يشهد علم الأعصاب الحاسوبي والذكاء الاصطناعي والعلوم المعرفية تحولاً جذرياً في فهم كيفية إدراك الكائنات الحية للعالم وتفاعلها معه. فبدلاً من النظر إلى الدماغ بوصفه آلة سلبية تستقبل المدخلات الحسية وتعالجها خطياً لإنتاج استجابات حركية، برزت أطر نظرية موحدة تفسر الإدراك والفعل بوصفهما وجهين لعملة حسابية واحدة. في قلب هذا التحول يقف مفهومان محوريان هما الاستدلال الإدراكي (Perceptual Inference) والاستدلال النشط (Active Inference). ورغم أن كلا المفهومين ينبثقان من جذور رياضية وفلسفية متقاربة ترتبط بنظرية الاحتمالات البايزية ومبدأ الطاقة الحرة التباينية، فإن التمييز الدقيق بينهما يمثل حجر الزاوية لفهم الفارق بين مجرد تفسير العالم وتغييره فعلياً.
إن التساؤل حول كيفية تمكن الدماغ من استنتاج الأسباب الخفية وراء الإشارات الحسية الغامضة والمشوشة قد شغل الفلاسفة والعلماء لقرون طويلة. وقد قدم الاستدلال الإدراكي إجابة أنيقة تقوم على تحديث المعتقدات الداخلية لتقليل الفجوة بين التوقعات والواقع الحسي. غير أن الكائنات الحية لا تكتفي بالمراقبة الصامتة؛ فهي تتحرك، وتبحث، وتعدل بيئتها باستمرار لتأمين بقائها وتحقيق أهدافها. هنا يأتي الاستدلال النشط ليوسع هذا الإطار، مقترحاً أن الفعل الحركي نفسه هو عملية استدلالية تهدف إلى تشكيل المدخلات الحسية المستقبلية بحيث تتطابق مع التوقعات والتفضيلات الداخلية للوكيل.
تهدف هذه المقالة الأكاديمية الشاملة إلى تقديم مقارنة منهجية ومعمقة بين الاستدلال النشط والاستدلال الإدراكي. سنستعرض الأسس النظرية والرياضية لكل منهما، ونحلل آلياتهما العصبية والحسابية، ونوضح أوجه التشابه والتداخل بينهما، فضلاً عن الفروق الجوهرية التي تحدد نطاق استخدام كل إطار في الأبحاث العصبية وتطبيقات الذكاء الاصطناعي والروبوتات. ومن خلال هذا التحليل المتوازن، سيتضح كيف يتكامل هذان المفهومان لتشكيل نظرية شاملة للعقل والسلوك.
1. مقدمة: الإطار المفاهيمي للاستدلال النشط والاستدلال الإدراكي
1.1 تعريف الاستدلال الإدراكي والاستدلال النشط
يُعرَّف الاستدلال الإدراكي بأنه العملية الحسابية والعصبية التي يقوم من خلالها الوكيل أو الكائن الحي باستنتاج الأسباب الخفية في العالم الخارجي انطلاقاً من المدخلات الحسية الواردة إليه. في هذا الإطار، تُعامل الإشارات الحسية بوصفها نتائج غير مباشرة ومشوشة لحالات بيئية غير مرئية بشكل مباشر، مثل شكل الجسم أو موقعه أو مصدر الصوت. ولحل هذه المعضلة العكسية، يمتلك الدماغ نموذجاً توليدياً داخلياً يربط بين الأسباب الخفية والنتائج الحسية المتوقعة. وعند وصول بيانات حسية جديدة، يقوم الاستدلال الإدراكي بتحديث المعتقدات الداخلية للوكيل — أي التوزيعات الاحتمالية حول الحالات الخفية — بحيث تصبح هذه المعتقدات قادرة على تفسير المدخلات الحسية وتقليل التناقض بين ما يتوقعه النموذج وما تستقبله الحواس فعلياً. وبعبارة أخرى، فإن اتجاه الملاءمة في الاستدلال الإدراكي هو من العقل إلى العالم، حيث تتغير التمثيلات الداخلية لتتناسب مع الواقع الخارجي الثابت نسبياً أثناء لحظة الرصد.
في المقابل، يمثل الاستدلال النشط إطاراً نظرياً أوسع وأكثر شمولية يجمع بين تحديث المعتقدات الداخلية وتوجيه الأفعال الحركية في البيئة ضمن مبدأ حسابي موحد. فبدلاً من الاكتفاء بتعديل المعتقدات لتفسير البيانات الحسية الواردة، يقوم الوكيل في الاستدلال النشط بالتدخل الفيزيائي في البيئة لتغيير المدخلات الحسية نفسها بحيث تتوافق مع توقعاته المسبقة وتفضيلاته البنيوية. وهنا ينعكس اتجاه الملاءمة ليشمل أيضاً الانتقال من العالم إلى العقل؛ إذ لا ينتظر الكائن الحي وصول بيانات جديدة لتبديد الغموض، بل يتحرك بنشاط لاستكشاف البيئة أو تعديلها. وتُصاغ الأوامر الحركية في هذا الإطار بوصفها تنبؤات حسية عميقة هابطة، تتولى الأقواس الانعكاسية الشوكية تنفيذها عبر انقباض العضلات لتقليل خطأ التنبؤ الحركي.
يرتبط كلا المفهومين ارتباطاً جذرياً بنظرية الاستدلال البايزي ومبدأ الطاقة الحرة التباينية. ففي الاستدلال البايزي الدقيق، يتطلب حساب الاحتمال اللاحق للأسباب الخفية إجراء تكاملات رياضية معقدة عبر فضاء الحالات بأكمله، وهو أمر مستحيل حسابياً في الأنظمة البيولوجية المعقدة. لذلك، يعتمد كل من الاستدلال الإدراكي والاستدلال النشط على التقريب التبايني، حيث يتم استبدال مشكلة التكامل الصعبة بمشكلة تحسين رياضية تتمثل في تقليل دالة تُعرف بالطاقة الحرة التباينية. تمثل هذه الدالة حداً أعلى للمفاجأة الحسية، ومن خلال تقليلها، يحقق الوكيل تقريباً مثالياً للاستدلال البايزي. غير أن الفارق الحاسم يكمن في المتغيرات التي يتم تحسين هذه الدالة بالنسبة إليها: فالاستدلال الإدراكي يقلل الطاقة الحرة بالنسبة للمعتقدات الداخلية فقط، بينما يقللها الاستدلال النشط بالنسبة لكل من المعتقدات والأفعال معاً.
1.2 أسباب المقارنة ومواطن الالتباس الشائعة
تنشأ الحاجة الملحة للمقارنة الدقيقة بين الاستدلال النشط والاستدلال الإدراكي من التداخل المفاهيمي العميق بينهما في الأدبيات العلمية المعاصرة. فكلا الإطارين يعتمدان على النماذج التوليدية الهرمية، وكلاهما يفسران النشاط العصبي بوصفه آلية لتقليل أخطاء التنبؤ عبر مستويات القشرة المخية. ونظراً لأن الاستدلال النشط يستخدم نفس البنية الرياضية للطاقة الحرة التباينية التي تأسس عليها الاستدلال الإدراكي، يقع العديد من الباحثين والطلاب في لبس مفاهيمي يؤدي إلى استخدام المصطلحين بالتبادل، أو إلى افتراض أن الاستدلال النشط هو مجرد تسمية جديدة للترميز التنبؤي التقليدي، أو على العكس من ذلك، اعتباره نظرية منافسة ومناقضة للاستدلال الإدراكي.
