تيري سينوفسكي – 1947 الحاضر

السيرة

يمثل البروفيسور تيري سينوفسكي (Terry Sejnowski) أحد أعظم رواد الثورة المعرفية المعاصرة، والمهندس الأبرز الذي شيد الجسور المفاهيمية والرياضية بين فيزياء الأنظمة المعقدة، وبيولوجيا الأعصاب، والعلوم النفسية المعرفية. في عصر كانت فيه دراسة العقل البشري موزعة بين ممارسات التحليل النفسي التأملية، وصرامة المدرسة السلوكية التي اختزلت النشاط الذهني في ثنائية المثير والاستجابة، والتوصيفات التشريحية الجافة لعلوم الدماغ الكلاسيكية، برز سينوفسكي ليصوغ براديغماً ثورياً غير مسبوق؛ ألا وهو «علم الأعصاب الحسابي» (Computational Neuroscience). لقد رأى سينوفسكي أن فهم الظواهر العقلية العليا—كالوعي، والتفكير، واكتساب اللغة، والذاكرة—لا يمكن أن يكتمل بمجرد جرد المكونات الخلوية للدماغ، ولا بمجرد رصد السلوكيات الخارجية، بل يستلزم صياغة مبادئ حسابية ونظريات رياضية تفسر كيف تنبثق الوظائف النفسية المعقدة من التفاعلات الديناميكية بين مليارات المشابك والخلايا العصبية.

تكمن فرادة سينوفسكي في امتلاكه عقلية موسوعية استثنائية، مكنته من نقل أحدث أدوات الميكانيكا الإحصائية والفيزياء النظرية إلى عمق البيولوجيا العصبية. فمنذ سبعينيات القرن العشرين، انخرط في مغامرة علمية طموحة تستهدف الإجابة عن المعضلة الكبرى: كيف تُنتج المادة العضوية الصماء وعياً وتفكيراً؟ وبالتعاون مع قمم فكرية بارزة من طراز جيفري هينتون، وباتريشيا تشيرشلاند، وتشارلز روزنبرغ، أعاد سينوفسكي تأسيس المنظور الاتصالي (Connectionism) للذكاء، محطماً الاعتقاد السائد بأن الدماغ يعمل كحاسوب رقمي كلاسيكي يعتمد على المنطق الصوري الرمزي. لقد أثبت عبر نماذجه الرائدة—مثل شبكة نت توك (NETtalk) وآلة بولتزمان (Boltzmann Machine)—أن المعرفة لا تُخزن كرموز جامدة، بل تتوزع في مصفوفات الأوزان المشبكية وتنبثق عبر التوافق الإحصائي والتكيف المستمر مع العالم الحسي الخارجي.

إن مسيرة تيري سينوفسكي الممتدة لأكثر من خمسة عقود ليست مجرد سيرة ذاتية لعالم فذ، بل هي سجل تاريخي لتحول جذري في تاريخ الأفكار العلمية؛ حيث قاد انتقال البشرية من عصر التكهنات الفلسفية حول طبيعة الروح والعقل إلى عصر المحاكاة الخوارزمية الدقيقة للديناميكيات الدماغية. من مختبره الشهير في معهد سالك للدراسات البيولوجية، وجامعة كاليفورنيا في سان دييغو، أسس سينوفسكي منصات ومؤتمرات شكلت الحاضنة الأساسية للثورة التقنية الراهنة في مجالات التعلم العميق والذكاء الاصطناعي، وفي مقدمتها مؤتمر (NeurIPS). يقدم هذا المقال الموسوعي تحليلاً معمقاً لمسيرة سينوفسكي، مستكشفاً أصول تكوينه العلمي، وإسهاماته النظرية والتطبيقية، ودوره المحوري في إعادة صياغة علم النفس والطب النفسي العصبي عبر العدسة الحسابية الصارمة.

1. النشأة الأكاديمية والتحول الفكري نحو علم النفس العصبي الحسابي

1.1 السنوات الأولى والتكوين في الفيزياء النظرية

وُلد تيري سينوفسكي في مدينة كليفلاند بولاية أوهايو عام 1947، ونشأ في بيئة علمية وفكرية صاعدة تميزت بتسارع الاكتشافات الفيزيائية وسباق الفضاء في منتصف القرن العشرين. ومنذ مراحله الدراسية الأولى، أبدى شغفاً استثنائياً بالرياضيات المتقدمة والفيزياء، وهو ما قاده إلى الالتحاق بجامعة كيس ويسترن ريزيرف لدراسة الفيزياء، حيث نال درجة البكالوريوس بمرتبة الشرف عام 1968. شكّل هذا التكوين الفيزيائي والرياضي الصارم الركيزة الإبستمولوجية التي استندت إليها كامل أبحاثه اللاحقة؛ فقد تمرس على تفكيك المشكلات المعقدة إلى معادلات ديناميكية ومبادئ حفظ كمية، وتدرب على التفكير في المادة والطاقة من منظور الأنظمة المتفاعلة.

واصل سينوفسكي دراساته العليا في جامعة برنستون العريقة، وهي معقل الفيزياء النظرية في ذلك الوقت، حيث تتلمذ على يد نخبة من رواد النظرية النسبية وميكانيكا الكم، وحصل على درجة الدكتوراه في الفيزياء النظرية عام 1978 تحت إشراف الفيزيائي البارز جون أرشيبالد ويلر. ركزت أبحاث سينوفسكي في مرحلة الدكتوراه على الجاذبية والنسبية العامة ومعادلات المجال الكهرومغناطيسي، إلا أن عقله التحليلي كان يشهد تحولاً معرفياً عميقاً. لقد بدأ يطرح تساؤلات تتجاوز المادة الصماء والكون الفيزيائي الفسيح لتغوص في أعمق أسرار الوجود: كيف يُدرك هذا الكون نفسه؟ وما هي الآليات الفيزيائية التي تسمح لكتلة من الخلايا العضوية تزن كيلوغراماً ونصف داخل الجمجمة بأن تطور وعياً، وتفكر، وتبني صروح العلم والفلسفة؟

خلال تلك الفترة في برنستون، تأثر سينوفسكي بشدة بالأفكار الرائدة التي بدأ يطرحها الفيزيائي جون هوبفيلد (John Hopfield)، والذي كان يسعى لتطبيق مفاهيم فيزياء الحالة الصلبة وميكانيكا الإحصاء على النظم الحيوية. فتح هذا الاحتكاك الفكري عيني سينوفسكي على إمكانية التعامل مع تجمعات الخلايا العصبية كـ «أنظمة ديناميكية معقدة» تخضع لمفاهيم توازن الطاقة، وجواذب الحالات (Attractor States)، والانتقالات الطورية. أدرك سينوفسكي حينها أن الأدوات الرياضية التي صيغت لفهم تباين السبينات في المواد المغناطيسية (Spin Glasses) يمكن أن تكون هي المفتاح لفك شفرة الترابط العصبي وتخزين المعلومات في الدماغ البشري.

1.2 الاحتكاك بالعلوم الحيوية والانتقال إلى دراسة الإدراك

لم يكن الانتقال من الفيزياء النظرية الصرفة إلى البيولوجيا العصبية أمراً هيناً في سبعينيات القرن العشرين، حيث كانت الحقول الأكاديمية مفصولة بحواجز معرفية وبيروقراطية منيعة. غير أن سينوفسكي اتخذ القرار الحاسم بإعادة توجيه مساره المهني، مدفوعاً بفضول وجودي حول آليات عمل العقل. بدأ بالانخراط في أبحاث ما بعد الدكتوراه في قسم البيولوجيا العصبية بكلية الطب في جامعة هارفارد، حيث تدرب في مختبرات العالم الكبير ستيفن كوفلر (Stephen Kuffler)، رائد الفيزيولوجيا العصبية الحديثة، إلى جانب تورستن فيزل وديفيد هوبل الحائزين على جائزة نوبل لأبحاثهما في القشرة البصرية.

في هارفارد ومختبر الأحياء البحرية الشهير في وودز هول (Woods Hole)، لم يكتفِ سينوفسكي بالتنظير، بل نزل إلى الميدان التجريبي الرطب؛ حيث تعلم تقنيات التسجيل الكهربائي المجهري، وتشريح المشابك العصبية، وقياس النواقل الحيوية في رخويات البحر وأجهزة الحيوانات العصبية البسيطة. أتاح له هذا الاحتكاك المباشر بالنسيج العصبي الحي أن يرى بعينيه الفارق الشاسع بين النماذج الرياضية المبسطة والتعقيد المذهل للبيولوجيا الواقعية. أدرك سينوفسكي أن الخلايا العصبية ليست مجرد بوابات منطقية صماء كالتي تصورها ماكولوتش وبيتس في الأربعينيات، بل هي كيانات بيوكيميائية فائقة التطور، تتسم بعدم الخطية، والضوضاء الحرارية، والتغير المستمر عبر الزمن.

دفعه هذا الوعي إلى الشروع في إعادة صياغة الأسئلة النفسية الكلاسيكية—حول الإدراك البصري، والانتباه، والتعلم الشرطي—بأسلوب يجمع بين الدقة الرياضية للفيزياء والحقائق التشريحية الصارمة للبيولوجيا. كانت استنتاجاته واضحة: إن النظريات السيكولوجية التي تعامل الدماغ كصندوق أسود ستظل عاجزة عن تقديم تفسيرات حقيقية ما لم يتم فهم «الحسابات» التي تجريها الدوائر العصبية الفعلية. ومن هنا، وُلدت الحاجة الملحة لتطوير نماذج محاكاة رقمية تكون بمثابة الجسر بين الفسيولوجيا الخلوية المجهرية والوظائف النفسية العيانية.

1.3 التقاء الرؤى: تأسيس حوار بين علم النفس والفيزياء وعلم الأحياء

أدرك تيري سينوفسكي في أواخر السبعينيات وأوائل الثمانينيات أن العلوم المعرفية تعاني من شقاق منهجي خطير؛ فعلماء النفس السلوكيون والمعرفيون يدرسون السلوك واللغة بمعزل عن الأساس البيولوجي، وعلماء الأحياء العصبية يغرقون في تفاصيل القنوات الأيونية والمستقبلات الجزيئية دون رؤية الصورة الإدراكية الكلية، بينما علماء الحاسوب والذكاء الاصطناعي الأوائل يحاولون بناء أنظمة ذكية باستخدام قواعد المنطق المجرد المنفصلة تماماً عن واقع الدماغ. رأى سينوفسكي أن التقدم العلمي الحقيقي يكمن في نقطة التقاطع بين هذه الميادين الثلاثة.

تبنى سينوفسكي منظور «النظم المعقدة المنبثقة» (Complex Emergent Systems)، وهي الرؤية التي تقر بأن الخصائص العقلية والنفسية العليا—مثل تماسك الهوية، والقدرة على التجريد، والوعي الذاتي—لا يمكن اختزالها في جزيء كيميائي واحد، ولا يمكن فهمها دون معرفة التفاعلات الجماعية لمليارات الوحدات المتصلة. تماماً كما تنبثق السيولة ودرجة الحرارة من حركة مليارات الجزيئات المائية دون أن تكون لأي جزيء منفرد صفة “البلل”، فإن الحالات النفسية والعمليات الإدراكية تنبثق من النشاط الشبكي المتزامن والموزع.

أثمر هذا التوجه التكاملي عن صياغة براديغم جديد كلياً في الفكر العلمي المعاصر؛ فبدلاً من افتراض وجود عقل غير مادي أو حاسوب مركزي داخل الجمجمة، اقترح سينوفسكي أن الدماغ يقوم بالحساب عبر «التمثيل الموزع المتوازي» (Parallel Distributed Processing). شكّل هذا الإطار الفلسفي والتجريبي منصة الحوار الحقيقية التي مكنت علماء النفس المعرفي من اختبار فرضياتهم حول الذاكرة والانتباه عبر نماذج حاسوبية عصبية، ودفعت علماء الأعصاب إلى توجيه تجاربهم نحو رصد الأنماط الجماعية بدلاً من الاكتفاء برصد نبضات خلية عصبية مفردة في عزلة عن محيطها.

