نظرية الرنين التكيفي (ART) – ستيفن جروسبيرج وجيل كاربنتر

تُعد مسألة فهم الكيفية التي يوفق بها الدماغ البشري بين قدرته الفائقة على استيعاب المعلومات والخبرات المستحدثة باستمرار، وبين مقدرته المدهشة على حماية الذكريات والمفاهيم التأسيسية الراسخة من التآكل أو المحو التام، واحدة من أعمق المعضلات المعرفية والعصبية التي واجهت الباحثين عبر تاريخ علوم الإدراك والحوسبة العصبية. ففي الوقت الذي عانت فيه نماذج الذكاء الاصطناعي التقليدية وشبكات التعلم العميق المبكرة من ظاهرة الانهيار التدريجي للمعلومات السابقة بمجرد تدريبها على مهام جديدة—وهي الأزمة الرياضية المعروفة باسم “النسيان الكارثي” (Catastrophic Forgetting)—برزت الحاجة الملحة إلى بناء إطار نظري وتطبيقي متكامل يستلهم الأسس البيولوجية للدماغ الحي في التعلّم الإدراكي المستمر وتصنيف الأنماط ذاتياً دون الحاجة إلى تدخل إشرافي خارجي لا متناهٍ.

في هذا السياق المعرفي المعقد، تبلورت نظرية الرنين التكيفي (Adaptive Resonance Theory – ART) كواحدة من أكثر النظريات شمولاً ونضجاً في ميدان علم الأعصاب الحسابي وعلم النفس المعرفي الرياضي. انطلقت هذه النظرية بجهود رائدة وفذة قادها عالم الأعصاب والرياضيات الأمريكي البارز ستيفن جروسبيرج (Stephen Grossberg) ابتداءً من منتصف سبعينيات القرن العشرين، ثم تعززت وتطورت إلى صروح خوارزمية ومعمارية بالغة الدقة بالتعاون الوثيق مع عالمة الرياضيات والحوسبة المعرفية جيل كاربنتر (Gail Carpenter). لم تقدم نظرية ART مجرد خوارزميات إحصائية لتجميع البيانات (Clustering)، بل أرست نموذجاً وظيفياً وفسيولوجياً يربط بين السلوك الواعي، وتوجيه الانتباه، وتشفير الذاكرة طويلة وقصيرة المدى، وتناغم التفاعلات العصبية بين طبقات القشرة المخية.

يقوم الجوهر الفلسفي والرياضي لنظرية الرنين التكيفي على فرضية أن الإدراك ليس عملية سلبية أحادية الاتجاه تتدفق فيها المعلومات من الحواس إلى العقل فحسب، بل هو حوار ديناميكي تفاعلي يتأسس على التنبؤ والمطابقة؛ حيث ترسل المستويات العليا من الدماغ توقعات ونماذج أولية هابطة تلتقي مع الإشارات الحسية الصاعدة القادمة من العالم الخارجي. وعندما يحدث التوافق الكافي بين ما هو متوقع وما هو مرصود، تنشأ حالة من التردد العصبي المتزامن تُعرف باسم “الرنين”، وهي الحالة التي تمثل الشرط الضروري لانبثاق الوعي الإدراكي وقفل مسارات التعلم لتعديل الأوزان المشبكية دون المساس بالمعارف السابقة. يقدم هذا الدليل المرجعي تحليلاً شاملاً وتفصيلياً لنظرية ART، ممتداً من منطلقاتها الفلسفية والبيولوجية، مروراً ببنيتها الرياضية ونماذجها المتعددة، وصولاً إلى تطبيقاتها النفسية والسريرية والآفاق المستقبلية في الحوسبة العصبية التشكيلية.

1. مدخل تأسيسي إلى نظرية الرنين التكيفي (ART) وسياقها التاريخي

1.1 الخلفية التاريخية لتطور النمذجة العصبية المعرفية

شهدت فترة منتصف القرن العشرين طفرة ملحوظة في محاولات محاكاة التفكير البشري عبر الآلات، إلا أن معظم النماذج الحسابية المبكرة استندت إلى المنطق الصوري الثنائي والشبكات العصبية الخطية مثل بيرسبترون (Perceptron) لفرانك روزنبلات. وسرعان ما اصطدمت هذه المحاولات بمحدودية رياضية بنيوية عند التعامل مع المشكلات المعقدة غير القابلة للفصل خطياً، فضلاً عن عجزها الجوهري عن تفسير كيفية قدرة الكائنات الحية على مواصلة التعلم والنمو المعرفي في بيئات متغيرة ودائمة التدفق دون فقدان المعلومات التأسيسية التي تم اكتسابها في مراحل مبكرة من العمر. تفاقمت هذه المعضلة مع ظهور خوارزميات الانتشار الخلفي للخطأ (Backpropagation)، التي على الرغم من قوتها الحسابية، كانت تتطلب إعادة التدريب الكامل على جميع البيانات القديمة والحديثة معاً لتجنب مسح الأنماط السابقة بصورة مفاجئة وكارثية.

في خضم هذه الأزمة المنهجية، انطلق ستيفن جروسبيرج في عام 1976 من فرضية مفادها أن النماذج الحسابية يجب أن تُبنى على المبادئ الفيزيولوجية الحيوية الفعلية للدماغ البشري بدلاً من استعارة منطق المعالجات الرقمية المتتالية. قاد جروسبيرج ثورة في علم الأعصاب الحسابي عبر صياغة منظومة من المعادلات التفاضلية غير الخطية المستمرة زمنياً التي تصف ديناميكا الأغشية الخلوية وتفاعلات الاستثارة والتثبيط المتبادل بين التجمعات العصبية، مؤسساً بذلك الأساس النظري لنظرية الرنين التكيفي. وقد شكل انضمام عالمة الرياضيات جيل كاربنتر في ثمانينيات القرن الماضي نقطة تحول حاسمة؛ حيث أسهمت عبقريتها الرياضية في ترجمة هذه المبادئ البيولوجية المعقدة إلى هياكل خوارزمية دقيقة وقابلة للتطبيق العملي على الحواسيب، وهو ما دشن ولادة سلسلة نماذج ART الشهيرة التي أثبتت جدارتها في المعالجة الذاتية للأنماط المعقدة.

1.2 التعريف العلمي لنظرية الرنين التكيفي وأهدافها المعرفية

تُعرّف نظرية الرنين التكيفي بأنها إطار عصبي حسابي معرفي يصف الآليات التي يقوم الدماغ من خلالها بتنظيم الإشارات الحسية المتباينة ذاتياً، وتصنيفها إلى مفاهيم وفئات إدراكية مستقرة وقابلة للتعديل عبر التفاعل الديناميكي المستمر بين المعالجة الصاعدة المعتمدة على البيانات والمعالجة الهابطة المعتمدة على الفرضيات والتوقعات المعرفية. يشير مصطلح “الرنين” (Resonance) في هذا السياق إلى الحالة الترددية التوافقية المتزامنة التي تحدث عندما يتطابق نمط النشاط العصبي الناجم عن المثيرات الحسية الخارجية مع النمط العصبي المنبثق من الذاكرة الداخلية أو النماذج المعرفية الأولية (Prototypes)، مما يؤدي إلى تضخيم الإشارات العصبية وإطالة أمد نشاطها بما يكفي لإحداث تغييرات تشريحية وكيميائية دائمة في نقاط التشابك العصبي.

تتمثل الأهداف المعرفية الأساسية للنظرية في سد الفجوة القائمة بين مستويات التحليل المتعددة في دراسة العقل؛ بدءاً من المستوى الجزيئي والخلوي المتمثل في حركة الأيونات عبر الأغشية المشبكية، مروراً بالمستوى الدائري المتمثل في الشبكات والتنظيم العمودي لطبقات القشرة المخية، ووصولاً إلى المستوى السلوكي الواسع المتمثل في اتخاذ القرارات، وتوجيه الانتباه الانتقائي، والتعرف على الوجوه والأشياء، واسترجاع الذكريات. وبذلك، تشكل نظرية ART جسراً حقيقياً يدمج علم النفس الإدراكي مع نماذج الذكاء الاصطناعي المستوحى حيوياً، واضعة قواعد صارمة لكيفية بناء عقول اصطناعية قادرة على الاستقلالية المعرفية التامة والتفاعل الآمن مع البيئات الحقيقية عالية الضوضاء.

1.3 الفلسفة المعرفية الكامنة خلف تصميم النماذج

تستند الفلسفة المعرفية لنظرية ART إلى رؤية ثورية مفادها أن الإدراك الحسي ليس نقلاً فوتوغرافياً سلبياً للواقع الخارجي، بل هو عملية “بنائية نشطة” يمارس فيها الدماغ اختباراً متواصلاً للفرضيات. فالمدخلات الحسية القادمة من العين أو الأذن، وفقاً لجروسبيرج وكاربنتر، تكون دائماً ناقصة، وغامضة، ومشوبة بالتشويش؛ ومن ثم فإن الدماغ لا يعتمد حصراً على التدفق التلقائي للبيانات لتشكيل المعنى، بل يستدعي على الفور تمثيلاته وخبراته التراكمية لتوليد توقعات استباقية تسعى لمطابقة تلك البيانات وتأويلها. تبرز هنا الأهمية الفلسفية للتمييز بين المعالجة الموجهة بالبيانات التلقائية (Bottom-up Driven) والمعالجة الواعية الموجهة بالانتباه التنازلي (Top-down Attentional Control).

