توماسو بوجيو – 1947 حتى الوقت الحاضر

السيرة

يمثّل تاريخ العلوم المعرفية والحاسوبية في النصف الثاني من القرن العشرين ومطلع القرن الحادي والعشرين رحلة استكشافية متواصلة للإجابة عن أحد أعمق الأسئلة التي واجهت العقل البشري: كيف يمكن للمادة الفيزيائية والبيولوجية الصماء أن تولّد الفكر، والإدراك، والذكاء؟ في قلب هذا المسعى العلمي الفريد، يبرز اسم البروفيسور توماسو بوجيو (Tomaso Poggio) كواحد من الرواد والمؤسسين الذين شيدوا الجسور المنهجية الصلبة بين الفيزياء النظرية، والرياضيات التطبيقية، وعلم الأحياء العصبي، والذكاء الاصطناعي. منذ بداياته الأكاديمية الأولى في إيطاليا، مروراً بمحطاته الحاسمة في ألمانيا، واستقراره في الولايات المتحدة، قاد بوجيو تحولاً جذرياً في دراسة الدماغ والآلة، مبرهناً على أن فهم الإدراك البصري يتطلب بالضرورة صياغة رياضية وخوارزمية دقيقة تتجاوز الوصف السلوكي الظاهري إلى سبر أغوار الآليات الميكانيكية والتشابكية العصبية.

تكمن فرادة بوجيو الفكرية في قدرته الاستثنائية على الجمع بين النقاء الصارم للتحليل الرياضي والعمق التجريبي للبيولوجيا العصبية. لم يكن مجرد مُنظّر يقبع في برج عاجي، ولا تجريبياً يغرق في جمع البيانات الحسية المنعزلة؛ بل كان مهندساً إبستمولوجياً شارك الراحل ديفيد مار (David Marr) في تأسيس الإطار النظري الأيقوني للرؤية الحاسوبية وعلم الأعصاب الحسابي، وهو الإطار المعروف بمستويات التحليل الثلاثة. من خلال هذا المنظور المتكامل، أعاد بوجيو تعريف الإدراك الحسي بوصفه عملية حسابية لحل المسائل المعكوسة غير المحددة الشروط، مبتكراً حلولاً بالغة الإتقان تستند إلى نظرية التنظيم الرياضي والشبكات العصبية المبنية على الدوال الشعاعية الأساسية، وصولاً إلى بناء نماذج هرمية كبرى تحاكي المسار البصري البشري بدقة غير مسبوقة مثل نموذج HMAX.

يمتد تأثير توماسو بوجيو أبعد من أبحاثه الفردية الرائدة؛ إذ يمثل مدرسة فكرية قائمة بذاتها خرّجت نخبة من ألمع علماء الأعصاب وقادة صناعة التكنولوجيا الحديثة ورواد الذكاء الاصطناعي المعاصر. ومع تأسيسه وإدارته لمركز الأدمغة والعقول والآلات (CBMM) التابع لمؤسسة العلوم الوطنية في معهد ماساتشوستس للتكنولوجيا، واصل بوجيو الإصرار على أن الطريق الحقيقي نحو تحقيق الذكاء الاصطناعي العام لا يمر عبر تكبير النماذج الإحصائية العمياء فحسب، بل يتطلب العودة الدائمة إلى المبادئ البيولوجية التي تحكم عمل العقل البشري. يستعرض هذا المقال الموسوعي الشامل سيرة توماسو بوجيو الفكرية، ومساهماته التأسيسية، ونظرياته الرياضية والعصبية، وأثره الدائم على العلوم الإدراكية ومستقبل البشرية التكنولوجي.

1. النشأة والخلفية العلمية والتحول نحو علم الأعصاب الحاسوبي

1.1 البدايات في إيطاليا والاهتمامات الفيزيائية والرياضية

ولد توماسو بوجيو في مدينة جنوة الإيطالية التاريخية عام 1947، في مرحلة ما بعد الحرب العالمية الثانية التي شهدت نهضة علمية وفكرية واسعة في أوروبا الغربية. نشأ بوجيو في بيئة أسرية وثقافية حفزت لديه فضولاً مبكراً لاستكشاف قوانين الطبيعة والنظام الخفي الذي يوجه الظواهر الكونية. قاده هذا الشغف المبكر إلى دراسة الفيزياء النظرية في جامعة جنوة (University of Genoa)، وهي مؤسسة أكاديمية عريقة تميزت بتقاليدها الصارمة في تدريس الرياضيات الكلاسيكية والميكانيكا الإحصائية والفيزياء الرياضية. خلال سنوات دراسته الجامعية، تشرب بوجيو مبادئ النمذجة التحليلية، حيث كانت الفيزياء بالنسبة إليه لغة التفسير الأسمى، القادرة على اختزال تعقيدات العالم الفيزيائي إلى معادلات تفاضلية ومبادئ تماثل جوهرية.

نال بوجيو درجة الدكتوراه في الفيزياء النظرية عام 1970 تحت إشراف البروفيسور أدريانو بورسيليانو، وكانت أطروحته تركز على مسائل رياضية وفيزيائية معقدة تتصل باستقرار النظم الديناميكية. غير أن الأفق الأكاديمي الإيطالي في تلك الحقبة كان يشهد نقاشات فلسفية وعلمية محتدمة حول حدود الفيزياء التقليدية في تفسير الظواهر الحية. بدأ بوجيو يدرك تدريجياً أن التحدي الفكري الأعظم في القرن العشرين لم يعد يقتصر على سبر أغوار الذرة أو حركة الأجرام السماوية، بل يتجلى في فك شفرة الأنظمة البيولوجية المعقدة، وعلى رأسها الدماغ البشري. كان التحول المعرفي لدى بوجيو نابعاً من إيمان راسخ بأن أدوات الفيزياء الرياضية الصارمة، من حساب التفاضل والتكامل المتقدم إلى نظرية الحقول والتحليل الدالي، يمكن توظيفها بنجاح تفكيكي غير مسبوق لفهم كيفية معالجة المادة الحية للمعلومات وتوليد السلوك الذكي.

1.2 فترة معهد ماكس بلانك للسايبرنتكس البيولوجية في توبنغن

عقب نيله شهادة الدكتوراه، اتخذ بوجيو خطوة أكاديمية حاسمة بالانتقال إلى ألمانيا الغربية للالتحاق بمعهد ماكس بلانك للسايبرنتكس البيولوجية في مدينة توبنغن العريقة، والذي كان يُعد آنذاك المركز الأبرز عالمياً لتطبيق المفاهيم السيبرانية على النظم الحيوية. هناك، بدأ تعاوناً علمياً تأسيسياً مع الفيزيائي وعالم الأحياء البارز فيرنر رايخارت (Werner Reichardt). كان رايخارت يعمل على فك ألغاز النظام البصري للحشرات، وتحديداً ذبابة المنزل الشائعة (Musca domestica)، كنموذج مبسط يمكن من خلاله دراسة معالجة الحركة والملاحة المكانية بدقة تجريبية ورياضية متناهية. شكّل هذا اللقاء نقطة انطلاق جوهرية لبوجيو، حيث وجد بيئة تجمع بين القياسات الفيزيولوجية الكهربية الصارمة والتحليل الرياضي غير الخطي.

ركزت أبحاث بوجيو مع رايخارت على صياغة معادلات تفاضلية وتكاملية غير خطية تفسر الاستجابات السلوكية البصرية للحشرات أثناء الطيران وملاحقة الأهداف. طور الباحثان ما عُرف بنظرية الارتباط الحركي ونماذج السلاسل الحسابية غير الخطية لحساب الاتجاه والتسارع البصري، مستخدمين متسلسلات فولتيرا (Volterra series) لتحليل النظم ذات المدخلات والمخرجات المعقدة. لم تكن هذه الأبحاث مجرد تمارين في الرياضيات الحيوية، بل أسفرت عن أدوات فيزيائية عصبية دقيقة استطاعت الربط العضوي المباشر بين النشاط الكهربائي للخلايا العصبية الفردية في الفص البصري للحشرة والسلوك الحركي الكلي الملاحظ تجريبياً، مما أسس لقناعة بوجيو الراسخة بأن السلوك المعرفي يمكن تفسيره تفسيراً خوارزمياً وفيزيائياً كاملاً دون الحاجة إلى افتراضات غيبية أو وصفية فضفاضة.

1.3 الانتقال إلى معهد ماساتشوستس للتكنولوجيا (MIT)

لفتت أبحاث بوجيو غير المسبوقة في توبنغن أنظار المجتمع العلمي الدولي، ولا سيما رواد الثورة الحاسوبية والذكاء الاصطناعي في الولايات المتحدة. في أواخر السبعينيات، تلقى دعوة لزيارة مختبر الذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا (MIT)، الذي كان يقوده مارفن مينسكي وسيمور بابيرت. كان المختبر في تلك الفترة بؤرة للثورة الرقمية وصياغة المفاهيم الأولى للذكاء الآلي. أدرك القائمون على المعهد أن مقاربة بوجيو الرياضية الصارمة للنظم البيولوجية تمثل الترياق الضروري لحالة الجمود التي واجهتها نماذج الذكاء الاصطناعي المبكرة، والتي كانت تعتمد على المنطق الصوري الرمزي وتفتقر إلى الاتصال بالعالم الحسي والفيزيائي.