2. ولادة علم الأعصاب الحسابي: الجسر بين بنية الدماغ والوظائف النفسية

2.1 تعريف علم الأعصاب الحسابي وإطاره الإبستمولوجي

يُنسب إلى تيري سينوفسكي، إلى جانب ثلة من العلماء الرواد، الفضل الأساسي في صك وترسيخ مصطلح ومفهوم «علم الأعصاب الحسابي» كحقل أكاديمي مستقل في أواخر ثمانينيات القرن العشرين. لا يقتصر هذا التخصص على استخدام الحواسيب لتحليل البيانات البيولوجية الضخمة، بل يعرّف نفسه في جوهره كبحث إبستمولوجي عن «المبادئ الحسابية» التي تحكم معالجة المعلومات داخل الأنسجة الحية وتوليد السلوك التكيفي. يطرح هذا الحقل تساؤلاً جوهرياً: ما هي الخوارزميات التي طورها التطور البيولوجي عبر ملايين السنين لتمكين الكائن الحي من البقاء، واتخاذ القرارات في بيئات غامضة، والتعلم من التجارب السابقة؟

قام الإطار الإبستمولوجي الذي وضعه سينوفسكي على نقد جذري للاستعارات الحاسوبية التقليدية المستمدة من معمارية فون نيومان (Von Neumann Architecture)؛ حيث يُفصل المعالج المركزي عن الذاكرة، وحيث تُعالج التعليمات خطوة بخطوة عبر إشارات رقمية دقيقة وخالية من الخطأ. بيّن سينوفسكي أن الدماغ يعمل بنقيض هذه الآلية تماماً؛ ففي الدماغ، الذاكرة والمعالجة هما شيء واحد مدمج في المشابك العصبية ذاتها، والحسابات تتم بالتوازي على نطاق مهول، والإشارات تتسم بكونها تناظرية ومتقلبة ومليئة بالضوضاء، ومع ذلك يمتلك الدماغ قدرة خارقة على تصحيح الأخطاء، والتعرف اللحظي على الأنماط المشوهة، والتكيف مع التلف الفيزيائي دون أن ينهار النظام ككل.

من هنا، أصبحت النمذجة الرياضية والبيولوجية في منظور سينوفسكي أداة تجريبية ونظرية صارمة لا غنى عنها لاختبار الفرضيات السيكولوجية؛ فإذا كان لدى عالم النفس نظرية حول كيفية عمل الانتباه الانتقائي أو تثبيت الذكريات، فإن المحك الحقيقي لصدقية هذه النظرية هو القدرة على بنائها كنموذج رياضي يحاكي البنية التشريحية والفيزيولوجية للمسارات الدماغية المعنية، وملاحظة ما إذا كان النموذج ينتج نفس الاستجابات السلوكية ونفس أنماط العطب التي تظهر في الدراسات السريرية على البشر.

2.2 الانتقال من السلوكية إلى البنائية الحسابية

لعب سينوفسكي دوراً مركزياً في الدفع نحو تحول بارز في نظريات علم النفس؛ حيث قاد نقداً ممنهجاً للمدرسة السلوكية الراديكالية التي حظرت دراسة الحالات العقلية الداخلية واعتبرتها ميتافيزيقا لا طائل منها. في المقابل، لم يتبنَّ سينوفسكي وجهة النظر المعرفية الكلاسيكية التي رأت العقل كبرنامج رمزي منفصل عن الجسد، بل أسس ما يمكن تسميته بـ «البنائية الحسابية» (Computational Constructivism). في هذا المنظور، لا تكون الحالات العقلية—كالمشاعر، والتصورات، والرغبات—كيانات شبحية غير مادية، بل هي «حالات استقرار» (Attractor Basins) في الفضاء متعدد الأبعاد للنشاط العصبي.

أوضح سينوفسكي أن العمليات النفسية ليست مجرد ردود أفعال سلبية تجاه المنبهات البيئية، بل هي عمليات بناء داخلية مستمرة للعالم؛ فالدماغ يبني نموذجاً استباقياً للواقع الخارجي، ويقوم بمطابقة التنبؤات الداخلية مع المدخلات الحسية الواردة عبر الأعضاء الطرفية. ومن خلال هذا الربط الوثيق، استطاع سينوفسكي إعادة توطين مفاهيم علم النفس المعرفي الكلاسيكي، مثل التمثيل الرمزي، والتصنيف المفاهيمي، والمرونة الذهنية، داخل إطار فيزيائي يمكن قياسه كمياً من خلال مصفوفات الاتصال المشبكي في القشرة المخية الحديثة (Neocortex).

تكمن قوة هذا التحول في تفكيكه للثنائيات التقليدية؛ فالمفاهيم النفسية لم تعد مجرد مصطلحات مجردة، بل أصبحت ترتبط ارتباطاً مباشراً بآليات مثل تثبيط الخلايا البينية (Interneurons)، والترابط المتكرر (Recurrent Connectivity)، والتعديل العصبي عبر النواقل الكيميائية مثل الدوبامين والسيروتونين. لقد أتاح هذا المنظور للباحثين تفسير كيف تتداخل العمليات المعرفية مع الحالات الانفعالية، وكيف يمكن لاختلالات بسيطة في موازين الإشارات الحسابية أن تؤدي إلى تشوهات دراماتيكية في إدراك الواقع كما في حالات الذهان والاكتئاب.

2.3 تأسيس مختبر البيولوجيا العصبية الحسابية في معهد سالك

في عام 1989، اتخذت مسيرة تيري سينوفسكي قفزة مؤسسية وتاريخية كبرى عندما انضم إلى معهد سالك للدراسات البيولوجية (Salk Institute for Biological Studies) في لا جولا، كاليفورنيا، ليؤسس «مختبر البيولوجيا العصبية الحسابية» (Computational Neurobiology Laboratory – CNL). تزامن ذلك مع تعيينه أستاذاً في قسم البيولوجيا في جامعة كاليفورنيا، سان دييغو (UCSD). وفر معهد سالك، بتصميمه المعماري الخالد الذي أبدعه لويس كان وبيئته البحثية المفتوحة التي تلغي الحواجز بين الأقسام، البيئة المثالية التي كان يحلم بها سينوفسكي لتجسيد رؤيته التوفيقية بين العلوم.

تحت قيادة سينوفسكي، تحول مختبر (CNL) سريعاً إلى المركز الأهم عالمياً لأبحاث الدماغ الحسابية ونقطة التقاء لألمع العقول من مختلف التخصصات؛ حيث جمع تحت سقف واحد علماء الأعصاب التجريبيين، وعلماء النفس الإدراكي، والرياضيين، والفيزيائيين، ومهندسي الحاسوب. وضع المختبر لنفسه هدفاً استراتيجياً واضحاً: محاكاة الوظائف المعرفية والسلوكية للإنسان والثدييات انطلاقاً من أدق التفاصيل البيولوجية المتاحة، بدءاً من الحسابات الكيميائية النانوية داخل الشق المشبكي وصولاً إلى التفاعلات الكبرى بين فصوص الدماغ المختلفة أثناء اتخاذ القرارات وحل المشكلات.

على مدار العقود اللاحقة، كان هذا المختبر منبعاً لفيض من الأبحاث المفصلية التي أعادت تعريف مجالات شتى؛ من نمذجة القشرة البصرية وفهم آليات الانتباه، إلى تحليل تخطيط الدماغ الكهربائي وتطوير خوارزميات الذكاء الاصطناعي الثورية. كما شكل المختبر بيئة سريرية-نظرية استثنائية لدراسة الاضطرابات المعرفية والنفسية، حيث طُوّرت نماذج رقمية تحاكي ما يحدث في أدمغة مرضى ألزهايمر، والشلل الرعاش، والفصام، مما ساهم في نقل الطب النفسي والعصبي إلى مسار علمي دقيق يعتمد على التنبؤ الرياضي والتشخيص الخوارزمي المتقدم.

3. نموذج نت توك (NETtalk): الثورة الاتصالية في سيكولوجيا اللغة والتعلم

3.1 البنية التركيبية لنموذج نت توك بالتعاون مع تشارلز روزنبرغ

في عام 1986، وفي خضم الجدل العنيف بين أنصار الذكاء الاصطناعي الرمزي الكلاسيكي والمدرسة الاتصالية الناشئة، فجر تيري سينوفسكي بالتعاون مع تلميذه تشارلز روزنبرغ (Charles R. Rosenberg) قنبلة علمية ومعرفية مدوية بتطويرهما نظام نت توك (NETtalk). كان الهدف من المشروع مذهلاً في بساطته وجرأته: بناء شبكة عصبية اصطناعية قادرة على تعلم قراءة النصوص الإنجليزية المكتوبة وتحويلها إلى أصوات كلامية منطوقة، دون تزويدها بأي قواعد مسبقة للنطق أو النحو أو الصرف الإنجليزي المعروف بتعقيده وشذوذه الشديدين.

تألفت بنية «نت توك» من شبكة عصبية تغذوية أمامية (Feedforward Neural Network) ثلاثية الطبقات؛ طبقة المدخلات التي كانت تستقبل نافذة متحركة مكونة من سبعة أحرف نصية متتالية، وطبقة مخفية تحتوي على 80 وحدة معالجة وسيطة، وطبقة مخرجات تتكون من 26 وحدة صوتية (Phonemes) تتحكم في مولد صوت اصطناعي (Speech Synthesizer). تم تدريب الشبكة باستخدام خوارزمية الانتشار العكسي للخطأ (Backpropagation) التي كانت حديثة العهد آنذاك، حيث كانت تقارن نطقها الأولي العشوائي بالنطق البشري الصحيح، ثم تُعدل أوزان الروابط بين خلاياها تلقائياً لتقليص مسافة الخطأ عبر مئات الآلاف من الدورات التكرارية.

كان المشهد الأكثر إثارة ودهشة في هذه التجربة هو مسار التطور الصوتي الذي أظهرته الشبكة أثناء التعلم؛ ففي الساعات الأولى من التدريب، كانت الشبكة تصدر أصواتاً ثرثارة عشوائية مبهمة، تُشبه إلى حد مذهل مرحلة المناغاة والثرثرة (Babbling) التي يمر بها الرضيع البشري. ومع استمرار تدريب الشبكة، بدأت تُميز تدريجياً بين الحروف الساكنة وحروف العلة، ثم أخذت تنطق كلمات كاملة بنبرات متقطعة، وصولاً إلى مرحلة القراءة الانسيابية للنصوص المعقدة بنسبة دقة تجاوزت 95%، بما في ذلك نطق الكلمات الشاذة نطقاً صحيحاً بالاعتماد التام على السياق النصي المحيط.

3.2 الآثار السيكولوجية لنموذج نت توك في فهم اكتساب المهارات

أحدث نجاح «نت توك» زلزالاً معرفياً في ميدان سيكولوجيا اللغة واللسانيات المعرفية؛ فقد قدم النظام أول دليل تجريبي وديناميكي قاطع يدعم الأطروحة الاتصالية في مواجهة الهيمنة الفكرية لفرضية «اللغة الفطرية» والقواعد التوليدية التي تزعمها نعوم تشومسكي (Noam Chomsky) وجيري فودور. ادعى تشومسكي لعقود أن اكتساب اللغة مستحيل عبر مجرد التعلم الإحصائي من البيئة نظراً لـ «فقر المثير» (Poverty of the Stimulus)، واستنتج ضرورة وجود جهاز فطري مسبق لاكتساب اللغة (LAD) مدمج بيولوجياً في الدماغ البشري يحتوي على القواعد الكلية المنطقية.

جاء «نت توك» ليبرهن عملياً على أن شبكة اتصالية عامة، لا تمتلك أي برمجة لغوية فطرية سوى القدرة على تعديل أوزان مشابكها عبر التعرض المستمر للمدخلات، قادرة على استخلاص البنى اللغوية والقواعد النطقية المعقدة كظاهرة إحصائية منبثقة. أظهرت الشبكة قدرة فائقة على ما يسميه علماء النفس بـ «التعميم الإدراكي» (Generalization)؛ فعند تزويدها بكلمات جديدة تماماً لم ترها مسبقاً أثناء مرحلة التدريب، استطاعت نطقها نطقاً سليماً استناداً إلى القياس الصوتي والمشابهة السياقية مع الكلمات المخزنة في فضاء أوزانها.