أحد أبرز مواطن الالتباس الشائعة يتمثل في الخلط بين المعالجة الحسية السلبية والتفاعل الحركي النشط مع البيئة. ففي كثير من الدراسات التجريبية في علم الأعصاب الإدراكي، يتم تثبيت رأس المشارك أو منعه من الحركة أثناء عرض مثيرات بصرية أو سمعية، ثم تُفسَّر النتائج باستخدام نماذج الاستدلال الإدراكي. ورغم نجاح هذه النماذج في تفسير الاستجابات القشرية في تلك الظروف المقيدة، فإن تعميمها على السلوك الطبيعي في العالم الحقيقي يؤدي إلى إغفال الدور السببي للفعل في تشكيل الإدراك نفسه. ففي الواقع البيولوجي، لا تنفصل الرؤية عن حركة العينين، ولا ينفصل اللمس عن حركة الأصابع، مما يجعل الفصل التعسفي بين الإدراك والفعل مصدراً لتفسيرات ناقصة.
علاوة على ذلك، تبرز أهمية التمييز الدقيق بين الإطارين عند الانتقال إلى التطبيقات العملية في مجالي الذكاء الاصطناعي والطب النفسي الحاسوبي. ففي هندسة الذكاء الاصطناعي، يؤدي الخلط بينهما إلى تصميم أنظمة قادرة على تصنيف البيانات بدقة فائقة عبر الاستدلال الإدراكي، لكنها تعجز تماماً عن اتخاذ قرارات تفاعلية أو استكشاف بيئات غامضة لأنها تفتقر إلى آلية تقييم الطاقة الحرة المتوقعة التي يتيحها الاستدلال النشط. أما في علم الأعصاب والطب النفسي، فإن التمييز بين الخلل في تحديث المعتقدات الإدراكية والخلل في اختيار الأفعال وتقدير الدقة الحركية يعد أمراً حاسماً لفهم اضطرابات مثل الفصام، والتوحد، واضطرابات الأكل، والتأتأة، حيث تتداخل الأعراض الإدراكية مع السلوكيات الحركية والتنظيمية بشكل معقد.
2. نظرة شاملة على الاستدلال النشط
2.1 الأسس النظرية ومبدأ الطاقة الحرة
يرتكز الاستدلال النشط على مبدأ الطاقة الحرة الذي صاغه عالم الأعصاب كارل فريستون لتفسير كيفية محافظة الأنظمة البيولوجية ذاتية التنظيم على بقائها واتزانها الداخلي في مواجهة الميل الطبيعي للكون نحو الفوضى والانتروبيا. ينطلق هذا المبدأ من حقيقة بيولوجية أساسية مفادها أن أي كائن حي يجب أن يحصر نفسه ضمن مجموعة محدودة من الحالات الفيزيولوجية والبيئية التي تضمن استمرار حياته، مثل الحفاظ على درجة حرارة الجسم أو مستوى السكر في الدم ضمن نطاقات ضيقة. ومن الناحية الإحصائية، يعني هذا أن الكائن الحي يجب أن يقلل من احتمالية تعرضه لحالات مفاجئة أو غير متوقعة تتعارض مع بنيته الحيوية. وبما أن حساب المفاجأة الحسية بشكل مباشر يتطلب معرفة التوزيع الاحتمالي الكامل لجميع الحالات الممكنة في الكون، وهو أمر مستحيل، فإن الكائن الحي يقلل بدلاً من ذلك كمية قابلة للحساب محلياً هي الطاقة الحرة التباينية، والتي تمثل حداً أعلى للمفاجأة.
ولكي يتمكن الوكيل من التخطيط للمستقبل واختيار الأفعال التي تضمن بقاءه قبل وقوع الأحداث، يوسع الاستدلال النشط مفهوم الطاقة الحرة ليشمل المستقبل عبر ما يُعرف بـ الطاقة الحرة المتوقعة. فبينما تقيس الطاقة الحرة التباينية مدى تطابق المعتقدات الحالية مع البيانات الحسية الواردة في اللحظة الراهنة، تقوم الطاقة الحرة المتوقعة بتقييم السياسات أو تسلسلات الأفعال المستقبلية المحتملة بناءً على النتائج الحسية التي يتوقع الوكيل أن يختبرها إذا نفذ تلك الأفعال. وبذلك، لا يختار الوكيل أفعاله بناءً على ردود فعل آنية فحسب، بل يختار السياسة التي تقلل الطاقة الحرة المتوقعة في المستقبل، مما يدمج التخطيط الاستراتيجي واتخاذ القرار في صلب العملية الاستدلالية.
ولفهم كيفية فصل الكائن الحي عن بيئته مع استمرار تفاعله معها، يعتمد الإطار النظري للاستدلال النشط على مفهوم الحدود الماركوفية (Markov Blankets). يمثل الحد الماركوفي مجموعة من الحالات الإحصائية التي تفصل الحالات الداخلية للوكيل (مثل النشاط العصبي في الدماغ) عن الحالات الخارجية للبيئة. ويتكون هذا الحد من فئتين من الحالات: الحالات الحسية التي تنقل التأثيرات من البيئة إلى الداخل، والحالات النشطة أو الحركية التي تنقل التأثيرات من الداخل إلى البيئة. وبفضل هذا الفصل الإحصائي، لا تتفاعل الحالات الداخلية مع العالم الخارجي بشكل مباشر، بل تتفاعل معه حصراً عبر الحالات الحسية والحركية. وهذا يعني أن الدماغ يبني نموذجه التوليدي للعالم الخارجي انطلاقاً من التغيرات التي تطرأ على حدوده الماركوفية، ويستخدم أفعاله لتشكيل هذه الحدود بما يخدم بقاءه.
2.2 الآلية الحركية وتحديث النماذج التوليدية عبر الفعل
يقدم الاستدلال النشط تفسيراً ثورياً للتحكم الحركي يختلف جذرياً عن النظريات الكلاسيكية في علم الحركة والروبوتات. ففي النظريات التقليدية، يُفترض أن الدماغ يحسب أولاً المسار الحركي المطلوب، ثم يستخدم نموذجاً عكسياً معقداً لحساب القوى والعزوم العضلية اللازمة لتنفيذ ذلك المسار. أما في الاستدلال النشط، فيتم الاستغناء تماماً عن النماذج العكسية؛ إذ تُفسَّر الأوامر الحركية الصادرة من القشرة الحركية بوصفها تنبؤات حسية عميقة (Proprioceptive Predictions) تصف الحالة الحسية التي ينبغي أن تشعر بها العضلات والمفاصل إذا تحركت نحو الهدف المنشود. وعندما تصل هذه التنبؤات الهابطة إلى الحبل الشوكي، فإنها تُقارن بالإشارات الحسية العميقة الفعلية الواردة من المستقبلات العضلية. وإذا كان الطرف ساكناً بينما يتنبأ الدماغ بأنه في حالة حركة، ينشأ خطأ تنبؤ حركي كبير، فتقوم الأقواس الانعكاسية الشوكية تلقائياً بتقليص العضلات لتحريك الطرف حتى يتلاشى خطأ التنبؤ وتتحقق الحالة المتوقعة.
ومن أبرز الخصائص الرياضية للطاقة الحرة المتوقعة أنها تنقسم تلقائياً إلى مكونين متكاملين يفسران الموازنة الدقيقة بين الاستكشاف والاستغلال دون الحاجة إلى قواعد إضافية مصطنعة. المكون الأول هو القيمة المعرفية (Epistemic Value)، والتي تدفع الوكيل إلى اختيار الأفعال التي تقلل من عدم اليقين والغموض حول الحالات الخفية في البيئة، مثل تحريك العينين نحو مصدر صوت غير مألوف أو فتح صندوق لمعرفة محتواه. أما المكون الثاني فهو القيمة البراغماتية (Pragmatic Value)، والتي تدفع الوكيل إلى اختيار الأفعال التي تحقق تفضيلاته المسبقة وأهدافه الحيوية، مثل التوجه نحو مصدر الطعام عند الشعور بالجوع. وبما أن الوكيل يقلل مجموع هذين المكونين معاً، فإنه يبدأ بالاستكشاف عندما يكون عدم اليقين مرتفعاً، ثم يتحول بسلاسة إلى الاستغلال بمجرد أن تتضح معالم البيئة.
