شهدت العلوم المعرفية وعلم الأعصاب الحسابي خلال العقدين الأخيرين تحولاً جذرياً في فهم كيفية عمل الدماغ البشري وتفاعله مع العالم الخارجي، وذلك بفضل صعود نموذج المعالجة التنبؤية (Predictive Processing) الذي بلوره وطوره عالم الأعصاب البريطاني كارل فريستون. فبدلاً من النظر إلى الدماغ بوصفه جهازاً سلبياً يستقبل المدخلات الحسية ويعالجها خطوة بخطوة لبناء صورة عن الواقع، يطرح هذا الإطار النظري رؤية ثورية تعتبر الدماغ محركاً استدلالياً استباقياً يولد باستمرار تنبؤات حول الأسباب الكامنة وراء الإشارات الحسية. وفي قلب هذه الثورة العلمية، يبرز مفهومان مركزيان غالباً ما يُستخدمان في السياقات البحثية والفلسفية وكأنهما وجهان لعملة واحدة، أو حتى كمصطلحين مترادفين، وهما: الطاقة الحرة التباينية (Variational Free Energy) وأخطاء التنبؤ (Prediction Errors).
إن التمييز الدقيق بين الطاقة الحرة وأخطاء التنبؤ ليس مجرد ترف نظري أو تدقيق لغوي في المصطلحات الرياضية، بل هو ضرورة منهجية لفهم البنية المعمارية للدماغ ومستويات التحليل المختلفة في علم الأعصاب الحسابي. فبينما يمثل مبدأ الطاقة الحرة قانوناً معيارياً شمولياً مستمداً من الفيزياء الإحصائية ونظرية المعلومات لتفسير بقاء الأنظمة البيولوجية ذاتية التنظيم ومقاومتها للاضطراب، تمثل أخطاء التنبؤ الآلية الخوارزمية والعصبية الملموسة التي تنفذ هذا المبدأ داخل الدوائر القشرية في الدماغ في ظل افتراضات إحصائية محددة. ويؤدي الخلط بين هذين المستويين إلى استنتاجات مضللة، سواء في تفسير البيانات الفسيولوجية العصبية أو في بناء نماذج الذكاء الاصطناعي والطب النفسي الحسابي.
تهدف هذه المقالة الأكاديمية الشاملة إلى تفكيك العلاقة المعقدة بين الطاقة الحرة التباينية وأخطاء التنبؤ في إطار المعالجة التنبؤية لكارل فريستون. سنستعرض الجذور التاريخية والفلسفية لكلا المفهومين، ونغوص في أسسهما الرياضية والبيولوجية العصبية، ثم نقدم مقارنة منهجية دقيقة توضح الفروق الجوهرية وأوجه التداخل والتكافؤ الرياضي بينهما. كما سنوفر إرشادات عملية للباحثين حول متى ينبغي توظيف كل مفهوم، مع الإجابة عن أبرز الإشكاليات والأسئلة الشائعة التي تثيرها هذه النظرية الموحدة للدماغ والسلوك.
1. مقدمة: الإطار النظري للمعالجة التنبؤية وأهمية التمييز بين المفهومين
1.1 السياق التاريخي والفلسفي لنموذج كارل فريستون
لا تنبع نظرية المعالجة التنبؤية من فراغ معرفي، بل تمتد جذورها الفلسفية والعلمية إلى القرن التاسع عشر، وتحديداً إلى أعمال الفيزيائي والطبيب الألماني هيرمان فون هيلمهولتز حول البصريات الفسيولوجية. فقد طرح هيلمهولتز فكرة ثورية مفادها أن الإدراك الحسي ليس انعكاساً مباشراً وسلبياً للعالم الخارجي، بل هو عملية استدلال لاواعٍ (Unconscious Inference). وفقاً لهذا التصور، يواجه الدماغ مشكلة عكسية معقدة؛ إذ يتعين عليه استنتاج الأسباب الخارجية الخفية انطلاقاً من آثارها الحسية الغامضة والناقصة على الأعضاء المستقبلة. ومن ثم، فإن ما ندركه هو في جوهره أفضل فرضية أو تخمين يولده الدماغ لتفسير المدخلات الحسية الواردة إليه، وهو ما وضع حجر الأساس للفهم الاستباقي للإدراك البشري.
خلال النصف الثاني من القرن العشرين، تعززت هذه الرؤية بفضل التطورات في نظرية المعلومات وعلم الأعصاب النظري. فقد قدم هوراس بارلو فرضية الترميز الفعال (Efficient Coding Hypothesis)، التي افترضت أن الأنظمة الحسية تسعى إلى تقليل التكرار الإحصائي في الإشارات العصبية لضغط المعلومات ونقلها بأعلى كفاءة ممكنة. وفي تسعينيات القرن الماضي، ترجم بيتر دايان وجيفري هينتون وزملاؤهما أفكار هيلمهولتز إلى نماذج حسابية ملموسة عبر تطوير “آلة هيلمهولتز”، التي أظهرت كيف يمكن للشبكات العصبية التوليدية العميقة تعلم تمثيلات العالم عبر موازنة الأوزان التصاعدية والتنازلية. وتبع ذلك العمل الرائد لراجيش راو ودانا بالارد، اللذين قدما أول نموذج شبكي عصبي هرمي متكامل للترميز التنبؤي في القشرة البصرية، مفسرين من خلاله ظواهر فسيولوجية معقدة مثل تأثيرات الحقل الاستقبالي غير الكلاسيكي.
في مطلع القرن الحادي والعشرين، قام كارل فريستون بتوحيد هذه الخيوط المتفرقة في صياغة رياضية وفيزيائية شاملة عُرفت باسم مبدأ الطاقة الحرة (Free Energy Principle). لم يكتفِ فريستون بتفسير الإدراك البصري أو القشري فحسب، بل وسع الإطار النظري ليشمل الفعل الحركي، والتعلم، والانتباه، بل وحتى التنظيم الذاتي لجميع الأنظمة البيولوجية الحية. وقد أحدث هذا النموذج تحولاً نموذجياً (Paradigm Shift) في علم الأعصاب؛ فبعد أن كانت النظريات الكلاسيكية تركز على معالجة المعلومات التصاعدية (Bottom-up) التي تبدأ من المستقبلات الحسية وتصعد نحو المناطق القشرية العليا لاستخلاص السمات، نقل نموذج فريستون مركز الثقل إلى التنبؤ التنازلي (Top-down). في هذا النموذج الجديد، تتدفق التوقعات من المستويات العليا إلى الدنيا، بينما لا يصعد إلى الأعلى سوى ما فشل الدماغ في توقعه، مما يعيد تعريف وظيفة الدماغ بوصفه آلة لتقليل المفاجأة وعدم اليقين.
1.2 التعريف الأولي للطاقة الحرة وأخطاء التنبؤ
لفهم البنية المفاهيمية للمعالجة التنبؤية، يجب التمييز منذ البداية بين التعريف الدقيق لكل من الطاقة الحرة التباينية وأخطاء التنبؤ. تُعرَّف الطاقة الحرة التباينية (Variational Free Energy) بأنها كمية قياسية مستمدة من نظرية المعلومات والإحصاء التبايني، تمثل حداً أعلى قابلاً للحساب الرياضي لمقدار “المفاجأة الحسية” (Surprisal) التي يواجهها الكائن الحي. والمفاجأة هنا لا تعني الدهشة النفسية بالمعنى الدارج، بل هي مقياس إحصائي يعبر عن اللوغاريتم السالب لاحتمالية حدوث حالة حسية معينة في ضوء النموذج الداخلي للكائن الحي. وبما أن حساب هذه المفاجأة بشكل مباشر يتطلب إجراء تكاملات رياضية مستحيلة حسابياً عبر جميع الأسباب الخفية الممكنة في العالم، يلجأ النظام البيولوجي إلى تقليل الطاقة الحرة التباينية كبديل عملي يضمن بقاء المفاجأة منخفضة، وبالتالي الحفاظ على الكائن الحي ضمن الحالات الفسيولوجية المتوقعة لبقائه.
في المقابل، يُعرَّف خطأ التنبؤ (Prediction Error) بأنه إشارة عصبية وحسابية محلية تمثل الفارق الكمي (أو المتجه الرياضي) بين التوقعات التنازلية الصادرة من المستويات العليا في التسلسل الهرمي القشري، وبين المدخلات الحسية الفعلية أو التمثيلات الواردة من المستويات الأدنى. بعبارة أخرى، يمثل خطأ التنبؤ “البقية غير المتوقعة” من الإشارة الحسية التي لم يتمكن النموذج التوليدي الداخلي من تفسيرها أو إلغائها. وإذا كانت التنبؤات مطابقة تماماً للواقع الحسي، فإن خطأ التنبؤ يساوي صفراً، ولا توجد حاجة لتحديث المعتقدات الداخلية أو إرسال إشارات تصحيحية إلى المستويات الأعلى.
تتضح العلاقة بين المفهومين من خلال النظر إليهما ضمن تسلسل هرمي للمستويات التفسيرية. فبينما تقف الطاقة الحرة على قمة الهرم بوصفها المبدأ المعياري الشمولي (Normative Principle) الذي يحدد الهدف النهائي للنظام الحي بأكمله — وهو تقليل التباعد بين نموذجه الداخلي والواقع الخارجي مع الحفاظ على بساطة النموذج — تعمل أخطاء التنبؤ بوصفها الآلية التنفيذية والعملة الحسابية (Algorithmic Currency) التي تستخدمها الدوائر العصبية في القشرة الدماغية لتحقيق هذا الهدف. إن الطاقة الحرة تقيم جودة النموذج التوليدي ككل وعلاقته بالبيئة، في حين أن أخطاء التنبؤ هي الرسائل الموضعية المتبادلة بين الطبقات العصبية لتصحيح هذا النموذج لحظة بلحظة.
1.3 أسباب الخلط الشائع بين المفهومين في الأدبيات العلمية
على الرغم من الفارق المفاهيمي والرياضي الواضح بين الطاقة الحرة وأخطاء التنبؤ، تشهد الأدبيات العلمية — لا سيما في علم النفس المعرفي، والفلسفة، وبعض الدراسات التجريبية — خلطاً متكرراً بين المصطلحين، حيث يُستخدمان أحياناً بالتبادل وكأنهما يشيران إلى الظاهرة ذاتها. ويعود هذا الخلط إلى ثلاثة أسباب رئيسية متشابكة. أولاً، الاستخدام غير الدقيق للمصطلحات في الدراسات غير المتخصصة في النمذجة الرياضية؛ إذ يميل الباحثون في المجالات التطبيقية إلى تبسيط الإطار الرياضي المعقد لمبدأ الطاقة الحرة واختزاله في فكرة “الدماغ يقلل أخطاء التنبؤ”، نظراً لسهولة تصور خطأ التنبؤ وقياسه تجريبياً مقارنة بالصياغات التباينية المجردة.
ثانياً، ينبع الخلط من التكافؤ الرياضي الظاهري بين تقليل الطاقة الحرة وتقليل أخطاء التنبؤ في الحالات الغاوسية البسيطة. فعندما يفترض الباحثون أن التوزيعات الاحتمالية التي يتعامل معها الدماغ تتبع التوزيع الطبيعي (الغاوسي) وتُطبق عليها “تقريبات لابلاس” (Laplace Approximation)، تتحول معادلة الطاقة الحرة التباينية رياضياً إلى مجموع مربعات أخطاء التنبؤ المرجحة بالدقة. هذا التبسيط الرياضي القوي جعل الكثيرين يغفلون عن أن هذا التكافؤ مشروط بافتراضات إحصائية محددة، وأنه ينهار عند التعامل مع التوزيعات المتقطعة أو الأنظمة غير الخطية المعقدة التي تتطلب حسابات تباينية أوسع من مجرد طرح التنبؤ من المدخل الحسي.
ثالثاً، يسهم تداخل مستويات التحليل المعرفي — وفقاً لتصنيف ديفيد مار الشهير — في تعميق هذا الالتباس. ففي إطار مار، يقع مبدأ الطاقة الحرة في المستوى الحسابي (Computational Level) الذي يجيب عن سؤال “ماذا يفعل النظام ولماذا؟” (تقليل المفاجأة والبقاء على قيد الحياة عبر الاستدلال التبايني). أما الترميز التنبؤي وتبادل أخطاء التنبؤ فيقعان في المستوى الخوارزمي والتنفيذي (Algorithmic and Implementational Levels) اللذين يجيبان عن سؤال “كيف ينفذ الدماغ هذه العملية وما هي الدوائر العصبية المسؤولة عنها؟”. وعندما لا يفصل الباحثون بوضوح بين الغاية الحسابية والوسيلة الخوارزمية، يتداخل المفهومان في الخطاب العلمي، مما يستدعي تفكيكاً دقيقاً لكل منهما على حدة.
2. نظرة عامة على الطاقة الحرة التباينية (Free Energy)
2.1 الأساس الرياضي والفيزيائي لمبدأ الطاقة الحرة
يستمد مبدأ الطاقة الحرة التباينية جذوره المفاهيمية من الفيزياء الإحصائية والديناميكا الحرارية، وتحديداً من أعمال ريتشارد فاينمان في ميكانيكا الكم الإحصائية، قبل أن يتم تكييفه في مجال تعلم الآلة ونظرية المعلومات. ومع ذلك، من الضروري التأكيد على أن الطاقة الحرة التباينية في نموذج فريستون هي كمية معلوماتية إحصائية وليست طاقة حرارية فيزيائية بالمعنى الحرفي؛ أي أن انخفاض الطاقة الحرة في الدماغ لا يعني بالضرورة انخفاض استهلاك السعرات الحرارية أو عمل الدماغ كمحرك حراري كلاسيكي، رغم وجود روابط نظرية عميقة بين تبديد الطاقة الحرارية ومعالجة المعلومات في الأنظمة غير المتوازنة على المدى التطوري.
رياضياً، تُصاغ الطاقة الحرة التباينية (F) بوصفها دالة تعتمد على عاملين أساسيين: البيانات الحسية المرصودة (y)، وكثافة الاعتقاد الداخلية أو التوزيع التبايني (q(ϑ)) الذي يمثل تخمينات الدماغ حول الأسباب الخفية (ϑ) في العالم الخارجي. ولتحقيق الاستدلال، يمتلك الدماغ نموذجاً توليدياً (Generative Model) يُعبر عنه بالتوزيع الاحتمالي المشترك p(y, ϑ)، والذي يدمج بين المعتقدات المسبقة حول العالم p(ϑ) واحتمالية توليد البيانات الحسية انطلاقاً من تلك الأسباب p(y | ϑ). وتُكتب معادلة الطاقة الحرة التباينية بصيغتين متكافئتين تكشفان عن طبيعتها المزدوجة:
في الصيغة الأولى، تساوي الطاقة الحرة: التعقيد ناقص الدقة (Complexity − Accuracy). ويُقاس التعقيد عبر تباعد كولباك-لايبلر (Kullback–Leibler Divergence)، ويرمز له بـ DKL[q(ϑ) ∥ p(ϑ)]، وهو يقيس مدى ابتعاد المعتقدات المحدثة عن المعتقدات المسبقة؛ فكلما اضطر النموذج إلى تغيير معتقداته بشكل جذري لتفسير البيانات، زاد تعقيده. أما الدقة فتُقاس بالقيمة المتوقعة للوغاريتم احتمالية البيانات الحسية في ضوء المعتقدات Eq[ln p(y | ϑ)]. وبالتالي، فإن تقليل الطاقة الحرة يجبر الدماغ على إيجاد تفسير دقيق للبيانات الحسية بأقل قدر ممكن من التعقيد المعرفي، وهو ما يتوافق مع مبدأ “نصل أوكام” الإحصائي.
في الصيغة الثانية، تساوي الطاقة الحرة: المفاجأة الحسية مضافاً إليها تباعد كولباك-لايبلر بين كثافة الاعتقاد والتوزيع البعدي الحقيقي: F = −ln p(y) + DKL[q(ϑ) ∥ p(ϑ | y)]. وبما أن تباعد كولباك-لايبلر هو كمية غير سالبة دائماً (DKL ≥ 0)، فإن الطاقة الحرة تشكل دائماً حداً أعلى للمفاجأة الحسية (−ln p(y)). وعندما يقوم النظام الحي بتقليل الطاقة الحرة، فإنه يحقق هدفين في آن واحد: أولاً، يدفع كثافة الاعتقاد الداخلية q(ϑ) لتقترب قدر الإمكان من التوزيع البعدي الحقيقي p(ϑ | y)؛ وثانياً، يقلل بشكل ضمني من المفاجأة الحسية، مما يضمن بقاء الكائن الحي في حالات متوقعة ومألوفة.
2.2 آلية عمل الطاقة الحرة في الأنظمة البيولوجية
لتفسير كيف ينطبق هذا المبدأ الرياضي المجرد على الكائنات الحية، يعتمد فريستون على مفهوم إحصائي محوري يُعرف باسم بطانية ماركوف (Markov Blanket). تمثل بطانية ماركوف الحدود الإحصائية التي تفصل النظام الداخلي (مثل الخلية الحية أو الدماغ) عن البيئة الخارجية، وتمنحه استقلالاً ذاتياً وهوية متميزة. وتتكون هذه البطانية من مجموعتين من الحالات: الحالات الحسية (Sensory States) التي تتأثر بالبيئة الخارجية وتنقل المعلومات إلى الداخل، والحالات النشطة (Active States) التي تتأثر بالحالات الداخلية وتؤثر بدورها في البيئة الخارجية. وبفضل هذا الفصل الإحصائي، لا تتفاعل الحالات الداخلية للدماغ مع العالم الخارجي بشكل مباشر، بل عبر وساطة الحالات الحسية والنشطة فقط.