توضح النظرية أن التعلم الحقيقي لا يحدث إلا عندما يولي النظام انتباهاً مقصوداً للنمط الحسي عبر حلقة الرنين، وهو ما يفسر السبب في أن البشر لا يحفظون كل تفصيلة عشوائية تقع عليها حواسهم أثناء اليوم، بل يشفرون فقط الأحداث والأنماط التي تكتسب دلالة معرفية من خلال التوافق الرنيني أو التي تفجر دهشة إدراكية ناتجة عن عدم التطابق، مما يستدعي توجيه الانتباه وإعادة ضبط الفئات. ينشأ عن هذا التصميم ترابط وظيفي محكم بين الذاكرة قصيرة المدى (Short-Term Memory – STM)، التي تحتفظ بأنماط التنشيط الكهربائي العابر عبر العقد العصبية، والذاكرة طويلة المدى (Long-Term Memory – LTM)، التي تُخزن القوة المشبكية المستدامة في مسارات الاتصال، مما يتيح التوازن بين سيولة الإدراك اللحظي ورسوخ البناء المفاهيمي التراكمي.

2. معضلة الاستقرار والمرونة (Stability-Plasticity Dilemma)

2.1 طبيعة المعضلة في النظم الحيوية والاصطناعية

تُمثل معضلة الاستقرار والمرونة (Stability-Plasticity Dilemma) التحدي الوجودي الأكبر لأي نظام معرفي متطور؛ سواء أكان دماغاً حيوياً أم شبكة عصبية اصطناعية. تتلخص هذه المعضلة في التساؤل التالي: كيف يمكن لنظام تعليمي أن يحافظ على درجة كافية من “المرونة” (Plasticity) تتيح له استيعاب وتشفير مدخلات وأنماط وسلوكيات جديدة بصورة مستمرة، وفي الوقت ذاته يتمتع بدرجة عالية من “الاستقرار” (Stability) تمنع المعلومات الحديثة من محو أو تشويه أو الكتابة فوق المعارف السابقة والذكريات التأسيسية المحفوظة في الذاكرة طويلة المدى؟

إذا كان النظام مفرط المرونة، فإنه يعاني من فقدان فوري للذاكرة التراكمية وتصبح معارفه هشة وعرضة للاندثار بمجرد تعرضه لمحيط متغير؛ وهي الحالة التي تسقط فيها معظم خوارزميات التعلم الآلي القائمة على خفض الخطأ بالانحدار التدريجي (Gradient Descent). وإذا كان النظام مفرط الاستقرار، فإنه يتحول إلى بنية متصلبة عاجزة عن التكيف والتطور، رافضة أي معلومة تخرج عن نطاق برمجتها الأولى. لقد أثبتت الدراسات الحسابية أن الشبكات العصبية التي تفتقر إلى آليات فرز ومطابقة موجهة بالانتباه تسقط حتماً في فخ النسيان الكارثي؛ حيث يؤدي تعديل أوزان المشابك العصبية في طبقة معينة لتصنيف مدخل جديد إلى نسف التوازن الوزني الذي تم بناؤه لتصنيف المدخلات القديمة، مما يجعل التعلم التراكمي الحقيقي مستحيلاً دون حل هندسي جذري لهذه المعضلة.

2.2 الحل العصبي المعرفي الذي تقدمه نظرية ART

تقدم نظرية الرنين التكيفي حلاً عبقرياً وأنيقاً لمعضلة الاستقرار والمرونة عبر إدخال بنية هرمية تفاعلية تعتمد على “البوابات الانتباهية” (Attentional Gating) وآلية فحص التطابق الديناميكي. بدلاً من السماح للمدخلات الحسية بتعديل الأوزان المشبكية مباشرة وبصورة عشوائية، تقسم النظرية عملية التفاعل مع المثيرات إلى مسارين متميزين وظيفياً: المسار الإدراكي المعرفي، والمسار التوجيهي الدافعي. عندما يستقبل النظام نمطاً حسياً، فإنه يبحث أولاً في مخزون ذاكرته طويلة المدى عبر الإشارات الهابطة لتحديد ما إذا كان هذا النمط مألوفاً وينتمي إلى فئة معرفية سابقة.

في حالة التحقق من أن النمط “مألوف” ويطابق بدرجة كافية التوقعات المشفرة في النموذج الأولي للفئة، يُسمح بحدوث الرنين، ويتم حصر التعديل المشبكي في تنقيح وتدقيق حدود تلك الفئة المحددة فقط دون المساس بالفئات الأخرى، وهو ما يضمن الاستقرار التام. أما إذا كشف الفحص أن النمط “جديد أو مجهول” ولا يتطابق مع أي نموذج سابق، فإن نظام التوجيه يتدخل على الفور لعزل الفئات القديمة وحمايتها تماماً من التغيير، ثم يقوم بتفعيل عقدة عصبية غير مخصصة (Uncommitted Node) لتكوين فئة جديدة بالكامل، مانحاً إياها المرونة الكافية لتشفير النمط الجديد من الصفر. وبفضل هذه الآلية المشروطة بالتطابق الرنيني، تتحقق المرونة اللانهائية في استيعاب الجديد جنباً إلى جنب مع الاستقرار الصارم للقديم.

2.3 الأدلة البيولوجية والنفسية على وجود توازن الاستقرار والمرونة في الدماغ

تتطابق الرؤية الرياضية لـ ART بدقة متناهية مع الأدلة التجريبية المستمدة من أبحاث الفيزيولوجيا العصبية والعلوم المعرفية. فقد كشفت دراسات اللدونة المشبكية في القشرة المخية، وخاصة في القشرة البصرية الأولية والثانوية وقشرة الفص الصدغي السفلي (Inferotemporal Cortex)، أن التغيير الهيكلي في قوة المشابك (عبر آليات مثل Long-Term Potentiation – LTP) لا يتم اعتباطياً مع كل نشاط كهربائي عابر، بل يتطلب تزامناً محكماً في إطلاق الإشارات العصبية يتوافق بدقة مع نماذج الرنين العصبي والتثبيط المتبادل.

علاوة على ذلك، تُظهر التجارب النفسية الفيزيائية في التعلم الإدراكي لدى البالغين أن الإنسان يظل قادراً طوال حياته على تعلم تمييز أنماط بصرية وصوتية دقيقة للغاية (مرونة مستمرة)، دون أن يؤدي ذلك مطلقاً إلى فقدانه القدرة على التعرف على الوجوه المألوفة أو قراءة الأحرف اللغوية الأساسية (استقرار هيكلي). كما تدعم دراسات التثبيط الجانبي داخل الأعمدة القشرية (Cortical Columns) فكرة أن التنافس المحلي بين الخلايا العصبية يعمل على عزل التمثيلات المتعارضة ومنع التداخل التدميري بين الذكريات، مما يؤكد أن الدماغ البيولوجي يعمل وفق منظومة معمارية متطابقة وظيفياً مع القوانين التي صاغتها نظرية الرنين التكيفي.

3. البنية الهيكلية والمكونات الوظيفية لنماذج ART

3.1 مستويات المعالجة: طبقة المقارنة (F1) وطبقة التعرف (F2)

تتكون النواة الأساسية لأي نظام ART من طبقتين عصبيتين رئيستين متصلتين بمسارات تغذية أمامية وتغذية راجعة، هما طبقة المقارنة وتُرمز لها بالرمز ($F_1$)، وطبقة التعرف وتُرمز لها بالرمز ($F_2$). تمثل طبقة المقارنة ($F_1$) واجهة المعالجة الحسية منخفضة المستوى؛ حيث تستقبل متجهات المدخلات الخام القادمة من البيئة الخارجية أو من مراحل المعالجة السابقة، وتقوم بدمجها وترشيحها جنباً إلى جنب مع إشارات التوقع التنازلية القادمة من الطبقة العليا. لا تقتصر وظيفة خلايا $F_1$ على التمرير السلبي للمعلومة، بل تعمل كساحة نشطة لحساب الفروق الدقيقة والمطابقة بين ما تراه الحواس وما يتوقعه الدماغ.

على الجانب الآخر، تمثل طبقة التعرف ($F_2$) المستوى المعرفي التجريدي الأعلى؛ حيث تُمثل كل عقدة عصبية (أو مجموعة عقد) داخلها تصنيفاً نمطياً أو مفهوماً إدراكياً محدداً (Category Representation). تتميز طبقة $F_2$ بوجود شبكة تثبيط متبادل قوية للغاية تعمل وفق مبدأ “الفائز ينال كل شيء” (Winner-Take-All – WTA) أو شبكات التنافس الموضعي غير الخطي. فعندما تتلقى خلايا $F_2$ الإشارات الصاعدة المنقولة من $F_1$، تتنافس العقد فيما بينها بشدة لتحديد العقدة ذات الاستجابة الأقوى؛ لتصبح العقدة الفائزة هي الممثلة الحصرية للفرضية الإدراكية الراهنة للنظام.

3.2 نظام التوجيه واليقظة (The Orienting Subsystem)

بموازاة النظام الانتباهي المكون من الطبقتين $F_1$ و$F_2$، يتواجد عنصر هيكلي محوري بالغ الأهمية يُعرف باسم “النظام الموجه” (The Orienting Subsystem – $A$). يعمل هذا النظام التوجيهي كجهاز استشعار تنبيهي مستقل وحارس للأخطاء المعرفية؛ حيث يراقب باستمرار درجة التوافق والتطابق الكلية في طبقة المقارنة$F_1$. وظيفته الأساسية هي التدخل العاجل لقطع النشاط العصبي الخاطئ عندما ترسل طبقة التعرف توقعاً يتناقض جذرياً مع الواقع الحسي المرصود في$F_1$.