يتطلب تنفيذ هذه الآلية الحركية تكاملاً دقيقاً بين الإشارات الحسية العميقة والأوامر الحركية في القشرة المخية، وهو ما يرتبط بظاهرة عصبية مهمة تُعرف بالتوهين الحسي (Sensory Attenuation). فلكي يتمكن الوكيل من تحريك جسمه عبر التنبؤات الهابطة دون أن يقوم الدماغ بتحديث معتقداته ليقتنع بأنه لا يتحرك، يجب عليه أن يخفض مؤقتاً من الدقة المقدرة (Precision) لأخطاء التنبؤ الحسية الواردة من العضلات أثناء بدء الحركة. هذا التخفيض المؤقت يسمح للتنبؤات الحركية بالسيطرة على الواقع الحسي ودفع العضلات للاستجابة، وهو ما يفسر أيضاً لماذا يشعر الإنسان بالمدخلات الحسية الناتجة عن أفعاله الذاتية بشكل أضعف مقارنة بالمدخلات الخارجية، مثل عدم قدرة الإنسان على دغدغة نفسه.
2.3 التطبيقات في الروبوتات والذكاء الاصطناعي وعلم الأعصاب
فتح الاستدلال النشط آفاقاً واسعة في مجال الروبوتات والذكاء الاصطناعي، لا سيما في تصميم وكلاء مستقلين قادرين على التكيف مع البيئات الديناميكية وغير المتوقعة. فبينما تعتمد خوارزميات التعلم المعزز التقليدية على دوال مكافأة خارجية مصممة يدوياً لكل مهمة، يستبدل الاستدلال النشط دالة المكافأة بتوزيعات احتمالية مسبقة تمثل الحالات المفضلة للوكيل. يتيح هذا النهج للروبوتات تعلم مهارات معقدة مثل الملاحة، والتقاط الأجسام، وتجنب العقبات في بيئات متغيرة، مع قدرة فطرية على الاستكشاف الآمن وتقليل الغموض عند مواجهة مواقف جديدة لم تتدرب عليها مسبقاً.
في علم الأعصاب الإدراكي، استُخدم الاستدلال النشط لتفسير طيف واسع من السلوكيات المعقدة التي كان يصعب توحيدها تحت مظلة نظرية واحدة. فعلى سبيل المثال، تُفسَّر حركات العين السريعة (Saccades) أثناء القراءة أو البحث البصري بوصفها تجارب نشطة يصممها الدماغ لجمع المعلومات الأكثر أهمية لتقليل عدم اليقين حول المشهد البصري أو النص المقروء. وقد أظهرت أبحاث حديثة كيف يمكن دمج النماذج اللغوية الكبيرة مع الاستدلال النشط لفهم حركات العين أثناء القراءة وتفسير صعوبات القراءة مثل عسر القراءة (Donnarumma et al., 2025). كما يمتد هذا الإطار ليشمل التفاعل الاجتماعي، حيث يتنبأ الوكيل بنوايا الآخرين وأفعالهم عبر محاكاة نماذجهم التوليدية وتعديل سلوكه التواصلي بناءً على ذلك.
أما في مجال الطب النفسي الحاسوبي، فقد قدم الاستدلال النشط أدوات تحليلية دقيقة لنمذجة الاضطرابات النفسية والعصبية بوصفها اختلالات في تقدير الدقة (Precision Weighting) أثناء الإدراك أو اختيار الفعل. فعلى سبيل المثال، تم تقديم نماذج تفسر اضطراب التأتأة بوصفه خللاً في الموازنة بين التنبؤات الحركية للكلام والتغذية الراجعة السمعية والحسية العميقة، مما يؤدي إلى توقفات أو تكرارات في النطق نتيجة محاولة النظام حل أخطاء التنبؤ المتضاربة (Usler, 2024; Usler, 2025). وبالمثل، استُخدم الاستدلال النشط لفهم اضطرابات مثل فقدان الشهية العصبي من خلال تحليل كيفية تعامل الدماغ مع الإشارات الحسية الداخلية (Interoceptive Streams) ومحاولة السيطرة عليها عبر سلوكيات مقيدة لتقليل المفاجأة الفيزيولوجية (Barca & Pezzulo, 2020).
3. نظرة شاملة على الاستدلال الإدراكي
3.1 الجذور التاريخية ونظرية الدماغ البايزي
تعود الجذور الفلسفية والعلمية للاستدلال الإدراكي إلى القرن التاسع عشر، وتحديداً إلى أعمال الفيزيائي والطبيب الألماني هيرمان فون هيلمهولتز في كتابه المرجعي حول البصريات الفيزيولوجية. فقد لاحظ هيلمهولتز أن الإشارات التي تصل إلى شبكية العين أو الأذن الداخلية تكون بطبيعتها غامضة وناقصة؛ إذ يمكن لعدد لا نهائي من الأجسام ثلاثية الأبعاد ذات الأحجام والمسافات المختلفة أن تسقط الصورة ثنائية الأبعاد نفسها على الشبكية. ولحل هذه المشكلة، اقترح هيلمهولتز أن الإدراك ليس مجرد تسجيل سلبي للواقع، بل هو عملية استدلال لاواعٍ يقوم فيها الدماغ باستنتاج السبب الأكثر احتمالاً للمدخلات الحسية بالاعتماد على الخبرة السابقة والمعرفة المكتسبة حول بنية العالم.
تطورت أفكار هيلمهولتز في العقود الأخيرة من القرن العشرين وبدايات القرن الحادي والعشرين لتتبلور في ما يُعرف بـ فرضية الدماغ البايزي (Bayesian Brain Hypothesis). تنص هذه الفرضية على أن الدماغ يمثل المعرفة حول العالم في صورة توزيعات احتمالية، وأنه يطبق قواعد الاستدلال البايزي بشكل شبه مثالي لدمج المعرفة المسبقة (Prior Beliefs) مع الأدلة الحسية الجديدة (Likelihood) لإنتاج المعتقد اللاحق (Posterior Belief). وقد أظهرت تجارب نفسية وفيزيائية عصبية متعددة أن البشر يدمجون الإشارات الحسية من حواس مختلفة، مثل البصر واللمس، بطريقة تتوافق بدقة مع الترجيح البايزي المثالي القائم على موثوقية كل حاسة، وهو ما يظهر بوضوح في دراسات إدراك ملكية الجسد والتكامل متعدد الحواس (Samad et al., 2015).
ولترجمة فرضية الدماغ البايزي إلى آلية عصبية ملموسة، برزت نظرية الترميز التنبؤي (Predictive Coding) بوصفها الخوارزمية الأساسية التي تنفذ الاستدلال الإدراكي في القشرة المخية. فبدلاً من إرسال الإشارات الحسية الخام صعوداً عبر التسلسل الهرمي العصبي، اقترح باحثون مثل راو وبالارد في أواخر التسعينيات أن المستويات القشرية العليا ترسل تنبؤات هابطة إلى المستويات الدنيا، بينما تقتصر الإشارات الصاعدة على نقل أخطاء التنبؤ، أي الفرق بين ما تم التنبؤ به وما ورد فعلياً من الحواس. وقد تبنى كارل فريستون هذا النموذج وعممه ضمن مبدأ الطاقة الحرة، موضحاً أن الترميز التنبؤي الهرمي هو الطريقة التي يقلل بها الدماغ الطاقة الحرة التباينية لتحديث معتقداته الإدراكية.
3.2 آلية معالجة المدخلات الحسية وتقليل خطأ التنبؤ
تعمل آلية الاستدلال الإدراكي عبر بنية هرمية ثنائية الاتجاه في القشرة المخية. في هذه البنية، تمثل المستويات العليا مفاهيم مجردة وبطيئة التغير زمنياً، مثل هوية الجسم أو السياق العام للمشهد، بينما تمثل المستويات الدنيا سمات حسية أولية وسريعة التغير، مثل الحواف والألوان والترددات الصوتية. تتدفق التنبؤات باستمرار من المستويات العليا إلى المستويات الدنيا عبر الوصلات العصبية الراجعة (Top-down Projections)، محاولةً التنبؤ بالنشاط العصبي في المستوى الأدنى. وعندما تصل هذه التنبؤات إلى المستوى الأدنى، تُطرح من الإشارات الواردة من الحواس أو من مستويات أدنى، لينتج عن عملية الطرح هذه إشارة خطأ التنبؤ.
تنتقل إشارات خطأ التنبؤ صعوداً عبر الوصلات العصبية الأمامية (Bottom-up Projections) إلى المستويات العليا، حيث تُستخدم لتعديل وتحديث التوزيعات الاحتمالية اللاحقة (المعتقدات الداخلية). وتستمر هذه الحلقة التكرارية من التنبؤ والمقارنة والتحديث بسرعة فائقة في أجزاء من الثانية حتى تتلاشى أخطاء التنبؤ أو تصل إلى حدها الأدنى الممكن. وعند تلك النقطة، يكون الدماغ قد توصل إلى أفضل تفسير ممكن للأسباب الخفية التي أنتجت المدخلات الحسية الراهنة، وهو ما نختبره ذاتياً بوصفه إدراكاً واعياً واضحاً ومستقراً للعالم من حولنا.
يلعب مفهوم الدقة الحسية (Sensory Precision) دوراً محورياً في توجيه عملية التحديث هذه. فالدقة هي المعكوس الرياضي للتباين أو الضوضاء في الإشارة؛ أي أنها تعبر عن مدى ثقة الدماغ في موثوقية الدليل الحسي مقارنة بثقته في توقعاته المسبقة. فإذا كانت الإشارة الحسية واضحة ونقية (دقة حسية عالية)، فإن أخطاء التنبؤ الناتجة عنها تحظى بوزن كبير، مما يجبر المستويات العليا على تعديل معتقداتها بسرعة لتتوافق مع الواقع الجديد. أما إذا كانت البيئة ضبابية أو مظلمة أو مشوشة (دقة حسية منخفضة)، فإن الدماغ يخفض من وزن أخطاء التنبؤ الحسية ويعتمد بشكل أكبر على معرفته المسبقة لتفسير المشهد، مما يحمي النظام الإدراكي من الانجراف وراء الضوضاء العشوائية.
3.3 النطاقات البحثية والتطبيقية للاستدلال الإدراكي
يتمتع الاستدلال الإدراكي بقدرة تفسيرية هائلة في فهم الظواهر النفسية والعصبية، وعلى رأسها الخداع البصري والسمعي. ففي حالات الخداع الإدراكي، لا يخطئ الدماغ بسبب عطل في أعضائه الحسية، بل لأن التوقعات المسبقة القوية التي اكتسبها عبر التطور والخبرة تتغلب على البيانات الحسية الغامضة أو المتناقضة. فعلى سبيل المثال، عندما نرى وجهاً مقعراً (خداع القناع المجوف)، يصر الدماغ على إدراكه كوجه محدب بارز لأن الاحتمال المسبق لكون الوجوه محدبة في الطبيعة مرتفع للغاية لدرجة تطغى على إشارات التظليل الضعيفة. وبالمثل، تُفسَّر استجابات الدماغ الكهربائية للأصوات غير المتوقعة، مثل موجة السلبية غير المتطابقة (Mismatch Negativity)، بوصفها مؤشراً مباشراً على توليد أخطاء التنبؤ عند كسر التوقعات السمعية.
في المجال التقني، ألهم الاستدلال الإدراكي تطورات كبرى في الرؤية الحاسوبية ومعالجة اللغات الطبيعية عبر النماذج التوليدية العميقة، مثل المشفرات التلقائية التباينية (Variational Autoencoders) ونماذج الانتشار. تعتمد هذه الأنظمة على تعلم نموذج توليدي للبيانات، ثم استخدام الاستدلال التبايني لاستنتاج التمثيلات الكامنة للصور أو النصوص. كما أظهرت الأبحاث في علم الأعصاب الإدراكي أن الأهمية البصرية المكتسبة (Learned Visual Relevance) تشكل عملية الاستدلال الإدراكي وتوجه كيفية استخلاص المعلومات من المدخلات البصرية لخدمة المهام المعرفية المختلفة (Dong et al., 2026)، كما تسهم في فهم التصنيف الإدراكي والتشابه النفسي من منظور بايزي (Poth, 2020).
علاوة على ذلك، يوفر الاستدلال الإدراكي إطاراً دقيقاً لتحليل آليات الانتباه الحسي وتصفية الضوضاء في الأنظمة العصبية. ففي هذا الإطار، لا يُنظر إلى الانتباه بوصفه مجرد كشاف ضوئي يسلط على جزء من المشهد، بل بوصفه عملية تحسين للدقة (Precision Optimization)؛ حيث يقوم الدماغ بزيادة الكسب المشبكي للخلايا العصبية التي تنقل أخطاء التنبؤ من القنوات الحسية المهمة للسياق الحالي، بينما يثبط القنوات غير ذات الصلة. هذا التعديل الديناميكي للدقة يسمح للنظام العصبي بالتركيز على الإشارات ذات القيمة المعلوماتية العالية وتجاهل الضوضاء الخلفية بكفاءة عالية.
4. الفروق الجوهرية بين الاستدلال النشط والاستدلال الإدراكي
على الرغم من الاشتراك في الجذور البايزية ومبدأ تقليل الطاقة الحرة، فإن الفروق بين الاستدلال النشط والاستدلال الإدراكي جوهرية وتمس الهدف الوظيفي، والصياغة الرياضية، وطبيعة العلاقة مع البيئة. يوضح الجدول التالي مقارنة شاملة ومباشرة بين الإطارين عبر الأبعاد الرئيسية:
| المعيار | الاستدلال الإدراكي (Perceptual Inference) | الاستدلال النشط (Active Inference) |
|---|---|---|
| الهدف الوظيفي الأساسي | تحديث المعتقدات الداخلية للوكيل لتفسير المدخلات الحسية الواردة وتطابقها مع الواقع الخارجي. | تحديث المعتقدات الداخلية وتوجيه الأفعال الحركية لتغيير المدخلات الحسية بحيث تطابق التوقعات والتفضيلات. |
| اتجاه الملاءمة (Direction of Fit) | من العقل إلى العالم (Mind-to-World): تعديل التمثيلات الداخلية لتناسب البيانات الثابتة. | من العالم إلى العقل (World-to-Mind) بالإضافة إلى العكس: تعديل العالم عبر الفعل ليطابق التوقعات. |
| الدالة الرياضية المحسَّنة | تقليل الطاقة الحرة التباينية (F) بالنسبة للمعتقدات الداخلية فقط. | تقليل الطاقة الحرة التباينية (F) بالنسبة للمعتقدات والأفعال، وتقليل الطاقة الحرة المتوقعة (G) لاختيار السياسات. |
| دور الفعل الحركي | غائب تماماً أو يُعامل كمتغير ثابت خارج نطاق النموذج الاستدلالي. | متغير أساسي ومكون جوهري في تقليل خطأ التنبؤ وتحقيق الاستكشاف والاستغلال. |
| طبيعة البيانات الحسية | مدخلات معطاة وثابتة تفرض على الوكيل مراجعة معتقداته. | نتائج متغيرة يختارها الوكيل ويشكلها بنشاط عبر أفعاله في البيئة. |
| التعامل مع الغموض | الانتظار السلبي لوصول بيانات جديدة أو الاعتماد على التوقعات المسبقة. | البحث النشط عن المعلومات (القيمة المعرفية) لتبديد الغموض عبر الاستكشاف الموجه. |
| التكلفة الحسابية | منخفضة نسبياً؛ تقتصر على تحديث الحالة الراهنة دون محاكاة المستقبل. | مرتفعة؛ تتطلب تقييم مسارات الفعل المستقبلية والسياسات الممكنة عبر الزمن. |
| الآلية العصبية المميزة | الترميز التنبؤي الحسي (تحديث التمثيلات القشرية عبر أخطاء التنبؤ الصاعدة). | الترميز التنبؤي الحسي الحركي (تضمين الأقواس الانعكاسية الشوكية والتوهين الحسي). |
4.1 التعريف والهدف الوظيفي الأساسي
يكمن الفارق الوظيفي الأول والأكثر وضوحاً بين الإطارين في الغاية التي يسعى كل منهما إلى تحقيقها. فالاستدلال الإدراكي يهدف حصراً إلى تغيير المعتقدات الداخلية للوكيل لكي تطابق العالم الخارجي بأكبر قدر ممكن من الدقة. في هذا النموذج، يقف الوكيل موقف المراقب الذي يتلقى تياراً من البيانات الحسية، وتنحصر مهمته في الإجابة عن السؤال التالي: ما هي الحالة الخفية في العالم التي من المرجح أنها سببت هذه الإشارات الحسية؟ وبمجرد أن تتعدل المعتقدات الداخلية لتفسر البيانات الواردة، تنتهي مهمة الاستدلال الإدراكي.
في المقابل، يوسع الاستدلال النشط هذا الهدف ليشمل تغيير العالم الخارجي نفسه عبر الفعل الحركي لكي يطابق المعتقدات والتفضيلات الداخلية للوكيل، وذلك جنباً إلى جنب مع تحديث المعتقدات. فالكائن الحي لا يسعى فقط إلى فهم العالم، بل يسعى إلى البقاء فيه ضمن حالات فيزيولوجية وبيئية محددة. فإذا شعر الكائن بانخفاض درجة حرارته، فإن الاستدلال الإدراكي يخبره بأن الجو بارد، لكن هذا الفهم وحده لا ينقذه من التجمد. هنا يتدخل الاستدلال النشط ليحول التوقع الداخلي بضرورة الدفء إلى أفعال حركية تدفع الكائن للبحث عن مأوى أو مصدر حرارة، مما يغير مدخلاته الحسية المستقبلية لتطابق حالته المفضلة.
وبناءً على ذلك، يركز الاستدلال الإدراكي على المراقبة السلبية أو المفتوحة (Open-loop) حيث لا تؤثر مخرجات النظام الاستدلالي في مدخلاته المستقبلية. أما الاستدلال النشط، فيعمل ضمن حلقة تفاعلية مغلقة (Closed-loop) مع البيئة؛ حيث تؤدي المعتقدات إلى أفعال، وتغير الأفعال حالة البيئة، وتنتج البيئة المتغيرة مدخلات حسية جديدة، تعود بدورها لتحديث المعتقدات في دورة مستمرة لا تتوقف.
4.2 الآلية الرياضية والحسابية
من الناحية الرياضية، يعتمد الاستدلال الإدراكي على تقليل دالة الطاقة الحرة التباينية (Variational Free Energy) بالنسبة للمتغيرات التي تمثل المعتقدات الداخلية فقط (أي التوزيع التبايني التقريبي للحالات الخفية). وتُجرى عملية التحسين هذه عادةً عبر خوارزميات النزول التدرجي (Gradient Descent) التي تحاكي ديناميكيات الخلايا العصبية في القشرة المخية، حيث تستقر الشبكة العصبية عند نقطة دنيا محلية تمثل التفسير الأمثل للمدخلات الحسية الحالية.
أما الاستدلال النشط، فيقوم بتقليل الطاقة الحرة التباينية بالنسبة لكل من المعتقدات الداخلية والأفعال الحركية معاً. ولأن الفعل لا يمكنه تغيير الماضي أو الحاضر اللحظي بشكل مباشر، بل يؤثر في الحالات المستقبلية والمدخلات الحسية اللاحقة، فإن الاستدلال النشط يضيف طبقة رياضية ثانية تتمثل في تقييم الطاقة الحرة المتوقعة (Expected Free Energy) لاختيار السياسات المستقبلية. تتطلب هذه الدالة حساب التوقعات عبر مسارات زمنية مستقبلية، ودمج القيمة المعرفية (تقليل عدم اليقين) مع القيمة البراغماتية (تحقيق التفضيلات المسبقة) في معادلة واحدة تحدد احتمالية اختيار كل سياسة حركية.
ينعكس هذا الاختلاف الرياضي مباشرة على التعقيد الحسابي لكل من الإطارين. فالاستدلال الإدراكي أقل تكلفة حسابياً بشكل ملحوظ، لأنه يتعامل مع البيانات المتاحة في اللحظة الراهنة ولا يحتاج إلى محاكاة شجرة الاحتمالات المستقبلية أو تقييم عواقب تسلسلات طويلة من الأفعال. في المقابل، يواجه الاستدلال النشط تحدياً حسابياً أكبر بكثير، خاصة في البيئات المعقدة ذات فضاءات الحالات والأفعال الواسعة، حيث يتزايد عدد السياسات الممكنة بشكل أسي مع زيادة أفق التخطيط الزمني.
4.3 الدور التفاعلي مع البيئة والقيود الحسية
تختلف طبيعة العلاقة السببية بين الوكيل والبيئة اختلافاً جذرياً بين الإطارين. ففي الاستدلال الإدراكي، تظل البيئة مستقلة تماماً عن استنتاجات الوكيل ولا تتأثر بها بشكل مباشر. سواء استنتج الوكيل وجود خطر أم لا، فإن البيئة تستمر في توليد مدخلاتها الحسية وفق قوانينها الخاصة دون أي تدخل من الوكيل. وبالتالي، فإن الوكيل يكون مقيداً بنوعية وجودة البيانات التي تصله مصادفة أو التي يفرضها عليه المحيط.
على النقيض من ذلك، يمتلك الوكيل في الاستدلال النشط قدرة سببية حقيقية على تعديل مدخلاته الحسية المستقبلية عبر أفعاله. فبدلاً من أن يكون أسيراً للبيانات الواردة، يصبح الوكيل صانعاً لتجربته الحسية؛ إذ يختار أين ينظر، وماذا يلمس، وكيف يتحرك. هذا التحكم النشط في أخذ العينات الحسية (Active Sampling) يحول الإدراك من عملية استقبال سلبية إلى عملية استقصاء علمي مصغرة، حيث يختبر الوكيل فرضياته حول العالم عبر التدخل الفيزيائي ومراقبة النتائج.
ويظهر هذا الفارق بوضوح في كيفية تعامل كل إطار مع الغموض الحسي. فعندما يواجه الاستدلال الإدراكي مشهداً غامضاً أو مشوشاً، فإنه لا يملك سوى الانتظار السلبي لوصول بيانات جديدة أو الاعتماد على توقعاته المسبقة لملء الفراغات، مما قد يؤدي أحياناً إلى استنتاجات خاطئة أو أوهام إدراكية. أما الاستدلال النشط، فيتعامل مع الغموض بوصفه دافعاً معرفياً؛ إذ يوجه الوكيل أفعاله بنشاط نحو المصادر التي تزيل هذا الغموض، مثل الاقتراب من جسم غير واضح أو تدويره باليد لرؤية جوانبه الخفية، مما يرفع من دقة التمثيل الداخلي للعالم.
4.4 المزايا والعيوب والتطبيقات العملية
يتمتع الاستدلال الإدراكي بمزايا واضحة تجعله الخيار الأمثل في العديد من المهام الحاسوبية والتحليلية. فمن أبرز مزاياه الكفاءة الحسابية العالية، والبساطة النسبية في التصميم، والقدرة الفائقة على استخلاص الأنماط وتصنيف البيانات وتمييزها في البيئات الثابتة أو عند تحليل مجموعات بيانات مسجلة مسبقاً. غير أن عيبه الرئيسي يكمن في عجزه التام عن توجيه السلوك أو حل المشكلات التي تتطلب تدخلاً فيزيائياً أو تفاعلاً مستمراً مع بيئة متغيرة، فضلاً عن افتقاره إلى آلية ذاتية لتحديد ما هي البيانات التي تستحق البحث عنها.