من منظور فيزيائي، تواجه جميع الأنظمة البيولوجية تحدياً وجودياً يتمثل في القانون الثاني للديناميكا الحرارية، الذي ينص على أن الأنظمة المغلقة تميل بطبيعتها نحو زيادة الإنتروبيا (الاضطراب والتشتت). ولكي يحافظ الكائن الحي على بقائه وتنظيمه الذاتي، يجب عليه مقاومة هذا الميل الطبيعي نحو التشتت عبر الحفاظ على توازنه الداخلي (Homeostasis) ضمن نطاق ضيق من الحالات الفسيولوجية الملائمة للحياة (مثل درجة حرارة الجسم أو مستوى السكر في الدم). وفي لغة نظرية المعلومات، يعني الحفاظ على إنتروبيا منخفضة على المدى الطويل تقليل متوسط المفاجأة الحسية عبر الزمن؛ لأن الكائن الذي يجد نفسه في حالات مفاجئة وغير متوقعة (مثل سمكة خارج الماء) يواجه خطراً وجودياً وشيكاً.
ولتحقيق هذا التقليل المستمر للطاقة الحرة، يمتلك الكائن الحي مسارين متكاملين لا غنى لأحدهما عن الآخر. المسار الأول هو تحديث المعتقدات الداخلية (الإدراك)؛ حيث يقوم النظام بتعديل كثافة الاعتقاد q(ϑ) لتتطابق مع المدخلات الحسية الواردة عبر بطانية ماركوف، مما يقلل من تباعد كولباك-لايبلر ويجعل النموذج الداخلي أكثر دقة في تمثيل العالم. أما المسار الثاني فهو تغيير البيئة (الفعل أو الاستدلال النشط)؛ فإذا لم يكن تعديل المعتقدات كافياً لتقليل المفاجأة — كأن يشعر الكائن بالبرد الشديد بينما يتوقع نموذجه الداخلي الدفء — يقوم الكائن بتفعيل الحالات النشطة (الحركة نحو مصدر دفء أو ارتداء ملابس) لتغيير المدخلات الحسية y نفسها حتى تتطابق مع توقعاته المسبقة. وهكذا، يوحد مبدأ الطاقة الحرة الإدراك والفعل في حلقة سببية مغلقة تخدم غاية البقاء.
2.3 العلاقة بين الطاقة الحرة والاستدلال البايزي التبايني
يرتبط مبدأ الطاقة الحرة ارتباطاً وثيقاً بنظرية الاحتمالات البايزية، وتحديداً بما يُعرف بـ الاستدلال البايزي التبايني (Variational Bayesian Inference). وفقاً لقاعدة بايز الكلاسيكية، يتطلب تحديث المعتقدات حول الأسباب الخفية ϑ بعد رصد البيانات الحسية y حساب التوزيع البعدي الدقيق p(ϑ | y) = p(y | ϑ)p(ϑ) / p(y). غير أن المشكلة الجوهرية تكمن في المقام p(y)، الذي يُعرف بـ “الدليل النموذجي” (Model Evidence)؛ إذ يتطلب حسابه إجراء تكامل رياضي عبر جميع القيم الممكنة لجميع الأسباب الخفية في الكون، وهو أمر مستحيل حسابياً (Intractable) بالنسبة لأي نظام بيولوجي محدود الموارد مثل الدماغ البشري، نظراً للانفجار التوافقي في عدد المتغيرات.
هنا تتجلى العبقرية الحسابية للطاقة الحرة التباينية؛ فهي تحول مشكلة الاستدلال البايزي المعقدة والمستحيلة إلى مشكلة تحسين (Optimization Problem) قابلة للحل محلياً. فبدلاً من محاولة حساب التوزيع البعدي الحقيقي p(ϑ | y) بشكل مباشر، يفترض الدماغ وجود عائلة مبسطة ومحددة من التوزيعات الاحتمالية تُسمى كثافة الاعتقاد q(ϑ)، ثم يقوم بتعديل معاملات هذا التوزيع تدريجياً لتقليل الطاقة الحرة F. وبما أن الطاقة الحرة تعتمد فقط على النموذج التوليدي الداخلي والبيانات الحسية المتاحة، يمكن للدماغ حسابها وتقليلها عبر عمليات محلية دون الحاجة إلى حساب التكامل المستحيل p(y).
علاوة على ذلك، يضمن تقليل الطاقة الحرة التباينية تحقيق توازن دقيق بين الدقة (Accuracy) والتعقيد (Complexity) في النماذج الذهنية. فلو سعى الدماغ فقط إلى تعظيم الدقة دون أي قيد، لانتهى به الأمر إلى بناء نماذج مفرطة التعقيد تحفظ الضوضاء العشوائية في البيانات الحسية (ظاهرة الإفراط في الملاءمة أو Overfitting)، مما يفشل عند مواجهة مواقف جديدة. وعلى العكس من ذلك، فإن وجود حد التعقيد (تباعد كولباك-لايبلر بين المعتقدات البعدية والمسبقة) في معادلة الطاقة الحرة يعاقب النماذج التي تبتعد كثيراً عن التوقعات المسبقة أو تضيف معاملات غير ضرورية. وبذلك، يعمل الدماغ كعالم إحصائي بارع يختار أبسط فرضية قادرة على تفسير البيانات الحسية بدقة مقبولة، وهو ما يفسر قدرة الإنسان الفائقة على التعميم والتعلم من أمثلة قليلة.
3. نظرة عامة على أخطاء التنبؤ (Prediction Errors)
3.1 المفهوم الحسابي والعصبي لأخطاء التنبؤ
إذا كانت الطاقة الحرة تمثل المظلة النظرية العليا، فإن أخطاء التنبؤ تمثل المحرك اليومي واللحظي للمعالجة العصبية داخل الدماغ. من الناحية الحسابية، يُعرَّف خطأ التنبؤ (ε) بأنه متجه رياضي يقيس الانحراف الجبري بين الحالة الحسية المرصودة (y) والتنبؤ التوليدي الصادر عن النموذج الداخلي (g(μ))، حيث تمثل μ التوقعات الداخلية للحالات الخفية، وتمثل g الدالة غير الخطية التي تربط الأسباب بالنتائج الحسية: ε = y − g(μ). تكمن الكفاءة المذهلة لهذا المفهوم في مبدأ “الترميز التفاضلي”؛ فبدلاً من أن ينقل الدماغ كامل المعلومات الحسية الخام عبر مستوياته الهرمية — وهو ما يستهلك طاقة أيضية هائلة — فإنه يكتفي بنقل الفارق غير المتوقع فقط. وإذا نجح التنبؤ في مطابقة المدخل الحسي، يتم إلغاء الإشارة في المستوى الأدنى ولا يصعد شيء إلى الأعلى.
في إطار المعالجة التنبؤية، يجب التمييز بين نوعين رئيسيين من أخطاء التنبؤ: أخطاء التنبؤ الحسية (Sensory Prediction Errors) وأخطاء التنبؤ الحركية أو الاستقبالية العميقة (Proprioceptive Prediction Errors). تنشأ أخطاء التنبؤ الحسية في القنوات الإدراكية (مثل البصر والسمع واللمس) عندما تختلف المدخلات الواردة من العالم الخارجي عما توقعته القشرة الدماغية، وتُحل هذه الأخطاء عادةً عبر تحديث التوقعات الداخلية (الإدراك). أما أخطاء التنبؤ الحركية فتتعلق بالتوقعات الصادرة عن القشرة الحركية حول الوضع المكاني للعضلات والمفاصل؛ وعندما تنشأ فجوة بين الوضع المتوقع والوضع الفعلي للطرف، لا يقوم الدماغ بتحديث توقعه ليقتنع بأن يده لم تتحرك، بل يرسل إشارات عبر الحبل الشوكي لتفعيل المنعكسات الحركية وانقباض العضلات حتى يتحرك الطرف فعلياً ويصل إلى الوضع المتوقع، مما يصفر خطأ التنبؤ الحركي.
على المستوى البيولوجي العصبي، لا تُعد أخطاء التنبؤ مجرد تجريدات رياضية، بل لها تمثيل مادي ملموس في البنية التشريحية للقشرة الدماغية. تشير النماذج العصبية المعتمدة على الدوائر القشرية القياسية (Canonical Microcircuits) إلى وجود فصل وظيفي وتشريحي بين الخلايا العصبية التي تشفر التنبؤات وتلك التي تشفر أخطاء التنبؤ. وتضطلع الخلايا الهرمية السطحية (Superficial Pyramidal Cells) الموجودة في الطبقات القشرية العليا (الطبقتين الثانية والثالثة II/III) بدور وحدات خطأ التنبؤ؛ حيث تستقبل هذه الخلايا إشارات تحفيزية تصاعدية من المدخلات الحسية أو المناطق الأدنى، وإشارات تثبيطية تنازلية تمثل التنبؤات من المناطق الأعلى، ليكون صافي نشاطها الكهربائي هو خطأ التنبؤ الذي يُرسل صعوداً إلى المستويات القشرية الأعلى.
3.2 الترميز التنبؤي وتدفق الإشارات في القشرة الدماغية
تنتظم القشرة الدماغية في بنية هرمية متدرجة، بدءاً من المناطق الحسية الأولية التي تعالج السمات البسيطة السريعة (مثل الحواف والألوان والأصوات الأولية)، وصولاً إلى المناطق الترابطية العليا (مثل القشرة الجبهية الأمامية) التي تمثل المفاهيم المجردة والسياقات الزمنية الطويلة. في خوارزمية الترميز التنبؤي (Predictive Coding)، تتبادل هذه المستويات الهرمية الرسائل في اتجاهين متعاكسين بشكل مستمر ومتزامن. فكل مستوى في التسلسل الهرمي يحاول التنبؤ بنشاط المستوى الذي يليه مباشرة في الأسفل، بينما يرسل المستوى الأدنى أخطاء التنبؤ المتبقية إلى المستوى الأعلى لتصحيح توقعاته.