يخضع سلوك النظام الموجه لمتغير تحكم رياضي فائق الحساسية يُدعى “معلمة اليقظة” أو معيار التيقظ (Vigilance Parameter)، ويرمز لها بالحرف الإغريقي رو ($rho$)، حيث تتراوح قيمتها حصراً بين الصفر والواحد ($0 le rho le 1$). تتحكم معلمة اليقظة في مدى صرامة وتدقيق النظام أثناء تصنيف الأنماط؛ فعند ضبط$rho$ على قيمة مرتفعة تقترب من الواحد، يصبح النظام شديد التدقيق والشك، رافضاً أي تباين طفيف بين المدخل والتوقع، مما يدفعه إلى تكوين فئات دقيقة ومفصلة للغاية (Fine-grained Categories) مثل تمييز الفروق الفردية بين وجوه التوائم. أما عند ضبط $rho$ على قيمة منخفضة، يكتفي النظام بتشابهات سطحية عامة، مما يولد فئات عريضة وشاملة (Coarse Categories) مثل تصنيف كل ما يطير بأنه طائر، وهو ما يمنح النظام مرونة مذهلة في التكيف مع متطلبات المهام البيئية المختلفة.

3.3 مسارات الاتصال الصاعدة والهابطة وأوزان الذاكرة

ترتبط الطبقتان $F_1$ و$F_2$ عبر نمطين متكاملين من مسارات الألياف العصبية الموجهة بأوزان قابلة للتعديل تمثل الذاكرة طويلة المدى للنظام. النمط الأول هو مسارات الأوزان الصاعدة (Bottom-Up Adaptive Weights)، ويُرمز لمصفوفتها بالرمز ($W_{ij}^{bu}$ أو $T_{ji}$)؛ وتعمل هذه الأوزان كمرشح تكيفي يحول النشاط الحسي المشفر في $F_1$ إلى إشارات دفع باتجاه خلايا $F_2$. تتم معايرة هذه الأوزان لتعمل ككواشف للميزات والخصائص البارزة، مما يضمن قدرة المدخلات على استثارة الفئات المعرفية الملائمة لها في الطبقة العليا بأقصى كفاءة ممكنة.

النمط الثاني هو مسارات الأوزان الهابطة (Top-Down Adaptive Weights)، ويُرمز لمصفوفتها بالرمز ($W_{ji}^{td}$ أو $B_{ij}$)؛ وهي المسؤولة عن تشفير النموذج المعرفي الأولي (Prototype) أو القالب التوقعي للفئة. عندما تفوز عقدة معينة في طبقة $F_2$، فإنها تبث عبر هذه الأوزان الهابطة نمطاً عصبياً دقيقاً إلى طبقة المقارنة $F_1$ يمثل “الصورة الذهنية” لما يجب أن يكون عليه المثير المثالي التابع لهذه الفئة. يشكل التعديل المتزامن لهاتين المجموعتين من الأوزان أثناء حالة الرنين العصبي جوهر التعلم المستقر؛ حيث تتناغم الأوزان الصاعدة لترشيح الميزات مع الأوزان الهابطة التي تضبط التوقعات، خالقة حلقة اتصال متوازنة بيولوجياً ومحكمة رياضياً.

4. ديناميكية التشغيل: آلية حدوث الرنين التكيفي والبحث المعرفي

4.1 مرحلة المعالجة الصاعدة وتفعيل الفئة المرشحة

تبدأ دورة المعالجة في نماذج ART باستقبال طبقة المقارنة $F_1$ لمتجه المدخل الحسي الخام ($I$). فور تفعيل خلايا$F_1$ بالنمط الحسي، يتم تضخيم هذه الإشارات وإرسالها عبر مصفوفة الأوزان الصاعدة ($T_{ji}$) باتجاه جميع العقد في طبقة التعرف $F_2$. تقوم كل عقدة ($j$) في$F_2$ بحساب المجموع الموزون للإشارات الواصلة إليها، وهو ما يمثل حاصل الضرب القياسي أو قياس التشابه بين نمط المدخلات ونظام الأوزان الصاعدة المرتبط بتلك العقدة، وفق العلاقة الرياضية التنافسية الأولية:

$$T_j = \sum_{i} I_i T_{ji}$$

بمجرد حساب قيم التنشيط في $F_2$، تشتعل حلقة التنافس العصبي غير الخطي الشرس بين العقد العصبية بفعل مسارات التثبيط المتبادل الجانبية. تؤدي هذه الديناميكية التنافسية إلى كبح جميع العقد ذات التنشيط الأضعف وتجريدها من قدرتها على التأثير، في حين تتصاعد العقدة الفردية التي تلقت أعلى استجابة لتصبح “العقدة الفائزة” (Winning Node – $J$). يمثل هذا الفوز إطلاق فرضية إدراكية أولية من النظام مفادها: “إن النمط الحسي المعروض ينتمي على الأرجح إلى المفهوم المشفر في العقدة$J$”.

4.2 مرحلة المعالجة الهابطة واختبار التطابق (Hypothesis Testing)

بمجرد تتويج العقدة $J$ كفائزة في طبقة $F_2$، يتم فوراً تفعيل مسار التغذية الراجعة التنازلي؛ حيث تُرسل العقدة الفائزة إشاراتها عبر الأوزان الهابطة ($B_{ij}$) لترسم في طبقة المقارنة $F_1$ قالب التوقع المشفر لتلك الفئة، ويُرمز له بالمتجه الهابط ($V$). تلتقي الآن في طبقة$F_1$ قوتان: قوة المدخل الحسي الأصلي ($I$)، وقوة التوقع التنازلي ($V$). تخضع هذه العملية لما يُعرف باسم “قاعدة المطابقة 2/3″، حيث يتم دمج الإشارات لإنتاج نمط نشاط معدل في$F_1$ يمثل التقاطع المشترك بين ما هو حسي وما هو متوقع ($X = I cap V$).

عقب تشكل هذا النمط المعدل، يقوم النظام الموجه بحساب نسبة التطابق الفعلي ($S$) بين النمط المشترك الناتج ($X$) والنمط الحسي الأصلي ($I$)، وفق المعادلة المعيارية للتشابه:

$$S = \frac{|X|}{|I|} = \frac{|I \cap V|}{|I|}$$

ثم يقارن النظام هذه النسبة بقيمة معلمة اليقظة ($rho$). إذا كانت نسبة التشابه أكبر من أو تساوي اليقظة ($S ge rho$)، يُعلن النظام نجاح الفرضية وأن التوقع مطابق للواقع بالقدر المطلوب، أما إذا كانت النسبة أقل من اليقظة ($S < rho$)، فإن النظام يسجل فشل الفرضية ويصنف الحالة كحالة عدم تطابق إدراكي تتطلب تدخلاً فورياً.

4.3 حدوث الرنين مقابل تفعيل نظام التوجيه والبحث عن فئة جديدة

في حالة نجاح التطابق واستيفاء شرط اليقظة ($S ge rho$)، يظل النظام الموجه في حالة هدوء وتثبيط، وتدخل الشبكة العصبية في حالة “الرنين التكيفي” (Adaptive Resonance). في هذه الحالة، تستمر الإشارات العصبية في الدوران والتردد التوافقي الإيجابي بين $F_1$ و$F_2$، مما يثبت النشاط الكهربائي للذاكرة قصيرة المدى ويقفل تركيز الانتباه. خلال هذا الرنين المستقر، تنفتح بوابات التعديل المشبكي في الذاكرة طويلة المدى، ويتم تحديث الأوزان الصاعدة والهابطة للعقدة الفائزة $J$ لتقترب أكثر من ميزات النمط الحسي الحالي، وهو ما يمثل عملية التعلم الراسخ دون أدنى تشويه للفئات الأخرى.

أما في حالة الإخفاق ($S < rho$)، فإن النقص الحاد في نشاط $F_1$ يؤدي إلى زوال التثبيط عن النظام الموجه، فيطلق على الفور "إشارة إعادة تعيين حركية" (Reset Wave) تنفجر باتجاه طبقة $F_2$. تؤدي هذه الإشارة إلى تعطيل وتثبيط العقدة الفائزة الفاشلة $J$ بصورة مستمرة طوال فترة استمرار المثير الحالي، مانعة إياها من التنافس مجدداً. تبدأ بعد ذلك "دورة بحث معرفي ديناميكي"؛ حيث تفرز طبقة $F_2$ العقدة التالية في الترتيب التنافسي لاختبارها وتطبيق المعايير ذاتها عليها. وإذا فشلت جميع العقد المشغولة في تحقيق شرط اليقظة، يقوم النظام تلقائياً بتجنيد أول عقدة عصبية غير ملتزمة (Uncommitted Node) وتعيينها كفئة جديدة تماماً، مما يضمن قدرة الشبكة اللانهائية على النمو الهيكلي واستيعاب المعارف الجديدة بمرونة مطلقة.

5. قاعدة المطابقة 2/3 ودور الانتباه التنازلي الواعي

5.1 الآليات الرياضية لقاعدة المطابقة 2/3

تُعد قاعدة المطابقة 2/3 (2/3 Matching Rule) الإنجاز النظري والرياضي الأبرز الذي قدمه ستيفن جروسبيرج لحل واحدة من أعقد مشاكل الإدراك؛ وهي كيفية السماح للتوقعات التنازلية بتوجيه الانتباه وتعديل المعالجة الحسية دون أن تتسبب تلك التوقعات بمفردها في توليد “هلاوس إدراكية” (Hallucinations) يرى فيها الكائن أشياء لا وجود لها في العالم الحقيقي. تنص هذه القاعدة على أن أي خلية عصبية في طبقة المقارنة $F_1$ لا يمكنها إطلاق جهود الفعل وتوليد نشاط ملحوظ إلا إذا استوفت شرطين اثنين على الأقل من أصل ثلاثة مصادر محتملة للإثارة والتعديل العصبي.

المصادر الثلاثة المحددة للقاعدة هي:

• المدخل الحسي المباشر (Bottom-Up Sensory Input): إشارة المثير القادمة من المستقبلات الحسية الخارجية.
• التوقع الانتباهي التنازلي (Top-Down Expectation): إشارة الاستثارة المشفرة المنقولة من العقدة المفعلة في طبقة التعرف $F_2$.
• إشارة التحكم في الكسب غير المحددة (Nonspecific Gain Control): إشارة تثبيط أو استثارة عامة تُبث بصورة شاملة وموزعة إلى كامل خلايا الطبقة $F_1$ عند وصول أي مدخل حسي لضبط الحساسية الإجمالية للمستقبلات.

وفق هذه الصياغة الحسابية الدقيقة، إذا وصل المدخل الحسي الخارجي بمفرده، فإنه ينشط خلايا $F_1$ لأنه يترافق تلقائياً مع إشارة الكسب العامة (المصدر 1 + المصدر 3 = شرطان متحققان)، مما يولد نشاطاً حسياً كافياً للانطلاق صعوداً نحو $F_2$. وعندما تفوز عقدة في $F_2$ وترسل توقعاتها الهابطة، فإن التغذية الراجعة التنازلية تلغي إشارة الكسب العامة عبر مسارات تثبيط وسيطة، وتوفر بدلاً منها استثارة مخصصة للميزات المتوقعة فقط. تصبح الخلايا العصبية في $F_1$ في هذه اللحظة خاضعة لمصدرين فقط هما: المدخل الحسي المباشر والتوقع التنازلي المخصص (المصدر 1 + المصدر 2 = شرطان متحققان)، في حين تُثبط تماماً أي خلية حسية في $F_1$ تلقت مدخلاً خارجياً لم يكن متوقعاً في الإشارة الهابطة (تحقق شرط واحد فقط وهو المدخل الحسي دون التوقع، مع زوال إشارة الكسب العامة). هذا البناء المنطقي الصارم يمنع الهلوسة؛ فإذا فكر الإنسان في “تفاحة” وتولدت إشارة هابطة فقط دون وجود مدخل حسي حقيقي (المصدر 2 فقط = شرط واحد متحقق)، فإن خلايا $F_1$ تظل صامتة ولا يرى الشخص تفاحة وهمية أمامه، بل تكتفي بالدخول في حالة استثارة تحت العتبة تُعرف باسم “التجهيز الانتباهي”.

5.2 التجهيز الانتباهي (Attentional Priming) والتعديل العصبي

يقدم مفهوم التجهيز الانتباهي المنبثق من قاعدة المطابقة 2/3 تفسيراً متكاملاً للعديد من الظواهر السلوكية والمعرفية المرتبطة بتركيز الوعي وتصفية الضوضاء البيئية. فعندما تنشط التوقعات التنازلية لمفهوم معين، يتم رفع الجهد الغشائي للخلايا العصبية المتوافقة في الطبقات الحسية لتقترب بشدة من عتبة الإطلاق (Sub-threshold Depolarization) دون تجاوزها. هذا التجهيز المسبق يجعل تلك الخلايا فائقة الحساسية وسريعة الاستجابة بصورة استثنائية بمجرد ظهور المثير المطابق في الحقل الحسي، مما يقلل زمن الاستجابة الحركية والإدراكية بمقدار أجزاء من الثانية.

تفسر هذه الآلية كيف يتمكن الدماغ من توجيه الانتباه الانتقائي في بيئات معقدة مثل “تأثير حفلة الكوكتيل” (Cocktail Party Effect)؛ حيث يستطيع الفرد التركيز على صوت محدد وعزل مئات الأصوات المتداخلة المشتتة، لأن التوقعات اللغوية والسياقية التنازلية تفرض تثبيطاً فعالاً على كافة الترددات الصوتية التي لا تتطابق مع النموذج النغمي المراد متابعته. ومن ثم، يتجاوز الانتباه في نظرية ART كونه مجرد مرشح سلبي للمعلومات، ليصبح عملية تعديل ديناميكي نشطة تعيد تشكيل البيانات الحسية وتبرز ملامحها الجوهرية المعبرة عن السياق المعرفي الراهن.

5.3 التناظر الوظيفي مع تنظيم القشرة المخية البصرية

تجد التنبؤات التشريحية والوظيفية لقاعدة المطابقة 2/3 دعماً تجريبياً حاسماً في أبحاث القشرة المخية للثدييات، لا سيما في النظام البصري الرئيس. فقد وثقت الدراسات العصبية وجود مسارات اتصال راجعة هائلة تنحدر من المناطق القشرية العليا المعنية بالتعرف على الأنماط المجردة، مثل القشرة الصدغية السفلية (IT) والمناطق البصرية المتقدمة (V4)، متجهة إلى القشرة البصرية الأولية ($V_1$) والثانوية ($V_2$). وتفوق أعداد هذه الألياف الهابطة في كثير من الأحيان أعداد الألياف الصاعدة الحاملة للمدخلات البصرية المباشرة من المهاد (LGN).

أكدت تسجيلات الفيزيولوجيا الكهربية للوحدات الفردية، بالإضافة إلى تجارب التصوير بالرنين المغناطيسي الوظيفي (fMRI) ودراسات الجهود الكهربية المرتبطة بالحدث (ERP)، أن التنشيط الانتباهي التنازلي يُحدث تعديلاً ملحوظاً في حساسية الخلايا العصبية في $V_1$ و$V_2$ حتى خارج منطقة استجابتها الكلاسيكية (Classical Receptive Field). وتُظهر القياسات الحيوية انخفاضاً حاداً في الاستجابة العصبية للإشارات غير المتوافقة مع السياق الإدراكي المتوقع، وتضخيماً متزامناً للإشارات المتطابقة، وهو ما يُعد مطابقة بيولوجية دقيقة لما تنبأت به معادلات التغذية الراجعة التنازلية لنظرية ART قبل عقود من إمكانية رصده مجهرياً.

6. نموذج ART 1: معالجة المدخلات الثنائية والتصنيف الذاتي

6.1 البنية الرياضية واللوجستية لنموذج ART 1

يُمثل نموذج ART 1 الصياغة الخوارزمية الكلاسيكية الأولى التي نشرها جروسبيرج وكاربنتر عام 1987 للتعامل مع المدخلات النمطية الثنائية التشفير (Binary Input Vectors)، حيث ينتمي كل عنصر في متجه المدخلات إلى المجموعة ($I_i in {0, 1}$). صُمم هذا النموذج ليعمل كشبكة تعلم غير خاضع للإشراف (Unsupervised Learning) قادرة على تجميع وتصنيف الأنماط المتدفقة في الوقت الحقيقي وبشكل مستقل وتلقائي بالكامل.

تعتمد ديناميكا الغشاء العصبي في طبقة المقارنة $F_1$ وطبقة التعرف $F_2$ على معادلات شنتنج التفاضلية غير الخطية (Shunting Differential Equations)، التي تم تبسيطها في النسخة الحسابية المعيارية لتأخذ شكل عمليات تقاطع منطقية موضعية محددة بدقة. تُحسب إشارة التنشيط الصاعدة للعقدة $j$ في الطبقة $F_2$ وفق المعادلة:

$$T_j = \frac{|I \cap W_j^{bu}|}{\alpha + |W_j^{bu}|}$$

حيث يمثل ($|I \cap W_j^{bu}|$) عدد العناصر المشتركة التي تحمل القيمة (1) في كل من المدخل الحسي ومصفوفة الأوزان الصاعدة، ويمثل ($|W_j^{bu}|$) معيار الحجم الوزني (Norm)، في حين يمثل ($\alpha$) معاملاً موجباً صغيراً يمنع انقسام القيمة على الصفر ويعطي أفضلية طفيفة للفئات ذات التخصص الفرعي الأدق عند تساوي نسب التطابق. وقد تمكنت جيل كاربنتر من صياغة “نظرية التقارب الرياضي” (Mathematical Convergence Theorem) لنموذج ART 1، مبرهنة رياضياً على أن الأوزان المشبكية للنظام تستقر تماماً وتتوقف عن التذبذب بعد دورات تدريبية معدودة ومحدودة زمنياً، متفوقة بذلك على المعضلات الحسابية لشبكات التغذية الراجعة الكلاسيكية.

6.2 تشفير النماذج الأولية وتجريد المفاهيم

تقوم الاستراتيجية المعرفية لنموذج ART 1 على تجريد المفهوم من خلال عملية تقليص إدراكي دقيقة تعتمد على تقاطع الميزات المشتركة (Intersection Logic). فعندما ينضم نمط ثنائي جديد إلى فئة معرفية قائمة، فإن تحديث الأوزان الهابطة ($W_j^{td}$) لا يتم عبر أخذ المتوسط الحسابي العشوائي الذي قد يشوه المعالم البارزة، بل يتم تطبيق عملية (AND) المنطقية بين النموذج الأولي المخزن والنمط الجديد وفق القانون:

$$W_j^{td}(\text{new}) = W_j^{td}(\text{old}) \cap I$$

يضمن هذا القانون التراكمي أن النموذج الأولي للفئة يظل يمثل الميزات المشتركة الصارمة والثابتة لجميع النماذج التي تم تصنيفها ضمن تلك الفئة عبر الزمن. ومع ذلك، تكشف هذه الآلية عن تحدٍ هندسي يُعرف باسم “ظاهرة انكماش النموذج الأولي” (Template Shrinkage)؛ حيث يؤدي توالي عمليات التقاطع عبر مجموعات بيانات متنوعة إلى تناقص عدد الواحدات الثنائية في مصفوفة الوزن تدريجياً، مما قد يجعل النموذج الأولي فائق التجريد ويقترب من الصفر إذا كانت المدخلات مشوشة للغاية. ولمعالجة هذه الظاهرة، يوفر نموذج ART 1 مرونة فائقة من خلال ضبط معلمة اليقظة ($rho$)، التي تحد بدقة من الحد الأدنى للحجم الإدراكي المسموح به قبل أن يرفض النظام النمط الحسي ويجبره على فتح فئة جديدة مستقلة تمنع تشوه الفئة الأم.

6.3 التطبيقات المعرفية والحسابية لنموذج ART 1

أثبت نموذج ART 1 كفاءة استثنائية في مجموعة واسعة من التطبيقات الحاسوبية والنفسية. في مجال معالجة الصور الرقمية، استُخدم النموذج بنجاح باهر في التعرف على الحروف والرموز الأبجدية المطبوعة واليدوية، حتى في ظل وجود نسب تشويش بصري عالية أو تشوهات جزئية في شكل الحرف؛ حيث استطاع النظام من خلال مسارات البحث التكرارية وقاعدة المطابقة استعادة التمثيل الصحيح للرمز وتجاهل النقاط الشاذة الناتجة عن الضوضاء.

وعلاوة على ذلك، برزت قوة ART 1 في ميدان الفهرسة التلقائية للنصوص واسترجاع المعلومات في المكتبات الرقمية الضخمة (Information Retrieval)، حيث تم تحويل الوثائق إلى متجهات ثنائية تمثل وجود أو غياب الكلمات المفتاحية، واستطاع النظام تنظيم آلاف الوثائق تلقائياً في شجرات تصنيفية دقيقة دون أي تدريب مسبق. وفي ميدان علم النفس التطوري والمعرفي، اعتُمد ART 1 كأداة محاكاة نموذجية لتفسير كيفية تشكيل الأطفال لمفاهيمهم الأولى وتصنيف الأشياء في بيئتهم المحيطة بناءً على الميزات البصرية الأساسية المشتركة.

7. تطوير النماذج لمعالجة الإشارات التناظرية: ART 2 وART 2-A وART 3

7.1 نموذج ART 2 ومعالجة المتجهات التناظرية المستمرة

مع النجاح الكبير لـ ART 1 في البيئات الثنائية، ظهرت الحاجة الملحة لتوسيع الإطار النظري ليتعامل مع الإشارات التناظرية المستمرة الحقيقية ($I_i in \mathbb{R}^+$)، مثل درجات الرمادي في الصور، والترددات الصوتية في معالجة الكلام، والبيانات الطيفية الحيوية. تحقيقاً لهذه الغاية، قدم كاربنتر وجروسبيرج عام 1987 نموذج ART 2، وهو ما استلزم إعادة تصميم جذرية لبنية طبقة المقارنة $F_1$.

تحولت الطبقة $F_1$ في ART 2 إلى شبكة فرعية متعددة المستويات تضم حلقات معقدة من التغذية الأمامية والتغذية الراجعة، وتتضمن وحدات متخصصة لإجراء عمليات التسوية الإحصائية المعيارية (Normalization)، وقمع الضوضاء التناظرية عبر دوال تفعيل غير خطية مجزأة (Piecewise Linear Threshold Functions)، وتصفية التباين المستمر في شدة الإضاءة. أتاح هذا التعديل الهيكلي البالغ التعقيد لنموذج ART 2 القدرة على مقارنة النماذج والأنماط بناءً على “الشكل العام للمنحنى السلوكي” للمتجه بدلاً من الاعتماد المطلق على شدة الإشارة وسعتها الإجمالية، مما منحه مناعة استثنائية ضد التغيرات الخارجية في ظروف الإضاءة أو مستويات الصوت، ومكنه من بناء فئات إدراكية مستقرة تماماً وسط بيئات تناظرية عالية التشويش.

7.2 نموذج ART 2-A كخوارزمية حسابية سريعة

على الرغم من القدرات الوظيفية الهائلة لنموذج ART 2، إلا أن الاعتماد على حل المنظومات المعقدة من المعادلات التفاضلية التناظرية في طبقة $F_1$ جعل عمليات المحاكاة البرمجية بطيئة للغاية ومكلفة حسابياً، مما حد من قدرة النموذج على العمل في الأنظمة المدمجة والتطبيقات الصناعية التي تتطلب معالجة فورية وتدفقاً هائلاً للبيانات (Real-Time Applications). استجابة لهذا التحدي الهندسي، طور كاربنتر وجروسبيرج مع مساعديهم عام 1991 خوارزمية ART 2-A.

تعتمد خوارزمية ART 2-A على تبسيط العمليات الحسابية المستمرة لـ $F_1$ واستبدالها بحسابات جبرية متتالية فائقة السرعة تستند إلى الإسقاط الاتجاهي للمتجهات الموحدة، مع الحفاظ الكامل على كافة الخصائص النوعية والرياضية وقدرات الاستقرار التي ميزت نموذج ART 2 الأصلي. أظهرت التحليلات المقارنة أن ART 2-A تفوقت في السرعة الزمنية للأداء بمقدار مئات المرات (أسرع بما يصل إلى مرتين أو ثلاث مراتب أسية) مقارنة بـ ART 2، مع تحقيق دقة تصنيفية متطابقة، مما فتح الباب واسعاً أمام استخدامها في معالجة تدفقات البيانات الضخمة وفحص الإشارات الرادارية والتحكم الصناعي الفوري.

7.3 نموذج ART 3: المحاكاة البيوكيميائية ونقل الإشارات العصبية

في عام 1990، اتجه جروسبيرج وكاربنتر نحو تعميق الواقعية البيولوجية للنظرية عبر تقديم نموذج ART 3. في هذا النموذج، تم تجاوز التمثيل الرياضي المجرد للإشارات الكهربائية نحو محاكاة التفاصيل البيوكيميائية المجهرية الدقيقة لعملية نقل الإشارات المشبكية (Synaptic Transmission)، بما يشمل إنتاج، وتخزين، وتفريغ، وإعادة امتصاص الحويصلات المحملة بالنواقل العصبية الكيميائية (Neurotransmitters) مثل الأسيتيل كولين والدوبامين وحمض الجاما-أمينوبيوتيريك (GABA).

أظهر نموذج ART 3 كيف يمكن لآليات الاستنزاف المؤقت للنواقل العصبية الكيميائية عند المشابك المفعلة أن تؤدي وظيفة “التثبيط المسبق المشروط” وتوجيه عمليات البحث المعرفي دون الحاجة إلى افتراض وجود دوائر تحكم كهربائية متخصصة منفصلة لإرسال إشارات إعادة التعيين ($Reset$). كما وفر الإطار البيوكيميائي لـ ART 3 نموذجاً حسابياً فريداً لتفسير العديد من الاضطرابات النفسية والمعرفية الناتجة عن الخلل في توازن النواقل العصبية؛ مثل مظاهر فرط النشاط، أو فقدان التركيز، أو العجز عن تشكيل المفاهيم الجديدة في حالات التسمم الكيميائي العصبي وتدهور المستقبلات المشبكية.

8. التعلم الخاضع للإشراف ونمذجة الفئات المعرفية: Fuzzy ART وARTMAP

8.1 نموذج Fuzzy ART ودمج منطق المجموعات الضبابية

يمثل نموذج Fuzzy ART (الذي صاغته جيل كاربنتر وستيفن جروسبيرج وديفيد روزن عام 1991) قفزة نوعية كبرى دمجت بين ديناميكا الرنين التكيفي ومبادئ المنطق الضبابي (Fuzzy Logic) الذي أسسه لطفي زاده. تم في هذا النموذج استبدال عمليات التقاطع الثنائي ($Intersection cap$) بعملية الحد الأدنى الضبابي (Fuzzy Min Operator $wedge$)، مما أتاح للشبكة معالجة أي متجه مدخلات حقيقي يقع ضمن المجال المستمر ($[0, 1]^n$) بأعلى درجات السلاسة والرشاقة الرياضية.

تُحسب دالة الاختيار التنافسية للعقد في طبقة $F_2$ في Fuzzy ART عبر المعادلة الضبابية:

$$T_j = \frac{|I wedge w_j|}{\alpha + |w_j|}$$

حيث تُعرف عملية التقاطع الضبابي للمتجهين بأنها:

$$(I wedge w_j)_i = \min(I_i, w_{ji})$$

ويتمثل الابتكار المنهجي الفائق في Fuzzy ART في إدخال تقنية رياضية عبقرية تُعرف باسم “التشفير التكميلي” (Complement Coding). تقتضي هذه التقنية مضاعفة أبعاد المتجه الحسي عبر دمجه مع متممه الرياضي ($I = (a, a^c)$ حيث $a_i^c = 1 – a_i$). نجح التشفير التكميلي في القضاء التام على مشكلة “انكماش الفئات وتآكل الأوزان” وضمن الحفاظ على قياس حجم ثابت للبيانات الحسية ($|I| = n$). هندسياً، أتاح ذلك تمثيل الفئات المعرفية في الفضاء الرياضي متعدد الأبعاد على هيئة “مستطيلات إدراكية مفرغة الأبعاد” (Hyper-rectangles) قابلة للتمدد والنمو التدريجي لاحتواء البيانات، مما يمنح تمثيلات الفئات وضوحاً هندسياً فائق الشفافية.

8.2 هندسة نموذج ARTMAP للتعلم التنبؤي الخاضع للإشراف

لتحويل القوة التصنيفية لنظرية الرنين من نطاق التجميع غير الإشرافي إلى نطاق التنبؤ الخاضع للإشراف (Supervised Learning)، ابتكر كاربنتر وجروسبيرج نموذج ARTMAP. تتكون هندسة ARTMAP من وحدتي ART مستقلتين وظيفياً، الأولى تُدعى ($ART_a$) ومخصصة لتصنيف متجهات المدخلات والميزات، والثانية تُدعى ($ART_b$) ومخصصة لتصنيف متجهات المخرجات أو الأهداف المطلوبة (Target Labels). ترتبط هاتان الوحدتان عبر دائرة تحكم مركزية وسيطة تُعرف باسم “حقل الخريطة” (Map Field – $F_{ab}$).

تتجلى روعة ARTMAP في آلية تحكم ذاتية مبتكرة تُدعى “تتبع التطابق” (Match Tracking). فعندما تقدم الشبكة تنبؤاً خاطئاً (أي عندما تفوز عقدة في $ART_a$ ترتبط عبر حقل الخريطة بفئة مغايرة للفئة المستهدفة الحقيقية النشطة في $ART_b$)، يتدخل حقل الخريطة على الفور لرفع قيمة معلمة اليقظة ($\rho_a$) لوحدة المدخلات بمقدار طفيف جداً يتجاوز نسبة التطابق الراهنة ($\rho_a = S_a + \epsilon$).

يؤدي هذا الرفع الطفيف والتلقائي لليقظة إلى إشعال إشارة إعادة تعيين فورية تقمع الفئة المضللة وتبحث فوراً عن فئة فرعية أكثر دقة، أو تنشئ فئة جديدة تماماً متوافقة مع الهدف الحقيقي. تتيح هذه الهندسة لـ ARTMAP تحقيق “التعلم السريع في دورة واحدة” (One-Shot Learning) للبيانات النادرة والحرجة، وتمنحه دقة تنبؤية خارقة مع احتفاظ كامل بالاستقرار المعرفي.

8.3 النماذج الهجينة والمتقدمة: Fuzzy ARTMAP وdARTMAP

شهدت معمارية ARTMAP تطورات متلاحقة لتعزيز قدراتها الحسابية في التعامل مع البيئات الواقعية شديدة التعقيد والتلوث البياني. أدى دمج وحدات Fuzzy ART داخل معمارية ARTMAP إلى ظهور نموذج Fuzzy ARTMAP، الذي أصبح المعيار الذهبي في تطبيقات التعرف على الأنماط الإشرافية المعقدة، والتشخيص الطبي، والاستشعار عن بعد عبر الأقمار الصناعية؛ نظراً لقدرته على التعلم فائق السرعة وبناء حدود قرار غير خطية شديدة التعقيد دون السقوط في فخ التذبذب الوزني.

ولمعالجة الحساسية المفرطة التي قد يظهرها Fuzzy ARTMAP تجاه “الضوضاء الإحصائية العشوائية” (Overfitting due to noisy outliers)، طُوّرت نماذج متقدمة مثل (Default ARTMAP – dARTMAP) و(Gaussian ARTMAP) و(Probabilistic ARTMAP). تعتمد هذه الإصدارات الحديثة على استبدال المنطق الصارم للحدود المستطيلة بدوال احتمال جاوسية وأوزان تنظيم مشبكية تقلل من توليد الفئات الفرعية الزائدة عن الحاجة، مما يمكن النظام من توليد مخرجات احتمالية سلسة (Soft Probabilities) تمثل درجات الثقة في الانتماء للفئات، معززة بذلك كفاءة الخوارزمية في التحليلات الجينومية والمالية المعقدة.

9. الرنين العصبي كمفسر لظواهر الوعي والانتباه والذاكرة

9.1 فرضية الرنين الواعي (Conscious Resonance Hypothesis)

تتجاوز نظرية ART النطاق التقني للذكاء الاصطناعي لتقدم أطروحة فلسفية وعصبية جريئة في فلسفة العقل والوعي تُعرف باسم “فرضية الرنين الواعي” (Conscious Resonance Hypothesis). يرى ستيفن جروسبيرج أن كل الحالات الإدراكية الواعية التي يختبرها الإنسان—من رؤية الألوان وسماع النغمات إلى إدراك المعاني العميقة—هي انبثاقات مباشرة لحالات الرنين التكيفي المستقر الذي يربط بين القشرة المخية والمراكز تحت القشرية.

تؤكد النظرية أن النشاط العصبي الصاعد السريع يمثل معالجة “قبل واعية” (Pre-conscious Processing)؛ حيث تتدفق المعلومات الحسية عبر مسارات التغذية الأمامية في أجزاء من الثانية دون أن يدركها الكائن بوعيه. ولا يتحول هذا النشاط العصبي إلى “خبرة واعية” (Conscious Experience) إلا بعد اكتمال حلقة التغذية الراجعة التنازلية، ومطابقة التوقعات المعرفية، وتولد الرنين التوافقي الذي يثبت النمط في الذاكرة قصيرة المدى لفترة زمنية تتجاوز عتبة الوعي الحركي. تقدم هذه الفرضية تفسيراً عصبياً وحسابياً عميقاً لظواهر إدراكية معقدة مثل “الإخفاء البصري” (Visual Masking) والتنافس بين العينين (Binocular Rivalry)، حيث يتبدل الوعي بالمشهد البصري تبعاً لصعود وهبوط حالات الرنين بين التجمعات العصبية المتنافسة داخل الفص الصدغي والقشرة البصرية.

9.2 تكامل الذاكرة العاملة والذاكرة العرضية عبر نماذج ART

تقدم شبكات ART إطاراً متكاملاً لكيفية انتقال وتشفير المعلومات عبر مستويات الذاكرة المتعددة. فالذاكرة العاملة (Working Memory) تُعرّف حسابياً داخل نماذج ART بأنها نمط التوزيع المكاني المتزامن لجهود الفعل والنشاط الكهربائي في طبقات الذاكرة قصيرة المدى ($F_1$ و$F_2$). يتيح هذا التنشيط المؤقت الحفاظ على السياق النشط للمهمة الراهنة ومقارنة عناصره المختلفة بمرونة فائقة.

ولمعالجة البعد الزمني وتسلسل الأحداث في الذاكرة العرضية (Episodic Memory)، تم تطوير امتدادات هيكلية متقدمة مثل نماذج SMART وSTORE (Simultaneous Temporal Order in Reversible Embedding). توضح هذه النماذج كيف يمكن لتدرج التنشيط العصبي في الذاكرة العاملة أن يشفر الترتيب الزمني للأحداث والسلوكيات بدقة، ليتم نقلها لاحقاً وتثبيتها في مسارات الذاكرة طويلة المدى أثناء فترات الرنين والراحة. تتيح هذه المنظومة للدماغ استرجاع الذكريات والسلاسل الإجرائية المعقدة تلقائياً بمجرد ظهور مثير مفتاحي (Cued Recall) ينشط بداية المسار الرنيني الموجه بالسياق.

9.3 الربط بين العاطفة والإدراك: نماذج CogEM وsARTMAP

لا يعمل العقل البشري كمعالج منطقي معزول عن الدوافع والوجدان، بل تتداخل العواطف بعمق في توجيه التفكير والقرار. استجابة لهذه الحقيقة البيولوجية، صاغ جروسبيرج نماذج التقييم الإدراكي والعاطفي المعرفي المتكاملة مثل CogEM (Cognitive-Emotional-Motor Architecture) وsARTMAP. تقوم هذه النماذج بربط خلايا تمثيل الفئات الإدراكية في طبقات القشرة المخية بما يُعرف باسم “عقد المحركات الوجدانية” (Drive / Affective Nodes) التي تحاكي وظائف اللوزة الدماغية (Amygdala) والقشرة الجبهية الحجاجية (Orbitofrontal Cortex).

توضح هذه النماذج الهجينة كيف ترتبط المفاهيم المعرفية بقيم تحفيزية وعاطفية تمثل المكافأة أو العقاب عبر المشابك القابلة للتكيف. وتلعب الحالات الانفعالية دوراً محورياً في تعديل مستويات التيقظ؛ فالخوف أو الترقب يؤدي إلى إفرازات نفاذة للناقلات العصبية التي ترفع تلقائياً قيمة معلمة اليقظة ($rho$) في شبكات ART، مما يجعل الكائن شديد الحذر والتدقيق في رصد أي خطر محيط. وعلى العكس من ذلك، تؤدي حالات الاسترخاء والشعور بالأمان إلى خفض اليقظة، مما يعزز التفكير الشمولي والتجريدي العريض، رابطاً بذلك الإدراك والعاطفة في منظومة حسابية تفاعلية واحدة.

10. مقارنة نقدية: نظرية ART مقابل نماذج التعلم العميق والشبكات العصبية الكلاسيكية

10.1 التعلم الإضافي (Incremental Learning) ضد النسيان الكارثي

يبرز التباين المعماري والمنهجي بين نظرية ART ونماذج التعلم العميق المعاصرة (Deep Learning) في مسألة إدارة التعلم المستمر مدى الحياة (Lifelong Continual Learning). تعتمد شبكات التعلم العميق التقليدية على خوارزميات الانتشار الخلفي الشاملة لضبط ملايين الأوزان الموزعة، مما يعني أن تعريضها لمهام وبيئات جديدة يفرض تعديلات شاملة على الأوزان المشتركة، وهو ما يؤدي بالضرورة إلى النسيان الكارثي للأنماط التاريخية السابقة إذا لم يُعاد تدريبها من الصفر على كامل البيانات القديمة والجديدة معاً في عمليات تستنزف طاقة حسابية وكهربائية مهولة.

في المقابل، تم بناء معماريات ART منذ الأساس لتكون أنظمة “تعلم تراكمي إضافي غير متزامن” (Real-time Online Incremental Learning). بفضل آلية البوابات الانتباهية وقاعدة المطابقة، تستطيع شبكات ART تقييد تعديل المشابك العصبية في الفئات المفعلة فقط والمطابقة للنمط الراهن، وتجميد كافة الأوزان الأخرى لحمايتها من أي تداخل تخريبي. تتيح هذه الخاصية لشبكات ART التعلم في خطوة تدريبية واحدة (One-Pass Learning) بكفاءة طاقية مذهلة وسرعة حسابية فائقة، مما يجعلها الخيار الأمثل للأنظمة الذاتية التي تعمل في بيئات حقيقية مفتوحة لا تملك رفاهية التوقف لإعادة التدريب.

10.2 القابلية للتفسير (Explainability) مقابل الصندوق الأسود (Black Box)

تمثل “معضلة الصندوق الأسود” (Black-Box Problem) التحدي الأكبر لشبكات التعلم العميق ونماذج المحولات الحديثة؛ حيث تتوزع المعرفة عبر مصفوفات معقدة من مليارات المعاملات الرقمية التي يستحيل على البشر فهم مسارات اتخاذ القرار داخلها أو تفسير سبب حدوث خطأ كارثي معين في التشخيص الطبي أو القيادة الذاتية. وتعد هذه الضبابية عائقاً رئيساً أمام اعتماد تلك النماذج في التطبيقات الحرجة قانونياً وإنسانياً.

على النقيض من ذلك تماماً، تتميز نماذج ART بقابلية تفسير أصيلة وشفافية بنيوية كاملة (Explainable AI – XAI). فكل عقدة تصنيفية داخل طبقة التعرف $F_2$ أو وحدات ARTMAP تمتلك تمثيلاً هندسياً ومفاهيمياً واضحاً مشفراً مباشرة في أوزانها الهابطة. ويمكن للمهندسين والمحللين استخراج قواعد منطقية صريحة بصيغة (IF-THEN Rules) تصف بدقة الميزات والشروط الهندسية التي بنيت عليها تلك الفئة. تمنح هذه الشفافية المطلقة لنماذج ART موثوقية استثنائية في المجالات الطبية والأمنية والصناعية؛ حيث يمكن للطبيب مراجعة القالب المشفر وفهم الأساس العلمي الذي استندت إليه الخوارزمية في تشخيص الورم أو تصنيف الحالة المرضية بدقة لا تقبل الشك.

10.3 الواقعية البيولوجية والقيود الرياضية

تتفوق نماذج ART على معظم خوارزميات الذكاء الاصطناعي الكلاسيكية في اتساقها العميق مع الحقائق البيولوجية؛ فهي تعتمد حصراً على “قوانين التحديث المشبكي الموضعية” (Local Learning Rules) والتفاعلات الكيميائية والكهربائية المباشرة بين الخلايا المتجاورة، دون الحاجة إلى افتراض وجود مسارات حسابية موجهة تنقل إشارات الأخطاء الرياضية التراجعية المعقدة عبر الطبقات كما تفعل خوارزمية الانتشار الخلفي غير البيولوجية.

ومع ذلك، لا تخلو نماذج ART من قيود حسابية وتحديات تشغيلية جوهرية؛ لعل أبرزها مشكلة “الحساسية لترتيب تقديم البيانات” (Data Presentation Order Sensitivity). ففي حالات التعلم غير الإشرافي فائق السرعة، قد يؤدي تغيير ترتيب تدفق الأنماط إلى تشكيل فئات وتجميعات متباينة في الفضاء الإدراكي. علاوة على ذلك، في مجموعات البيانات الضخمة شديدة الضوضاء والتعقيد، قد يميل النظام إلى “تضخم عدد الفئات” (Category Proliferation)، حيث تنشئ الشبكة عدداً هائلاً من الفئات المجهرية لعزل النقاط الشاذة إذا ضُبطت معلمة اليقظة على مستويات مفرطة الارتفاع، وهو ما يتطلب تدخلاً هندسياً دقيقاً واستخدام تقنيات تنظيم مشبكي متقدمة للتحكم في النمو الهيكلي واستقرار الأداء.

11. التطبيقات النفسية والسريرية والتقنية لنظرية الرنين التكيفي

11.1 تفسير الاضطرابات المعرفية والنفسية العصبية

قدمت نظرية الرنين التكيفي ونماذجها الممتدة إسهامات بالغة الأهمية في حقل الطب النفسي الحسابي (Computational Psychiatry) والعلوم العصبية السريرية؛ حيث نجحت في تقديم تفسيرات رياضية وديناميكية دقيقة للاختلالات الوظيفية التي تصيب العمليات الإدراكية في الدماغ البشري. ومن أبرز تلك النجاحات تقديم نموذج حسابي لأعراض اضطراب طيف التوحد (Autism Spectrum Disorder)؛ حيث فسرت النظرية متلازمة التوحد بأنها حالة ناشئة عن “فرط دائم في تنظيم معلمة اليقظة” (Hyper-Vigilance). يؤدي هذا الارتفاع المزمن في اليقظة إلى جعل النظام الإدراكي للطفل شديد التدقيق والحساسية لأبسط الفروق البيئية الطفيفة، مما يدفعه إلى تكوين فئات معرفية ضيقة ومفرطة التفصيل، ويعيق قدرته على التجريد وبناء مفاهيم اجتماعية ورمزية عريضة، مفسراً بذلك ظواهر التحسس الحسي الشديد والتمسك الصارم بالروتين.

وفي سياق دراسة مرض الفصام (Schizophrenia)، وفرت قاعدة المطابقة 2/3 تفسيراً متماسكاً للهلاوس الإدراكية السمعية والبصرية والأوهام الفكرية. كشفت المحاكاة أن الخلل في أنظمة التثبيط العصبي والقنوات الدوبامينية يؤدي إلى ضعف إشارة التحكم في الكسب العامة وتراجع كبح التوقعات التنازلية، مما يجعل الإشارات الهابطة المشفرة في الذاكرة طويلة المدى قادرة على تجاوز عتبة التنشيط في طبقات المقارنة الحسية بمفردها ودون وجود مثير فيزيائي حقيقي، مولدة بذلك إدراكاً رنينياً هلوسياً يعيشه المريض كواقع حسي ملموس. كما سعت أبحاث ART إلى نمذجة التدهور التدريجي للمفاهيم واضمحلال المشابك العصبية في الخرف الوعائي ومرض ألزهايمر، موضحة آليات التفكك الرنيني ومسارات التدخل العلاجي المعرفي الممكنة.

11.2 التطبيقات في علم النفس المعرفي والتعلم البشري

أثرت مبادئ ART بصورة جوهرية في مناهج علم النفس المعرفي وتطبيقات علوم التربية والتعليم؛ حيث ساعد فهم ديناميكا التجهيز الانتباهي والمطابقة التوقعية في تصميم استراتيجيات تدريس حديثة تعتمد على “التجهيز المفاهيمي المسبق” للطلاب، عبر طرح أفكار عامة تنشط النماذج الأولية في الذاكرة طويلة المدى قبل الغوص في التفاصيل المعقدة، مما يرفع كفاءة الاستيعاب ويمنع التشتت المعرفي.

وفي ميدان الاكتساب اللغوي، وظف علماء النفس نماذج ART لتفسير كيفية قدرة الرضع على تمايز الفونيمات الصوتية اللغوية (Phoneme Categorization) خلال العام الأول من حياتهم، وكيف يؤدي الاستماع المتكرر إلى صياغة حدود إدراكية حادة بين الأصوات المختلفة للغتهم الأم بفضل تفاعلات الاستثارة والتثبيط المتبادل. علاوة على ذلك، استُخدمت المنظومة لتصميم برامج إعادة التأهيل العصبي الموجهة لمرضى السكتات الدماغية والناجين من إصابات الرأس الرضية؛ حيث تم بناء تمارين إدراكية متدرجة تعتمد على الضبط المنظم لليقظة لإعادة بناء شبكات التعرف البصري والسمعي المتضررة بصورة تدريجية ومستقرة.

11.3 التطبيقات الصناعية والروبوتية المتقدمة

حققت عائلة نماذج ART نجاحات تقنية واستثنائية في الميادين الهندسية المتقدمة والروبوتات المستقلة ذاتية القيادة (Autonomous Robotics). ففي البيئات المجهولة أو الفضائية، حيث يستحيل التنبؤ بكافة السيناريوهات مسبقاً، اعتُمدت معمارية Fuzzy ARTMAP لتزويد الروبوتات الاستكشافية بالقدرة على التعلم الذاتي المستمر وتصنيف التضاريس والتعرف على العقبات اللحظية دون فقدان برمجتها الحركية الأساسية أو التوقف عن العمل نتيجة النسيان الكارثي.

وفي مجالات الرعاية الصحية والهندسة الطبية الحيوية، استُخدمت خوارزميات ART في المعالجة الفورية وتصنيف الإشارات الحيوية الديناميكية المعقدة، مثل إشارات تخطيط أمواج الدماغ (EEG) للكشف المبكر عن نوبات الصرع ومراقبة عمق التخدير أثناء الجراحات، وتحليل مخططات القلب الكهربائية (ECG) لرصد اضطرابات النظم القلبي الخبيثة في أجزاء من الثانية. كما انتشرت النماذج في مجالات المراقبة الجوية، والتعرف التلقائي على الأهداف الرادارية المشوشة، واكتشاف محاولات الاختراق الأمني في الشبكات الحاسوبية السحابية العملاقة بدقة فائقة وشفافية برمجية تامة.