أكد هذا النموذج أطروحات علم النفس المعرفي البنائي؛ فالقواعد والمعايير لا توجد في العقل كقوائم منطقية معزولة، بل تنشأ كنتيجة حتمية لضغط التكيف والتفاعل الإحصائي بين بنية الشبكة العصبية المعقدة والبيئة الخارجية. لقد فتح هذا الإنجاز الباب واسعاً لإعادة النظر في نظريات اكتساب المهارات البشرية عموماً—من تعلم العزف الحركي إلى التفكير المنطقي—باعتبارها مسارات لتحسين التوزيع المشبكي وليست برامج حاسوبية جامدة تُنصب في الذهن سلفاً.

3.3 الأهمية المعرفية للشبكة في تفسير عسر القراءة والاضطرابات اللغوية

لم تتوقف قيمة نموذج «نت توك» عند حدود محاكاة التعلم الطبيعي، بل تعدته لتشكل أداة ثورية في ميدان علم النفس العصبي الإكلينيكي وطب الأعصاب السلوكي. أجرى سينوفسكي وروزنبرغ تجارب محاكاة رائدة للتلف الدماغي؛ حيث قاما بحذف نسب مئوية متفاوتة من الوصلات المشبكية عشوائياً، أو تعطيل مجموعات معينة من الخلايا المخفية في الشبكة بعد اكتمال تعلمها، لرصد كيفية تدهور الأداء اللغوي للنظام تحت وطأة الإصابة الفيزيائية.

كانت النتائج مذهلة بمقاييس علم الأمراض النفسية والعصبية؛ فقد أظهرت الشبكة المتضررة ما يُعرف بـ «التدهور التدريجي الأنيق» (Graceful Degradation). فلم تنهار الشبكة فجأة كما تنهار البرمجيات الحاسوبية الكلاسيكية عند تلف جزء من كودها البرمجي، بل حافظت على نطق الكلمات الشائعة والبسيطة، وبدأت تُظهر أخطاء نطقية محددة تشابه بدقة متناهية الأخطاء السريرية التي يرتكبها المصابون بمتلازمات عسر القراءة المكتسب (Acquired Dyslexia)، والحبسة الكلامية الناتجة عن السكتات الدماغية في مناطق بروكا وفيرنيكه.

علاوة على ذلك، أظهرت الشبكة ظاهرة الشفاء المعرفي الذاتي؛ فعند إعادة تعريضها للتدريب بعد التلف، كانت تستعيد قدراتها النطقية بسرعة تفوق بكثير سرعة تعلمها الأول، وهو ما يحاكي تماماً المرونة العصبية (Neuroplasticity) وإعادة التأهيل الإدراكي لدى المرضى البشريين بعد إصابات الدماغ الرضحية. رسخ هذا التطبيق قناعة راسخة لدى الأطباء النفسيين وعلماء الأعصاب بأن الخلل الوظيفي الإدراكي لا يتطلب بالضرورة وجود خلل هيكلي محدد بدقة، بل قد ينتج عن اضطراب طفيف وموزع في ديناميكية الاتصال الشبكي، مما وضع الأساس لنظريات الطب النفسي الحسابي الحديثة.

4. آلة بولتزمان ونظريات التعلم الاحتمالي في الإدراك العقلي

4.1 التعاون التاريخي مع جيفري هينتون وتطوير النموذج

في أوائل الثمانينيات، وأثناء فترة عمله في جامعة جونز هوبكنز ومختبرات الحوسبة المتقدمة، بدأ تيري سينوفسكي واحداً من أكثر التعاونات العلمية إثماراً في تاريخ الذكاء الاصطناعي وعلوم الإدراك مع عالم النفس المعرفي والحاسوبي البريطاني جيفري هينتون (Geoffrey Hinton). كان الاثنان يشتركان في قناعة راسخة بأن النماذج الحتمية (Deterministic Models) عاجزة عن تفسير الطبيعة المتقلبة وغير المؤكدة للعالم الحسي الذي يتعامل معه الدماغ البشري يومياً، وأن ثمة حاجة ملحة لنموذج يدمج مفاهيم العشوائية والاحتمال في صميم الحساب العصبي.

توج هذا التعاون عام 1985 بابتكار «آلة بولتزمان» (Boltzmann Machine)، التي سميت تكريماً للفيزيائي النمساوي لودفيغ بولتزمان، واضع أسس الميكانيكا الإحصائية. صُممت هذه الآلة كشبكة عصبية متكررة متماثلة الروابط، لا تعمل وحداتها الحسابية وفق قرارات حتمية، بل تتخذ قراراتها بالانتقال بين حالتي النشاط والخمول بصورة احتمالية تخضع لـ «توزيع بولتزمان» الفيزيائي الشهير، حيث تعتمد احتمالية نشاط الخلية على مجموع الأوزان الواردة إليها مقسوماً على معامل وهمي يُدعى “درجة الحرارة الحسابية” (Computational Temperature).

كان الابتكار المفاهيمي الأبرز في آلة بولتزمان هو إدخال مفهوم «الضوضاء الحرارية» كأداة لحل المشكلات المعقدة والتحسين الرياضي عبر محاكاة التبريد المصطنع (Simulated Annealing). أظهر سينوفسكي وهينتون أن الضوضاء والعشوائية داخل النظام العصبي ليست عيباً أو تشويشاً يجب التخلص منه، بل هي ميزة حيوية تمكن العقل من الهروب من “المصائد المحلية” (Local Minima)—أي التفسيرات السطحية أو المضللة للمواقف—للوصول إلى التفسير الشامل الأكثر استقراراً واتساقاً مع معطيات البيئة (Global Minimum Energy State).

4.2 التفسير النفسي للتعلم غير الخاضع للإشراف والاستدلال البايزي

وفرت آلة بولتزمان إطاراً غير مسبوق في علم النفس المعرفي لفهم معضلة التعلم غير الخاضع للإشراف (Unsupervised Learning)؛ ففي الحياة الواقعية، لا يمتلك الطفل معلماً يخبره بدقة بنوع وقيمة كل مثير يراه في كل ثانية، ومع ذلك ينجح العقل في بناء نماذج داخلية متماسكة لعالمه الحسي وتصنيف الأشياء تلقائياً. شرحت خوارزمية آلة بولتزمان هذه العملية عبر تقسيم التعلم إلى مرحلتين تماثلان دورات النشاط العقلي البشري: مرحلة اليقظة (Wake Phase) حيث تُقاد الشبكة بالمدخلات الحسية الخارجية، ومرحلة النوم أو الأحلام (Sleep Phase) حيث تُفصل الشبكة عن العالم الخارجي وتُترك حرة لتهتز ذاتياً وتولد تمثيلاتها الداخلية الخاصة.

من الناحية النفسية والمعرفية، شكلت آلة بولتزمان التطبيق العملي الأول لفكرة «الدماغ كآلة استدلال بايزي» (Bayesian Inference Engine). أثبت سينوفسكي أن الشبكة، عبر تعديل مشابكها لتقليل التناقض بين مرحلة الإدراك الحسي ومرحلة التوليد الذاتي، تقوم بحساب التوزيعات الاحتمالية للمسببات الخفية في العالم وراء الظواهر الحسية السطحية. يُفسر هذا كيف يحل الدماغ البشري مشكلة “الغموض الإدراكي المستمر”؛ كأن نرى جزءاً من حيوان يختبئ خلف شجرة، فيقوم عقلنا لا شعورياً وبناءً على التوزيعات الاحتمالية التراكمية، بإكمال الصورة وإدراك الحيوان ككل متكامل متماسك.

لقد صاغت هذه المقاربة مفهوماً جديداً للإدراك باعتباره “هلوسة منضبطة” (Controlled Hallucination)؛ فما ندركه ليس الواقع الموضوعي الخام بصورة مباشرة، بل هو الفرضية التفسيرية الداخلية الأكثر احتمالاً التي ولدتها شبكتنا العصبية بناءً على موازنة الأدلة الحسية الواردة مع الأنماط المخزنة في الذاكرة التراكمية، وهو ما أسس لاحقاً لنظريات الترميز التنبؤي (Predictive Coding) المعاصرة.

4.3 التطبيقات في دراسة الذاكرة التداعوية وتماسك التصورات

قدمت آلة بولتزمان، والتحليلات الرياضية المرتبطة بها التي أبدعها سينوفسكي، حلولاً ثورية لمعضلات علم النفس الكلاسيكي حول «الذاكرة التداعوية» (Associative Memory) وتماسك المنظومات الفكرية. بيّن النموذج كيف يمكن تخزين عدد هائل من الذكريات والتصورات المفاهيمية كـ «نقاط جذب طاقية» (Energy Attractors) داخل نفس النسيج المشبكي المشترك، دون الحاجة لحجز مساحات تخزين منفصلة لكل معلومة على حدة كما في أجهزة الحواسيب التقليدية.

يفسر هذا النموذج العصبي الفيزيائي الظاهرة السيكولوجية الشهيرة باسترجاع الذاكرة عبر السياق أو الإشارات الجزئية (Content-Addressable Memory)؛ فحينما يستنشق الإنسان رائحة معينة أو يسمع نغمة موسيقية عابرة، فإن هذا المثير الحسي الجزئي المشوه يعمل كمدخل يدفع الشبكة العصبية إلى “التدحرج” داخل وادي الطاقة المرتبط بتلك التجربة الكاملة، مما يؤدي فوراً إلى استحضار المشهد العاطفي والمكاني المتكامل للذكرى وتماسكه التام في الوعي اللحظي.

علاوة على ذلك، وفرت الآلة أساساً بيولوجياً وحسابياً لفهم آليات تشكل «الأنماط النمطية والمسبقة» (Stereotypes) في التفكير الإنساني؛ حيث تميل الشبكات الاحتمالية إلى تعميق أودية الطاقة للأنماط الأكثر تكراراً في البيئة، مما يجعل خروج العقل من هذه الأودية أمراً يتطلب طاقة معرفية عالية أو صدمات حسية غير متوقعة. كما ألقت هذه النماذج ضوءاً ساطعاً على الوظيفة النفسية لأحلام مرحلة حركة العين السريعة (REM Sleep)، معتبرة إياها بمثابة تبريد فيزيائي دوري للشبكة العصبية، يستهدف مسح الارتباطات الطفيلية الزائفة وإعادة تنظيم المعرفة للحفاظ على مرونة النظام وقدرته على استيعاب خبرات جديدة دون تشويه الذكريات القديمة المستقرة.

5. تحليل المكونات المستقلة (ICA) وتفكيك إشارات النشاط النفسي والعصبي

5.1 الابتكار الرياضي والتطبيقي لخوارزمية إنفوماكس (Infomax)

في منتصف تسعينيات القرن العشرين، واجهت أبحاث الدماغ وعلم النفس الفسيولوجي معضلة تجريبية خانقة كانت تُعرف بـ «مشكلة حفلة الكوكتيل» (Cocktail Party Problem)؛ وهي المعضلة الرياضية المتمثلة في كيفية فصل إشارات صوتية أو كهرومغناطيسية متعددة ومتداخلة تم تسجيلها بواسطة مجموعة من اللواقط في مكان واحد دون معرفة طبيعة المصادر الأصلية ولا كيفية اختلاطها، وهي مسألة صعبة تُعرف علمياً بـ «فصل المصادر العمياء» (Blind Source Separation).

في عام 1995، حقق تيري سينوفسكي بالتعاون مع الباحث البريطاني الشاب أنتوني بيل (Anthony J. Bell) اختراقاً رياضياً وتطبيقياً غير مسبوق في مختبر سالك؛ حيث طورا خوارزمية إنفوماكس (Infomax Algorithm) لتطبيق تحليل المكونات المستقلة (Independent Component Analysis – ICA). استندت الخوارزمية إلى مبدأ تعظيم نقل المعلومات (Information Maximization) المشتق من نظرية المعلومات لشينون، حيث تقوم شبكة عصبية ذاتية التكيف بتعديل معاملات أوزانها لتقليل الاعتماد الإحصائي والتبادلي المتبادل بين مخرجاتها، مما يؤدي تلقائياً إلى عزل الإشارات المصدرية المستقلة إحصائياً حتى الدرجات العالية من اللاخطية.

تجاوز هذا الابتكار الثوري القيود العقيمة للتحليلات الإحصائية الخطية التقليدية، مثل تحليل المكونات الرئيسية (PCA)، التي كانت تفترض أن الإشارات تخضع دائماً للتوزيع الطبيعي الغاوسي وتعتمد على التباين والتعامد البسيط فقط. أتاح ابتكار بيل وسينوفسكي للبشرية لأول مرة أداة رياضية قادرة على تفكيك أشد إشارات الدماغ تعقيداً وتشابكاً دون الحاجة إلى افتراضات مسبقة غير واقعية حول البنية التشريحية للأنسجة المولدة لها.

5.2 الثورة المنهجية في تفسير تخطيط كهربية الدماغ (EEG)

كان تخطيط كهربية الدماغ (Electroencephalography – EEG) منذ ابتكاره على يد هانس بيرغر يعاني من قيود جوهرية حدت من فائدته في علم النفس التجريبي والسريري؛ فالأقطاب الموضوعة على فروة الرأس تسجل خليطاً فوضوياً ممتزجاً من مليارات الإشارات العصبية العميقة والسطحية، مشوهة بحركات رمش العين، ونبضات العضلات الصدغية، وحركات الرأس، ونبضات القلب. لسنوات طويلة، كانت هذه المشوهات تؤدي إلى تشويش هائل يمنع رؤية النشاط المعرفي الحقيقي الخافت.

بالتعاون مع الباحث المتميز سكوت ماكيغ (Scott Makeig) وفريق مختبره، طبق سينوفسكي خوارزمية تحليل المكونات المستقلة على بيانات (EEG)، فحدثت المعجزة التقنية التي غيرت وجه العلوم العصبية المعرفية إلى الأبد. استطاعت خوارزمية (ICA) ببراعة فائقة عزل إشارات رمش العين وحركات العضلات وتحييدها كـ «مكونات مستقلة» منفصلة تماماً بنقرة زر، دون المساس بالإشارات الكهربائية القشرية الكامنة في النطاقات الترددية الحساسة.

تعدى الأثر مسألة تنقية الإشارات؛ فقد سمحت الخوارزمية للباحثين بتحديد “المصادر القشرية المستقلة” للأنشطة الدماغية المرتبطة بمهام الانتباه، والذاكرة قصيرة الأجل، والاستجابات الانفعالية بدقة زمنية بالميلي ثانية ودقة مكانية مدهشة لم تكن متاحة من قبل إلا بالتقنيات الباضعة. مكنت هذه النقلة النوعية علماء النفس التجريبي من رصد اللحظة العصبية الدقيقة لاتخاذ القرار الإدراكي، وتتبع كيف تتبدل ديناميكيات شبكات الانتباه في أجزاء من الثانية استجابة للمنبهات المفاجئة، مما جعل تقنية (EEG) المعالجة بـ (ICA) أداة مركزية لا غنى عنها في أي مختبر إدراكي حديث حول العالم.

5.3 التطبيقات السريرية والنفسية في دراسة الحالات المزاجية والذهان

فتحت خوارزميات تحليل المكونات المستقلة التي قادها سينوفسكي آفاقاً جديدة وجذرية في ميدان الطب النفسي البيولوجي، موفرة “بصريات رياضية” مكنت الأطباء من التحديق داخل الفوضى الكهربية للدماغ المريض. ففي دراسة الفصام (Schizophrenia)، على سبيل المثال، استُخدمت الخوارزمية لتفكيك اضطرابات المزامنة في الموجات الدماغية، حيث كشفت الأبحاث عن عجز نوعي لدى مرضى الفصام في توليد وتنسيق إشارات نطاق غاما المستقلة أثناء معالجة المثيرات الحسية، مما قدم أول دليل فيزيولوجي كهربائي حاسم على نظرية “تفكك الترابط العصبي” التي تفسر تفكك التفكير والهلوسات السمعية والبصرية.

وفي مجال اضطرابات المزاج، أتاحت تقنيات (ICA) استخراج البصمات الكهرومغناطيسية الدقيقة للاكتئاب الحاد والاضطراب ثنائي القطب؛ حيث تمكن الباحثون من رصد اختلالات التناظر في نشاط الفص الجبهي المستقل، وتتبع تغيرات هذه البصمات بدقة أثناء خضوع المرضى للعلاجات الدوائية أو الجلسات السلوكية المعرفية، مما وفر مقياساً موضوعياً كمياً لتقييم فعالية العلاج النفسي يتجاوز الاستبيانات الذاتية التقليدية المعرضة للانحياز.

علاوة على ذلك، أحدثت هذه التطورات طفرة في فهم اضطراب نقص الانتباه وفرط الحركة (ADHD) لدى الأطفال والبالغين، عبر عزل المكونات المستقلة المرتبطة بخلل شبكة التحكم التنفيذي في قشرة الفص الجبهي، مما مهد السبيل لتطوير أنظمة الارتجاع العصبي (Neurofeedback) العلاجية المتقدمة وواجهات الدماغ والحاسوب (Brain-Computer Interfaces – BCI)؛ حيث أصبح بإمكان المرضى تدريب أدمغتهم طواعية لإعادة ضبط وتعديل مكونات النشاط العصبي المعتلة في الوقت الفعلي لتحسين التركيز والاستقرار النفسي.

6. كتاب ‘الدماغ الحسابي’ وصياغة الفلسفة العصبية للوظائف المعرفية

6.1 التعاون المعرفي مع الفيلسوفة باتريشيا تشيرشلاند

في عام 1992، شهد المجتمع العلمي والفلسفي صدور عمل تأسيسي تاريخي صاغ ملامح الثورة المعرفية المعاصرة: كتاب الدماغ الحسابي (The Computational Brain) المنشور عن مطبعة معهد ماساتشوستس للتكنولوجيا (MIT Press)، والذي شارك في تأليفه تيري سينوفسكي مع الفيلسوفة اللامعة باتريشيا تشيرشلاند (Patricia Churchland). لم يكن الكتاب مجرد تجميع لنظريات الأعصاب والحوسبة، بل كان بياناً فكرياً وفلسفياً دشن حركة «الفلسفة العصبية» (Neurophilosophy) كمنهج معرفي ثوري يعيد صياغة الأسئلة الفلسفية الوجودية الكبرى في ضوء الحقائق الحسابية والبيولوجية للدماغ.

انطلق سينوفسكي وتشيرشلاند من هجوم لا هوادة فيه على الثنائية الديكارتية (Cartesian Dualism) التي فصلت لقرون طويلة بين العقل والمادة، كما انتقدا بشدة الفلسفات التحليلية المعاصرة وتيار الوظيفية (Functionalism) الذي روج لفكرة أن دراسة البرمجيات العقلية يمكن أن تنفصل تماماً عن دراسة العتاد البيولوجي للدماغ. حاجج المؤلفان بأن محاولة فهم الإدراك البشري دون فهم البنية التشريحية والآليات الحسابية للدماغ تشبه محاولة فهم علم الوراثة دون معرفة التركيب الجزيئي للحمض النووي (DNA).

أرسى هذا الكتاب المعايير الإبستمولوجية لحقل علم الأعصاب الحسابي الوليد، وحقق نقلة ثورية في الأوساط الأكاديمية العالمية؛ حيث قوض النظرة الساذجة لـ «علم النفس الشعبي» (Folk Psychology) القائم على مفاهيم غير دقيقة مثل المعتقدات والرغبات المعزولة، مستبدلاً إياها بأطر رياضية ومفاهيمية مستمدة من الفضاءات المتجهية، وديناميكيات الشبكات، والتحولات الطوبولوجية في النشاط العصبي الموزع، مما جعل الكتاب المرجع العلمي الإلزامي لأجيال من الباحثين في الفلسفة والعلوم المعرفية.

6.2 مستويات التحليل التفسيرية للعمليات النفسية

من أهم المساهمات النظرية التي قدمها سينوفسكي وتشيرشلاند في كتابهما التأسيسي إعادة قراءة وتطوير الإطار المعرفي الشهير الذي وضعه عالم الرؤية ديفيد مار (David Marr) حول مستويات التحليل الثلاثة للأنظمة المعالجة للمعلومات: المستوى الحسابي (Computational Level)، المستوى الخوارزمي (Algorithmic Level)، ومستوى التنفيذ الفيزيائي (Physical Implementation Level). رأى مار أن هذه المستويات مستقلة استقلالاً وظيفياً كبيراً، بحيث يمكن فهم الخوارزميات دون الاهتمام بالعتاد الفيزيائي الذي ينفذها.

وجه سينوفسكي نقداً لاذعاً لهذا الاستقلال الصارم؛ موضحاً أن القيود البيولوجية والتطورية للدماغ تملي بشكل حاسم طبيعة الخوارزميات والحسابات الممكنة. فالدماغ مقيد ببطء التوصيل العصبي (الذي لا يتجاوز بضع عشرات من الأمتار في الثانية مقارنة بسرعة الضوء في رقائق السيليكون)، ومحدودية استهلاك الطاقة (نحو 20 واط فقط)، والضوضاء الحرارية الحتمية. وبالتالي، فإن الخوارزميات التي طورها الدماغ ليست حلولاً منطقية مثالية مجردة، بل هي «خوارزميات مجسدة» (Embodied Algorithms) صُممت خصيصاً لتعمل بمرونة قصوى ضمن هذه القيود البيولوجية القاسية.

دعا سينوفسكي إلى تبني منهج «التحليل متعدد المستويات والمتزامن والتبادلي» في دراسة العمليات النفسية؛ فلا يمكن فصل فهم الانتباه أو اللغة أو اتخاذ القرارات على المستوى النفسي عن دراسة القنوات الأيونية واللدونة المشبكية ومصادر التغذية الراجعة بين طبقات القشرة المخية. إن كل مستوى يفرض قيوداً صارمة ويوفر دلالات حاسمة للمستويات الأخرى، مما أنهى للأبد النظرة الاستعلائية للعلوم المعرفية التي كانت تتجاهل تفاصيل الجهاز العصبي.

6.3 مفهوم التمثيل العصبي وطبيعة الإدراك الذاتي

خاض سينوفسكي في كتابه أعمق النقاشات الفلسفية المعاصرة حول طبيعة «التمثيل العصبي» (Neural Representation)؛ كيف يتحول نمط فيزيائي من الشحنات الكهربائية والنواقل الكيميائية في الدماغ إلى “معنى” ذاتي وإدراك واعي بلون الوردة، أو دفء الشمس، أو ألم الفقد؟ رفض سينوفسكي الفكرة الكلاسيكية القائلة بأن التمثيل هو صورة فوتوغرافية أو رمز منطقي داخلي يطابق الشيء الخارجي، وقدم بدلاً من ذلك نظرية التمثيل كـ «نقطة في فضاء أبعاد فائق الكثافة» (High-Dimensional State Space).

في هذا المنظور الحسابي، يتكون المفهوم النفسي أو الخبرة الذاتية عبر تنشيط نمط معين موزع عبر ملايين الخلايا العصبية؛ حيث يمثل كل مشبك عصبي بعداً في هذا الفضاء الرياضي المعقد. تتحدد معاني الأشياء بالنسبة للدماغ ليس بمطابقتها لجوهر خارجي غيبي، بل بـ «موقعها النسبي ومسافاتها الرياضية» من المفاهيم والخبرات الأخرى في ذلك الفضاء التوزيعي المتصل. يفسر هذا كيف يفهم العقل البشري المجاز، والتشابه، والاستعارات اللغوية تلقائياً وبسرعة خاطفة، نظراً لقربها الهندسي في الفضاء العصبي الحسابي.

أما بخصوص مسألة «الوعي والإدراك الذاتي»، فقد أرسى سينوفسكي أركان فرضية علمية تفسر الوعي كظاهرة حركية ناتجة عن «التغذية الراجعة والاتصال المتكرر الكثيف» (Recurrent Re-entrant Connectivity) بين مناطق الدماغ العليا المسؤولة عن التخطيط والتنفيذ والمناطق الحسية الأولية. إن الوعي بالذات في رؤية سينوفسكي ليس جوهراً سحرياً مضافاً إلى المادة، بل هو حلقة مستمرة يراقب فيها الدماغ نشاطه الحسابي الخاص ويحدث نماذجه التنبؤية ذاتياً في تدفق زمني دائم، مما وفر أساساً تجريبياً لاختبار نظريات الوعي المعاصرة مختبرياً.

7. النمذجة السينابتية المتقدمة وديناميكيات الذاكرة واللدونة العصبية

7.1 محاكاة الفضاءات النانوية المشبكية وبرنامج إم سيل (MCell)

لم يكتفِ تيري سينوفسكي بالنماذج الرياضية المجردة على المستوى الشبكي الكبير، بل نزل بأدواته الحسابية إلى عمق النطاق النانوي للنسيج العصبي لدراسة ما كان يُعتبر لعقود “الصندوق الأسود الدقيق” للدماغ: الشق المشبكي (Synaptic Cleft). انطلاقاً من إيمانه بأن المشبك العصبي ليس مجرد نقطة توصيل كهربائي بسيطة، تعاون سينوفسكي مع توم بارتول (Tom Bartol) ونخبة من الفيزيائيين والبيولوجيين لتطوير برنامج المحاكاة الميكروية الرائد عالمياً إم سيل (MCell – Monte Carlo Cell).

اعتمد برنامج (MCell) على خوارزميات مونت كارلو العشوائية لمحاكاة الحركة البراونية وانتشار مليارات الجزيئات الفردية للنواقل العصبية (كالغلوتامات والأسيتيل كولين) داخل البيئة ثلاثية الأبعاد المعقدة جداً للمشبك والتفرعات الشجيرية (Dendritic Spines) بدقة تفوق الميكرومتر والنانوثانية. مكنت هذه الأداة الفائقة الباحثين من رؤية ما تعجز أقوى المجاهر الإلكترونية عن تصويره في الأنسجة الحية؛ حيث كشفت كيف تتنافس المستقبلات العصبية على التقاط النواقل، وكيف يؤثر الشكل الهندسي الدقيق للشجيرات العصبية على تركيز الكالسيوم وسرعة انتقال الإشارة العصبية.

أدت هذه المحاكاة إلى تغيير جذري في فهم القدرة الحسابية للدماغ؛ حيث برهن سينوفسكي ومختبره على أن «المشبك العصبي المفرد» هو بحد ذاته حاسوب نانوي شديد التطور يمتلك آلاف الحالات الداخلية الحسابية التناظرية، وليس مجرد مفتاح ثنائي (تشغيل/إيقاف) كما كانت تفترض النظريات السابقة. تضاعفت على إثر ذلك التقديرات الحسابية لسعة الدماغ البشري التخزينية بمئات المرات، مما فسر قدرة العقل على تخزين ذكريات حياة كاملة بأدق تفاصيلها ضمن استهلاك مجهري مذهل للطاقة البيولوجية.

7.2 اللدونة المشبكية المعتمدة على توقيت النبضات (STDP)

في أواخر التسعينيات ومطلع الألفية، كان سينوفسكي في طليعة العلماء الذين فككوا الشفرة الزمنية الدقيقة التي تحكم كيفية تغيير المشابك لقوتها؛ وهي الظاهرة التي صاغ لها علماء الأعصاب الحسابيون الأساس النظري وأطلقوا عليها اسم «اللدونة المشبكية المعتمدة على توقيت النبضات» (Spike-Timing-Dependent Plasticity – STDP). قدم سينوفسكي النمذجة الرياضية الأعمق لهذه الآلية التي طورت القاعدة الكلاسيكية لدونالد هيب (Hebbian Theory) من مجرد ارتباط تزامني عام إلى قانون فيزيائي زمني صارم تحكمه أجزاء من الألف من الثانية.

أثبتت أبحاث سينوفسكي أنه إذا أطلقت الخلية العصبية قبل المشبكية نبضتها قبل الخلية بعد المشبكية بفارق زمني ضئيل (أقل من 20 إلى 40 ميلي ثانية)، فإن المشبك يتعزز ويتقوى، وهي الظاهرة البيولوجية المعروفة بـ «التحفيز طويل الأمد» (Long-Term Potentiation – LTP). أما إذا أطلقت الخلية قبل المشبكية نبضتها بعد إطلاق الخلية بعد المشبكية، فإن المشبك يضعف ويضمر، وهو ما يُعرف بـ «التثبيط طويل الأمد» (Long-Term Depression – LTD). ترتبط هذه الآلية بالترتيب السببي للحدث؛ فالخلية التي ساهمت بنشاطها في إطلاق نشاط جارتها تُكافأ، وتلك التي أطلقت عبثاً بعد فوات الأوان تُعاقب.

شكلت معادلات (STDP) حجر الزاوية الحسابي لتفسير قوانين علم النفس الكلاسيكي حول الارتباط الشرطي والتعلم السببي؛ فالارتباط النفسي التلقائي الذي يبنيه العقل البشري بين السبب والنتيجة (كربط رؤية البرق بسماع صوت الرعد) يستند مباشرة إلى هذه الآلية النانوية في ترتيب النبضات. وفرت هذه النماذج تفسيراً رياضياً دقيقاً لكيفية قيام القشرة المخية بتعديل وتطوير أوزانها المشبكية باستمرار وبصورة غير مراقبة لاستخلاص البنية الزمنية والسببية للعالم المحيط.

7.3 ديناميكية الذاكرة العاملة وتثبيت الذكريات النفسية

كرس سينوفسكي جانباً جوهرياً من أبحاثه لدراسة معضلة سيكولوجية كبرى: كيف يحافظ العقل البشري على فكرة ما حية في وعيه اللحظي لعدة ثوانٍ أثناء التفكير والتخطيط (الذاكرة العاملة – Working Memory)، وكيف تنتقل هذه المعلومات المؤقتة لتصبح ذكريات مستقرة مدى الحياة (تثبيت الذاكرة – Memory Consolidation)؟ عبر دمج تسجيلات النشاط العصبي مع المحاكاة الشبكية المتقدمة، برهن سينوفسكي على أن الذاكرة العاملة ليست مخزناً سلبياً، بل هي حالة نشطة من «التذبذبات العصبية المتكررة المستمرة» (Persistent Recurrent Oscillations).

أوضح سينوفسكي كيف تحافظ الشبكات العصبية في قشرة الفص الجبهي (Prefrontal Cortex) على هذه الأنماط النشطة عبر حلقات من التغذية الراجعة المشبكية الذاتية والمثبتة بتدفقات منظمة من ناقل الدوبامين، مما يسمح للذهن بالتركيز على حل معضلة رياضية أو صياغة جملة لغوية دون أن تضيع المعطيات بتشتت الانتباه اللحظي. وعندما يختل هذا التوازن المشبكي التذبذبي، تسقط المعلومات فوراً من حيز الوعي، وهو ما يفسر أعراض التشتت والارتباك الملاحظة لدى المصابين بنقص الانتباه والإرهاق العقلي الحاد.

أما على صعيد تثبيت الذكريات طويل الأمد، فقد كشف سينوفسكي عن الآليات الحسابية الدقيقة للحوار الكهربائي المتزامن الذي يحدث أثناء النوم العميق ومرحلة النوم البطيء بين الحصين (Hippocampus) والقشرة المخية الجديدة (Neocortex). أظهرت نماذجه كيف يقوم الحصين، بوصفه مخزناً سريع التعلم وقصير الأجل للذكريات اليومية العرضية، بـ «إعادة تشغيل سريعة ومضغوطة» لأنماط النشاط العصبي التي حدثت أثناء اليقظة؛ لتدريب القشرة المخية ببطء وتثبيت تلك الخبرات في نسيجها المشبكي المستديم، مفسراً بدقة لماذا تؤدي صدمات المشاعر واضطرابات النوم إلى تشويه الذكريات أو محوها التام.

8. مؤتمر نيريبس (NeurIPS) وبناء مجتمع أبحاث التعلم المعرفي والآلي

8.1 تأسيس نظم معالجة المعلومات العصبية (NIPS سابقاً)

في أواخر ثمانينيات القرن العشرين، وتحديداً في عام 1987، كان مجتمع أبحاث الذكاء الاصطناعي يعيش مرحلة الركود والإحباط الشديد التي سُميت تاريخياً بـ «شتاء الذكاء الاصطناعي» (AI Winter)؛ إثر فشل الأنظمة الخبيرة القائمة على المنطق الرمزي الصوري في الوفاء بوعودها البراقة. في تلك اللحظة الحرجة والمفصلية، بادر تيري سينوفسكي بالتعاون مع إد بوزنر (Ed Posner) وجيفري هينتون ونخبة من الرواد إلى اتخاذ خطوة شجاعة غيرت مسار التاريخ العلمي، بتأسيس مؤتمر سنوي مخصص لدراسة وتطوير الشبكات العصبية المستوحاة من الدماغ تحت اسم مؤتمر نظم معالجة المعلومات العصبية (Neural Information Processing Systems)، والذي عُرف اختصاراً بـ (NIPS)، قبل أن يُعدل اسمه لاحقاً إلى (NeurIPS).

تولى سينوفسكي رئاسة مؤسسة (NIPS/NeurIPS) لسنوات طويلة وعمل كمنسق ورئيس لمجلس إدارتها لعقود، حاملاً على عاتقه رؤية فريدة كانت غير مألوفة في المشهد الأكاديمي الصارم؛ تمثلت في رفض العزلة التخصصية والإصرار على جمع علماء الأحياء العصبية، وعلماء النفس التجريبي والمعرفي، مع علماء الرياضيات التطبيقية، والفيزياء، وهندسة البرمجيات في ملتقى سنوي واحد. كان الهدف الأساسي للمؤتمر هو كسر الانفصال بين من يدرسون الدماغ البيولوجي الفعلي ومن يبنون العقول الاصطناعية الرقمية.

بفضل إدارته الاستراتيجية الصارمة وحرصه الدائم على الحفاظ على أعلى معايير التدقيق الرياضي والتجريبي، نمت هذه المنصة العلمية المتواضعة التي بدأت بلقاء بضع عشرات من الباحثين المتحمسين في منتجع للتزلج، لتتحول بمرور السنين إلى أضخم وأعرق وأرقى مؤتمر علمي للذكاء الاصطناعي وتعلم الآلة في العالم على الإطلاق؛ حيث يستقطب سنوياً عشرات الآلاف من العلماء والمهندسين من كبرى الجامعات والشركات التكنولوجية الرائدة، ويشهد إعلان أدق وأقوى الابتكارات التقنية التي تشكل ملامح الحضارة الإنسانية المعاصرة.

8.2 تعزيز النماذج المستوحاة من الدماغ في الذكاء الاصطناعي

طوال مسيرته القيادية في (NeurIPS)، خاض سينوفسكي معركة فكرية مستمرة لمنع انجراف حقل تعلم الآلة نحو التحول إلى مجرد هندسة بيانات وتطبيقات إحصائية سطحية منفصلة عن جذورها البيولوجية. ظل يؤكد في محاضراته وكتاباته الافتتاحية على أن الدماغ البشري يمثل “البرهان الوجودي الوحيد القاطع” على إمكانية وجود ذكاء فائق، مرن، متعدد الأغراض، ويعمل بكفاءة طاقية مذهلة؛ وبالتالي فإن تجاهل مبادئه الحسابية هو حماقة علمية تحرم الذكاء الاصطناعي من أسراره الكبرى.

شجع سينوفسكي ودعم بقوة تطوير الخوارزميات التي تستلهم البنى الهرمية للقشرة البصرية للثدييات، وهو ما مهد الطريق لظهور الشبكات العصبية التلافيفية (Convolutional Neural Networks – CNNs) التي قادها يان ليكون، ودافع عن نظريات التعلم المعزز (Reinforcement Learning) المستوحاة من دراسات علم النفس السلوكي وعمل مسارات الدوبامين في الدماغ الحوفي، والتي قادها ريتشارد ساتون وأندرو بارتو وتوجت لاحقاً بأنظمة عبقرية مثل ألفا غو (AlphaGo).

علاوة على ذلك، كان سينوفسكي من أوائل المحذرين من الكلفة الطاقية الكارثية للذكاء الاصطناعي السحابي الحديث الذي يستهلك غيغاوات من الطاقة لتشغيل نماذج اللغة الضخمة. وجه المجتمع البحثي باستمرار نحو دراسة مفهوم «الحوسبة العصبية منخفضة الطاقة» (Neuromorphic Computing)، مستلهماً الآليات الدماغية في استخدام الحسابات غير المتزامنة والمقادة بالنبضات الفردية، مؤكداً أن مستقبل الذكاء الاصطناعي يكمن في تقليد كفاءة الدماغ التي تمكنه من تشغيل أرقى عمليات التفكير باستخدام طاقة لا تتعدى طاقة مصباح كهربائي خافت.

8.3 الأثر المؤسسي في تشكيل أجيال من الباحثين البينيين

يتجاوز تأثير تيري سينوفسكي أوراقه البحثية وكتبه المرجعية ليتجلى في الإرث الإنساني والأكاديمي الهائل الذي تركه عبر تدريب وتوجيه أجيال متعاقبة من خيرة العلماء المعاصرين. طوال أكثر من ثلاثة عقود قضاها في معهد سالك وجامعة كاليفورنيا في سان دييغو، تخرج من مختبره مئات من طلاب الدكتوراه وباحثي ما بعد الدكتوراه الذين يشغلون اليوم مناصب قيادية رفيعة كأساتذة في أعرق كليات الطب والعلوم المعرفية ورؤساء لمختبرات الذكاء الاصطناعي العالمية في شركات مثل غوغل، ومايكروسوفت، وميتا.

غرس سينوفسكي في تلاميذه أسلوباً فريداً في التفكير المنهجي يُعرف بـ «التفكير ثنائي المسار»؛ حيث لا يُقبل من الباحث أن يتقن النمذجة الرياضية والبرمجية دون أن يفهم الفسيولوجيا العصبية والتشريح الدماغي الدقيق، ولا يُقبل منه دراسة السلوك النفسي دون امتلاك القدرة على ترجمته إلى معادلات قابلة للمحاكاة والتحقق الرقمي. كسر هذا الأسلوب التربوي أسوار التخصص الضيقة التي عانت منها الجامعات لقرون، وأنتج باحثين هجينين يمتلكون طلاقة لغوية نادرة تمكنهم من التحدث مع جراحي الأعصاب بلغة المسارات الحيوية ومع علماء الرياضيات بلغة الفضاءات المتجهية والجبر الخطي.

كما لعب دوراً تأسيسياً في بناء شبكات بحثية دولية عززت التعاون المفتوح وتشارك البيانات والنماذج الحاسوبية؛ حيث شجع دائماً إتاحة الأكواد المصدرية والمكتبات البرمجية مجاناً للمجتمع العلمي العالمي. ألهم هذا التوجه المؤسسي تأسيس معاهد ومراكز متخصصة في علم الأعصاب الحسابي في أوروبا، وآسيا، وأمريكا اللاتينية، مما رسخ مبادئ محاكاة النظم الحيوية كأداة عالمية موحدة لدراسة كوامن النفس البشرية وعلاج أمراضها المستعصية.

9. الأنظمة البصرية وآليات الانتباه: نماذج المحاكاة الإدراكية

9.1 معالجة المعلومات البصرية والتسلسل الهرمي في القشرة المخية

تعد أبحاث تيري سينوفسكي في مجال النظام البصري وحسابات القشرة المخية من أرقى النماذج المعرفية التي وثقت كيف تتحول فوتونات الضوء الساقطة على الشبكية إلى مشهد بصري غني بالأشكال والمعاني. انطلاقاً من الاكتشافات الفيزيولوجية الكلاسيكية لديفيد هوبل وتورستن فيزل، طور سينوفسكي نماذج محاكاة حاسوبية هرمية كشفت كيف تترابط الطبقات القشرية ابتداءً من القشرة البصرية الأولية (V1) وحتى القشرة الصدغية السفلية (IT) لبناء إدراك متماسك للأشكال، والحركات، ووجوه البشر المعقدة.

أثبتت نماذج سينوفسكي أن الدماغ لا يقوم بمعالجة الصورة ككتلة واحدة جامدة، بل يوزع المهمة عبر مسارين وظيفيين متوازيين وهرميين داخل القشرة المخية؛ مسار البطني المعروف بـ «مسار ماذا» (What Pathway) المكرس للتعرف على هوية الأشياء، وألوانها، وأشكالها المفاهيمية، والمسار الظهري المعروف بـ «مسار أين/كيف» (Where/How Pathway) المكرس لتحديد المواقع الفضائية، والحركة، وتوجيه الفعل الحركي للتعامل مع المثير. بينت المحاكاة أن هذا الانفصال الوظيفي ليس اعتباطياً، بل يمثل الحل الحسابي الأمثل للفصل بين التباين الموضعي وثبات المعنى الإدراكي (Invariant Object Recognition).

كما كرس سينوفسكي جانباً هاماً من نماذجه لدراسة ميكانيكا «حركات العين الرمشية» (Saccadic Eye Movements) والتثبيت البصري (Fixation)؛ حيث أثبت أن الرؤية ليست عملية تصوير سلبية مستمرة، بل هي مسار من «الاستكشاف النشط»؛ فالإنسان يقوم بنحو ثلاث حركات رمشية سريعة في كل ثانية لتوجيه المنطقة المركزية الأكثر حدة في شبكيته (النقرة المركزية – Fovea) نحو الأجزاء الأكثر غنى بالمعلومات والمفاجآت في المشهد، بينما تتولى الشبكات القشرية المتكررة عملية ترقيع ودمج هذه اللقطات المتقطعة لإنشاء وهم الاستمرارية البصرية والانسيابية الكاملة للوعي.

9.2 الآليات العصبية للانتباه الانتقائي وحل المنافسة الحسية

في كل لحظة من لحظات اليقظة، تنهمر على الحواس مليارات البتات من المعلومات المتضاربة؛ من أصوات محيطة، وصور بصرية، ومشاعر جسدية داخلية، في حين لا تتجاوز الطاقة الحسابية للوعي البشري معالجة جزء ضئيل للغاية من هذا السيل العارم. هنا برزت مساهمة سينوفسكي العميقة في صياغة النماذج الحسابية لـ «الانتباه الانتقائي» (Selective Attention)، بالتعاون مع عالم الأعصاب الشهير روبرت ديزيمون (Robert Desimone)، متوجين ذلك بنظرية «المنافسة المحفزة الموجهة» (Biased Competition Theory).

أوضحت نماذج سينوفسكي الحسابية أن المثيرات البصرية المتعددة التي تظهر في المجال البصري تتنافس تلقائياً فيما بينها على تنشيط الخلايا العصبية في المناطق القشرية المختلفة؛ فإذا كانت طاقتها متساوية، يحدث تثبيط متبادل وتشويش إدراكي. وهنا يتدخل الانتباه كإشارة “تحفيز موجّهة من الأعلى إلى الأسفل” (Top-Down Bias) قادمة من قشرة الفص الجبهي ومجالات العين الجبهية (FEF)، لتعزيز نشاط الدوائر العصبية التي تعالج المثير المطلوب (كالتركيز على وجه صديق وسط حشد من الغرباء) وتثبيط المدخلات المشتتة الأخرى بقوة وحزم.

علاوة على ذلك، كشفت المحاكاة عن الدور المحوري للدوائر القشرية تحت المهادية، وتحديداً «النواة الشبكية المهادية» (Thalamic Reticular Nucleus) ووسادة المهاد (Pulvinar)، بوصفها بوابة ترشيح وإلغاء فائقة الذكاء، تمنع تدفق المعلومات الحسية غير ذات الصلة إلى القشرة المخية الواعية. قدمت هذه النماذج التفسير الرياضي العصبي لظواهر سيكولوجية شهيرة مثل «العمى غير المقصود» (Inattentional Blindness) و«عمى التغيير» (Change Blindness)؛ مبرهنة على أن ما ندركه ليس كل ما هو موجود أمامنا في العالم المادي، بل فقط ما حاز على التركيز الحسابي الكافي لموارده التنافسية داخل الدماغ.

9.3 التناغم والتذبذبات العصبية ودور موجات غاما في الإدراك

كيف يربط الدماغ بين الخصائص المختلفة لشيء واحد تمت معالجتها في مناطق قشرية منفصلة تماماً—مثل ربط اللون الأحمر لسيارة مسرعة، مع شكلها المنحني، مع هدير محركها العالي، وسرعتها الفائقة—لتكوين تجربة إدراكية واحدة لـ “سيارة حمراء مقتربة”؟ تُعرف هذه المعضلة الكلاسيكية في العلوم المعرفية بـ «مشكلة الربط الإدراكي» (The Binding Problem). قدم تيري سينوفسكي، بالتعاون مع فرانك تشين وأولف فرينشباخ ونخبة من الباحثين، إحدى أقوى النظريات العصبية الحسابية لحل هذا اللغز: فرضية «الربط عبر التزامن المؤقت» (Binding by Synchrony).

أثبت سينوفسكي عبر النمذجة الدقيقة لشبكات الخلايا الهرمية والخلايا البينية المثبطة (Parvalbumin-positive Interneurons) أن الربط الإدراكي يتحقق عبر إطلاق نبضات عصبية متزامنة ومتناغمة في النطاق الترددي العالي المعروف بـ «موجات غاما» (Gamma Oscillations) التي تتراوح بين 30 و80 هرتز. فعندما تنشط الخلايا التي تعالج اللون، وتلك التي تعالج الشكل والحركة، بنفس المرحلة الزمنية الدقيقة لموجة غاما، فإنها تشكل “تحالفاً مؤقتاً” وموحداً يستطيع تحفيز المناطق العصبية العليا بفاعلية متفجرة لا تقاوم، مما يخلق التجربة الواعية الموحدة للمثير.

لم تتوقف هذه الأبحاث عند حدود التنظير الطبيعي، بل كشفت عن أبعاد سريرية ونفسية مذهلة؛ حيث أظهر سينوفسكي أن أي خلل بيوكيميائي يمس مستقبلات (NMDA) على الخلايا البينية المثبطة يؤدي إلى انهيار قدرة الشبكة العصبية على توليد تذبذبات غاما المتزامنة. فتح هذا الكشف الباب لفهم السند الفيزيولوجي للتفكك المعرفي والهلوسة في مرض الفصام واضطرابات طيف التوحد؛ حيث يعجز الدماغ عن ربط الإشارات الحسية في كليات متكاملة، مما يترك المريض أسيراً لخبرات وتصورات حسية مشوهة ومجزأة تفتقر إلى التناغم والتسلسل المنطقي.

10. مبادرة الدماغ الأمريكية (BRAIN Initiative) ورسم خرائط العقل البشري

10.1 الدور الاستشاري لسينوفسكي في صياغة الرؤية العلمية للمبادرة

في الثاني من أبريل عام 2013، أعلن الرئيس الأمريكي باراك أوباما عن إطلاق واحدة من أضخم المبادرات العلمية في تاريخ البشرية؛ مبادرة الدماغ (BRAIN Initiative – Brain Research through Advancing Innovative Neurotechnologies)، بهدف إحداث ثورة في فهمنا للدماغ البشري وتسريع تطوير العلاجات للأمراض النفسية والعصبية. وكان المهندس الفكري الأبرز، والمستشار العلمي الأول الذي صاغ الرؤية الاستراتيجية لهذه المبادرة الطموحة، هو تيري سينوفسكي، بصفته عضواً قيادياً في اللجنة التوجيهية الاستشارية العليا لدى المعاهد الوطنية للصحة (NIH).

أكد سينوفسكي، من خلال وثيقة التخطيط الاستراتيجي التاريخية «الدماغ 2025: رؤية علمية»، على أن المبادرة لا يجب أن تكتفي بتطوير تقنيات القياس الفيزيائي التقليدية، ولا بجمع جبال من البيانات الرصدية غير المترابطة. شدد على أن التحدي الحقيقي الذي يواجه علم الأعصاب المعاصر ليس نقص البيانات، بل غياب النظريات؛ فـ «البيانات الضخمة دون نماذج حسابية ليست سوى مقبرة معرفية باهظة التكلفة». طالب سينوفسكي بأن تركز المبادرة على تطوير تقنيات قادرة على قياس ومحاكاة نشاط ملايين الخلايا العصبية الفردية في وقت واحد وفي دوائر عصبية كاملة أثناء قيام الكائن الحي بسلوكيات حقيقية ومعقدة.

نجح سينوفسكي في توجيه مئات الملايين من الدولارات المخصصة للمبادرة نحو دعم الحقول البينية والعلوم الحسابية، داعياً إلى إنشاء جسور مؤسسية متينة بين مراكز الأبحاث الحيوية وكليات الهندسة والفيزياء، وهو ما أعطى المبادرة هويتها المتفردة وسمح بظهور جيل جديد كلياً من التقنيات التي غيرت للأبد قدرتنا على التفاعل مع الدماغ الحي، وقراءة شفراته الداخلية، وتعديل سلوكه بدقة متناهية.

10.2 تطوير أدوات القياس البصري والوراثي البصري (Optogenetics)

كانت إحدى الركائز الأساسية التي دعمها سينوفسكي بقوة داخل مبادرة الدماغ هي دمج النمذجة الحاسوبية والرياضية مع تقنيات القياس البصري الحديثة، وتحديداً تقنية «علم الوراثة البصري» (Optogenetics) التي طورها إدوارد بويدن وكارل ديسروث. أدرك سينوفسكي مبكراً أن الفهم السببي الحقيقي للدوائر النفسية والعصبية يتطلب القدرة على إشعال أو إطفاء خلايا عصبية معينة بدقة زمنية خلوية بالميلي ثانية باستخدام حزم الضوء الموجه، ورصد استجابة الشبكة الدماغية بأكملها لهذا التدخل.

استخدم سينوفسكي ومختبره هذه الأدوات البصرية المتقدمة لتتبع المسارات الوظيفية المعقدة المسؤولة عن الانفعالات والدوافع النفسية الأساسية؛ مثل مسارات الخوف في اللوزة الدماغية (Amygdala)، ودوائر المكافأة والشغف في المنطقة السقيفية البطنية (VTA)، ونواة الأكامبنس (Nucleus Accumbens). أتاحت هذه التقنيات الثورية إثبات الفرضيات الحسابية حول كيفية ترميز المشاعر السلبية والإيجابية؛ حيث لم تعد الدوائر العاطفية تُرى كبقع غامضة في الدماغ، بل كشبكات منطقية قابلة للبرمجة وإعادة التوجيه.

أدت هذه الأبحاث إلى إعادة رسم الخرائط الوظيفية للمناطق تحت القشرية وعلاقتها بالوعي والانفعال؛ حيث كشفت كيف تتدخل النبضات البصرية في تعديل سلوك الفئران اللحظي ونقلها من حالة التجمد الرعبي إلى سلوك الهجوم أو الاستكشاف الشجاع عبر ومضة ضوئية زرقاء تحفز مجموعة محددة من الخلايا المحورة جينياً، وهو ما وفر أساساً تجريبياً لا مثيل له لإعادة بناء الطب النفسي التجريبي كعلم فيزيائي تطبيقي بالغ الدقة.

10.3 التداعيات الأخلاقية والنفسية لرسم الخرائط العصبية الكاملة

بصفته مفكراً وفيلسوفاً عصبياً بقدر ما هو عالم تجريبي، كان تيري سينوفسكي في طليعة من أثاروا التساؤلات الفلسفية والأخلاقية العميقة المترتبة على نجاح مبادرة الدماغ في رسم خرائط كاملة للنشاط العصبي البشري؛ وهو الحقل الناشئ الذي بات يُعرف بـ «الأخلاقيات العصبية» (Neuroethics). حذر سينوفسكي مراراً من أن امتلاك البشرية للقدرة على قراءة الشفرات العصبية يفتح الباب لمخاطر غير مسبوقة تمس جوهر «الخصوصية العقلية» (Mental Privacy) والهوية الفردية المستقلة.

طرح سينوفسكي نقاشات عميقة حول كيفية تأثير فك شفرة الدماغ الحسابية على مفاهيمنا القانونية والفلسفية الكلاسيكية المتعلقة بـ «الإرادة الحرة» (Free Will) والمسؤولية الأخلاقية عن الجرائم والسلوكيات المنحرفة؛ فإذا كان كل قرار نفسي واعي هو نتاج محسوم لديناميكيات شبكية حتمية أو احتمالية تحكمها أوزان مشبكية سابقة صاغتها الجينات والبيئة، فكيف يُعاد تعريف العدالة والعقاب؟ طالب سينوفسكي بتحديث المنظومات القانونية العالمية لترتكز على الفهم العصبي بدلاً من النظريات الانتقامية القديمة.

وعلاوة على ذلك، ناقش سينوفسكي الآثار السيكولوجية العميقة للتقنيات العلاجية التداخلية المستقبلية، مثل التعديل الدقيق للذكريات المؤلمة أو محوها تماماً لدى المصابين بـ «اضطراب ما بعد الصدمة» (PTSD) عبر التعطيل المشبكي الموجه؛ فهل يظل الإنسان هو نفس الشخص إذا حُذفت بعض تجاربه الأكثر ألماً وتأثيراً في تكوين شخصيته؟ دعا سينوفسكي بحزم إلى ضرورة وضع مواثيق أخلاقية دولية تحمي “سلامة الوعي البشري” وتمنع استغلال تكنولوجيا الدماغ في أغراض الهيمنة العسكرية أو التسويق العصبي القسري.

11. كتاب ‘ثورة التعلم العميق’: التفاعل بين الذكاء الاصطناعي والإدراك الإنساني

11.1 توثيق التطور التاريخي من الشبكات البسيطة إلى التعلم العميق

في عام 2018، أصدر تيري سينوفسكي كتابه ذائع الصيت ثورة التعلم العميق (The Deep Learning Revolution) الصادر عن مطبعة معهد ماساتشوستس للتكنولوجيا (MIT Press). جاء هذا الكتاب ليكون بمثابة الشهادة التاريخية والمعرفية الموثقة من شاهد عيان ومشارك محوري في صياغة ملحمة الذكاء الاصطناعي، متتبعاً المسار الدرامي لكيفية تحول فكرة الشبكات العصبية الاتصالية من نظرية هامشية محاصرة ومشكك فيها في سبعينيات القرن العشرين، إلى القوة التكنولوجية العظمى التي تقود العالم اليوم وتحدث ثورة شاملة في الاقتصاد والعلوم والمجتمع.

وثق سينوفسكي في الكتاب بتفصيل آسر كيف انتصرت المنهجية الاتصالية المستوحاة من البيولوجيا العصبية انتصاراً ساحقاً على الذكاء الاصطناعي الرمزي الكلاسيكي القائم على القواعد المنطقية المبرمجة سلفاً. وشرح كيف أن الفرضيات الرياضية التي صاغها مع هينتون وغيره في ثمانينيات القرن الماضي كانت صحيحة تماماً من حيث المبدأ، لكنها كانت تنتظر نضوج عاملين ماديين حاسمين لم يوفرهما التطور التقني إلا في العقد الثاني من الألفية الثالثة: وفرة البيانات الرقمية الضخمة (Big Data) المتولدة من الإنترنت، والقوة الحاسوبية الهائلة للوحات المعالجة الرسومية (GPUs).

قدم الكتاب سرداً معرفياً ينصف البصيرة النافذة لرواد علم الأعصاب الأوائل؛ مؤكداً أن التعلم العميق لم يكن وليد صدفة هندسية مفاجئة، بل هو الثمرة الطبيعية لعقود من الإنصات المتأمل للهندسة المعمارية للدماغ البشري والتعلم التوزيعي الموازي الذي أثبته التطور البيولوجي عبر مئات الملايين من السنين.

11.2 المقارنة المعرفية بين الدماغ البشري والشبكات العصبية العميقة

أفرد سينوفسكي في كتابه تحليلاً نقدياً ومقارنة معرفية دقيقة بين معمارية الدماغ البشري والشبكات العصبية العميقة الحديثة؛ مبرزاً أوجه التشابه الهيكلية المذهلة التي توصل إليها المهندسون دون قصد لمحاكاة الطبيعة. فالطبقات المتعددة في الشبكات التلافيفية العميقة (CNNs) تستخلص الميزات البصرية تماماً كما تفعل طبقات القشرة البصرية؛ بدءاً من اكتشاف الحواف والخطوط البسيطة في الطبقات الأولى، مروراً بتجميع الأنماط الهندسية والأنسجة، وصولاً إلى التعرف على المفاهيم الكلية المعقدة في الطبقات العليا.

ومع ذلك، لم يتردد سينوفسكي في تسليط الضوء على “نقاط الافتراق الجوهرية” التي لا تزال تضع الدماغ البشري في مرتبة بيولوجية تفوق أعتى الشبكات الرقمية الحديثة بمراحل ضوئية؛ وأبرزها معضلة «التعلم قليل الأمثلة» (Few-Shot Learning). فالطفل البشري يحتاج إلى رؤية قطة أو فيل مرة واحدة أو مرتين لبناء مفهوم إدراكي مرن يدوم مدى الحياة، بينما تتطلب الشبكات العميقة ملايين الصور المصنفة لتتعلم نفس المفهوم. علاوة على ذلك، يمتلك الدماغ قدرة خارقة على «التعلم المستمر» (Continual Learning) دون الوقوع في كارثة «النسيان الكارثي» (Catastrophic Forgetting) التي تصيب الشبكات الاصطناعية عند تدريبها على مهام جديدة.

كما فكك سينوفسكي معضلة «الصندوق الأسود» (The Black Box Problem) في الذكاء الاصطناعي؛ مؤكداً أن صعوبة تفسير القرارات الداخلية لشبكات التعلم العميق المكونة من مئات المليارات من المعاملات تشبه تماماً صعوبة تفسير القرارات العصبية للدماغ البشري. ودعا إلى تطبيق نفس أدوات علم الأعصاب الحسابي—مثل تسجيلات المكونات المستقلة والتحليل الطوبولوجي للأوزان—لفهم وتفكيك عقول الآلات الذكية بنفس الطريقة التي نستخدمها لفهم عقولنا الحيوية.

11.3 مستقبل العقل الهجين والذكاء المشترك

في الفصول الختامية من كتابه، وفي العديد من مقالاته الاستشرافية الحديثة، رسم تيري سينوفسكي ملامح رؤيته المستقبلية لمصير العلاقة التفاعلية بين الإنسان والذكاء الاصطناعي، رافضاً السيناريوهات العدمية الهوليوودية التي تروج لفكرة استبدال الآلة الذكية للإنسان أو القضاء عليه. بدلاً من ذلك، صاغ سينوفسكي مفهوم «الذكاء المشترك» (Shared Intelligence) و«العقل الهجين»؛ حيث يُنظر إلى الذكاء الاصطناعي كـ «أداة تعزيز معرفية» (Cognitive Prosthetic) استثنائية توسع حدود الفكر البشري وتزيد من طاقته الاستيعابية.

تنبأ سينوفسكي بتطور نوعي في واجهات الدماغ والحاسوب التفاعلية (Direct Brain-Computer Interfaces)؛ بحيث لا تقتصر على معالجة الإعاقات الحركية، بل تتيح اندماجاً انسيابياً بين النشاط العصبي البشري والأنظمة السحابية المعالجة للبيانات، مما سيمكّن الإنسان من استرجاع المعلومات اللحظية، وتخطي الحواجز اللغوية، وحل المسائل العلمية المعقدة بقدرات تتجاوز حدود البيولوجيا المفردة دون أن يفقد هويته ووعيه الإنساني الفريد.

كما شدد على أن الثورة الحقيقية القادمة يجب أن تتوجه نحو إعادة بناء منظومات «التعليم والتربية الحديثة»؛ بالاستفادة من الاكتشافات التي قادها في علم الأعصاب الحسابي حول كيفية تثبيت الذاكرة والتعلم التفاعلي القائم على الفضول والمكافأة الذاتية. إن فهم كيف يتعلم الدماغ هو السبيل الوحيد لبناء بيئات تعليمية مرنة وشخصية تلبي الاحتياجات النفسية والعقلية لكل طفل، وتمكن الأجيال القادمة من مواكبة عالم الذكاء الاصطناعي المتسارع بثقة وإبداع.

12. الإرث العلمي والطب النفسي الحسابي: مستقبل فهم الاضطرابات العقلية

12.1 نشوء الطب النفسي الحسابي (Computational Psychiatry)

يمثل نشوء وترسيخ حقل «الطب النفسي الحسابي» (Computational Psychiatry) أحد أعظم وأعمق ثمار المسيرة المعرفية الحافلة لتيري سينوفسكي. لعقود طويلة، ظل الطب النفسي السريري أسيراً للأوصاف الظاهراتية المصنفة في الدليل التشخيصي والإحصائي للاضطرابات النفسية (DSM)، حيث تُشخص الأمراض بناءً على قوائم استبيانية للأعراض السلوكية الخارجية للمريض دون فهم حقيقي للخلل الفيزيولوجي والعصبي الحسابي الدقيق في دوائر الدماغ الكامنة وراء تلك الأعراض.

قاد سينوفسكي بالتعاون مع بيتر دايان وريد مونتاج ونخبة من الرواد التحول نحو إعادة تصنيف الأمراض النفسية بناءً على «الاضطراب في خوارزميات المعالجة العصبية». وفي هذا الإطار العلمي الصارم، يُنظر إلى الاضطرابات العقلية والنفسية كخلل في المعايير الحسابية التي تستخدمها شبكات الدماغ في تقييم الاحتمالات، وتقدير عدم اليقين البيئي، واتخاذ القرارات، وموازنة المكافأة والعقاب عبر تعديل النواقل الكيميائية كالدوبامين والسيروتونين.

أتاح هذا النهج للعلماء استخدام المحاكاة الحاسوبية المخصصة لكل مريض لمحاكاة دوائره القشرية والحوفية بدقة متناهية، والتنبؤ السريري بمدى استجابة الشخص لمضادات الاكتئاب أو مضادات الذهان، أو تحديد نوع العلاج النفسي والسلوكي الأمثل قبل البدء فيه الفعلي، مما ينقل الطب النفسي من مرحلة التجربة والخطأ العشوائية والمحبطة للمرضى، إلى مرحلة الطب الشخصي الدقيق (Precision Personalized Psychiatry) المبني على النماذج الرياضية الصارمة.

12.2 نمذجة حالات الفصام، القلق، واضطرابات طيف التوحد

قدم سينوفسكي ومدرسته الحسابية تفسيرات رياضية عميقة وغير مسبوقة لأعقد الظواهر المرضية في الطب النفسي؛ ففي مرض «الفصام» (Schizophrenia)، أعادت النماذج الحسابية تعريف الضلالات والهلوسات كـ «خلل بايزي كارثي في ترميز التنبؤ الإدراكي» (Impairment in Predictive Coding). فعندما تفقد الشبكات العصبية قدرتها على وزن “أخطاء التنبؤ” بشكل صحيح نتيجة اختلال مستقبلات الغلوتامات والتثبيط المشبكي، يبدأ الدماغ في منح أهمية قصوى وغير مبررة لمدخلات حسية عشوائية وتافهة، فيبني العقل ضلالات تفسيرية كبرى لمحاولة إيجاد معنى متماسك لتلك الإشارات الشاذة المشتعلة في وعيه.

أما في دراسة «اضطرابات القلق الشديد والهلع» (Anxiety Disorders)، فقد أظهرت النماذج الحسابية لسينوفسكي أن القلق المرضي ينتج عن “تقدير تضخيمي لحجم عدم اليقين في البيئة” (Overestimation of Environmental Uncertainty). تعمل الدوائر الحوفية، وتحديداً اللوزة الدماغية وقشرة الفص الجبهي البطنية، كحلقة مفرغة محاصرة في وادي طاقة مرضي، تعجز فيه عن تحديث توقعاتها بأن الموقف أصبح آمناً، وتتعامل مع أي غموض طبيعي في الحياة كتهديد وجودي وشيك يستدعي الاستنفار العصبي الأقصى، وهو ما يفسر أعراض التيقظ المفرط والاضطراب النفسجسدي المصاحب له.

وفيما يخص «اضطرابات طيف التوحد» (Autism Spectrum Disorders)، قدمت أبحاث سينوفسكي في نمذجة الاتزان بين الاستثارة والتثبيط المشبكي (Excitation/Inhibition Balance) رؤية خارقة؛ حيث أظهر أن طفرات في نمو الخلايا البينية المثبطة تؤدي إلى “فرط استثارة قشري مستمر” وضوضاء عصبية تجعل الدماغ عاجزاً عن تصفية المثيرات الحسية الدقيقة. يفسر هذا حسابياً الحساسية الحسية المفرطة لدى المصابين بالتوحد وانزعاجهم من البيئات المزدحمة، ويوضح لجوءهم إلى السلوكيات النمطية التكرارية كاستراتيجية عصبية دفاعية لتقليل عدم اليقين والسيطرة على التدفق الحسي الهائل وغير المنضبط الذي يجتاح أدمغتهم.

12.3 المكانة المعرفية المستدامة لتيري سينوفسكي في العلوم المعرفية

يقف البروفيسور تيري سينوفسكي اليوم كأحد أعظم المعالم الحية في تاريخ العلوم المعاصرة؛ فهو المفكر الاستثنائي الذي انتشل دراسة العقل البشري من ضباب التأملات المجردة ليضعها في قلب العلوم الفيزيائية والحسابية الدقيقة. رسخ سينوفسكي في الوعي الأكاديمي العالمي المقولة الخالدة التي تلخص براديغمه الثوري: «إن العقل هو ما يفعله الدماغ حسابياً»، مبرهناً على أن هذا المنظور المادي الصارم لا يبتذل التجربة الإنسانية ولا يفرغها من قيمتها الروحية والجمالية، بل يعمق دهشتنا وخشوعنا أمام البناء الفائق والتعقيد المذهل لآلة الوعي الكامنة في خلايانا.

توجت مسيرته العلمية الباهرة بنيله أرفع الجوائز والأوسمة الدولية المرموقة التي تُمنح لأساطين العلم؛ ومن أبرزها انتخابه عضواً في الأكاديميات الوطنية الأمريكية الثلاث العظمى: الأكاديمية الوطنية للعلوم (NAS)، والأكاديمية الوطنية للهندسة (NAE)، والأكاديمية الوطنية للطب (NAM)، وهو شرف نادر واستثنائي لم يحظَ به إلا ثلة من ألمع علماء التاريخ. كما حاز على جائزة جروبر في العلوم العصبية (Gruber Prize in Neuroscience) عام 2019، وتوج بجائزة «براين» العالمية (The Brain Prize) المرموقة لعام 2024، وهي أرقى جائزة عالمية في أبحاث الدماغ تعادل جائزة نوبل في هذا التخصص، تقديراً لدوره التأسيسي في علم الأعصاب الحسابي ومساهماته الخالدة في الذكاء الاصطناعي.

إن الرؤية الاستشرافية التي يقدمها سينوفسكي لآفاق العلوم الإدراكية، والفلسفة العصبية، والذكاء الاصطناعي الحيوي، تؤكد أن البشرية لا تزال تقف على عتبة البداية في رحلة استكشاف الذات الكبرى. وسيظل اسمه محفوراً في ذاكرة الحضارة الإنسانية كالرجل الذي أضاء الطريق لفهم أعظم ألغاز الكون: كيف تُفكر المادة الحية، وكيف يصنع الدماغ معجزة الفكر، والشعور، والوجود الإنساني.

خاتمة: تيري سينوفسكي والمعمار الفكري لعلوم المستقبل

إن قراءة المسيرة الفكرية والعلمية الفذة للبروفيسور تيري سينوفسكي منذ ولادته عام 1947 وحتى الوقت الحاضر تكشف بوضوح أننا لا نتعامل مع سيرة أكاديمية عادية متخصصة في حقل مفرد، بل مع مشروع تجديدي شامل غير قواعد التفكير العلمي الحديث بأكمله. استطاع سينوفسكي بعقليته التي مزجت بين فيزياء جون ويلر وجون هوبفيلد وبيولوجيا هارفارد وسالك، أن يهدم الجدران المصطنعة التي ظلت تفصل بين العلم الفيزيائي الصارم والظاهرة النفسية الذاتية. وبفضل صموده المنهجي وإيمانه المطلق بالشبكات العصبية في أحلك أوقات شتاء الذكاء الاصطناعي، بات العالم اليوم يدين له بالأساس النظري لثورة الذكاء الاصطناعي والتعلم العميق التي تغير أسس الحضارة الإنسانية في كل لحظة.

تتمثل القيمة الأعمق لإرث سينوفسكي في تلك النزعة الإنسانية والفلسفية الصادقة التي تسكن أبحاثه؛ فلم تكن غايته يوماً مجرد اختراع خوارزميات أو تصميم حواسيب أسرع، بل كانت الغاية الكبرى هي “معرفة الإنسان لذاته”. لقد فتح الباب واسعاً أمام فك شفرة أعتى الأمراض النفسية والعقلية التي مزقت حيوات الملايين لقرون، مؤكداً أن الفصام، والتوحد، والاكتئاب ليست لعنات غيبية ولا عيوباً أخلاقية، بل هي اضطرابات قابلة للتفسير والتصحيح في سيمفونية الحسابات المشبكية الدقيقة. ومع استمرار أبحاثه المتوقدة في معهد سالك حتى يومنا هذا، يظل تيري سينوفسكي البوصلة الفكرية والملهم الدائم لكل من يؤمن بأن العقل البشري، بتعقيده اللانهائي، قادر في نهاية المطاف على فك شفرة نفسه وبناء مستقبل تتكامل فيه البيولوجيا العصبية مع الحوسبة لخدمة ارتقاء الإنسان وسعادته.

المراجع

• Bell, A. J., & Sejnowski, T. J. (1995). An information-maximization approach to blind separation and blind deconvolution. Neural Computation, 7(6), 1129–1159. https://doi.org/10.1162/neco.1995.7.6.1129
• Churchland, P. S., & Sejnowski, T. J. (1992). The Computational Brain. MIT Press. https://mitpress.mit.edu/9780262531207/the-computational-brain/
• Hinton, G. E., & Sejnowski, T. J. (1986). Learning and relearning in Boltzmann machines. In D. E. Rumelhart & J. L. McClelland (Eds.), Parallel Distributed Processing: Explorations in the Microstructure of Cognition (Vol. 1, pp. 282–317). MIT Press.
• Makeig, S., Bell, A. J., Jung, T. P., & Sejnowski, T. J. (1996). Independent component analysis of electroencephalographic data. Advances in Neural Information Processing Systems, 8, 145–151.
• Sejnowski, T. J. (2018). The Deep Learning Revolution. MIT Press. https://mitpress.mit.edu/9780262038621/the-deep-learning-revolution/
• Sejnowski, T. J., & Rosenberg, C. R. (1987). Parallel networks that learn to pronounce English text. Complex Systems, 1(1), 145–168.
• Sejnowski, T. J., Koch, C., & Churchland, P. S. (1988). Computational neuroscience. Science, 241(4871), 1299–1306. https://doi.org/10.1126/science.3045969
• Bartol, T. M., Bromer, C., Kinney, J., Chirillo, M. A., Bourne, J. N., Harris, K. M., & Sejnowski, T. J. (2015). Nanoconnectomic upper bound on the variability of synaptic plasticity. eLife, 4, e10778. https://doi.org/10.7554/eLife.10778
• Bargmann, C. I., Newsome, W. T., Anderson, D. J., Brown, E. N., Deisseroth, K., Donoghue, J. P., … & Sejnowski, T. J. (2014). BRAIN 2025: A scientific vision. National Institutes of Health. https://braininitiative.nih.gov/strategic-planning/brain-2025-report
• Fries, P., Reynolds, J. H., Rorie, A. E., & Desimone, R. (2001). Modulation of oscillatory neuronal synchronization by selective visual attention. Science, 291(5508), 1560–1563.
• Montague, P. R., Dolan, R. J., Friston, K. J., & Dayan, P. (2012). Computational psychiatry. Trends in Cognitive Sciences, 16(1), 72–80. https://doi.org/10.1016/j.tics.2011.11.018
• Bi, G. Q., & Poo, M. M. (1998). Synaptic modifications in cultured hippocampal neurons: dependence on spike timing, synaptic strength, and post-synaptic cell type. Journal of Neuroscience, 18(24), 10464–10472.