تتولى الخلايا الهرمية العميقة (Deep Pyramidal Cells) في الطبقات القشرية السفلى (الطبقتين الخامسة والسادسة V/VI) مهمة تشفير التوقعات أو الحالات المقدرة (μ). وتُرسل هذه التنبؤات التنازلية (Top-down) عبر مسارات تغذية راجعة (Feedback Connections) نحو الطبقات السطحية في المناطق القشرية الأدنى. ومن اللافت للنظر أن الدراسات الفسيولوجية العصبية الحديثة أظهرت أن هذا التدفق التنازلي للتنبؤات يرتبط بتذبذبات عصبية ذات ترددات منخفضة نسبياً، وتحديداً في نطاق ترددات بيتا وألفا (8–30 هرتز). وتعمل هذه الترددات البطيئة على حمل السياق العام والتوقعات المستقرة زمنياً لكبح النشاط الحسي المتوقع.
في الاتجاه المعاكس، تتدفق أخطاء التنبؤ التصاعدية (Bottom-up) من الخلايا الهرمية السطحية (الطبقات II/III) عبر مسارات تغذية أمامية (Feedforward Connections) نحو الطبقة الرابعة في المناطق القشرية الأعلى. وبخلاف التنبؤات التنازلية، ترتبط إشارات خطأ التنبؤ التصاعدية بتذبذبات عصبية سريعة في نطاق ترددات غاما (أكثر من 30–80 هرتز). هذا الفصل الطيفي والتشريحي بين ترددات بيتا التنازلية وترددات غاما التصاعدية يتيح للدماغ معالجة التنبؤات والأخطاء في الوقت ذاته دون أن تتداخل الإشارتان أو تشوش إحداهما على الأخرى، مما يخلق حواراً ديناميكياً مستمراً يضبط تمثيلات الدماغ للواقع الخارجي بدقة متناهية (den Ouden et al., 2008).
3.3 دور الترجيح الدقيق (Precision Weighting) في تعديل أخطاء التنبؤ
لا تتساوى جميع أخطاء التنبؤ في أهميتها أو موثوقيتها؛ فالعالم الخارجي مليء بالضوضاء العشوائية والتقلبات غير ذات الصلة. فإذا قام الدماغ بتحديث معتقداته استجابةً لكل خطأ تنبؤ مهما كان مصدره، فسيصبح عرضة للتشتت وعدم الاستقرار المعرفي. ولحل هذه المشكلة، يعتمد الدماغ على آلية حاسمة تُعرف باسم الترجيح الدقيق (Precision Weighting). وتُعرَّف الدقة (Π) إحصائياً بأنها مقلوب التباين (1/σ²)، وهي مقياس لمدى موثوقية الإشارة أو الثقة في جودتها. وبناءً عليه، لا يُرسل خطأ التنبؤ الخام إلى الأعلى، بل يُضرب في دقته المقدرة: ξ = Π · ε.
من الناحية الوظيفية، يمثل تحسين الدقة الآلية العصبية لـ الانتباه (Attention). فعندما توجه انتباهك إلى محفز بصري أو سمعي معين في بيئة صاخبة، فإن دماغك يرفع من تقدير الدقة المتوقعة لتلك القناة الحسية، مما يزيد من الكسب المشبكي (Synaptic Gain) للخلايا الهرمية السطحية المسؤولة عن نقل أخطاء التنبؤ في تلك المنطقة. ونتيجة لذلك، تصبح أخطاء التنبؤ القادمة من هذا المصدر أكثر تأثيراً في تحديث المعتقدات العليا. وعلى العكس من ذلك، عندما يقلل الدماغ من دقة قناة حسية معينة — كما يحدث في ظاهرة “التوهين الحسي” (Sensory Attenuation) أثناء الحركة الذاتية — يتم كبت أخطاء التنبؤ ومنعها من إعاقة الفعل الحركي.
بيولوجياً، لا تنقل النواقل العصبية المعدلة — مثل الدوبامين، والأسيتيل كولين، والنورأدرينالين، والسيروتونين — محتوى دلالياً أو معلومات حسية محددة عن العالم، بل تعمل بوصفها الركيزة العصبية لتقدير الدقة وتعديل الكسب المشبكي لوحدات خطأ التنبؤ. وقد فتح هذا الفهم آفاقاً واسعة في الطب النفسي الحسابي؛ إذ يُفسر العديد من الاضطرابات النفسية والعصبية بوصفها اختلالاً في الترجيح الدقيق لأخطاء التنبؤ. فعلى سبيل المثال، في اضطراب الفصام، قد يؤدي الخلل في تنظيم الدوبامين إلى منح دقة مفرطة لأخطاء التنبؤ العشوائية وغير المهمة (Aberrant Salience)، مما يدفع الدماغ إلى نسج أوهام وتفسيرات غريبة لتبرير تلك الإشارات المضخمة. وبالمثل، تشير أبحاث الاكتئاب إلى زيادة أخطاء التنبؤ في السياقات السلبية وتأثرها بالتجارب المزاجية القريبة (Ramos-Grille et al., 2022)، بينما تُظهر دراسات عسر القراءة تضاؤلاً في المؤشرات الفسيولوجية لأخطاء التنبؤ الإدراكية (Beach et al., 2021).
4. الفروق الجوهرية بين الطاقة الحرة وأخطاء التنبؤ
بعد استعراض الأسس النظرية والعصبية لكل من الطاقة الحرة التباينية وأخطاء التنبؤ، يصبح من الضروري وضع المفهومين وجهاً لوجه في مقارنة منهجية دقيقة. يوضح الجدول التالي الفروق الجوهرية بينهما عبر أبعاد التعريف، والرياضيات، والتمثيل العصبي، والوظيفة البيولوجية، والقياس، والتطبيقات البحثية:
| المعيار | الطاقة الحرة التباينية (Variational Free Energy) | أخطاء التنبؤ (Prediction Errors) |
|---|---|---|
| التعريف الأساسي | كمية معلوماتية قياسية (Scalar) تمثل حداً أعلى للمفاجأة الحسية وتقيس جودة النموذج التوليدي ككل. | إشارة محلية موجهة (Vector) تقيس الفارق الكمي بين التوقعات التنازلية والمدخلات الحسية الواردة. |
| مستوى التحليل (وفقاً لمار) | المستوى الحسابي (Computational Level): يحدد الغاية المعيارية للنظام (تقليل المفاجأة والبقاء). | المستوى الخوارزمي والتنفيذي (Algorithmic/Implementational): يحدد كيفية تمرير الرسائل في الدوائر العصبية. |
| الصياغة الرياضية | دالة مركبة: التعقيد (تباعد كولباك-لايبلر) ناقص الدقة، وتنطبق على أي توزيع احتمالي. | ناتج طرح مرجح بالدقة: ξ = Π · (y − g(μ))، وتشتق من الطاقة الحرة تحت افتراض التوزيع الغاوسي. |
| التمثيل العصبي | خاصية شمولية ناشئة (Emergent Property) للنظام أو الشبكة العصبية بأكملها، ولا تختص بها خلية محددة. | لها تمثيل مادي محدد في نشاط الخلايا الهرمية السطحية (الطبقات II/III) وتنتقل عبر ترددات غاما. |
| التعامل مع تعقيد النموذج | تتضمن عقوبة صريحة للتعقيد (Complexity Penalty) لمنع الإفراط في الملاءمة وضمان التعميم. | لا تقيس التعقيد بذاتها؛ فتقليل خطأ التنبؤ وحده قد يؤدي إلى نماذج مفرطة التعقيد ما لم يُقيد بمسبقات. |
| النطاق التطبيقي | مبدأ كوني ينطبق على جميع الأنظمة ذاتية التنظيم (من الخلايا الحية إلى الأنظمة البيئية والذكاء الاصطناعي). | مفهوم خاص بخوارزميات الترميز التنبؤي في الأنظمة العصبية الهرمية (الدماغ البشري والحيواني). |
| طرق القياس التجريبي | تُقدر بشكل غير مباشر عبر النمذجة الحسابية المجردة ومحاكاة الاستدلال النشط ومقارنة النماذج البايزية. | تُرصد تجريبياً بشكل مباشر عبر تخطيط كهربية الدماغ (مثل موجة السلبية غير المتطابقة MMN) والتصوير الوظيفي. |
4.1 التعريف والنطاق المفاهيمي
يكمن الفارق الأول والأكثر جوهرية بين المفهومين في طبيعتهما الرياضية ونطاقهما المفاهيمي. فـ الطاقة الحرة التباينية هي كمية قياسية شمولية (Scalar Quantity)؛ أي أنها رقم واحد يلخص الحالة الكلية للعلاقة بين الكائن الحي وبيئته في لحظة زمنية معينة. إنها تقيم مدى ملاءمة النموذج التوليدي بأكمله — بجميع مستوياته الهرمية ومعتقداته المسبقة — لتفسير التدفق الحسي الوارد عبر بطانية ماركوف. وبسبب هذه الطبيعة الشمولية، فإن مبدأ الطاقة الحرة لا يقتصر على الأدمغة أو الكائنات ذات الجهاز العصبي، بل يمتد نطاقه المفاهيمي ليشمل أي نظام فيزيائي أو بيولوجي ذاتي التنظيم يحافظ على حدوده الإحصائية ضد التشتت الإنتروبي، بدءاً من الخلية البكتيرية الوحيدة التي تتبع التدرجات الكيميائية، وصولاً إلى الكائنات المعقدة والأنظمة الاجتماعية.
