء العصبي*، 22(5)، 648-655.
  37. ↑ بيك، جيه سي، وأندرادي، آر. (2012). التعديل العصبي لللدونة المشبكية في الحصين: الآثار المترتبة على التعلم والذاكرة. *فرونتيرز إن سينابتيك نيوروساينس*، 4، 15.
  38. ↑ ماركرام، هـ.، لوبكه، ج.، فروتشر، م.، وساكمان، ب. (1997). تنظيم فعالية المشابك العصبية من خلال تزامن جهد الفعل بعد المشبكي وجهد ما بعد المشبكي الاستثاري. *ساينس*، 275(5297)، 213-215.
  39. ↑ كوهين، إم آر، وكوهن، إيه. (2011). قياس وتفسير الارتباطات العصبية. *مجلة نيتشر لعلم الأعصاب*، 14(7)، 811-819.
  40. 1 2 Bittner, KC; Milstein, AD; Grienberger, C.; Romani, S.; Magee, JC (2017). " اللدونة المشبكية على نطاق زمني سلوكي تكمن وراء حقول المكان CA1" . مجلة ساينس . 357 (6355): 1033-1036 . doi : 10.1126/science.aan3846 . PMC 7289271. PMID 28883074 .  
  41. ↑ غرينبرغر، سي.؛ ماغي، جيه سي (2020). "اللدونة المشبكية: أشكالها ووظائفها". المراجعة السنوية لعلم الأعصاب . 43 : 473-500 . doi : 10.1146/annurev-neuro-090919-022842 . PMID 32569523 . 

للمزيد من القراءة

  • هيب، دكتور في الطب (1961). "السمات المميزة للتعلم لدى الحيوانات العليا". في جيه إف ديلافريسناي (محرر). آليات الدماغ والتعلم . لندن: مطبعة جامعة أكسفورد.
  • هيب، دكتور في الطب (1940). "السلوك البشري بعد استئصال ثنائي واسع النطاق من الفصين الجبهيين". أرشيف علم الأعصاب والطب النفسي . 44 (2): 421-438 . doi : 10.1001/archneurpsyc.1940.02280080181011 .
  • بيشوب، سي إم (1995). الشبكات العصبية للتعرف على الأنماط . أكسفورد: مطبعة جامعة أكسفورد. ISBN 978-0-19-853849-3.
  • بولسن، أو.؛ ​​سيجنوفسكي، تي جيه (2000). "الأنماط الطبيعية للنشاط واللدونة المشبكية طويلة الأمد" . الرأي الحالي في علم الأحياء العصبي . 10 ( 2): 172-179 . doi : 10.1016/S0959-4388(00)00076-3 . PMC 2900254. PMID 10753798 .  
  • نظرة عامة مؤرشفة بتاريخ 2017-05-02 على موقع Wayback Machine
  • برنامج تعليمي حول منهج هيبيان ( الجزء 1: تصفية الحداثة ، الجزء 2: تحليل المكونات الرئيسية )