12. الرؤى المستقبلية والامتدادات الحديثة لنظرية الرنين التكيفي

12.1 الدمج بين ART والتعلم العميق (Deep ART Architectures)

تشهد الأوساط الأكاديمية والبحثية المعاصرة في الذكاء الاصطناعي حركة متسارعة تهدف إلى بناء جسور تكاملية تجمع بين القوة الهائلة لشبكات التعلم العميق في استخلاص الميزات المكانية والهندسية المعقدة، وبين المزايا الفريدة لنظرية الرنين التكيفي في الاستقرار والتعلم المستمر دون نسيان كارثي. وقد تمخضت هذه الجهود عن ظهور عائلة جديدة تُعرف باسم “معماريات ART العميقة” (Deep ART Architectures).

في هذه النظم الهجينة، تُستخدم الطبقات التلافيفية العميقة (CNN) كمستقبلات حسية متقدمة لاستخراج التمثيلات الصورية الغنية، ثم يتم ربط الطبقات العليا بوحدات Fuzzy ART أو ARTMAP لتحل محل طبقات المصنف الكلاسيكية (Dense Layers). يضمن هذا الدمج حماية النظام من النسيان الكارثي، ويفتح آفاقاً ثورية لتطوير نماذج ذكاء اصطناعي توليدية قادرة على التوسع المستمر واكتساب مهارات لغوية وبصرية جديدة مدى الحياة دون الحاجة لإعادة التدريب الشامل وملايين الدولارات من الطاقة الحاسوبية.

12.2 التطبيق على الحوسبة العصبية التشكيلية (Neuromorphic Hardware)

يمثل التوافق البنيوي بين نظرية ART وتصاميم الحوسبة العصبية التشكيلية (Neuromorphic Engineering) واحداً من ألمع المسارات المستقبلية لتقنيات الذكاء الاصطناعي. فالرقائق العصبية فائقة الكفاءة مثل رقاقة Intel Loihi ورقائق BrainScaleS تعتمد على المعالجة الموضعية فائقة التوازي ونقل الإشارات عبر نبضات كهربية عصبية متزامنة (Spiking Neural Networks)، وهو النمط الذي يتطابق عضوياً مع دوائر الرنين والتثبيط المتبادل لقوانين ART.

إن تطبيق نماذج ART على هذه الرقائق المتقدمة يتيح إنتاج أجهزة ذكية طرفية (Edge AI Devices) تستهلك أجزاء ضئيلة جداً من الميلي واط، وتعمل لسنوات طويلة على بطاريات متناهية الصغر مع قدرة كاملة على التعلم الذاتي والتكيف اللحظي في بيئتها الميدانية. يفتح هذا التزاوج التكنولوجي آفاقاً رحبة لإنتاج أطراف اصطناعية ذكية، وحساسات طبية قابلة للزرع داخل الجسد البشري تتعلم أنماط الإشارات العصبية للمريض وتتكيف معها فورياً بأمان مطلق واستقرار دائم.

12.3 تكامل ART مع نظرية الدماغ الكبرى (Towards a Unified Brain Theory)

في تتويج لمسيرته العلمية الممتدة لعقود، طور ستيفن جروسبيرج نموذج LAMINART، الذي يدمج نظرية الرنين التكيفي مع البنية الدقيقة لطبقات القشرة المخية الست (Cortical Laminae 1-6) ونماذج معالجة الرؤية التجسيمية وتتبع الحركة وتشكيل الحدود والأسطح (FACET Theory). يمثل هذا الصرح النظري خطوة جبارة نحو صياغة “نظرية موحدة للدماغ البشري” تجيب عن الأسئلة الكبرى في علوم الأعصاب الإدراكية وفلسفة العقل.

توضح هذه الرؤية الكبرى كيف تتضافر دوائر الرنين التكيفي عبر مناطق الدماغ المختلفة—من الفصوص البصرية والحركية إلى قشرة الفص الجبهي والأنظمة الحوفية—لتوليد العقل الواعي، وتفسير كيف يبني الدماغ المعنى، ويحافظ على الهوية الذاتية، ويوجه السلوك الهادف في عالم دائم التغير. تقدم هذه الامتدادات خارطة طريق ملهمة للأجيال القادمة من الباحثين في العلوم المعرفية والذكاء الاصطناعي؛ خارطة ترتكز على الفهم العميق لإعجاز التصميم الحيوي للدماغ، مبرهنة على أن الرنين ليس مجرد معادلة رياضية، بل هو النبض الجوهري الذي تتشكل به معالم الإدراك والوعي في الوجود الإنساني.

خاتمة نقدية وتوليفية شاملة

تُمثل نظرية الرنين التكيفي (ART)، التي وضع أسسها ستيفن جروسبيرج وطورتها جيل كاربنتر، إحدى أعمق المحطات الفكرية في مسيرة العلوم المعرفية وعلم الأعصاب الحسابي. لم تكن النظرية مجرد محاولة عابرة لحل مشاكل تصنيف البيانات في علوم الحاسوب، بل كانت ولا تزال بياناً علمياً رصيناً يشرح كيف يمكن لنظام معقد بيولوجياً أو اصطناعياً أن يواجه التدفق المتصل للواقع المعاش دون أن يفقد هويته المعرفية أو ينهار تحت وطأة النسيان والتشتت. ومن خلال صياغة معمارية عصبية تجمع بين الذاكرة قصيرة المدى وطويلة المدى، وتوظف الانتباه التنازلي التوقعي كحارس للاستقرار، استطاعت ART أن تقدم حلولاً عبقرية لمعضلة الاستقرار والمرونة التي لا تزال تؤرق معماريات التعلم العميق المعاصرة.

إن القيمة الحقيقية لنظرية ART تتجاوز خوارزمياتها الرياضية الصارمة لتصل إلى عمق الفلسفة المعرفية؛ فهي تعيد تعريف الإدراك الحسي لا كمرآة سلبية تعكس المثيرات الخارجية، بل كحوار تفاعلي ديناميكي يبنيه العقل عبر مقارنة فرضياته وتوقعاته بما يستقبله من شواهد الواقع. ومع تسارع التطور في مجالات الحوسبة العصبية التشكيلية والذكاء الاصطناعي التوليدي، تتأكد اليوم أكثر من أي وقت مضى نبوءات جروسبيرج وكاربنتر؛ حيث تتجه الأنظار العالمية نحو استلهام مبادئ الرنين والتجهيز الانتباهي لبناء أجيال جديدة من العقول الاصطناعية الشفافة، المفسرة، والمستقرة، والقادرة على التعلم المستمر مدى الحياة، مؤكدة أن فهم العقل البيولوجي يظل المفتاح الأوحد والأسمى لتخليق ذكاء اصطناعي حقيقي ومستدام.

المراجع والمصادر الأكاديمية (References)

• Carpenter, G. A., & Grossberg, S. (1987). A massively parallel architecture for a self-organizing neural pattern recognition machine. Computer Vision, Graphics, and Image Processing, 37(1), 54–115. https://doi.org/10.1016/S0734-189X(87)80014-2
• Carpenter, G. A., & Grossberg, S. (1987). ART 2: Self-organization of stable category recognition codes for analog input patterns. Applied Optics, 26(23), 4919–4930. https://doi.org/10.1364/AO.26.004919
• Carpenter, G. A., & Grossberg, S. (1990). ART 3: Hierarchical search using chemical transmitters in self-organizing pattern recognition architectures. Neural Networks, 3(2), 129–152. https://doi.org/10.1016/0893-6080(90)90056-B
• Carpenter, G. A., Grossberg, S., & Rosen, D. B. (1991). Fuzzy ART: Fast stable learning and categorization of analog patterns by an adaptive resonance system. Neural Networks, 4(6), 759–771. https://doi.org/10.1016/0893-6080(91)90056-B
• Carpenter, G. A., Grossberg, S., & Reynolds, J. H. (1991). ARTMAP: Supervised real-time learning and classification of nonstationary data by a self-organizing neural network. Neural Networks, 4(5), 565–588. https://doi.org/10.1016/0893-6080(91)90012-T
• Carpenter, G. A., Grossberg, S., Markuzon, N., Reynolds, J. H., & Rosen, D. B. (1992). Fuzzy ARTMAP: A neural network architecture for incremental supervised learning of analog multidimensional maps. IEEE Transactions on Neural Networks, 3(5), 698–713. https://doi.org/10.1109/72.145883
• Grossberg, S. (1976). Adaptive pattern classification and universal recoding: I. Parallel development and coding of neural feature detectors. Biological Cybernetics, 23(3), 121–134. https://doi.org/10.1007/BF00344744
• Grossberg, S. (1980). How does a brain build a cognitive code? Psychological Review, 87(1), 1–51. https://doi.org/10.1037/0033-295X.87.1.1
• Grossberg, S. (1999). How does the cerebral cortex work? Learning, attention, and grouping by the laminar circuits of visual cortex. Spatial Vision, 12(2), 163–185. https://doi.org/10.1163/156856899X00102
• Grossberg, S. (2013). Adaptive Resonance Theory: How a brain learns to consciously attend, learn, and recognize a changing world. Neural Networks, 37, 1–47. https://doi.org/10.1016/j.neunet.2012.09.017
• Grossberg, S. (2021). Conscious Mind, Resonant Brain: How Each Brain Makes a Mind. Oxford University Press. https://doi.org/10.1093/oso/9780190070557.001.0001
• Raizada, R. D., & Grossberg, S. (2003). Towards a theory of the laminar architecture of cerebral cortex: How cortical circuits balance forward and feedback signals to enable stable learning. Cognitive Brain Research, 16(2), 161–182. https://doi.org/10.1016/S0926-6410(02)00248-8