في المقابل، تُعد أخطاء التنبؤ إشارات محلية موجهة (Vector Quantities) ذات طابع موضعي بحت. فلا يوجد “خطأ تنبؤ واحد” للدماغ بأكمله، بل توجد ملايين من إشارات خطأ التنبؤ المتزامنة التي تنشأ عند كل مستوى من مستويات التسلسل الهرمي القشري وفي كل قناة حسية وحركية على حدة. فخطأ التنبؤ في القشرة البصرية الأولية يعبر عن تباين موضعي في سطوع أو اتجاه حافة معينة، بينما يعبر خطأ التنبؤ في مناطق نظرية العقل (Mentalizing Areas) عن تباين في توقع نوايا الآخرين وسلوكهم الاجتماعي (Koster-Hale & Saxe, 2013; Heil et al., 2019). ومن ثم، فإن نطاق أخطاء التنبؤ أضيق وأكثر تحديداً؛ فهي خاصة بخوارزميات الترميز التنبؤي التي تعتمد على تمرير الرسائل الهرمي في الأنظمة العصبية.
4.2 الآلية الرياضية والتمثيل العصبي
على المستوى الرياضي، تختلف بنية الطاقة الحرة اختلافاً كبيراً عن بنية خطأ التنبؤ. فمعادلة الطاقة الحرة هي دالة مركبة (Functional) تتعامل مع توزيعات احتمالية كاملة، وتجمع بين حد الدقة وحد التعقيد عبر تباعد كولباك-لايبلر. وهذا يعني أن حساب الطاقة الحرة يتطلب مراعاة شكل التوزيع الاحتمالي بأكمله (المتوسط، والتباين، والالتواء، وغيرها من المعاملات) عبر فضاء الحالات الخفية. أما خطأ التنبؤ، في صورته الأساسية، فهو ناتج طرح جبري بسيط بين قيمة متوقعة وقيمة مرصودة، مرجح بمقلوب التباين (الدقة). إنه يركز على الفارق اللحظي في المتوسطات دون أن يحمل في طياته حساباً مباشراً لتباعد كولباك-لايبلر بين التوزيعات المسبقة والبعدية.
وينعكس هذا التباين الرياضي مباشرة على التمثيل العصبي لكلا المفهومين داخل الدماغ. فنظراً لأن الطاقة الحرة هي دالة شمولية تقيم أداء النظام ككل، فإنه لا توجد “خلايا عصبية للطاقة الحرة” في القشرة الدماغية؛ أي أنك لن تجد عند تسجيل نشاط خلية عصبية مفردة إشارة تمثل قيمة الطاقة الحرة الكلية للدماغ. بدلاً من ذلك، تُعد الطاقة الحرة خاصية ناشئة (Emergent Property) تنخفض تلقائياً نتيجة للتفاعلات المنسقة بين مليارات الخلايا العصبية. وعلى النقيض تماماً، تمتلك أخطاء التنبؤ تمثيلاً مادياً وتشريحياً دقيقاً ومباشراً؛ إذ يمكن رصدها في معدلات إطلاق النبضات الكهربائية للخلايا الهرمية السطحية في الطبقات القشرية الثانية والثالثة، وفي التذبذبات السريعة ضمن نطاق غاما التي تصعد عبر المسارات الأمامية.
4.3 الوظيفة البيولوجية والغرض التنظيمي
تتباين الوظيفة البيولوجية والغرض التنظيمي لكل من المفهومين تبعاً لموقعهما في التسلسل التفسيري. فالغرض التنظيمي الأسمى للطاقة الحرة هو ضمان بقاء الكائن الحي واستمراريته في بيئة متغيرة عبر تجنب الحالات المفاجئة التي تهدد الاستقرار الداخلي (Homeostasis). إنها تعمل كمعيار تطوري وفسيولوجي يوجه سلوك الكائن الحي على المدى القصير والطويل، ويحدد ما إذا كان النموذج الداخلي للكائن متناغماً مع متطلبات بقائه. أما أخطاء التنبؤ، فتؤدي وظيفة أكثر تحديداً ومباشرة، وهي العمل كـ آلية تغذية راجعة (Feedback Mechanism) لتحديث الأوزان المشبكية (التعلم) وتعديل التوقعات الفورية (الإدراك) وتوجيه المنعكسات العضلية (الفعل).
ويبرز فارق وظيفي حاسم آخر في كيفية تعامل كل مفهوم مع تعقيد النموذج. فكما أشرنا سابقاً، تفرض الطاقة الحرة عقوبة رياضية صارمة على النماذج مفرطة التعقيد عبر حد تباعد كولباك-لايبلر؛ مما يمنع الدماغ من اختراع فرضيات معقدة وغير مبررة لمجرد تفسير ضوضاء عابرة. في المقابل، إذا اقتصر عمل النظام على تقليل أخطاء التنبؤ وحدها دون وجود قيود مسبقة مستمدة من الطاقة الحرة، فقد يقع النظام في فخ “الإفراط في الملاءمة” (Overfitting)؛ حيث يقوم بتعديل معاملاته بشكل مفرط لتصفير أخطاء التنبؤ على البيانات الحالية، لكنه يفقد قدرته على التعميم والتنبؤ بالبيانات المستقبلية. وهكذا، تحمي الطاقة الحرة الدماغ من التشتت المعرفي، بينما توفر أخطاء التنبؤ الإشارة اللازمة للتكيف السريع.
4.4 القياس والتطبيقات البحثية والسريرية
يفرض الاختلاف في التمثيل العصبي تبايناً واضحاً في طرق القياس التجريبي لكل من المفهومين. فقياس الطاقة الحرة في المختبر لا يتم بشكل مباشر عبر الأقطاب الكهربائية، بل يتم غالباً عبر النمذجة الحسابية المجردة ومحاكاة الاستدلال النشط؛ حيث يبني الباحثون نماذج رياضية لسلوك المشاركين أو نشاطهم الدماغي، ثم يستخدمون تقنيات مثل النمذجة السببية الديناميكية (Dynamic Causal Modeling) لتقدير الطاقة الحرة التباينية كمعيار لمقارنة جودة النماذج التفسيرية المختلفة واختيار النموذج الأكثر ترجيحاً لتفسير البيانات العصبية.
على النقيض من ذلك، يمكن رصد أخطاء التنبؤ وقياسها تجريبياً بشكل مباشر وشبه فوري باستخدام أدوات علم الأعصاب الإدراكي التقليدية. ومن أشهر الأمثلة على ذلك قياس موجة السلبية غير المتطابقة (Mismatch Negativity – MMN) عبر تخطيط كهربية الدماغ (EEG)، والتي تظهر كاستجابة كهربائية سريعة بعد نحو 150 إلى 250 مللي ثانية من سماع صوت شاذ غير متوقع وسط سلسلة من الأصوات المتكررة. كما تُستخدم ظاهرة “كبت التكرار” (Repetition Suppression) في التصوير بالرنين المغناطيسي الوظيفي (fMRI) لقياس انخفاض إشارة خطأ التنبؤ عندما تصبح المحفزات متوقعة. وتنعكس هذه الفروق في التطبيقات: فبينما توجه الطاقة الحرة أبحاث الذكاء الاصطناعي العام والبيولوجيا النظرية والتحليل النفسي العصبي (Carhart-Harris & Friston, 2010; Rabeyron & Massicotte, 2020)، توجه أخطاء التنبؤ أبحاث علم الأعصاب الإدراكي، ودراسات النمو المعرفي لدى الرضع (Berger & Posner, 2022)، والطب النفسي الحسابي السريري.
5. أوجه التشابه والتداخل بين الطاقة الحرة وأخطاء التنبؤ
5.1 التكافؤ الرياضي في ظل افتراضات التوزيع الغاوسي
على الرغم من الفروق الجوهرية التي فصلناها في القسم السابق، فإن العلاقة بين الطاقة الحرة وأخطاء التنبؤ ليست علاقة انفصال تام، بل هي علاقة اشتقاق وتكافؤ رياضي في ظل شروط محددة. لفهم هذا التداخل، يجب النظر إلى ما يُعرف في الإحصاء بـ افتراض لابلاس (Laplace Assumption). يفترض هذا التقريب الرياضي أن كثافة الاعتقاد الداخلية q(ϑ) التي يستخدمها الدماغ لتمثيل الأسباب الخفية في العالم تتبع توزيعاً غاوسياً (طبيعياً) ذا قمة واحدة، يمكن وصفه بالكامل من خلال معاملين فقط: المتوسط (μ) الذي يمثل أفضل تخمين، والتباين (σ²) الذي يمثل عدم اليقين.
عندما نُدخل هذا الافتراض الغاوسي في معادلة الطاقة الحرة التباينية ونقوم بتبسيط التكاملات الرياضية، تحدث نتيجة مذهلة: تتحول دالة الطاقة الحرة المعقدة رياضياً إلى مجموع مربعات أخطاء التنبؤ المرجحة بالدقة عبر جميع مستويات التسلسل الهرمي القشري! بعبارة أخرى، في عالم مستمر وخطي نسبياً تحكمه التوزيعات الغاوسية، يصبح تقليل الطاقة الحرة التباينية مكافئاً رياضياً لتقليل مجموع أخطاء التنبؤ المرجحة بالدقة. وهذا التكافؤ الرياضي هو السبب الرئيسي الذي يبرر استخدام أخطاء التنبؤ كوكيل (Proxy) عملي وموثوق لتقليل الطاقة الحرة في النماذج العصبية المستمرة.
ومع ذلك، من الضروري إدراك حدود هذا التكافؤ الرياضي. فبمجرد أن ننتقل من النماذج المستمرة (مثل تتبع حركة جسم في الفضاء) إلى النماذج المتقطعة (Discrete State-Space Models) — مثل اتخاذ القرارات المنطقية، أو التخطيط عبر خطوات زمنية متتالية، أو اختيار الكلمات في اللغة — ينهار افتراض لابلاس الغاوسي. في هذه الحالات المتقطعة أو غير الخطية متعددة القمم، لا يمكن اختزال الطاقة الحرة في مجرد أخطاء تنبؤ بسيطة، بل يتعين على الدماغ (أو النموذج الحسابي) حساب تباعد كولباك-لايبلر بشكل صريح عبر التوزيعات الاحتمالية المتقطعة، وهو ما يوضح لماذا يظل مبدأ الطاقة الحرة أوسع وأكثر عمومية من خوارزمية الترميز التنبؤي الكلاسيكية.
5.2 الهدف المشترك في تقليل المفاجأة الحسية
بعيداً عن التفاصيل الرياضية، يشترك مفهوما الطاقة الحرة وأخطاء التنبؤ في فلسفة معرفية واحدة حول طبيعة الدماغ البشري. فكلاهما يرفض النظرة التقليدية التي تعتبر الدماغ مستقبلاً سلبياً للمعلومات، ويتفقان على أن الدماغ نظام استباقي وتوليدي يسعى باستمرار إلى تقليل عدم اليقين البيئي والمفاجأة الحسية. سواء نظرنا إلى العملية من زاوية الطاقة الحرة (تقليل الحد الأعلى للمفاجأة) أو من زاوية أخطاء التنبؤ (إلغاء الفارق بين التوقع والمدخل الحسي)، فإن الغاية النهائية هي جعل العالم الخارجي قابلاً للتنبؤ والسيطرة.
علاوة على ذلك، يوجد ارتباط وثيق بين تقليل أخطاء التنبؤ على المدى القصير وتقليل الطاقة الحرة المتوقعة على المدى الطويل. فعندما تنجح الدوائر القشرية في تقليل أخطاء التنبؤ اللحظية عبر تحديث الأوزان المشبكية (التعلم)، فإنها تبني بمرور الوقت نموذجاً توليدياً أكثر دقة وشمولية لبنية العالم السببية. وهذا النموذج المحسن يمكّن الكائن الحي مستقبلاً من تجنب المواقف الخطرة والمفاجئة، مما يقلل من متوسط الطاقة الحرة عبر دورة حياته. كما يعتمد كلا المفهومين بشكل مطلق على وجود نموذج توليدي داخلي؛ فلا يمكن حساب الطاقة الحرة دون نموذج يربط الأسباب بالنتائج، ولا يمكن توليد تنبؤات لحساب خطأ التنبؤ دون وجود هذا النموذج التوليدي نفسه.
5.3 التكامل في إطار الاستدلال النشط (Active Inference)
يتجلى التكامل الأعمق بين الطاقة الحرة وأخطاء التنبؤ في نظرية الاستدلال النشط (Active Inference)، التي تمثل التطور الأحدث والأكثر شمولاً في أعمال كارل فريستون. في هذا الإطار، لا يقتصر تقليل الطاقة الحرة وأخطاء التنبؤ على الإدراك السلبي (تغيير المعتقدات لتناسب العالم)، بل يمتد ليشمل الفعل الحركي والسلوك الموجه نحو الهدف (تغيير العالم ليناسب المعتقدات). فعندما يقرر الإنسان تحريك ذراعه لالتقاط كوب ماء، لا ترسل القشرة الحركية أوامر عضلية بالمعنى التقليدي، بل ترسل تنبؤات استقبالية عميقة حول الإحساس المتوقع من العضلات والمفاصل عند وصول الذراع إلى الكوب. وبما أن الذراع لا تزال ساكنة في البداية، ينشأ خطأ تنبؤ حركي كبير، فتقوم المنعكسات الشوكية بتقليص العضلات لتحريك الذراع وتصفير خطأ التنبؤ هذا، مما يحقق الفعل الحركي بسلاسة.
ولكي يتمكن الكائن الحي من التخطيط للمستقبل واختيار الأفعال التي تضمن بقاءه، يوسع الاستدلال النشط مفهوم الطاقة الحرة ليشمل المستقبل عبر ما يُعرف بـ الطاقة الحرة المتوقعة (Expected Free Energy). فعند المفاضلة بين مسارات فعل مختلفة، يختار الدماغ المسار الذي يُتوقع أن يقلل الطاقة الحرة في المستقبل. وتنقسم الطاقة الحرة المتوقعة إلى مكونين متكاملين: القيمة البراغماتية (Pragmatic Value) التي تدفع الكائن نحو تحقيق تفضيلاته المسبقة (مثل الحصول على الطعام)، والقيمة المعرفية (Epistemic Value) التي توجه الانتباه والسلوك الاستكشافي نحو جمع المعلومات وتقليل عدم اليقين حول بنية البيئة. وهكذا، يوحد الاستدلال النشط الإدراك والفعل والانتباه والتعلم تحت مظلة حسابية واحدة، حيث تعمل الطاقة الحرة المتوقعة كبوصلة استراتيجية للسلوك، بينما تنفذ أخطاء التنبؤ الحسية والحركية هذه الاستراتيجية على أرض الواقع العصبي.
6. متى يُطبق كل مفهوم: إرشادات نظرية وعملية
6.1 متى نستخدم إطار الطاقة الحرة التباينية
يحتاج الباحثون في العلوم المعرفية وعلم الأعصاب والذكاء الاصطناعي إلى معايير واضحة لتحديد الإطار الأنسب لأسئلتهم البحثية. يُنصح باستخدام إطار الطاقة الحرة التباينية (والاستدلال النشط القائم عليها) عندما يكون التركيز منصباً على المستوى الحسابي الكلي للنظام. وبشكل محدد، يُعد هذا الإطار ضرورياً عند دراسة التنظيم الذاتي للأنظمة البيولوجية المعقدة، أو عند محاولة تفسير كيف تحافظ الكائنات الحية على توازنها الداخلي عبر الزمن التطوري والبيئي. ففي هذه السياقات، لا تكفي أخطاء التنبؤ الموضعية لتفسير لماذا يسعى الكائن الحي إلى البقاء في حالات فسيولوجية محددة دون غيرها.
كما يصبح إطار الطاقة الحرة لا غنى عنه في نمذجة اتخاذ القرار التخطيطي والاستكشاف المعرفي عبر الزمن. فعندما يواجه الوكيل (سواء كان إنساناً أو روبوتاً ذكياً) بيئة غامضة تتطلب الموازنة بين استغلال المكافآت المعروفة واستكشاف معلومات جديدة، توفر “الطاقة الحرة المتوقعة” صياغة رياضية أنيقة تجمع بين القيمة النفعية والقيمة المعرفية في معادلة واحدة. بالإضافة إلى ذلك، يجب اللجوء إلى الطاقة الحرة التباينية عند الحاجة إلى تقييم تعقيد النماذج المعرفية ومقارنتها إحصائياً، أو عند التعامل مع فضاءات حالات متقطعة (مثل اتخاذ القرارات الرمزية أو التخطيط اللغوي) حيث لا تنطبق افتراضات التوزيع الغاوسي المستمر.
6.2 متى نركز على تحليل أخطاء التنبؤ
في المقابل، يكون التركيز على تحليل أخطاء التنبؤ هو الخيار المنهجي الأمثل عندما ينتقل الباحث إلى المستوى الخوارزمي والعصبي لدراسة الآليات الفسيولوجية المباشرة في الدماغ. ويبرز هذا التطبيق بوضوح في التجارب الفسيولوجية العصبية التي تقيس الاستجابات السريعة للمحفزات الحسية غير المتوقعة، مثل تجارب تخطيط كهربية الدماغ (EEG) وتخطيط الدماغ المغناطيسي (MEG) التي ترصد موجات السلبية غير المتطابقة (MMN) أو استجابات المفاجأة السمعية والبصرية (Bonetti et al., 2025). في هذه التجارب، يمثل خطأ التنبؤ متغيراً كمياً قابلاً للقياس المباشر والربط بالزمن الفعلي للمعالجة العصبية.
كذلك، يُعد مفهوم أخطاء التنبؤ الأداة الأساسية عند دراسة البنية التشريحية والاتصالية الدقيقة بين طبقات القشرة الدماغية، مثل تتبع تدفق الإشارات عبر ترددات غاما التصاعدية وترددات بيتا التنازلية، أو دراسة دور النواقل العصبية في تعديل الكسب المشبكي (الترجيح الدقيق). وعلى الصعيد السريري، يوفر تحليل أخطاء التنبؤ إطاراً عملياً لتفسير الأعراض النفسية والعصبية المحددة — مثل الهلوسة السمعية، أو الأوهام، أو فرط الحساسية الحسية في طيف التوحد، أو التحيزات السلبية في الاكتئاب — بوصفها ناتجة عن خلل محدد في حساب أخطاء التنبؤ أو في ترجيح دقتها في الشبكات الدماغية الاجتماعية والإدراكية (Wang et al., 2025).
6.3 التوجيهات المنهجية للباحثين في النمذجة العصبية
لتجنب الوقوع في فخ الخلط المفاهيمي عند تصميم الدراسات أو بناء النماذج الحسابية، ينبغي على الباحثين الالتزام بثلاثة توجيهات منهجية أساسية. أولاً، تحديد مستوى التحليل بوضوح قبل اختيار المتغيرات الرياضية؛ فإذا كان الهدف هو الإجابة عن سؤال “لماذا يتصرف الكائن بهذه الطريقة لتحقيق التوازن؟”، فالمستوى حسابي ويتطلب صياغة الطاقة الحرة. أما إذا كان الهدف هو الإجابة عن سؤال “كيف تتواصل المنطقة القشرية أ مع المنطقة ب عند سماع صوت مفاجئ؟”، فالمستوى خوارزمي وتنفيذي ويتطلب نمذجة أخطاء التنبؤ المرجحة بالدقة.
ثانياً، يجب تجنب اختزال الطاقة الحرة في مجرد أخطاء تنبؤ عند بناء نماذج للظواهر المعرفية العليا مثل الوعي، أو التخطيط طويل المدى، أو التفكير المجرد. فهذا الاختزال يفقد النموذج قدرته على معاقبة التعقيد المفرط، ويحرمه من تفسير السلوك الاستكشافي القائم على القيمة المعرفية. ثالثاً، تكمن القوة الحقيقية للبحث المعاصر في الجمع المنهجي بين النمذجة التباينية والقياسات التجريبية لأخطاء التنبؤ؛ بحيث يستخدم الباحث مبدأ الطاقة الحرة لاشتقاق فرضيات معيارية حول السلوك الأمثل، ثم يختبر هذه الفرضيات تجريبياً عبر قياس أخطاء التنبؤ العصبية في المختبر للتحقق من صحة الآليات التنفيذية المقترحة.
7. الأسئلة الشائعة حول الطاقة الحرة وأخطاء التنبؤ
7.1 هل تقليل أخطاء التنبؤ يعني بالضرورة تقليل الطاقة الحرة؟
الإجابة المختصرة هي: نعم في حالات محددة، ولا في حالات أخرى. يكون تقليل أخطاء التنبؤ مكافئاً لتقليل الطاقة الحرة التباينية عندما تكون التوزيعات الاحتمالية التي يتعامل معها النظام غاوسية ومستمرة وبسيطة (تحت افتراض لابلاس)، وعندما تكون أخطاء التنبؤ مرجحة بدقتها الصحيحة ومقيدة بمعتقدات مسبقة مناسبة. في هذه الحالة، يؤدي تقليل مجموع مربعات أخطاء التنبؤ المرجحة بالدقة إلى تقليل الطاقة الحرة تلقائياً.
ومع ذلك، لا يعني تقليل أخطاء التنبؤ بالضرورة تقليل الطاقة الحرة في الحالات العامة. فكما أوضحنا في الصياغة الرياضية للطاقة الحرة (التعقيد ناقص الدقة)، يمكن لنموذج معرفي أو شبكة عصبية مفرطة التعقيد أن تقوم بتصفير أخطاء التنبؤ تماماً على مجموعة بيانات تدريبية معينة عبر حفظ كل تفصيل عشوائي وضوضاء فيها. لكن هذا النموذج سيمتلك طاقة حرة عالية جداً بسبب الارتفاع الهائل في حد التعقيد (تباعد كولباك-لايبلر)، وسيفشل فشلاً ذريعاً في التعميم عند مواجهة مدخلات جديدة. لذا، فإن تقليل الطاقة الحرة يتطلب الموازنة بين تقليل أخطاء التنبؤ والحفاظ على بساطة النموذج التوليدي.
7.2 كيف يفسر الدماغ الحالات التي يسعى فيها الكائن الحي إلى تجارب جديدة تزيد من خطأ التنبؤ؟
يُعرف هذا التساؤل في الأدبيات الفلسفية باسم “مشكلة الغرفة المظلمة” (The Dark Room Problem)؛ ومفاده: إذا كان الدماغ يسعى فقط إلى تقليل المفاجأة وأخطاء التنبؤ، فلماذا لا يبحث الكائن الحي عن غرفة مظلمة وهادئة تماماً ويبقى فيها بلا حراك إلى الأبد، حيث تكون أخطاء التنبؤ صفراً؟ ولماذا يسعى البشر والحيوانات إلى الفضول، واللعب، والاستكشاف، ومشاهدة الأفلام المثيرة التي تزيد مؤقتاً من أخطاء التنبؤ؟
يقدم إطار الطاقة الحرة والاستدلال النشط إجابة حاسمة على هذا الاعتراض من خلال نقطتين. أولاً، يمتلك الكائن الحي معتقدات مسبقة عميقة وموروثة تطورياً (Phenotypic Priors) تفترض أنه سيبقى على قيد الحياة في حالات فسيولوجية محددة (مثل الحصول على الغذاء والماء والتفاعل الاجتماعي). وبقاء الكائن في غرفة مظلمة بلا طعام أو حركة سيولد مفاجأة وجودية هائلة وطاقة حرة مرتفعة جداً مقارنة بتوقعاته البيولوجية الأساسية. ثانياً، يجب التمييز بين تقليل أخطاء التنبؤ الحالية وتقليل الطاقة الحرة المتوقعة مستقبلاً. فالفضول والسلوك الاستكشافي مدفوعان بـ “القيمة المعرفية” (Epistemic Value)؛ حيث يقبل الكائن الحي بزيادة مؤقتة في أخطاء التنبؤ الحالية من أجل جمع معلومات جديدة تقلل من عدم اليقين حول بنية البيئة، مما يتيح له بناء نموذج توليدي أكثر دقة يقلل الطاقة الحرة على المدى الطويل.
7.3 ما هي العلاقة بين الطاقة الحرة والوعي البشري وفقاً لفريستون؟
من الأخطاء الشائعة الاعتقاد بأن مبدأ الطاقة الحرة هو نظرية للوعي البشري، أو أن كل نظام يقلل طاقته الحرة يمتلك وعياً. يؤكد كارل فريستون أن الطاقة الحرة ليست مرادفاً للوعي؛ فهي مبدأ فيزيائي وإحصائي عام ينطبق على الكائنات وحيدة الخلية، والنباتات، بل وحتى الأنظمة غير الحية ذاتية التنظيم التي لا تمتلك أي شكل من أشكال الوعي الذاتي. فالتنظيم الذاتي وتقليل المفاجأة شرطان ضروريان للحياة، لكنهما ليسا كافيين بحد ذاتهما لتفسير التجربة الذاتية الواعية.
ومع ذلك، يقدم إطار الاستدلال النشط تفسيراً عميقاً لكيفية نشوء الوعي في الأنظمة العصبية المعقدة مثل الدماغ البشري. يرتبط الوعي في هذا النموذج بـ الاستدلال النشط العميق زمنياً (Temporally Deep Active Inference)؛ أي قدرة النظام على بناء نماذج توليدية هرمية لا تكتفي بالتنبؤ باللحظة الراهنة، بل تحاكي مسارات مستقبلية متعددة وتنمذج الذات بوصفها فاعلاً مستقلاً يختار بين تلك المسارات. وفي هذا السياق، يلعب الترجيح الدقيق لأخطاء التنبؤ (الانتباه) دوراً محورياً في تحديد أي من الإشارات الحسية والأفكار الداخلية يحظى بدقة عالية ليصل إلى حيز الإدراك الواعي، وأيها يتم كبته ومعالجته في الخلفية اللاواعية.