في المقابل، تكمن قوة الاستدلال النشط في مرونته العالية في البيئات الديناميكية وغير المؤكدة، وقدرته الفريدة على توحيد الإدراك والتعلم والتخطيط والتحكم الحركي في معادلة رياضية واحدة متماسكة دون الحاجة إلى دوال مكافأة خارجية مصطنعة. كما أنه يوفر حلاً طبيعياً لمعضلة الموازنة بين الاستكشاف والاستغلال. ومع ذلك، يعاني الاستدلال النشط من عيوب وتحديات عملية، أبرزها التعقيد الحسابي الكبير عند تطبيقه في فضاءات الأفعال والحالات عالية الأبعاد، بالإضافة إلى صعوبة تحديد التفضيلات المسبقة (Priors) بدقة في الأنظمة الاصطناعية المعقدة بحيث لا يقع الوكيل في سلوكيات غير مرغوبة أو متناقضة.
5. أوجه التشابه والتداخل النظري
5.1 الاعتماد المشترك على النماذج التوليدية والاستدلال البايزي
رغم الفروق الجوهرية التي استعرضناها، فإن الاستدلال النشط والاستدلال الإدراكي يشتركان في أرضية نظرية ورياضية صلبة تجعلهما ينتميان إلى العائلة العلمية نفسها. فأول أوجه التشابه يكمن في اعتماد كلا الإطارين على النماذج التوليدية الهرمية لتمثيل البنية السببية للعالم. ففي كلتا الحالتين، لا يكتفي الوكيل بتعلم ارتباطات سطحية بين المدخلات والمخرجات، بل يبني نموذجاً داخلياً يحاكي كيفية توليد الأسباب الخفية في العالم للبيانات الحسية عبر مستويات متعددة من التجريد الزمني والمكاني.
ثانياً، يعتمد كلا الإطارين على تقنيات التقريب التبايني (Variational Approximation) لتجاوز الاستحالة الحسابية للاستدلال البايزي الدقيق. فبدلاً من محاولة حساب الاحتمال اللاحق الدقيق عبر فضاءات احتمالية ضخمة، يستخدم كل من الاستدلال الإدراكي والاستدلال النشط توزيعاً احتمالياً تقريبياً قابلاً للتحسين، ويقيسان جودة هذا التقريب عبر دالة الطاقة الحرة التباينية. وبذلك، يشترك الإطاران في المبدأ الرياضي الأساسي نفسه: تحويل مشكلة الاستدلال المعقدة إلى مشكلة تحسين مستمرة.
ثالثاً، يفسر كلا الإطارين المعالجة العصبية في الدماغ بوصفها عملية مستمرة لتقليل التباين بين التوقعات الداخلية والواقع الحسي. ففي كل من الاستدلال الإدراكي والاستدلال النشط، تتدفق التنبؤات من المستويات القشرية العليا إلى الدنيا، وتصعد أخطاء التنبؤ المرجحة بالدقة لتوجيه التحديثات. هذا التطابق في البنية العصبية المفترضة يعني أن الآليات البيولوجية الأساسية — مثل اللدونة المشبكية وتعديل الكسب العصبي — تخدم كلا الإطارين في آن واحد.
5.2 التكامل في حلقة الإدراك والفعل
من الأخطاء الشائعة في الأدبيات النظرية النظر إلى الاستدلال النشط بوصفه بديلاً يلغي الاستدلال الإدراكي. والحقيقة العلمية هي أن الاستدلال النشط يحتوي الاستدلال الإدراكي بوصفه جزءاً لا يتجزأ منه ومكوناً أساسياً لا غنى عنه في عمله. فلكي يتمكن الوكيل من اختيار الفعل المناسب في اللحظة الراهنة، يجب عليه أولاً أن يعرف أين هو وما هي حالة البيئة من حوله. هذه المعرفة بالوضع الراهن هي بالضبط ما يوفره الاستدلال الإدراكي عبر تحديث المعتقدات حول الحالات الخفية بناءً على المدخلات الحسية الحالية.
بعبارة أخرى، يوفر الاستدلال الإدراكي التمثيل الدقيق والمحدث للحالة الراهنة، وهو الأساس الذي يبني عليه الاستدلال النشط خططه المستقبلية ويحسب من خلاله الطاقة الحرة المتوقعة للسياسات الحركية المختلفة. فإذا كان التقدير الإدراكي للحالة الراهنة خاطئاً أو مشوشاً، فإن أي تخطيط مستقبلي يبنيه الاستدلال النشط سيكون مبنياً على مقدمات زائفة، مما يؤدي إلى أفعال غير متكيفة أو فاشلة. وهكذا، يعمل الاستدلال الإدراكي بوصفه البوصلة التي تحدد الموقع الحالي، بينما يعمل الاستدلال النشط بوصفه المحرك الذي يوجه المسار نحو المستقبل.
يتجلى هذا التكامل بوضوح تام في التناغم البيولوجي بين القشرة الحسية والقشرة الحركية في الدماغ البشري. فالقشرة البصرية والسمعية والحسية الجسدية تنفذ عمليات الاستدلال الإدراكي لتكوين صورة متماسكة عن العالم والجسم، وترسل هذه التمثيلات المحدثة إلى القشرة الجبهية والحركية التي تستخدمها لتوليد التنبؤات الحركية الهابطة. وفي الوقت نفسه، ترسل القشرة الحركية نسخاً من تنبؤاتها إلى المناطق الحسية (ما يُعرف بالتفريغ التلازمي أو Corollary Discharge) لتهيئتها للنتائج الحسية المتوقعة للحركة، مما يغلق حلقة الإدراك والفعل في تناغم بيولوجي فائق الدقة.
6. متى نستخدم كل منهما؟ التوجيه العملي والاختيار المنهجي
6.1 حالات استخدام الاستدلال الإدراكي في الأنظمة السلبية
يُعد الاستدلال الإدراكي الخيار المنهجي الأنسب والأكثر كفاءة عندما يكون النظام المصمم ذا طبيعة تحليلية أو تشخيصية سلبية، أي عندما يقتصر دوره على استنتاج الحالة الخفية انطلاقاً من بيانات معطاة دون أن يمتلك قدرة على التدخل الفيزيائي في مصدر تلك البيانات. ومن أبرز الأمثلة على ذلك تطبيقات التشخيص الطبي وتحليل الصور الإشعاعية؛ حيث يتلقى النموذج الحاسوبي صورة أشعة سينية أو رنين مغناطيسي، وتكون مهمته استنتاج وجود ورم أو كسر من عدمه عبر تحديث معتقداته الاحتمالية، دون أن يقوم النموذج بتحريك المريض أو تعديل جهاز التصوير.
كما يبرز تفوق الاستدلال الإدراكي في أنظمة المراقبة والتنبؤ المالي أو المناخي أو البيئي، حيث يقوم النموذج برصد تدفقات مستمرة من البيانات التاريخية والآنية لاستنتاج الاتجاهات الخفية في الأسواق أو التغيرات الجوية. في هذه السياقات، لا يملك النموذج التحليلي قدرة سببية على تغيير الطقس أو التحكم في الاقتصاد الكلي، ولذلك فإن إضافة آليات الاستدلال النشط وتقييم السياسات الحركية لن تضيف أي قيمة وظيفية، بل ستزيد من التعقيد الحسابي دون مبرر.
وبالإضافة إلى ذلك، يُفضل استخدام الاستدلال الإدراكي في المهام التي تتطلب سرعة استجابة فائقة وموارد حسابية محدودة، مثل أنظمة التعرف على الكلام أو تصنيف الصور في الأجهزة المحمولة والمستشعرات الطرفية. فبما أن الاستدلال الإدراكي يتجنب محاكاة المسارات المستقبلية المعقدة، فإنه يتيح معالجة سريعة وموفرة للطاقة مع الحفاظ على دقة عالية في الاستنتاج.
