1. تحقيق رائد يظهر أن أداء ثلاثة نماذج مصغرة من الدماغ يتجاوز نموذج واحد في براعة قراءة برايل
  2. دراسة جديدة تثبت تفوق ثلاثة نماذج دماغية مصغرة على نموذج واحد في كفاءة قراءة برايل
  3. أبحاث حديثة تكشف تقدم ثلاثة نماذج دماغية صغيرة على نموذج واحد في مهارة قراءة برايل

<ol>
<li>تحقيق رائد يظهر أن أداء ثلاثة نماذج مصغرة من الدماغ يتجاوز نموذج واحد في براعة قراءة برايل  </li>
<li>دراسة جديدة تثبت تفوق ثلاثة نماذج دماغية مصغرة على نموذج واحد في كفاءة قراءة برايل  </li>
<li>أبحاث حديثة تكشف تقدم ثلاثة نماذج دماغية صغيرة على نموذج واحد في مهارة قراءة برايل  </li>
</ol>

كشف باحثون في جامعة بريستول البريطانية عن إمكانية دمج ثلاثة نماذج مصغرة من أنسجة الدماغ البشري المزروعة معمليًا لتحسين قدرات معالجة المعلومات، حيث يتم تحسين القدرة على التعرف على الحروف بطريقة برايل ليصل دقة التصنيف إلى 83% بدلًا من 61% عند استخدام نموذج واحد فقط، هذه التجربة تفتح مجالات جديدة لمستقبل الحوسبة الحيوية الهجينة، حيث تجمع بين الخلايا العصبية الحية والتكنولوجيا الإلكترونية لتطوير أنظمة حوسبة تستفيد من الشبكات العصبية البيولوجية، وفقًا للدراسة المنشورة في دورية Frontiers in Artificial Intelligence.

استخدام عضويدات الدماغ في التجربة

اعتمد العلماء على «عضويدات الدماغ»، وهي تجمعات ثلاثية الأبعاد من الخلايا العصبية محاكية بعض خصائص الدماغ البشري، يبلغ حجم الواحدة منها أقل من مليمتر، تحتوي كل منها على حوالي 10 آلاف خلية عصبية، يتم وضع هذه العضويات على شرائح إلكترونية تسمح بإرسال وتسجيل النشاط العصبي، مع المحافظة على حياة الخلايا.

تجربة قراءة برايل بواسطة الخلايا العصبية

قام الباحثون باستخدام مستشعر لمسي مثبت على روبوت لالتقاط الأنماط البارزة للحروف الأبجدية بطريقة برايل، ثم حولت إلى إشارات كهربائية للعضويدات الدماغية، بعد استقبال الإشارات يتم تحليل التصنيفات باستخدام خوارزميات التعلم الآلي، أظهرت النتائج أن استخدام ثلاثة عضويدات يعزز من دقة التعرف إلى 83% مقارنة باستخدام واحدة بنسبة 61% مما يُظهر قدرة تلك التنسيق تحسين معالجتها للإشارات.

تفوق دمج العضويدات الثلاث

يعزى التحسن إلى الفروقات الطبيعية بين العضويدات، سواء في تواصل الخلايا العصبية أو في النشاط الكهربائي والتطور، هذه الفروقات تجعل كل عضوية تقدم استجابة متميزة، ما يمكن من توفير بيانات أوفر، تساعد خوارزميات التعلم الآلي في تحسين دقة التصنيف.

إمكانية استخدام خلايا الدماغ في الحوسبة المستقبلية

تعزز هذه النتائج من توجه الحوسبة الحيوية الهجينة، التي تستهدف دمج الأنسجة الحية بالمكونات الإلكترونية لصياغة أنظمة جديدة في معالجة البيانات، والتي قد تؤدي مستقبلًا إلى تقنيات تستفيد من كفاءة الشبكات العصبية البيولوجية، التجربة لا تعني أن العضيات قد تعلمت برايل أو تمتلك إدراكا بشريًا، لكنها أظهرت قدرتها على تلقي وتحليل استجابات، يأمل العلماء في تطوير مثل هذه التقنيات لاختبار معلومات حسية أخرى، مثل الملمس والأشكال، ودراسة إمكانية استخدام التغذية الراجعة لتحسين استجابة العضيات.

تعليقات

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *