علم النفس التجريبيعلم النفس العصبي الحسابينظريات التعلم والسلوك

نموذج ريسكورلا-فاغنر للإشراط الكلاسيكي – روبرت أ. ريسكورلا وألان ر. فاغنر

دليل أكاديمي شامل يشرح نموذج ريسكورلا-فاغنر في الإشراط الكلاسيكي، معادلاته الرياضية، وتطبيقاته في علم النفس العصبي والتعلم الآلي.

تاريخ النشر

يُمثّل نموذج ريسكورلا-فاغنر (Rescorla–Wagner Model)، الذي صيغ في مطلع سبعينيات القرن العشرين على يد عالمي النفس الأمريكيين روبرت ريسكورلا وألان فاغنر، ثورة مفاهيمية ورياضية كبرى في دراسة التعلم والسلوك. فقبل هذا النموذج، ظلت السلوكية التقليدية لعقود أسيرة الافتراض القائل بأن التعلم الارتباطي ليس سوى نتاج ميكانيكي للاقتران الزمني المجرد بين المثيرات؛ حيث كان يُعتقد أن مجرد تكرار ظهور مثير محايد بالتزامن مع مثير غير شرطي يكفي لبناء استجابة مشروطة راسخة. غير أن ريسكورلا وفاغنر قدما برهاناً رياضياً وتجريبياً أثبت أن الكائنات الحية لا تسجل الاقترانات الحسية بشكل سلبي، بل تعالج المعلومات عبر تقييم احتمالي مستمر يستند إلى مدى قدرة المثير على التنبؤ بالأحداث البيئية ذات الدلالة البيولوجية.

تكمن العبقرية الاستثنائية لهذا النموذج في تحويل المفهوم النفسي الغامض للتعلم إلى معادلة جبرية أنيقة قوامها خطأ التنبؤ (Prediction Error) ومفهوم المفاجأة الإدراكية (Cognitive Surprise). افترض النموذج أن التعلم لا يحدث إلا إذا كانت النتيجة الفعلية للحدث غير متطابقة تماماً مع ما توقعه الكائن الحي بناءً على مجموع المثيرات الحاضرة في الموقف. وبذلك، نجح النموذج في تقديم تفسير كمي دقيق لظواهر سلوكية معقدة حيرت العلماء طويلاً، مثل ظاهرة الحجب، والتظليل، والتثبيط الشرطي، والتوقع الفائق، واضعاً حجر الأساس لما بات يُعرف بالثورة المعرفية داخل النماذج الرياضية للتعلم الحيواني والبشري على حد سواء.

لم تتوقف أصداء نموذج ريسكورلا-فاغنر عند حدود علم النفس التجريبي، بل امتدت جذوره لتشكل الركيزة النظرية المركزية التي استندت إليها أبحاث علم الأعصاب الحسابي الحديث، لا سيما في فهم آليات إطلاق الدوبامين في الدماغ المتوسط بوصفه تمثيلاً بيولوجياً عصبياً لخطأ التنبؤ بالمكافأة. وعلاوة على ذلك، استلهم علماء الذكاء الاصطناعي هذه المبادئ لتطوير خوارزميات التعلم المعزز (Reinforcement Learning) التي تقود اليوم أكثر الأنظمة الذاتية تطوراً. يتناول هذا المرجع الموسع الأسس النظرية والتطبيقية، والتفكيك الرياضي، والامتدادات العصبية والإكلينيكية لنموذج ريسكورلا-فاغنر عبر تحليل علمي معمق وشامل.

جدول المحتويات

1. المدخل التاريخي والنظري للإشراط الكلاسيكي قبل نموذج ريسكورلا-فاغنر

1.1 تطور نظريات التعلم من إيفان بافلوف إلى النموذج الرياضي

انطلقت أبحاث الإشراط الكلاسيكي مع التجارب التأسيسية التي أجراها عالم وظائف الأعضاء الروسي إيفان بافلوف في مطلع القرن العشرين، حيث لاحظ أن الكلاب تفرز اللعاب ليس فقط عند تقديم مسحوق اللحم في أفواهها (مثير غير شرطي – Unconditioned Stimulus / US)، بل بمجرد رؤية الحارس الذي يقدم الطعام أو سماع صوت خطواته أو سماع صوت جرس مقترن بالطعام (مثير شرطي – Conditioned Stimulus / CS). فسر بافلوف هذه الظاهرة استناداً إلى مبدأ الاقتران الزمني البسيط (Temporal Contiguity)، مفترضاً أن التقارب اللحظي بين تنشيط مركزين حسيين في القشرة المخية يؤدي فيزيولوجياً إلى تشكيل مسار عصبي رابط بينهما، مما يسمح للمثير الشرطي باستدعاء الاستجابة المشروطة (Conditioned Response / CR).

تلقفت المدرسة السلوكية الأمريكية هذه الأفكار بحماس بالغ، حيث عمل جون واطسون على تعميم نموذج بافلوف لجعله حجر الزاوية في تفسير كافة أشكال السلوك البشري والعواطف المكتسبة، كما يتضح في تجربته الشهيرة مع “الطفل ألبرت”. وفي الوقت ذاته، صاغ إدوارد ثورندايك قانون الأثر (Law of Effect)، الذي ربط بين الاستجابات الحركية وعواقبها المعززة، مؤكداً مع زملائه السلوكيين على أن قوة الرابطة الترابطية (S-R Association) هي دالة تراكمية مباشرة لعدد مرات الاقتران المعزز بين المثير والاستجابة دون الحاجة لافتراض أي عمليات وسيطة داخل الكائن الحي.

ومع ذلك، بدأت الشقوق تظهر في جدار السلوكية التقليدية في منتصف القرن العشرين؛ إذ عجزت فرضية الاقتران المحض عن تفسير ظواهر “الانتقائية” في التعلم؛ فلماذا تفشل بعض المثيرات في اكتساب قوة ارتباطية رغم اقترانها المتكرر والمتقارب زمنياً بالمثير غير الشرطي؟ ولماذا يتعلم الحيوان استجابات تجنبية لروائح معينة بعد محاولة واحدة متباعدة زمنياً بساعات (مثل تجارب التسمم الغذائي لجون غارسيا)، بينما يفشل في ربط أصوات متزامنة بالألم نفسه؟ فرضت هذه التساؤلات ضرورة التحول نحو نماذج إدراكية-حسابية قادرة على تفسير كيفية قيام الجهاز العصبي بمعالجة المعلومات، وترشيح الإشارات البيئية، وحساب الاحتماليات بدلاً من مجرد التراكم السلبي للمثيرات الفيزيائية المتزامنة.

1.2 أزمة فرضية الاقتران البسيط وتجارب ليون كامين

بلغت أزمة السلوكية الترابطية ذروتها في أواخر ستينيات القرن العشرين مع التجارب الرائدة التي أجراها عالم النفس الأمريكي ليون كامين (Leon Kamin) عام 1969، والتي تمخضت عن اكتشاف ظاهرة الحجب (Blocking Effect). صمم كامين تجربة عبقرية من مرحلتين: في المرحلة الأولى، درب مجموعة من الفئران على ربط مثير سمعي (نغمة A) بصدمة كهربائية خفيفة (US) حتى استقرت الاستجابة المشروطة بالكامل. وفي المرحلة الثانية، قدم النغمة السمعية مصحوبة بضوء ساطع (مثير مركب AB) متبوعين بالصدمة الكهربائية نفسها لعدد متكرر من المحاولات ذات الاقتران الزمني التام.

وفقاً للنظرية السلوكية الكلاسيكية القائمة على الاقتران، كان ينبغي للمثير البصري (الضوء B) أن يكتسب قوة ارتباطية توازي تماماً ما كان سيكتسبه لو دُرب بمفرده، نظراً لأن اقترانه بالصدمة كان مثالياً في الزمن والتكرار. ولكن المفاجأة الصادمة ظهرت في مرحلة الاختبار: عندما قُدم الضوء (B) منفرداً للفئران، أظهرت استجابة خوف شبه معدومة، وكأن الاقتران لم يحدث قط؛ لقد “حجب” التعلم السابق للنغمة (A) إمكانية التعلم اللاحق للمثير الجديد (B).