6.2 حالات استخدام الاستدلال النشط في الأنظمة التفاعلية المستقلة
على الجانب الآخر، يصبح الاستدلال النشط ضرورة حتمية عند تصميم الأنظمة التفاعلية المستقلة التي تعمل في بيئات حقيقية أو افتراضية متغيرة وتحتاج إلى اتخاذ قرارات متسلسلة تؤثر في مدخلاتها المستقبلية. وتأتي الروبوتات المتنقلة والمركبات ذاتية القيادة في مقدمة هذه التطبيقات؛ إذ لا يكفي أن تدرك المركبة وجود ضباب أو عائق أمامها، بل يجب عليها أن تقرر بنشاط تخفيف السرعة، أو تغيير المسار، أو توجيه مستشعراتها لاستكشاف الزوايا العمياء وتقليل عدم اليقين قبل المناورة.
كما يجد الاستدلال النشط تطبيقاً واسعاً في تصميم الوكلاء البرمجيين في الألعاب الإلكترونية والبيئات التفاعلية المعقدة، وكذلك في أنظمة التوصية التفاعلية والحوار الآلي. ففي هذه البيئات، يحتاج الوكيل إلى الموازنة المستمرة بين جمع المعلومات حول تفضيلات المستخدم أو قواعد البيئة (الاستكشاف) وبين تقديم الحلول أو تحقيق الأهداف المطلوبة (الاستغلال). ويوفر تقليل الطاقة الحرة المتوقعة آلية رياضية أنيقة لتحقيق هذا التوازن تلقائياً.
وتتجلى القيمة القصوى للاستدلال النشط في الأنظمة التي تعمل في بيئات غير مؤكدة وتتطلب تكيفاً مستمراً مع التغيرات المفاجئة دون إعادة تدريب شاملة. فعلى عكس الأنظمة التقليدية التي تنهار عندما تتغير قواعد البيئة، يستطيع الوكيل القائم على الاستدلال النشط اكتشاف التغير عبر ارتفاع أخطاء التنبؤ، ثم استخدام أفعاله الاستكشافية لتحديث نموذجه التوليدي بسرعة والتكيف مع الواقع الجديد.
6.3 معايير المفاضلة في تصميم النماذج الحاسوبية
عند الشروع في تصميم نموذج حاسوبي أو نظام ذكاء اصطناعي، يمكن للمهندسين والباحثين الاعتماد على ثلاثة معايير عملية واضحة للمفاضلة بين الاستدلال الإدراكي والاستدلال النشط:
- توفر حلقة التغذية الراجعة الحركية: يجب تقييم ما إذا كان الوكيل يمتلك مشغلات أو أفعالاً قادرة على التأثير في مصدر البيانات الحسية. إذا كانت الإجابة بالنفي، فإن الاستدلال الإدراكي هو الإطار الصحيح. أما إذا كانت أفعال الوكيل تغير ما سيراه أو يسمعه لاحقاً، فإن الاستدلال النشط يصبح ضرورياً.
- الميزانية الحاسوبية المتاحة: يجب موازنة الموارد الحسابية والزمنية المتاحة مع تعقيد فضاء الحالات والسياسات. فإذا كانت الموارد محدودة جداً وكان أفق التخطيط طويلاً، فقد يتطلب تطبيق الاستدلال النشط استخدام تقنيات تقريب متقدمة أو الاكتفاء بالاستدلال الإدراكي في المهام الفرعية.
- الهدف النهائي للنظام: يجب تحديد ما إذا كان الهدف هو مجرد فهم البيانات وتفسيرها وتصنيفها (مهمة معرفية بحتة)، أم التحكم في مسار النظام وتوجيهه نحو حالات مرغوبة في العالم الحقيقي (مهمة تحكم وسلوك).
7. الأسئلة الشائعة حول الاستدلال النشط والاستدلال الإدراكي
7.1 هل يمكن أن يوجد الاستدلال النشط دون الاستدلال الإدراكي؟
لا يمكن أن يوجد الاستدلال النشط الفعال دون الاستدلال الإدراكي. وكما أوضحنا في التحليل النظري، فإن الاستدلال النشط يتطلب بالضرورة وجود آلية استدلال إدراكي لتقدير الحالة الحالية للعالم وتحديث المعتقدات الداخلية بناءً على المدخلات الحسية الواردة. فاختيار السياسة الحركية المثلى عبر تقليل الطاقة الحرة المتوقعة يعتمد كلياً على التوزيع الاحتمالي للحالة الراهنة الذي ينتجه الاستدلال الإدراكي.
وإذا افترضنا نظرياً وجود نظام يحاول تنفيذ أفعال دون تحديث إدراكي لمعتقداته، فإن أفعاله ستكون عمياء وعشوائية أو جامدة تماماً، ولن تتمكن من التكيف مع التغيرات البيئية أو تصحيح مسارها عند حدوث أخطاء. وبعبارة دقيقة، فإن الاستدلال الإدراكي هو الحالة الخاصة من الاستدلال النشط عندما تكون الأفعال غائبة أو مثبتة عند الصفر؛ ومن ثم فإن الاستدلال النشط يمثل توسيعاً رياضياً ووظيفياً للاستدلال الإدراكي، وليس بديلاً منفصلاً عنه.
7.2 كيف يرتبط كلا المفهومين بنظرية الترميز التنبؤي؟
يرتبط كل من الاستدلال الإدراكي والاستدلال النشط بنظرية الترميز التنبؤي ارتباطاً وثيقاً، ولكن من المهم التمييز بين المستويات التحليلية المختلفة. فمبدأ الطاقة الحرة يمثل المستوى الحسابي (Computational Level) الذي يحدد الهدف الرياضي العام للنظام، وهو تقليل المفاجأة والطاقة الحرة. أما الترميز التنبؤي، فهو يمثل المستوى الخوارزمي والعصبي (Algorithmic/Implementation Level) الذي يصف كيفية تنفيذ هذا الهدف في الدماغ عبر إرسال التنبؤات الهابطة وأخطاء التنبؤ الصاعدة.
في سياق الاستدلال الإدراكي، يعمل الترميز التنبؤي بوصفه الخوارزمية العصبية التي تحدث المعتقدات القشرية لتقليل أخطاء التنبؤ الحسية. وعند الانتقال إلى الاستدلال النشط، يمتد الترميز التنبؤي ليشمل المجال الحركي أيضاً؛ حيث تصبح الأوامر الحركية تنبؤات حسية عميقة هابطة، وتعمل الأقواس الانعكاسية الشوكية على تقليل أخطاء التنبؤ الحركية عبر تحريك العضلات. وبذلك، يوفر الترميز التنبؤي الآلية التنفيذية المشتركة التي تجسد كلاً من الإدراك والفعل في القشرة المخية.
7.3 ما هي التحديات الحسابية لتطبيق الاستدلال النشط مقارنة بالاستدلال الإدراكي؟
يواجه تطبيق الاستدلال النشط في الأنظمة الحاسوبية تحديات تفوق تلك التي يواجهها الاستدلال الإدراكي، وأبرزها مشكلة الانفجار التوافقي (Combinatorial Explosion). فعندما يخطط الوكيل لعدة خطوات مستقبلية في بيئة تحتوي على عدد كبير من الأفعال الممكنة، يتضاعف عدد السياسات التي يجب تقييم طاقتها الحرة المتوقعة بشكل أسي، مما يجعل الحساب الدقيق مستحيلاً في الوقت الفعلي دون تقنيات تقليم ذكية أو بحث شجري موجه.
كما يواجه الاستدلال النشط صعوبة في تعلم النماذج التوليدية المعقدة في البيئات عالية الأبعاد، مثل الصور عالية الدقة أو البيئات الفيزيائية ثلاثية الأبعاد، مقارنة بالاستدلال الإدراكي المباشر الذي يمكن تدريبه بسهولة نسبية على مجموعات بيانات ثابتة. وللتغلب على هذه العقبات، يتجه الباحثون حالياً نحو تطوير ما يُعرف بـ الاستدلال النشط العميق (Deep Active Inference)، حيث تُستخدم الشبكات العصبية العميقة لتقريب النماذج التوليدية وتقدير الطاقة الحرة المتوقعة بسرعة وكفاءة، مما يجمع بين قوة التعلم العميق ومرونة الإطار النظري للاستدلال النشط.