8. الخاتمة: نحو فهم متكامل للمعالجة التنبؤية
8.1 خلاصة المقارنة والتكامل الوظيفي
في ختام هذا التحليل الأكاديمي المفصل، يتضح أن التمييز بين الطاقة الحرة التباينية وأخطاء التنبؤ يمثل حجر الزاوية لفهم البنية المنطقية لنظرية المعالجة التنبؤية. لقد رأينا أن الطاقة الحرة التباينية تقف في المستوى الحسابي بوصفها مبدأً تنظيمياً شمولياً مستمداً من نظرية المعلومات، يضمن بقاء الكائن الحي عبر تقليل الحد الأعلى للمفاجأة الحسية والموازنة الدقيقة بين دقة النموذج التوليدي وتعقيده. وفي المقابل، تعمل أخطاء التنبؤ في المستوى الخوارزمي والعصبي بوصفها العملة الحسابية الملموسة التي تتبادلها الخلايا الهرمية السطحية عبر ترددات غاما لتصحيح التوقعات التنازلية وتوجيه الأفعال الحركية.
إن العلاقة بين المفهومين ليست علاقة تنافس أو تعارض، بل هي علاقة تكامل وظيفي وهيكلي عميق. فبدون مبدأ الطاقة الحرة، تفتقر خوارزميات أخطاء التنبؤ إلى الأساس المعياري الذي يفسر لماذا يسعى الدماغ إلى البساطة والتعميم ولماذا يوازن بين الاستكشاف والاستغلال. وبدون آلية أخطاء التنبؤ المرجحة بالدقة، يظل مبدأ الطاقة الحرة معادلة رياضية مجردة تفتقر إلى التفسير البيولوجي العصبي لكيفية تنفيذها داخل الطبقات القشرية للدماغ. ومن ثم، فإن الدقة المفاهيمية في الفصل بينهما عند التحليل، والربط بينهما عند التفسير، هما السبيل لتجنب المغالطات التفسيرية في العلوم المعرفية.
8.2 الآفاق المستقبلية للبحث في علم الأعصاب الحسابي
تفتح هذه الرؤية المتكاملة للمعالجة التنبؤية آفاقاً بحثية واعدة في عدة مجالات متداخلة. في مجال الذكاء الاصطناعي، يتجه الباحثون بشكل متزايد نحو تطوير خوارزميات مستوحاة من الاستدلال النشط وتقليل الطاقة الحرة المتوقعة، بهدف تجاوز القيود الجوهرية لنماذج التعلم العميق التقليدية التي تستهلك كميات هائلة من البيانات والطاقة وتفتقر إلى القدرة على التخطيط المرن والتعلم المستمر في البيئات الغامضة. فدمج عقوبة التعقيد والقيمة المعرفية في الشبكات الاصطناعية يعد ببناء وكلاء أذكياء أكثر كفاءة وقدرة على التكيف.
أما في مجال الطب النفسي الحسابي وعلم الأعصاب السريري، فإن التمييز الدقيق بين اختلالات النموذج التوليدي الكلي (الطاقة الحرة) واختلالات الترجيح الدقيق لإشارات خطأ التنبؤ يمهد الطريق لتطوير أدوات تشخيصية وعلاجية أكثر دقة للاضطرابات العقلية والنفسية، مثل الفصام والاكتئاب واضطرابات القلق وعسر القراءة. وأخيراً، ستشهد السنوات القادمة توسعاً في التجارب العصبية الدقيقة التي تستخدم تقنيات التسجيل الخلوي المتقدم والتصوير الوظيفي عالي الدقة لاختبار الفروق الدقيقة بين النماذج التباينية العامة وخوارزميات الترميز التنبؤي الكلاسيكية، مما سيقربنا خطوة إضافية نحو فك شيفرة العقل البشري.
المراجع
- Beach, S. D., Lim, S.-J., Cardenas-Iniguez, C., Eddy, M. D., Gabrieli, J. D. E., & Perrachione, T. K. (2021). Electrophysiological correlates of perceptual prediction error are attenuated in dyslexia. Neuropsychologia. https://doi.org/10.1016/j.neuropsychologia.2021.108091
- Berger, A., & Posner, M. I. (2022). Beyond Infant’s Looking: The Neural Basis for Infant Prediction Errors. Perspectives on Psychological Science. https://doi.org/10.1177/17456916221112918
- Bonetti, L., Olsen, E. R., Carlomagno, F., Serra, E., Szabó, S. A., Klarlund, M., et al. (2025). Working Memory Predicts Long‐Term Recognition of Auditory Sequences: Dissociation Between Confirmed Predictions and Prediction Errors. Scandinavian Journal of Psychology. https://doi.org/10.1111/sjop.13124
- Carhart-Harris, R. L., & Friston, K. J. (2010). The default-mode, ego-functions and free-energy: a neurobiological account of Freudian ideas. Brain. https://doi.org/10.1093/brain/awq010
- den Ouden, H. E. M., Friston, K. J., Daw, N. D., McIntosh, A. R., & Stephan, K. E. (2008). A Dual Role for Prediction Error in Associative Learning. Cerebral Cortex. https://doi.org/10.1093/cercor/bhn161
- Heil, L., Colizoli, O., Hartstra, E., Kwisthout, J., van Pelt, S., van Rooij, I., et al. (2019). Processing of Prediction Errors in Mentalizing Areas. Journal of Cognitive Neuroscience. https://doi.org/10.1162/jocn_a_01381
- Koster-Hale, J., & Saxe, R. R. (2013). Theory of Mind: A Neural Prediction Problem. Neuron. https://doi.org/10.1016/j.neuron.2013.08.020
- Rabeyron, T., & Massicotte, C. (2020). Entropy, Free Energy, and Symbolization: Free Association at the Intersection of Psychoanalysis and Neuroscience. Frontiers in Psychology. https://doi.org/10.3389/fpsyg.2020.00366
- Ramos-Grille, I., Weyant, J., Wormwood, J. B., Robles, M., Vallès, V., Camprodon, J. A., et al. (2022). Predictive processing in depression: Increased prediction error following negative valence contexts and influence of recent mood-congruent yet irrelevant experiences. Journal of Affective Disorders. https://doi.org/10.1016/j.jad.2022.05.030
- Wang, Y., Davidow, J. Y., Lane, R. D., & Satpute, A. B. (2025). Disentangling Prediction and Feedback in Social Brain Networks: A Predictive Processing Approach. bioRxiv (Cold Spring Harbor Laboratory). https://doi.org/10.1101/2025.06.10.658968
أسئلة شائعة5
ما هو نموذج المعالجة التنبؤية الذي طوره كارل فريستون؟
المعالجة التنبؤية هي إطار نظري في علم الأعصاب الحسابي يعتبر الدماغ محركاً استدلالياً استباقياً وليس جهازاً سلبياً يستقبل المعلومات. يولد الدماغ باستمرار تنبؤات تنازلية حول الأسباب الخفية وراء الإشارات الحسية، ولا يصعد إلى المستويات القشرية العليا سوى ما فشل الدماغ في توقعه، مما يعيد تعريف وظيفته كآلة لتقليل المفاجأة وعدم اليقين.
ما الفرق الجوهري بين الطاقة الحرة التباينية وأخطاء التنبؤ؟
تمثل الطاقة الحرة التباينية القانون المعياري الشمولي المستمد من الفيزياء الإحصائية ونظرية المعلومات لتقييم جودة النموذج التوليدي وضمان بقاء الأنظمة البيولوجية. في المقابل، تمثل أخطاء التنبؤ الآلية الخوارزمية والعصبية المحلية التي تنفذ هذا المبدأ داخل الدوائر القشرية، حيث تعمل كرسائل موضعية متبادلة لتصحيح النموذج الداخلي لحظة بلحظة.
ما المقصود بالطاقة الحرة التباينية والمفاجأة الحسية في نموذج فريستون؟
الطاقة الحرة التباينية هي كمية قياسية تمثل حداً أعلى قابلاً للحساب الرياضي لمقدار المفاجأة الحسية التي يواجهها الكائن الحي. وتعبر المفاجأة الحسية إحصائياً عن اللوغاريتم السالب لاحتمالية حدوث حالة حسية معينة وفق النموذج الداخلي، ويلجأ النظام البيولوجي لتقليل الطاقة الحرة كبديل عملي لأن حساب المفاجأة مباشرة مستحيل حسابياً.
ما هي الجذور التاريخية والفلسفية لنظرية المعالجة التنبؤية؟
تمتد جذور النظرية إلى القرن التاسع عشر مع أعمال هيرمان فون هيلمهولتز الذي طرح فكرة الإدراك كاستدلال لاواعٍ. وتطورت لاحقاً عبر فرضية الترميز الفعال لهوراس بارلو، ثم آلة هيلمهولتز التي طورها بيتر دايان وجيفري هينتون، ونموذج الترميز التنبؤي الهرمي لراجيش راو ودانا بالارد، قبل أن يوحدها كارل فريستون في مبدأ الطاقة الحرة.
لماذا يحدث خلط شائع بين الطاقة الحرة وأخطاء التنبؤ في الأدبيات العلمية؟
يعود الخلط المتكرر بين المصطلحين في علم النفس المعرفي والفلسفة إلى الاستخدام غير الدقيق للمصطلحات في الدراسات غير المتخصصة في النمذجة الرياضية. إذ يميل الباحثون في المجالات التطبيقية إلى تبسيط الإطار الرياضي المعقد لمبدأ الطاقة الحرة واختزاله في تقليل أخطاء التنبؤ، نظراً لسهولة تصور خطأ التنبؤ وقياسه تجريبياً مقارنة بالصياغات التباينية المجردة.