כולם מתעניינים כיום בבינה מלאכותית, היא מסוגלת לבצע יותר ויותר משימות אנושיות, ואולי אף להחליף מוח אנושי. אף אחד הדברים המעניינים בתחום הזה, הוא שכבר מתחילת הדרך, ועד ימינו אנו, האלגוריתמים הבסיסיים בתחום שאבו הרבה השראה מהמוח.
כשמדמיינים מה עושים חוקרים שמנסים לפצח את סודות המוח, קל מאוד לדמיין מדענים שמבצעים ניסויים במעבדה, במטרה לגלות עוד ועוד ממצאים שיסבירו לנו איך המוח עובד. אבל במדעי המוח יש גם חוקרים שעובדים אחרת. כל ממצא מניסוי הוא בעצם חלק בפאזל, אבל נחוץ שיהיו אנשים שיידעו להסתכל על התמונה השלמה, ומתוך כל פיסות הפאזל ינסו להבין כיצד המוח עובד. לא מעט אנשי פיזיקה תיאורטית ומדעי המחשב יושבים כיום במדעי המוח בדיוק מהסיבה הזו, במטרה ליצור מודל מתמטי או פיזיקלי שינסה להדגים כיצד המוח עובד, או כיצד יכולת מסוימת יכולה להתממש. שכן אם נצליח ליצור מודל מתמטי שמסוגל לזכור דברים, אולי נבין משהו חדש על זכרון.
בטור הקודם דיברנו על אחד מתהליכי הלמידה המרכזיים במוח: הפלסטיות הסינפטית. ראינו שתאי העצב מעבירים מידע זה לזה, ושכל מידע שתא קולט יכול להשפיע על הפעילות שלו. ראינו גם שקשרים בין תאים משתנים כשאנחנו לומדים, ויכולים להתחזק או להחלש, ובכך להשפיע יותר או פחות על התאים שמקבלים את המידע.
הרעיון הבסיסי של מנגנון הלמידה הזה, שהתובנה לגביו התבססה עוד בשנות הארבעים של המאה ה-20, הוביל פיסיקאים לנסות לבנות מודל מתמטי של למידה. הם אפילו קראו למודל הזה בשם “רשת נוירונים”, שם שכיום כל מי שלמד מדעי המחשב או בינה מלאכותית מכיר, משום שהרעיונות שהחלו עוד באמצע המאה הקודמת הם הבסיס לאלגוריתמים עד היום. נוירונים, כזכור, אלו תאי העצב האפורים שבמוחנו, ובדיוק כפי שהם מדברים אחד עם השני ויוצרים רשת, כך גם במודלים המלאכותיים שעליהם נדבר.
הפיזיקאי ג’ון הופפילד היה זה שפרסם בשנת 1982 את המודל המשמעותי הראשון שהביא את רשתות הנוירונים לקדמת הבמה. הנוירונים שלו כמובן לא היו תאים אמיתיים, אלא בסך הכל “נקודות”, שמקבלות מידע מנקודות אחרות ומעבירות אליהן גם כן מידע. כל תא מדבר עם התאים האחרים ברשת והחיבורים ביניהם, בדיוק כמו הסינפסות במוח, יכולים להתחזק ולהחלש על בסיס חוק הב, וכתוצאה מכך להשפיע יותר או פחות על התא שמקבל את המידע. בנוסף, לרשת כולה יש “אנרגיה”, שדומה בצורתה המתמטית לאנרגיה פיסיקלית, והרשת תשאף כמובן לפעול במינימום האנרגיה.
כעת ניתן להציג לרשת כל מיני גירויים, למשל את כל אותיות האלף בית, ובעקבות כל חשיפה כזו, הקשרים יתחזקו ויחלשו והרשת תלמד. לאחר האימון, אם נציג לרשת רמז לאחת האותיות, למשל את החצי הימני של האות A, היא תסיק מהגירוי החלקי מה הגירוי המלא. בעצם, הרשת של הופפילד מציגה זכרון אסוציאטיבי, רשת שלמדה לזכור דברים מסוימים, ומסוגלת לשחזר אותם רק על בסיס אסוציאציות, וזו תכונה שקיימת אצל כולנו והמוח שלנו גם מסוגל לבצע.
ואכן, בחודש שעבר, האיש הכל כך מיוחד הזה שכבר חצה את גיל 91, בא על שכרו שוב לאחר שזכה בפרס נובל. זהו אמנם פרס שניתן בפיסיקה, אבל הוא גאווה אדירה לחקר המוח. דורות של פיזיקאים תיאורטיים שיושבים ביחד איתי באותו הבניין באוניברסיטה גדלו על הופפילד, והמחקר שלו השתית המון מהבסיס שעליו נסמכים מדעי המוח החישוביים.
מאז הופפילד, גם תחום הבינה המלאכותית והלמידה החישובית בפרט הלכו והשתכללו, הרבה בזכות ג’פרי הינטון, שחלק איתו את פרס הנובל וגם המחקר שלו, בפרט זה שקשור באלגוריתם ה-Back propagation ובלמידה עמוקה, היה חשוב מאוד לעולם הקוגניציה החישובית, אבל גם כיום הרבה מהתוכנות החשובות שנמצאות בשוק הבינה המלאכותית, בנויות בסופו של דבר על רעיונותיו של הופפילד, ובעצם, שואבות את השראתן מהמוח האנושי.
אני רוצה להודות לתומכי הפטריאון של הבלוג, ובראשם למתן רינג, יובל שער, בני גויכמן ותמר כהן, התומכים המובילים. אם התוכן עניין אתכם, אני מזמין אתכם להפוך גם לתומכים, לעזור ל”סיור מוחות” לצמוח ולקבל מגוון רחב של הטבות כמו תכנים בלעדיים, יכולת להשפיע על הנושאים וצפייה בפוסטים לפני כולם. פרטים נוספים כאן
הצטרפו לרשימת התפוצה של הבלוג וקבלו את התכנים ישירות למייל
ג’ון הופפילד (ויקיפדיה)
קראתי שדווקא החומר “האפור” בין הסינפסות הוא החשוב.