8. الخاتمة: نحو فهم متكامل للدماغ والأنظمة الذكية
8.1 خلاصة المقارنة المنهجية
في ختام هذه المقارنة الأكاديمية الشاملة، يتضح أن الاستدلال الإدراكي والاستدلال النشط يمثلان ركيزتين متكاملتين في فهم العقل والذكاء. فالاستدلال الإدراكي يفسر ببراعة كيف نفهم العالم ونستنتج أسبابه الخفية من خلال تحديث معتقداتنا الداخلية لتقليل أخطاء التنبؤ الحسية، وهو يتميز بكفاءة حسابية عالية تجعله مثالياً لمهام التحليل والتصنيف والتشخيص السلبي. أما الاستدلال النشط، فيفسر كيف نعيش ونتفاعل في هذا العالم عبر توحيد الإدراك والفعل في مبدأ حسابي واحد، حيث نستخدم أفعالنا الحركية لتشكيل مدخلاتنا الحسية المستقبلية، وموازنة الاستكشاف المعرفي مع تحقيق أهدافنا الحيوية.
إن إدراك الفروق الجوهرية بينهما — من حيث اتجاه الملاءمة، والدالة الرياضية المحسَّنة، ودور الفعل الحركي، والتكلفة الحسابية — لا يقلل من قيمة أي منهما، بل يضع كل إطار في موضعه العلمي والتطبيقي الصحيح. فالاستدلال النشط لا يلغي الاستدلال الإدراكي، بل يحتويه ويبني عليه ليقدم نظرية موحدة للسلوك التكيفي.
8.2 الآفاق المستقبلية للبحث العلمي والتقني
تفتح هذه الأطر النظرية آفاقاً واعدة للبحث العلمي والتطوير التقني في العقود القادمة. فعلى الصعيد التقني، يتجه الباحثون نحو تطوير خوارزميات هجينة تجمع بين كفاءة الاستدلال الإدراكي العميق في معالجة البيانات عالية الأبعاد وبين مرونة الاستدلال النشط في التخطيط واتخاذ القرار المستقل، مما يمهد الطريق لبناء الجيل القادم من الذكاء الاصطناعي العام القادر على التعلم المستمر والتكيف الآمن في العالم الحقيقي دون الاعتماد المفرط على دوال المكافأة المصطنعة.
أما على الصعيد الطبي والعصبي، فإن النمذجة الحاسوبية الدقيقة لحلقة الإدراك والفعل تعد بتحقيق اختراقات كبرى في فهم الاضطرابات النفسية والعصبية وتشخيصها وعلاجها. فمن خلال تحديد مواطن الخلل الدقيقة في تقدير الدقة الحسية أو الحركية أو في بناء النماذج التوليدية، سيتمكن الأطباء والباحثون من تصميم تدخلات علاجية مخصصة تعيد التوازن إلى هذه الحلقة الحيوية، مما يعزز فهمنا العميق لطبيعة العقل البشري وتفاعله المستمر مع العالم.
المراجع
- Barca, L., & Pezzulo, G. (2020). Keep your interoceptive streams under control: An active inference perspective on anorexia nervosa. Cognitive Affective & Behavioral Neuroscience. https://doi.org/10.3758/s13415-020-00777-6
- Dong, K., Schoffelen, J.-M., & Noppeney, U. (2026). Learned Visual Relevance Shapes Perceptual Inference: Evidence from Eyes to Hands. bioRxiv (Cold Spring Harbor Laboratory). https://doi.org/10.64898/2026.08.30.748064
- Donnarumma, F., Frosolone, M., & Pezzulo, G. (2025). Integrating large language models and active inference to understand eye movements in reading and dyslexia. Physics of Life Reviews. https://doi.org/10.1016/j.plrev.2025.08.008
- Poth, N. (2020). Perceptual categorisation, Bayesian inference and psychological similarity. ERA. https://doi.org/10.7488/era/266
- Samad, M., Chung, A. J., & Shams, L. B. (2015). Perception of Body Ownership Is Driven by Bayesian Sensory Inference. PLoS ONE. https://doi.org/10.1371/journal.pone.0117178
- Usler, E. R. (2024). An Active Inference Account of Stuttering Behavior. PsyArXiv (OSF Preprints). https://doi.org/10.31234/osf.io/uph5g
- Usler, E. R. (2025). An active inference account of stuttering behavior. Frontiers in Human Neuroscience. https://doi.org/10.3389/fnhum.2025.1498423
أسئلة شائعة5
ما هو الاستدلال الإدراكي وكيف يعمل في الدماغ؟
الاستدلال الإدراكي هو العملية الحسابية والعصبية التي يستنتج من خلالها الكائن الحي الأسباب الخفية في العالم الخارجي انطلاقاً من المدخلات الحسية المشوشة. يعتمد الدماغ في ذلك على نموذج توليدي داخلي يربط الأسباب بالنتائج المتوقعة. وعند وصول بيانات جديدة، يقوم بتحديث معتقداته الداخلية لتقليل التناقض بين توقعاته وما تستقبله الحواس فعلياً.
ما هو الاستدلال النشط وما علاقته بالفعل الحركي؟
الاستدلال النشط هو إطار نظري شامل يجمع بين تحديث المعتقدات الداخلية وتوجيه الأفعال الحركية ضمن مبدأ حسابي موحد. بدلاً من الاكتفاء بتفسير البيانات الحسية، يتدخل الوكيل فيزيائياً في البيئة لتغيير المدخلات الحسية بحيث تتوافق مع توقعاته وتفضيلاته المسبقة. وتُصاغ الأوامر الحركية هنا بوصفها تنبؤات حسية هابطة تنفذها العضلات لتقليل خطأ التنبؤ الحركي.
ما الفرق الجوهري بين الاستدلال النشط والاستدلال الإدراكي؟
يكمن الفارق الحاسم في المتغيرات التي يتم تحسينها لتقليل الطاقة الحرة التباينية وفي اتجاه الملاءمة. فالاستدلال الإدراكي يقلل الطاقة الحرة بالنسبة للمعتقدات الداخلية فقط، حيث تتغير التمثيلات العقلية لتناسب الواقع الخارجي. أما الاستدلال النشط فيقللها بالنسبة للمعتقدات والأفعال معاً، مما يسمح بتغيير العالم الخارجي ليتطابق مع التوقعات الداخلية.
كيف يرتبط الاستدلال النشط بمبدأ الطاقة الحرة؟
يرتكز الاستدلال النشط على مبدأ الطاقة الحرة الذي صاغه كارل فريستون لتفسير كيفية حفاظ الكائنات الحية على بقائها واتزانها الداخلي في مواجهة الفوضى. يجب على الكائن الحي تقليل احتمالية تعرضه لحالات مفاجئة تتعارض مع بنيته الحيوية. وبما أن حساب المفاجأة الحسية مباشرة أمر مستحيل، يقلل الكائن الطاقة الحرة التباينية بوصفها حداً أعلى للمفاجأة.
ما أهمية التمييز بينهما في الذكاء الاصطناعي والطب النفسي؟
في الذكاء الاصطناعي، يساعد الاستدلال الإدراكي على تصنيف البيانات بدقة، بينما يتيح الاستدلال النشط تصميم أنظمة قادرة على اتخاذ قرارات تفاعلية واستكشاف البيئات الغامضة. أما في الطب النفسي الحاسوبي وعلم الأعصاب، فيعد التمييز بين الخلل في تحديث المعتقدات والخلل في اختيار الأفعال أمراً حاسماً لفهم اضطرابات مثل الفصام والتوحد واضطرابات الأكل والتأتأة.