استنتج كامين من هذه النتائج أن الاقتران الزمني وحده شرط غير كافٍ لحدوث التعلم؛ فالكائن الحي يتعلم فقط عندما يكون المثير غير الشرطي “غير متوقع” أو يحمل عنصر “المفاجأة”. ولما كانت النغمة (A) تتنبأ بالصدمة تنبؤاً كاملاً ووافياً، فإن المثير غير الشرطي أصبح “زائداً عن الحاجة إخبارياً” عند تقديم المركب (AB)، وبالتالي لم يكن هناك أي حافز إدراكي لمعالجة المثير البصري الجديد أو ربطه بالحدث. مهد هذا الاستنتاج الحاسم الطريق للتمييز الجذري بين المجاورة المكانية-الزمنية والاقتران الإحصائي التنبئي، مؤكداً الحاجة الملحة لصياغة نموذج رياضي كمي قادر على فصل الحضور الفيزيائي للمثير عن قيمته التنبئية والإخبارية في البيئة.

2. السيرة الأكاديمية والخلفية العلمية لروبرت ريسكورلا وألان فاغنر

2.1 روبرت أ. ريسكورلا: ريادة مفهوم الاحتمالية الشرطية والمعرفية السلوكية

يُعد روبرت أ. ريسكورلا (Robert A. Rescorla) واحداً من أبرز أعمدة علم النفس التجريبي في النصف الثاني من القرن العشرين. نال درجة الدكتوراه من جامعة بنسلفانيا، حيث قاد في عام 1967 سلسلة من التجارب الفاصلة التي أعادت تعريف مفهوم الترابط الشرطي جذرياً عبر تقديم مفهوم الاعتمادية الاحتمالية (Contingency) في مقابل الاقتران المحض (Contiguity). أثبت ريسكورلا تجريبياً أن الحيوانات لا تستجيب لعدد مرات الاقتران بين المثيرين (CS و US)، بل للفرق بين احتمالية حدوث المثير غير الشرطي في وجود المثير الشرطي $P(US|CS)$ مقارنة باحتمالية حدوثه في غيابه $P(US|neg CS)$.

أوضحت أبحاث ريسكورلا في جامعة ييل ثم في جامعة بنسلفانيا أن المثير الشرطي يتحول إلى مثير استثاري (Excitatory) إذا كان حضوره يزيد من احتمالية وقوع الحدث، ويتحول إلى مثير تثبيطي (Inhibitory) إذا كان حضوره يقلل من تلك الاحتمالية، في حين يظل محايداً تماماً إذا تساوت الاحتماليتان حتى لو اقترن بالمثير غير الشرطي مئات المرات. قدم ريسكورلا عبر منهجيته التجريبية الصارمة صياغة مفاهيمية متقدمة أدمجت المعالجة الإدراكية التنبئية داخل النماذج السلوكية، متجاوزاً المفهوم الساذج للصندوق الأسود ومثبتاً أن الكائنات الحية تُجري عمليات استدلال إحصائي معقدة حول بيئاتها المحيطة.

2.2 ألان ر. فاغنر: أستاذ النمذجة الإدراكية وعلم النفس التجريبي في ييل

شغل ألان ر. فاغنر (Allan R. Wagner) مكانة ريادية عالمية كأستاذ لعلم النفس في جامعة ييل، حيث ركزت مسيرته الأكاديمية على فك شفرات معالجة الذاكرة والانتباه المشروط والأسس البيولوجية للسلوك الارتباطي. تميز فاغنر بقدرته الفائقة على ترجمة الملاحظات السلوكية المعقدة إلى بنيات نظرية ونماذج معالجة معلومات دقيقة؛ إذ كان يرى أن التعلم الإشراطي يمثل نموذجاً مصغراً للعمليات المعرفية العليا التي تدير الانتباه وترميز الذكريات في الجهاز العصبي المركزي.

طور فاغنر لاحقاً نماذج نظرية متطورة تجاوزت النموذج الثنائي الكلاسيكي، ومن أبرزها نموذج التشغيل القياسي للذاكرة (Standard Operating Procedures – SOP) ونموذج (AESOP) الذي يدمج المكونات العاطفية والحسية للمثيرات. كان فاغنر مؤمناً بأن القياس الكمي الرياضي هو السبيل الوحيد لفهم التفاعلات الدقيقة بين المثيرات الحسية المتنافسة في بيئة الاختبار المعملي. ساهمت إدارته الرصينة وأبحاثه المعملية الموسعة في تشكيل معايير علم النفس التجريبي والبيولوجي لعدة عقود، وجعلت من مختبره في ييل قبلة للباحثين في آليات التعلم الحسابي والفسيولوجي.

2.3 سياق النشر التاريخي لورقة عام 1972 وتأثيرها الثوري

توج التعاون العلمي بين ريسكورلا وفاغنر في عام 1972 بنشر فصل كلاسيكي تاريخي بعنوان “نظرية في الإشراط الكلاسيكي: تنوعات في فعالية التعزيز واللاتعزيز” (A Theory of Pavlovian Conditioning: Variations in the Effectiveness of Reinforcement and Nonreinforcement) ضمن كتاب مرجعي حرره أبراهام بلاك وويليام بروكوفيك بعنوان Classical Conditioning II: Current Research and Theory. لم يكن هذا البحث مجرد ورقة إضافية في أدبيات السلوك، بل كان بمثابة إعلان تحول بارادايمي شامل نقل علم النفس السلوكي من الوصف اللفظي النوعي إلى النمذجة الرياضية الحسابية التنبؤية الصارمة.

استقبل المجتمع العلمي النموذج في البداية بمزيج من الانبهار والجدل؛ فقد استطاعت معادلة جبرية بسيطة واحدة تفسير العشرات من الظواهر التجريبية المتفرقة التي كانت تبدو متناقضة، وتنبأت بظواهر جديدة تماماً لم تكن قد اختُبرت معملياً بعد (مثل التوقع الفائق والحماية من الانطفاء). أصبحت ورقة عام 1972 واحدة من أكثر الأوراق العلمية استشهاداً في تاريخ علم النفس وعلم الأعصاب؛ حيث أرست قواعد المقاربة الحسابية للعقل والسلوك، وأثبتت أن العمليات المعرفية الذاتية مثل “المفاجأة” و”التوقع” يمكن صياغتها كمياً وتجريبياً بدقة رياضية متناهية.

3. المعادلة الرياضية الأساسية لنموذج ريسكورلا-فاغنر وتفكيك عناصرها

3.1 الصيغة الحسابية للنموذج وتفصيل المتغيرات

تعتمد البنية الحسابية لنموذج ريسكورلا-فاغنر على الفكرة القائلة بأن مقدار التغير في القوة الارتباطية لأي مثير شرطي في محاولة تجريبية معينة يتناسب طردياً مع الفارق بين الحد الأقصى للقيمة التنبئية التي يمكن أن يدعمها المثير غير الشرطي، ومجموع التوقعات الحالية لجميع المثيرات الحاضرة في تلك المحاولة. تُصاغ المعادلة المركزية للنموذج على النحو التالي:

$$\Delta V_A = \alpha_A \beta (\lambda – \sum V)$$

حيث تُمثل الرموز المتغيرات والمعلمات الآتية:

  • $\Delta V_A$ (التغير في القوة الارتباطية للمثير A): يمثل المقدار الحسابي الذي يزداد به (أو ينقص به) الرابط الترابطي بين المثير الشرطي المعين $A$ والمثير غير الشرطي في المحاولة التجريبية الحالية ($n$).
  • $\alpha_A$ (معامل البروز الحسي للمثير الشرطي): معلمة ثابتة تعبر عن الخصائص الفيزيائية للمثير الشرطي $A$ ومدى لفت انتباه الحواس إليه (مثل شدة الضوء أو علو الصوت). وتتراوح قيمتها نظرياً بين $0$ و $1$؛ حيث يعكس الصفر غياب المثير أو عدم قدرة الحواس على رصده.
  • $\beta$ (معامل سرعة التعلم للمثير غير الشرطي): معلمة تعكس الخصائص البيولوجية وشدة المثير غير الشرطي (مثل قوة الصدمة الكهربائية أو حجم المكافأة الغذائية). وتتراوح قيمتها أيضاً بين $0$ و $1$، وتحدد معدل سريان التعلم لكل محاولة.
  • $lambda$ (الحد الأقصى للقوة الارتباطية الممكنة): القيمة العظمى للاستجابة أو التعلم التي يمكن للمثير غير الشرطي أن يدعمها ويثبتها في الجهاز العصبي. تكون $lambda > 0$ عند تقديم المثير غير الشرطي، وتساوي صفراً ($lambda = 0$) في محاولات الانطفاء حيث يغيب المثير غير الشرطي تماماً.
  • $\sum V$ (مجموع القوى الارتباطية لكافة المثيرات الحاضرة): حاصل جمع القيم التنبئية لكافة المثيرات المتزامنة في الموقف التجريبي، بما في ذلك المثيرات السياقية والخلفية: $\sum V = V_A + V_B + dots + V_k$.

3.2 مجموع القوى الارتباطية ($\sum V$) والتنافس بين المثيرات

يُمثل إدخال حد المجموع التراكمي $\sum V$ بدلاً من القوة الارتباطية الفردية $V_A$ النقلة النوعية الكبرى في نموذج ريسكورلا-فاغنر؛ إذ يكرس هذا المتغير مبدأ التنافس الإدراكي بين المثيرات على حصة محدودة وثابتة من القوة التنبئية ($lambda$) التي يتيحها المثير غير الشرطي. فالبيئة الحسية لا تقدم مثيرات معزولة، بل تحتوي دوماً على مركبات من الإشارات الحسية والمثيرات السياقية المحيطة (Contextual Cues).

تخوض المثيرات المتزامنة في كل محاولة تجريبية عملية منافسة حسابية لاقتسام المكسب الارتباطي المتاح؛ فإذا كان مجموع القوى الارتباطية للمثيرات الحاضرة قد استنفد بالفعل الحد الأقصى ($\sum V = \lambda$)، فإن قيمة القوس $(\lambda – \sum V)$ تؤول إلى الصفر، مما يجعل $\Delta V$ لأي مثير إضافي مساوية للصفر، بصرف النظر عن بروزه الحسي $\alpha$ أو عدد محاولات الاقتران. يتم حساب هذا التحديث التكراري خطوة بخطوة عبر المحاولات المتسلسلة وفق المعادلة التراكمية:

$$V_A^{(n+1)} = V_A^{(n)} + \Delta V_A^{(n)}$$

3.3 المعايير الرياضية للمنحنى التقاربي للتعلم

يفسر النموذج الرياضي بدقة هندسية عالية شكل المنحنى الأسي السالب (Negatively Accelerated Learning Curve) المشاهد تجريبياً في اكتساب الاستجابة الشرطية. ففي المحاولات التجريبية الأولى، تكون القيمة التراكمية $\sum V$ قريبة من الصفر، مما يجعل الفارق $(\lambda – \sum V)$ في أعلى مستوياته، وبالتالي تكون قيمة $\Delta V$ كبيرة، مما يولد قفزات تعليمية سريعة وانحداراً حاداً في منحنى الاكتساب الأولي.

ومع تكرار المحاولات وتراكم القوة الارتباطية، يقترب $\sum V$ تدريجياً من $lambda$، مما يقلل بدوره من قيمة خطأ التنبؤ في كل محاولة متتالية، فتتضاءل المكاسب الارتباطية الجديدة ($\Delta V$) حتى تستقر المنظومة عند نقطة التشبع والتوازن التنبئي المقارب ($V to lambda$). أما في حالات الانطفاء، حيث تنعدم قيمة المثير غير الشرطي ($lambda = 0$) وتكون القوة الارتباطية السابقة موجبة ($V > 0$)، فإن الفارق الرياضي يتحول إلى قيمة سالبة $(0 – V = -V)$، مما يؤدي إلى انحدار أسي سالب يعكس التراجع التدريجي للاستجابة حتى تتلاشى تماماً وتعود إلى الصفر الرياضي.

4. مفهوم “المفاجأة” وخطأ التنبؤ في التعلم الإشراطي

4.1 التعلم كدالة للمفاجأة وحساب خطأ التنبؤ

أعاد نموذج ريسكورلا-فاغنر صياغة مفهوم “التعزيز” في علم النفس؛ فالتعزيز ليس مجرد مكافأة تثبت السلوك، بل هو حدث بيئي يُحدث تعلماً فقط بمقدار ما يحمله من مفاجأة إدراكية. يُعرف خطأ التنبؤ (Prediction Error) رياضياً بالفرق بين ما حدث بالفعل في البيئة ($lambda$) وما كان يتوقعه الكائن الحي استناداً إلى الخبرات السابقة ($\sum V$). التعلم هو الآلية الحسابية التي يسعى من خلالها الدماغ إلى تصفير هذا الخطأ للوصول إلى تطابق تام بين النموذج الداخلي للعالم والواقع الحسي الخارجي.

يُميز النموذج بين نوعين من التناقض التنبئي:

  • التناقض الإيجابي ($\lambda > \sum V$): يقع عندما يتلقى الكائن الحي مثيراً غير شرطي غير متوقع، أو ذا شدة تفوق ما كان يتنبأ به، مما يولد خطأ تنبؤ موجباً يدفع نحو بناء روابط استثارية جديدة وزيادة القوة الارتباطية.
  • التناقض السلبي ($\lambda < \sum V$): يقع عندما يتوقع الكائن الحي حدوث مثير غير شرطي قوي بناءً على المثيرات الحاضرة، ولكنه لا يحدث ($lambda = 0$) أو يحدث بشدة أقل من المتوقع، مما يولد خطأ تنبؤ سالباً يدفع نحو إضعاف الرابطة الاستثارية أو بناء تثبيط شرطي نشط.

وعندما يبلغ التنبؤ درجة الكمال ($\sum V = \lambda$)، ينعدم خطأ التنبؤ تماماً، ويتوقف التعلم كلياً؛ حتى وإن استمر اقتران المثيرات آلاف المرات، مما يثبت أن استقرار السلوك ينبع من انتفاء المفاجأة وليس من استنفاد طاقة الكائن الحي.

4.2 التناظر بين معالجة المعلومات الحيوانية والخوارزميات الحسابية

يمثل نموذج ريسكورلا-فاغنر تطابقاً بنيوياً مذهلاً مع قاعدة ويدرو-هوف (Widrow-Hoff Rule) أو ما يُعرف بـ قاعدة دلتا (Delta Rule)، التي صيغت عام 1960 في سياق الشبكات العصبية الاصطناعية وهندسة التحكم الآلي لتعديل أوزان الوصلات المشبكية العصبية وفقاً لخطأ المخرجات:

$$\Delta w_i = \eta (y – \hat{y}) x_i$$

حيث يطابق معدل التعلم $eta$ حاصل ضرب $(\alpha \beta)$، وتمثل المدخلات الحاضرة $x_i$ حضور المثير الشرطي، في حين يمثل المخرج الفعلي $y$ قيمة $lambda$، والمخرج التنبئي $\hat{y}$ مجموع القوى الارتباطية $\sum V$.

يكشف هذا التناظر العميق أن الكائنات الحية والأنظمة السيبرانية الحسابية تتبع القوانين الخوارزمية ذاتها لمعالجة وتعديل الأوزان التنبئية. حول النموذج الكائن الحي من مجرد متلقٍ سلبي للاستثارة إلى “نظام معالجة معلومات أمثلي” يستخلص العلاقات السببية من بيئة مضطربة وصاخبة. لقد مهد هذا التأطير المبكر الطريق لعقود لاحقة من تطوير نظريات التعلم المعزز الحسابي (Computational Reinforcement Learning) التي تستند في جوهرها إلى تصحيح الخطأ التنبئي الانحداري لتعظيم الكفاءة الإدراكية والتكيفية.

5. تفسير ظواهر الإشراط المركب: التظليل والحجب

5.1 ظاهرة الحجب (Blocking Effect) رياضياً وتجريبياً

قدم نموذج ريسكورلا-فاغنر البرهان الحسابي الحاسم لتفسير ظاهرة الحجب التي اكتشفها كامين، محولاً إياها من معضلة سلوكية إلى نتيجة حتمية تنبثق مباشرة من المعادلة. يسير التصميم التجريبي للحجب في مرحلتين واختبار كالتالي:

  • المرحلة الأولى: تدريب المثير الشرطي $A$ بمفرده مع المثير غير الشرطي ($A to US$) حتى يصل إلى التشبع التام، حيث تصبح القوة الارتباطية $V_A = \lambda$.
  • المرحلة الثانية: تقديم المثير المركب $AB$ مقترناً بالمثير غير الشرطي نفسه ($AB to US$).
  • مرحلة الاختبار: فحص الاستجابة للمثير $B$ بمفرده.

عند تطبيق المعادلة الرياضية على المحاولة الأولى من المرحلة الثانية لحساب التغير في قوة المثير الجديد $B$:

$$\Delta V_B = \alpha_B \beta (\lambda – \sum V)$$

$$\sum V = V_A + V_B = \lambda + 0 = \lambda$$

$$\Delta V_B = \alpha_B \beta (\lambda – \lambda) = \alpha_B \beta (0) = 0$$

بما أن $\Delta V_B = 0$، فإن المثير $B$ يفشل تماماً في اكتساب أي قوة ارتباطية، وتظل قيمته التنبئية صفراً مهما تكررت محاولات الاقتران في المرحلة الثانية. يبرهن هذا الاشتقاق الرياضي على أن اكتمال التنبؤ بواسطة المثير $A$ يمتص كل الطاقة التنبئية المتاحة ($lambda$)، حارماً المثير الجديد $B$ من توليد أي خطأ تنبؤ، مما يمنع الجهاز العصبي من تعديل وزنه الارتباطي.

5.2 ظاهرة التظليل (Overshadowing) والتنافس الحسي

تحدث ظاهرة التظليل عندما يُدرب كائن حي منذ البداية على مثير مركب يتألف من عنصرين يختلفان في درجة البروز الحسي الفيزيائي، مثل ضوء خافت وميضي مصحوب بنفير صوتي حاد ومفزع متبوعين بالمثير غير الشرطي ($AB to US$). في هذه الحالة، تكون معلمة البروز للمثير الصوتي أعلى بكثير من معلمة الضوء ($\alpha_A > \alpha_B$).

عند كل محاولة تدريبية مشتركة، يكون خطأ التنبؤ $(\lambda – \sum V)$ واحداً ومشتركاً لكلا المثيرين، ولكن التغير في القوة الارتباطية لكل منهما يعتمد اعتماداً مباشراً على قيمة $\alpha$ الخاصة به:

$$\Delta V_A = \alpha_A \beta (\lambda – \sum V)$$

$$\Delta V_B = \alpha_B \beta (\lambda – \sum V)$$

نظراً لأن $\alpha_A > \alpha_B$، فإن المثير $A$ يقتنص في كل محاولة قسطاً أكبر بكثير من القوة الارتباطية المتاحة مقارنة بالمثير $B$. وعندما يصل المركب ككل إلى التوازن التقاربي ($\sum V = V_A + V_B = \lambda$)، تكون حصة الأسد من القيمة التنبئية قد استقرت لصالح المثير الأبرز $A$، في حين يتبقى للمثير الضعيف $B$ جزء يسير جداً من $V$. وعند اختبار المثير $B$ منفرداً لاحقاً، يُظهر استجابة مشروطة ضعيفة للغاية مقارنة بما كان سيحققه لو دُرب بمفرده دون منافسة، وهي النتيجة المتطابقة تماماً مع المعطيات التجريبية في مختبرات علم النفس السلوكي.

5.3 الحجب أحادي المحاولة والحجب العكسي

أكدت الدراسات المعملية المتقدمة إمكانية رصد ظاهرة الحجب حتى من خلال محاولة اقتران واحدة للمركب الشرطي (One-Trial Blocking)، مما يثبت أن تثبيط التعلم ليس نتاج إجهاد فسيولوجي أو اعتياد سلوكي طويل الأمد، بل هو قرار حسابي لحظي يُتخذ فور غياب المفاجأة الإدراكية في المحاولة الأولى.

ومع ذلك، واجه النموذج تحدياً نظرياً معقداً مع اكتشاف ظاهرة الحجب العكسي (Backward Blocking)، والتي تُشاهد بوضوح في تجارب التعلم الإنساني والحيواني في سياقات معينة. في هذا البروتوكول، يُدرب الكائن أولاً على المركب كاملاً ($AB to US$)، ثم يُدرب المثير $A$ بمفرده مع التعزيز ($A to US$). تظهر النتائج التجريبية أن تدريب $A$ المنفرد يؤدي بأثر رجعي إلى خفض القوة الارتباطية للمثير الغائب $B$. تعجز المعادلة الكلاسيكية لريسكورلا-فاغنر بصيغتها الخطية لعام 1972 عن تفسير هذا التأثير بأثر رجعي؛ لأن المثير $B$ غائب في المرحلة الثانية وتكون معلمة بروزه $\alpha_B = 0$، مما يجعل $\Delta V_B = 0$ حسابياً وفق النموذج الأصلي. استدعى هذا القصور إدخال تعديلات نظرية لاحقة تفترض وجود تمثيلات ذهنية مسترجعة وقيم بروز للمثيرات الغائبة المرتبطة سياقياً.

6. التثبيط الشرطي والانطفاء من منظور نموذج ريسكورلا-فاغنر

6.1 الآلية الرياضية لتشكل التثبيط الشرطي (Conditioned Inhibition)

يُعرّف التثبيط الشرطي بأنه اكتساب المثير الشرطي القدرة على الإشارة إلى غياب أو منع حدوث المثير غير الشرطي المتوقع، مما يجعله إشارة للأمان أو الهدوء. يُدرب التثبيط الشرطي عادة عبر بروتوكول تفريقي يتضمن نوعين من المحاولات المتبادلة عشوائياً:

  • محاولات تعزيزية بمثير استثاري: $A to US$ (حيث $lambda > 0$).
  • محاولات غير معززة للمركب: $AB to \text{No } US$ (حيث $lambda = 0$).

في المحاولات المعززة، يكتسب المثير $A$ قوة ارتباطية موجبة تقترب من الحد الأقصى ($V_A to \lambda$). أما في المحاولات المركبة غير المعززة، يُحسب التغير في قوة المثير المثبط $B$ على النحو التالي:

$$\Delta V_B = \alpha_B \beta (0 – \sum V) = \alpha_B \beta (0 – [V_A + V_B])$$

بما أن $V_A$ قيمة موجبة كبيرة و $V_B$ تبدأ من الصفر، فإن المقدار داخل القوس $(0 – V_A)$ يصبح سالباً، مما يدفع $\Delta V_B$ إلى التحول إلى قيمة سالبة تحت الصفر ($V_B < 0$). يستمر تدريب المثير $B$ في اكتساب قيم سالبة حتى يصل النظام إلى التوازن الكلي في المحاولات المركبة ($\sum V = V_A + V_B = 0$)، وحينها تصبح القوة السالبة للمثبط مساوية تماماً ومعاكسة في الإشارة للقوة الموجبة للمثير الاستثاري ($V_B = -V_A$).

أكد ريسكورلا وفاغنر أن الحكم على اكتساب المثير لصفة التثبيط الشرطي الحقيقي يتطلب اجتيازه لاختبارين تجريبيين مستقلين:

  1. اختبار التجميع (Summation Test): تقديم المثير المثبط $B$ مع مثير استثاري جديد كلياً $C$ لم يسبق اقترانه به؛ فإذا كان $B$ مثبطاً حقيقياً ($V_B < 0$)، فإنه سيخفض بالضرورة من حجم الاستجابة المشروطة التي يثيرها $C$ بمفرده لأن $\sum V = V_C + V_B < V_C$.
  2. اختبار بطء الاستثارة (Retardation-of-Acquisition Test): محاولة تحويل المثير المثبط $B$ إلى مثير استثاري عبر تدريبه منفرداً مع التعزيز ($B to US$)؛ حيث يستغرق الكائن وقتاً أطول بكثير ومحاولات إضافية لمحو القيمة السالبة ورفعها إلى الصفر قبل أن تبدأ في الصعود كقيمة موجبة.

6.2 مسار الانطفاء (Extinction) وإلغاء القوة الارتباطية

يفسر نموذج ريسكورلا-فاغنر ظاهرة الانطفاء (Extinction) بوصفها مساراً حسابياً لتصفير القوة الارتباطية عندما يقدم المثير الشرطي المدرب مسبقاً بمفرده دون المثير غير الشرطي ($A to \text{No } US$). في هذه الحالة، تنقلب القيمة المستهدفة فوراً إلى الصفر ($lambda = 0$).

تصبح معادلة التحديث لكل محاولة انطفاء:

$$\Delta V_A = \alpha_A \beta (0 – V_A) = -\alpha_A \beta V_A$$

ينتج عن هذه المعادلة تراجع أسي تدريجي في القوة الارتباطية $V_A$؛ حيث تكون الانخفاضات الأولى حادة وسريعة، ثم تتباطأ مع اقتراب $V_A$ من الصفر. يفترض النموذج الرياضي الكلاسيكي لعام 1972 افتراضاً صريحاً بأن الانطفاء يمثل محواً وتدميراً حقيقياً للأثر الارتباطي (Unlearning) المخزن في الجهاز العصبي، بحيث تعود المنظومة نقية كما كانت قبل بدء التعلم.

وضع هذا الافتراض نموذج ريسكورلا-فاغنر في مواجهة نقدية حادة مع رؤية بافلوف الأصلية، التي كانت ترى أن الانطفاء ليس محواً للمعلومة، بل هو “تعلم جديد لتثبيط الاستجابة القديمة”. وقد أثبتت الشواهد الفسيولوجية والتجريبية المعاصرة لاحقاً أن وجهة نظر بافلوف كانت أكثر مطابقة للواقع العصبي، مما شكل أحد أوجه القصور الهيكلية الأكثر وضوحاً في الصياغة الخطية البسيطة لنموذج ريسكورلا-فاغنر.

7. ظواهر التوقع الفائق والحماية من الانطفاء

7.1 ظاهرة التوقع الفائق (Overexpectation Effect)

تُعد ظاهرة التوقع الفائق واحدة من أعظم الإنجازات التنبؤية لنموذج ريسكورلا-فاغنر؛ إذ استطاع النموذج التنبؤ بحدوث هذه الظاهرة غير البديهية رياضياً قبل أن تُختبر وتُثبت معملياً بسنوات. يسير البروتوكول التجريبي للتوقع الفائق كالتالي:

  • المرحلة الأولى: تدريب مثيرين منفصلين $A$ و $B$ في محاولات مستقلة حتى يصل كل منهما على حدة إلى الحد الأقصى من القوة الارتباطية الممكنة ($V_A = \lambda$ و $V_B = \lambda$).
  • المرحلة الثانية: دمج المثيرين معاً في مركب مركب ($AB$) وتقديمهما متبوعين بالمثير غير الشرطي المعتاد نفسه ($AB to US$).

من منظور الفطرة السلوكية الساذجة، بما أن تقديم كل مثير يتبعه تعزيز مستمر، يتوقع المرء أن تزداد قوة الاستجابة أو تستقر على الأقل. ولكن تطبيق معادلة ريسكورلا-فاغنر يكشف عن مفاجأة مذهلة:

$$\sum V = V_A + V_B = \lambda + \lambda = 2\lambda$$

$$\Delta V_A = \alpha_A \beta (\lambda – \sum V) = \alpha_A \beta (\lambda – 2\lambda) = -\alpha_A \beta \lambda$$

$$\Delta V_B = \alpha_B \beta (\lambda – \sum V) = \alpha_B \beta (\lambda – 2\lambda) = -\alpha_B \beta \lambda$$

تتولد في هذه الحالة قيمة خطأ تنبؤ سالبة حادة ($-lambda$)؛ لأن المثير غير الشرطي الفعلي ($lambda$) كان أقل بكثير من مجموع التوقعات المتضخمة التي أثارها المركب المشترك ($2lambda$). ونتيجة لذلك، تنخفض القوة الارتباطية لكلا المثيرين في المحاولات اللاحقة رغم استمرار التعزيز. أثبتت التجارب المعملية اللاحقة على الحيوانات والبشر صحة هذا التنبؤ الرياضي الدقيق بالكامل، مما وفر دليلاً قاطعاً على أن المجموع الجبري للتوقعات هو المحرك الفعلي للتعلم وليس الحضور الحسي المنعزل للمثيرات.

7.2 الحماية من الانطفاء والتعزيز الفائق (Superconditioning)

تتجلى القدرة التفسيرية للنموذج أيضاً في التنبؤ بظاهرة الحماية من الانطفاء (Protection from Extinction). عندما يُقدم مثير استثاري مدرب مسبقاً ($A$ حيث $V_A = \lambda$) في محاولات انطفاء (دون تعزيز)، ولكن بصحبة مثبط شرطي راسخ ($B$ حيث $V_B = -\lambda$)، فإن المركب المشترك يكون:

$$\sum V = V_A + V_B = \lambda + (-\lambda) = 0$$

$$\Delta V_A = \alpha_A \beta (0 – \sum V) = \alpha_A \beta (0 – 0) = 0$$

وبما أن مجموع التوقعات يساوي صفراً، وهو ما يتطابق تماماً مع النتيجة غير المعززة ($lambda = 0$)، فإن خطأ التنبؤ ينعدم، وبالتالي لا يفقد المثير $A$ أياً من قوته الارتباطية؛ لقد وفّر المثبط الشرطي “حماية رياضية كاملة” للمثير الاستثاري من الانطفاء رغم غياب التعزيز المتكرر.

وعلى النقيض من ذلك، تبرز ظاهرة التعزيز الفائق (Superconditioning) عندما يُقدم مركب يتألف من مثير جديد $X$ ومثبط شرطي قوي $B$ ($V_B = -\lambda$) متبوعين بالمثير غير الشرطي ($XB to US$). في هذه الحالة الحسابية:

$$\sum V = V_X + V_B = 0 + (-\lambda) = -\lambda$$

$$\Delta V_X = \alpha_X \beta (\lambda – [-\lambda]) = \alpha_X \beta (2\lambda)$$

يتولد خطأ تنبؤ إيجابي مضاعف ($2lambda$) يدفع المثير الجديد $X$ لاكتساب قوة ارتباطية فائقة تتجاوز بكثير السقف الطبيعي للتعلم في محاولات قياسية قليلة، وهي ظاهرة برهنت عليها التجارب الإكلينيكية والمخبرية بدقة بالغة.

8. التطبيقات العصبية الحيوية لنموذج ريسكورلا-فاغنر ودور الدوبامين

8.1 أبحاث ولفرام شولتز ونشاط عصبونات الدوبامين في الدماغ المتوسط

شهدت تسعينيات القرن العشرين واحداً من أعظم الاكتشافات التكاملية بين علم النفس الحسابي وعلم الأعصاب؛ حيث قام فريق البحث بقيادة ولفرام شولتز (Wolfram Schultz) بتسجيل النشاط الكهربائي الفسيولوجي الدقيق لعصبونات الدوبامين في المنطقة السقيفية البطنية (VTA) والمادة السوداء (Substantia Nigra) في أدمغة القردة أثناء مهام الإشراط الكلاسيكي للمكافأة.

كشفت تسجيلات شولتز أن الخلايا العصبية الدوبامينية لا تستجيب للمكافأة بحد ذاتها، بل تُمثل فسيولوجياً خطأ التنبؤ بالمكافأة (Reward Prediction Error – RPE) الموصوف تماماً في معادلة ريسكورلا-فاغنر:

  • المكافأة غير المتوقعة (خطأ إيجابي، $\lambda > \sum V$): عند تقديم قطرة عصير (US) فجأة دون مثير مسبق، تُطلق عصبونات الدوبامين وميضاً مفاجئاً من النشاط التفرغي عالي التردد (Burst Firing).
  • اكتمال التعلم وانعدام المفاجأة ($\lambda = \sum V$): بعد التدريب المتكرر وإقران المثير الشرطي (ضوء أو نغمة) بالمكافأة، ينتقل وميض الدوبامين فسيولوجياً من لحظة وصول المكافأة إلى لحظة ظهور المثير الشرطي، في حين يعود نشاط الدوبامين عند وصول المكافأة الفعلية إلى مستواه القاعدي التلقائي تماماً؛ لأن الحدث أصبح متوقعاً بنسبة 100%.
  • غياب المكافأة المتوقعة (خطأ سلبي، $\lambda < \sum V$): عندما يظهر المثير الشرطي التنبئي ولكن تُحجب المكافأة عمداً ($lambda = 0$)، يُلاحظ تثبيط فوري وانخفاض حاد في إطلاق الدوبامين إلى ما دون المعدل القاعدي (Pause in Firing) في اللحظة الزمنية الدقيقة التي كان يُفترض أن تصل فيها المكافأة.

أثبتت هذه التجارب أن الدماغ الثديي يمتلك بنية فسيولوجية عصبية تقوم بحساب متغيرات معادلة ريسكورلا-فاغنر على المستوى المشبكي، محولة الدوبامين من مجرد “ناقل للمتعة” إلى “إشارة خطأ تنبؤ كيميائية” توجه عمليات اللدونة المشبكية في القشرة المخية والجسم المخطط (Striatum).

8.2 الدوائر العصبية للقوة الارتباطية في اللوزة الدماغية والمخيخ

لم يقتصر التجسيد البيولوجي لنموذج ريسكورلا-فاغنر على مسارات الدوبامين، بل امتد ليشمل الدوائر العصبية المركزية المسؤولة عن أنماط الإشراط المتخصصة. ففي دراسات إشراط الخوف الكلاسيكي (Fear Conditioning)، تمثل النواة الجانبية للوزة الدماغية (Lateral Amygdala) الموقع الفسيولوجي الذي تلتقي فيه الإشارات الحسية للمثير الشرطي (عبر المهاد والقشرة الحسية) مع الإشارات المؤلمة للمثير غير الشرطي.

تخضع قوة المشابك العصبية في هذه النواة لآليات اللدونة المشبكية طويلة الأمد (Long-Term Potentiation – LTP)؛ حيث تعمل المدخلات غير الشرطية كإشارة تعزيز تدفع المشابك لتعديل وزنها الارتباطي ($\Delta V$) بما يتناسب مع حجم خطأ التنبؤ الصادر عن الدوائر المثبطة في المادة الرمادية المحيطة بالمسال (PAG)، والتي تقوم بحساب الفارق الحسابي وإخماد مدخلات الألم المشبكية فور اكتمال التنبؤ لمنع التعلم الزائد (تطبيقاً فسيولوجياً لظاهرة الحجب).

وعلى نحو مماثل، تُعد دائرة إشراط طرف العين (Eyeblink Conditioning) في المخيخ (Cerebellum) النموذج البيولوجي الأكثر كمالاً لتطبيق معادلة ريسكورلا-فاغنر الحسابية؛ حيث تقوم ألياف التسلق (Climbing Fibers) الصادرة من النواة الزيتونية السفلية بنقل إشارة خطأ التنبؤ ($\lambda – \sum V$)، في حين تقوم خلايا بيركنجي (Purkinje Cells) وخلايا النوى العميقة بترميز القوة الارتباطية التراكمية ($\sum V$). وعندما يكتمل التعلم، تُرسل خلايا المخيخ إشارات تثبيط راجعة إلى النواة الزيتونية لإخماد إشارة ألياف التسلق، مما يُوقف التعلم المشبكي في تجسيد حيوي عبقري لإغلاق حلقة الخطأ التنبئي.

9. الانتقادات والقيود التجريبية والنظرية للنموذج

9.1 ظاهرة التثبيط الكامن (Latent Inhibition) وعجز النموذج عن تفسيرها

على الرغم من النجاح الأسطوري لنموذج ريسكورلا-فاغنر، إلا أن افتراضاته الرياضية الصارمة واجهت حدوداً وتحديات تجريبية جوهرية؛ لعل أبرزها عجزه التام عن تفسير ظاهرة التثبيط الكامن (Latent Inhibition) التي اكتشفها روبرت لوباو (Robert Lubow). في هذه الظاهرة، يؤدي التعرض المسبق والمتكرر للمثير الشرطي بمفرده دون أي تعزيز ($A to \text{Nothing}$) إلى إبطاء وصعوبة بالغة في تعلم ربطه بمثير غير شرطي في مرحلة لاحقة.

عند تفكيك هذه الظاهرة من منظور معادلة ريسكورلا-فاغنر:

$$\Delta V_A = \alpha_A \beta (0 – 0) = 0$$

بما أن المثير الشرطي غير مقترن بشيء ($lambda = 0$) وقوته الارتباطية المبدئية تساوي صفراً ($V_A = 0$)، فإن التغير في القوة الارتباطية يظل صفراً طوال فترة التعرض المسبق. ووفقاً للنموذج، يجب أن يدخل المثير $A$ المرحلة اللاحقة وكأنه مثير جديد تماماً دون أي تغيير في حالته الحسابية، وهو ما يتناقض تناقضاً صارخاً مع الواقع التجريبي الذي يظهر إعاقة حادة للتعلم.

يعود سبب هذا العجز الهيكلي في النموذج إلى افتراضه أن معامل البروز الحسي $\alpha$ هو قيمة عددية ثابتة ومحصنة ضد التغيير عبر التجربة. لقد أثبت التثبيط الكامن أن الكائنات الحية تتعلم “تجاهل” المثيرات التي لا تحمل قيمة إخبارية، مما يعني أن الانتباه والبروز الحسي متغيرات ديناميكية تتناقص مع تكرار الخبرة غير المفيدة، وهو البعد المعرفي المفقود في صياغة 1972.

9.2 فشل تفسير التعافي التلقائي وظواهر الانتعاش بعد الانطفاء

يكمن القصور الفلسفي والرياضي الثاني للنموذج في تعريفه للانطفاء كمحو كلي للأوزان الارتباطية ($V to 0$). لقد نسفت أبحاث علم النفس التجريبي والبيولوجي هذا الافتراض من خلال توثيق أربع ظواهر مركزية تُعرف بـ “انتعاش الاستجابة بعد الانطفاء”:

  • التعافي التلقائي (Spontaneous Recovery): عودة ظهور الاستجابة المشروطة تلقائياً بمجرد انقضاء فترة زمنية على جلسة الانطفاء دون أي تدريب إضافي.
  • تجدد الاستجابة السياقي (Renewal Effect): تجدد الاستجابة المشروطة المنطفئة فوراً عند اختبار المثير الشرطي في سياق بيئي أو مكاني مختلف عن سياق الانطفاء (مثل تجارب مارك بوتون).
  • إعادة الاسترداد (Reinstatement): عودة الاستجابة المشروطة للمثير المنطفئ بعد تقديم المثير غير الشرطي بمفرده بصورة عشوائية ودون اقتران مباشر.
  • إعادة الاكتساب السريع (Rapid Reacquisition): إعادة تعلم الرابطة المشروطة بعد الانطفاء بعدد محاولات يقل كثيراً عن المحاولات المطلوبة للتعلم الأول.

إذا كانت $V_A = 0$ حسابياً بنهاية الانطفاء كما تزعم المعادلة، فإن القيمة التنبئية تصبح معدومة تماماً، ويستحيل رياضياً توليد استجابة مشروطة عبر مجرد مرور الوقت أو تغيير السياق دون محاولات تعزيزية جديدة ترفع من قيمة $\Delta V$. برهنت هذه الظواهر القاطعة على أن الانطفاء هو في جوهره تعلم جديد مقيد بالسياق (Context-Dependent Inhibitory Learning) يجاور الأثر المشروط القديم ويثبطه دون أن يمحوه فيزيولوجياً من الذاكرة.

9.3 إشكاليات التثبيط غير المتماثل والارتباط من الدرجة الثانية

واجه النموذج مأزقاً إضافياً في تفسير الإشراط من الدرجة العليا أو الدرجة الثانية (Higher-Order Conditioning). في هذا البروتوكول، يُدرب المثير $A$ مع المثير غير الشرطي ($A to US$)، ثم يُقرن مثير جديد $B$ مع المثير $A$ دون تقديم المثير غير الشرطي ($B to A$). في الواقع التجريبي، يكتسب المثير $B$ قوة استثارية موجبة ويثير استجابة مشروطة.

ولكن وفق معادلة ريسكورلا-فاغنر، بما أن المثير غير الشرطي غائب تماماً في المرحلة الثانية ($lambda = 0$) والمثير $A$ يمتلك قوة موجبة ($V_A > 0$)، فإن المركب المشترك يولد خطأ تنبؤ سالباً:

$$\Delta V_B = \alpha_B \beta (0 – [V_A + V_B]) = -\alpha_B \beta V_A$$

تتنبأ المعادلة حتماً بأن المثير $B$ يجب أن يتحول إلى مثبط شرطي ذي قيمة سالبة، وهو عكس ما يحدث تماماً في محاولات الإشراط من الدرجة الثانية المتباعدة. تكشف هذه المفارقة عن حدود الافتراضات الخطية للنموذج وتجاهله لقدرة الدماغ على معالجة الروابط الإدراكية الهرمية وشبكات المثيرات المتسلسلة (Stimulus-Stimulus Associations).

10. النماذج البديلة والمعدلة لنموذج ريسكورلا-فاغنر

10.1 نموذج ماكنتوش (1975): الانتباه الانتقائي وبروز المثير المتغير

في محاولة لتجاوز قصور نموذج ريسكورلا-فاغنر في تفسير التثبيط الكامن والانتباه الانتقائي، صاغ عالم النفس البريطاني نيكولاس ماكنتوش (Nicholas Mackintosh) عام 1975 نموذجاً بديلاً يعتمد على فكرة أن معامل البروز والانتباه للمثير ($\alpha$) ليس ثابتاً، بل هو متغير ديناميكي يتعدل باستمرار عبر التجربة.

افترض ماكنتوش أن الكائن الحي يزيد من انتباهه للمثير ($\Delta \alpha > 0$) إذا كان هذا المثير أفضل في التنبؤ بالنتيجة من جميع المثيرات الأخرى الحاضرة، في حين يخفض انتباهه للمثير ($\Delta \alpha < 0$) إذا كان المثير غير ذي دلالة إخبارية أو أقل موثوقية من غيره:

$$\Delta \alpha_A > 0 \quad \text{if} \quad |\lambda – V_A| < |\lambda – V_{\text{Other}}|$$

$$\Delta \alpha_A < 0 \quad \text{if} \quad |\lambda – V_A| ge |\lambda – V_{\text{Other}}|$$

نجح نموذج ماكنتوش ببراعة في تفسير التثبيط الكامن؛ فعند تقديم المثير بمفرده في مرحلة ما قبل التعريض، يتعلم الحيوان أن المثير لا يتنبأ بأي شيء ذي قيمة، فتنخفض قيمة $\alpha_A$ تدريجياً نحو الصفر، مما يجعل اكتساب التعلم اللاحق بطيئاً للغاية لصعوبة تركيز الانتباه عليه مجدداً. تمثل مقاربة ماكنتوش رؤية مكملة لريسكورلا-فاغنر؛ حيث ركز الأول على “تعديل معالجة المدخلات والانتباه الشرطي”، بينما ركز الثاني على “معالجة خطأ المخرجات والمفاجأة”.

10.2 نموذج بيرس-هول (1980): الانتباه المدفوع بعدم اليقين

قدم جون بيرس وجيفري هول (Pearce & Hall) عام 1980 نموذجاً انتباهياً ثورياً عارض ظاهرياً فرضية ماكنتوش ولكن قدم عمقاً حسابياً جديداً. افترض نموذج بيرس-هول أن الانتباه يُخصص للمثيرات التي لا يمكن التنبؤ بعواقبها بدقة؛ أي أن عدم اليقين (Uncertainty) هو المحرك الأساسي لرفع البروز الانتباهي للمثيرات.

وفقاً لبيرس وهول، تكون قيمة $\alpha$ للمثير في المحاولة الحالية ($n$) دالة مباشرة لحجم خطأ التنبؤ المطلق الذي حدث في المحاولة السابقة ($n-1$):

$$\alpha^{(n)} = \gamma |\lambda^{(n-1)} – \sum V^{(n-1)}|$$

حيث $\gamma$ تمثل معامل التعديل الانتباهي. تنص هذه المعادلة على أن الكائن يرفع من انتباهه للمثير فقط عندما تكون عواقبه مجهولة أو مفاجئة؛ فإذا كان المثير متبوعاً بنتيجة غير مؤكدة، يظل $\alpha$ مرتفعاً لدعم سرعة التعلم وتحديث الأوزان. أما إذا أصبح المثير يتنبأ بالحدث تنبؤاً كاملاً وراسخاً، فإن خطأ التنبؤ ينعدم، وبالتالي تنخفض قيمة $\alpha$ ويتحول السلوك إلى نمط “آلي تلقائي” لا يتطلب استهلاك الموارد الإدراكية والانتباهية للكائن. يمثل نموذج بيرس-هول القاعدة النظرية التي تستند إليها دراسات الاستكشاف واستغلال الموارد (Exploration vs. Exploitation) في علوم الإدراك الحديثة.

10.3 نماذج فاغنر المتقدمة: معالجة العناصر الأولية (SOP و AESOP)

إدراكاً منه للقيود البنيوية لنموذجه الأصلي لعام 1972، طور ألان فاغنر نموذج التشغيل القياسي للذاكرة (Standard Operating Procedures – SOP) في الثمانينيات، تلاه نموذج (AESOP) لدمج الاستجابات الانفعالية والحسية المتمايزة. تجاوز فاغنر التمثيل النقطي الثابت للمثيرات مقترحاً أن كل مثير يتكون من مجموعة ضخمة من “العناصر العقدية الأولية” (Nodes/Elements) التي تتأرجح عبر ثلاث حالات نشاط زمنية متغيرة ديناميكياً:

  • حالة النشاط الأولي ($A_1$): حالة الاستثارة البؤرية القصوى التي تحدث عند استقبال المثير الحسي الفعلي مباشرة، وتتطلب معالجة انتباهية مكثفة وقصيرة الأمد.
  • حالة النشاط الثانوي ($A_2$): حالة استثارة خافتة تلي مرحلة $A_1$ تلقائياً، أو تُستدعى في الذاكرة عبر الترابط مع مثيرات أخرى، وتتميز باستهلاك طاقة إدراكية أقل وبقاء أطول في الذاكرة العاملة.
  • حالة الخمول والاستقرار ($I$): حالة السكون التي ترقد فيها عناصر الذاكرة غير النشطة.

أعاد نموذج SOP تعريف التعلم الارتباطي بوصفه تشكيل روابط بين عناصر في حالة النشاط المشترك؛ فالرابط الاستثاري يتشكل حصرياً عندما يتزامن وجود عناصر المثير الشرطي في حالة $A_1$ مع عناصر المثير غير الشرطي في حالة $A_1$. أما إذا كان المثير الشرطي في حالة $A_1$ وتزامن مع عناصر المثير غير الشرطي المسترجعة في حالة النشاط الثانوي $A_2$، فإن ذلك يولد رابطاً تثبيطياً نشطاً. نجح هذا التعقيد الحسابي في تفسير الفروق الدقيقة بين الاستجابة الشرطية والاستجابة غير الشرطية، وقدم حلاً رياضياً متماسكاً لظواهر الحجب العكسي، والتعافي التلقائي، والاعتمادية الزمنية للمثيرات دون التخلي عن الجوهر التنبئي لخطأ القياس.

11. التطبيقات الإكلينيكية والسلوكية للنموذج في علم النفس الحديث

11.1 فهم وعلاج اضطرابات القلق والفوبيا واضطراب ما بعد الصدمة (PTSD)

وفر نموذج ريسكورلا-فاغنر إطاراً علمياً دقيقاً لفهم وتشخيص وعلاج اضطرابات القلق، ومخاوف الفوبيا المحددة، واضطراب الضغوط التالية للصدمة (PTSD). فمن منظور إشراطي حسابي، ينشأ اضطراب الهلع أو الخوف المرضي عندما تكتسب مثيرات بيئية محايدة (أصوات، روائح، أماكن) أوزاناً تنبؤية ارتباطية متضخمة ($V gg 0$) عبر اقترانها بصدمات نفسية أو استجابات فسيولوجية حادة ذات قيمة تعزيزية سالبة مرتفعة ($lambda$).

أحدث النموذج نقلة نوعية جذرية في تصميم بروتوكولات العلاج بالتعرض الموسع (Exposure Therapy) والعلاج المعرفي السلوكي (CBT) من خلال نظرية التعلم التثبيطي التي صاغتها ميشيل كراسك (Michelle Craske). لعقود خلت، كان المعالجون يركزون خطأً على “خفض مستوى القلق أثناء الجلسة” (Habituation) كمعيار للشفاء، ولكن نموذج ريسكورلا-فاغنر أثبت أن التعافي الدائم يعتمد حصرياً على تعظيم خطأ التنبؤ الانطفائي (Maximizing Expectancy Violation):

$$\text{Prediction Error} = |\lambda_{\text{Actual Threat (0)}} – \sum V_{\text{Feared Expectation}}|$$

لكي يتحقق أقصى تغير ارتباطي مثبط ($\Delta V_{\text{Inhibition}}$)، يجب أن يدخل المريض جلسة التعرض بأعلى درجة توقع للكارثة ($V_{\text{Expectation}} to \text{Max}$)، ثم يمتنع المعالج عن أي تدخل تلطيفي، مما يجعل غياب الكارثة الفعلي ($lambda = 0$) ينتج صدمة إدراكية وخطأ تنبؤ سالباً هائلاً يدمر الرابطة المرضية القديمة.

علاوة على ذلك، كشف النموذج عن خطورة “سلوكيات الأمان” (Safety Behaviors) التي يمارسها مرضى القلق (مثل حمل زجاجة ماء، أو مرافقة شخص مطمئن أثناء مواجهة الموقف المخيف)؛ حيث تعمل هذه السلوكيات كـ “مثيرات مثبطة شرطية للأمان” تؤدي إلى ظاهرة الحماية من الانطفاء (Protection from Extinction). يقوم سلوك الأمان بامتصاص خطأ التنبؤ، مما يحمي الروابط المرضية الكامنة في اللوزة الدماغية من الانطفاء، مسبباً انتكاسة فورية عند غياب أداة الأمان. ومن هنا، باتت المعايير الإكلينيكية المعاصرة تشترط حظر كافة سلوكيات الأمان أثناء جلسات التعرض لضمان توجيه خطأ التنبؤ كاملاً نحو الرابط المرضي المستهدف.

11.2 تطبيقات الإدمان والتعلم المرتبط بالمواد المخدرة

يقدم النموذج تفسيراً حسابياً دقيقاً لآليات الإدمان على المواد المخدرة، وظاهرة الانتكاس المفاجئ للمتعافين. تعمل المثيرات البيئية المرتبطة بالتعاطي (مثل رؤية الأصدقاء، الأدوات، السياق المكاني) كمثيرات شرطية ($CS$) تتنبأ بجرعة المادة المخدرة ($US$). ومع تكرار التعاطي، تُثير هذه المثيرات استجابات تكيفية تعويضية مشروطة (Conditioned Compensatory Responses) يطلقها الجهاز العصبي مسبقاً لمقاومة الأثر الفسيولوجي للمخدر، وهي الآلية الفسيولوجية المسؤولة عن ظاهرة التحمل المشروط (Conditioned Tolerance).

إذا تعاطى المدمن جرعته المعتادة في سياق بيئي جديد تماماً يفتقر إلى المثيرات الشرطية التنبئية ($\sum V = 0$)، فإن الاستجابة التعويضية التنبئية تفشل في الانطلاق، مما يجعل التأثير الفسيولوجي للمخدر خاماً ومضاعفاً، ويؤدي في كثير من الأحيان إلى الوفاة بجرعة زائدة رغم أنها الجرعة المعتادة نفسها، وهو ما أثبتته أبحاث شيبارد سيغل المعملية بدقة.

كما يفسر النموذج ظاهرة الاشتياق الحاد (Craving) بوصفها خطأ تنبؤ دوبامينياً سالباً يُطلقه الجهاز الحوفي عند مصادفة المثيرات الشرطية في غياب المادة المخدرة. وتُستخدم مبادئ التظليل والحجب في تصميم بروتوكولات إزالة الحساسية الموجهة؛ حيث يُدرب المتعافون عبر تعريض متعدد السياقات لتشتيت وتصفير القوى الارتباطية للمثيرات البيئية، وتجريد المحفزات الحسية من قدرتها التنبئية لمنع الانتكاسات السلوكية الحادة.

12. الإرث العلمي لنموذج ريسكورلا-فاغنر ومستقبله في الذكاء الاصطناعي والتعلم الآلي

12.1 الجذور التاريخية لخوارزميات التعلم المعزز (Reinforcement Learning)

يُمثل نموذج ريسكورلا-فاغنر الجسر المعرفي والحسابي الذي عبرت فوقه علوم الحاسوب من النماذج الإحصائية التقليدية إلى الأنظمة الذكية المستقلة. ففي أواخر سبعينيات ومطلع ثمانينيات القرن العشرين، استلهم رواد الذكاء الاصطناعي ريتشارد ساتون وأندرو بارتو (Richard Sutton & Andrew Barto) المبادئ الرياضية لمعادلة ريسكورلا-فاغنر لتطوير خوارزمية الفروق الزمنية (Temporal Difference Learning – TD Learning)، والتي تشكل حجر الزاوية لكل تطبيقات التعلم المعزز الحديثة.

طورت خوارزمية $TD(lambda)$ معادلة ريسكورلا-فاغنر عبر توسيع نطاق خطأ التنبؤ من محاولة تجريبية منفصلة إلى سلسلة زمنية مستمرة، مما سمح بتحديث التوقعات لحظة بلحظة عبر المعادلة الرياضية الشهيرة لخطأ الفرق الزمني:

$$\delta_t = r_{t+1} + \gamma V(s_{t+1}) – V(s_t)$$

حيث يمثل $r_{t+1}$ المكافأة الآنية، و $V(s_t)$ القيمة التنبئية للحالة الحالية، و $\gamma$ معامل الخصم الزمني. تُمثل هذه المعادلة الاشتقاق الزمني المباشر لحد $(\lambda – \sum V)$ في نموذج ريسكورلا-فاغنر. وبفضل هذا الانتقال من النمذجة البيولوجية إلى الهندسة البرمجية، تمكنت خوارزميات مثل Q-Learning والشبكات العصبية العميقة المتخصصة في التعلم المعزز (Deep Q-Networks) من تحقيق إنجازات أسطورية؛ بدءاً من هزيمة أبطال العالم في ألعاب الشطرنج والغو (مثل نظام AlphaGo التابع لشركة DeepMind)، وصولاً إلى قيادة المركبات الذاتية وتوجيه الروبوتات المتقدمة في بيئات ديناميكية معقدة.

12.2 الخلاصة وآفاق البحث المستقبلية في علم النفس الحاسوبي

بعد مرور أكثر من نصف قرن على صياغته التاريخية عام 1972، يظل نموذج ريسكورلا-فاغنر واحداً من أكثر النماذج صموداً وتأثيراً في تاريخ العلوم الإنسانية والطبيعية. لم يكن النموذج مجرد محاولة لتفسير سلوك الحيوانات في الأقفاص التجريبية، بل كان كشفاً للقانون الرياضي الكوني الذي يدير آلية التكيف واكتساب المعرفة لدى الأنظمة الحية والاصطناعية على حد سواء.

تتجه الأبحاث المعاصرة في علم النفس الحاسوبي والطب النفسي الحسابي (Computational Psychiatry) اليوم نحو صياغة نماذج هجينة متقدمة تدمج خوارزميات ريسكورلا-فاغنر مع نماذج المعالجة البايزية (Bayesian Predictive Coding) وشبكات الانتباه المتغير العميقة، بهدف فهم الخلل في حساب خطأ التنبؤ لدى مرضى الفصام والتوحد والاضطرابات الوجدانية. سيظل اسم روبرت ريسكورلا وألان فاغنر محفوراً في تاريخ العلم بوصفهما الرائدين اللذين أثبتا أن أعماق العقل البشري، ودهاليز التعلم والذاكرة، يمكن اختزال روعتها في ومضة من المفاجأة الإدراكية تُصاغ في معادلة رياضية مفعمة بالأناقة والخلود.

References

اقتباس هذا المقال

looti, M. (2026, أغسطس 28). نموذج ريسكورلا-فاغنر للإشراط الكلاسيكي – روبرت أ. ريسكورلا وألان ر. فاغنر. عرب سايكلوجي. https://arabpsychology.com/theories/rescorla-wagner-model-classical-conditioning/
looti, Mohammed. “نموذج ريسكورلا-فاغنر للإشراط الكلاسيكي – روبرت أ. ريسكورلا وألان ر. فاغنر.” عرب سايكلوجي, 28 أغسطس 2026, https://arabpsychology.com/theories/rescorla-wagner-model-classical-conditioning/.
looti, Mohammed. “نموذج ريسكورلا-فاغنر للإشراط الكلاسيكي – روبرت أ. ريسكورلا وألان ر. فاغنر.” عرب سايكلوجي. أغسطس 28, 2026. https://arabpsychology.com/theories/rescorla-wagner-model-classical-conditioning/.