في عام 1981، انضم توماسو بوجيو رسمياً إلى هيئة التدريس في معهد ماساتشوستس للتكنولوجيا، كأستاذ في قسم علوم الدماغ والمعرفة (Brain and Cognitive Sciences) ومختبر الذكاء الاصطناعي. أسس بوجيو في معهد ماساتشوستس بيئة بحثية فريدة من نوعها جمعت بصورة عضوية بين علم الأعصاب التجريبي، ونظرية التعلم الإحصائي، وتصميم الخوارزميات الحاسوبية. قام بتشكيل أولى المجموعات البحثية متعددة التخصصات المكرسة لاستكشاف الرؤية البيولوجية والحاسوبية بالتوازي، مستقطباً طلاباً وباحثين متميزين من خلفيات متباينة في الرياضيات والفيزياء وهندسة الكهرباء وعلم النفس المعرفي. مثّل هذا الانتقال تدشيناً لمرحلة ذهبية تحول فيها معهد ماساتشوستس للتكنولوجيا إلى المعقل العالمي الأول لعلم الأعصاب الحسابي الحديث.

2. الشراكة التأسيسية مع ديفيد مار وتأصيل علم الرؤية الحاسوبية

2.1 صياغة المستويات الثلاثة لتحليل معالجة المعلومات

ارتبط اسم توماسو بوجيو بشكل وثيق بعالم الأعصاب البريطاني العبقري ديفيد مار، حيث نسج العالمان شراكة علمية استثنائية كانت بمثابة حجر الزاوية الذي قام عليه صرح علم الأعصاب الإدراكي والحوسبي. أثمر هذا التعاون المكثف عن صياغة إطار معرفي ثوري يُعرف بـ المستويات الثلاثة لتحليل نظم معالجة المعلومات، والذي نُشر تفصيلاً في كتاب مار الكلاسيكي “الرؤية” (Vision) وفي أوراق بحثية مشتركة مع بوجيو. جاء هذا الإطار لفض الاشتباك والخلط المنهجي الذي كان يعاني منه علم النفس، والذكاء الاصطناعي، والفسيولوجيا العصبية، من خلال تقسيم فهم أي نظام معقد لمعالجة المعلومات إلى ثلاثة مستويات متمايزة ومترابطة ترابطاً منطقياً:

• المستوى الحسابي (Computational Level): يحدد الغاية الأساسية للنظام المعرفي؛ ما هي المسألة التي يحاول النظام حلها؟ ولماذا صُمم لحلها بهذه الطريقة؟ وما هي القيود الفيزيائية والبيئية التي تحكم هذه العملية؟ هذا المستوى يعلو على التفاصيل الهندسية والبيولوجية ويركز على منطق المعالجة المجرد.
• المستوى الخوارزمي والتمثيلي (Algorithmic/Representational Level): يعالج كيفية تمثيل المدخلات والمخرجات داخل النظام؛ ما هي الرموز أو الإشارات المستخدمة لتمثيل العالم الخارجي؟ وما هي الخوارزميات والخطوات الرياضية الدقيقة المتبعة لتحويل المدخلات إلى مخرجات ذات معنى معرفي؟
• المستوى الفيزيائي أو البيولوجي (Implementational/Physical Level): يبحث في الكيفية التي تُنفذ بها الخوارزميات والتمثيلات مادياً؛ سواء كان ذلك عبر دوائر متكاملة مصنوعة من السيليكون أو شبكات عصبية وتشابكات مشبكية كيميائية داخل الدماغ الحيواني والبشري.

أحدث هذا التقسيم زلزالاً إبستمولوجياً في الفلسفة المعرفية والعلوم العصبية، حيث برهن بوجيو ومار على أن دراسة النشاط الكهربائي للخلايا العصبية بمفردها (المستوى الفيزيائي) لا تكفي لفهم الإدراك، تماماً كما أن دراسة ترانزستورات الحاسوب لا تشرح كيفية عمل برمجيات معالجة النصوص. في المقابل، أوضحا أن الاكتفاء بالنظريات النفسية المجردة دون تحديد الخوارزميات والقيود البيولوجية يظل تحليلاً ناقصاً ومفتقراً إلى القوة التفسيرية، مما جعل المستويات الثلاثة الإطار المعياري الراسخ لعقود تالية.

2.2 نظرية الرؤية المجسمة وحل معضلة التطابق البصري

طبّق بوجيو ومار هذه المقاربة الثلاثية بشكل عملي باهر لحل واحدة من أعتى معضلات الإدراك البصري: معضلة الرؤية المجسمة (Stereopsis)، وهي القدرة على إدراك العمق الثلاثي الأبعاد اعتماداً على الصورتين المسطحتين ثنائيتي الأبعاد اللتين تسقطهما العينان على الشبكيتين. تكمن المعضلة الأساسية، التي عُرفت بـ “مسألة التطابق” (The Correspondence Problem)، في الكيفية التي يحدد بها الدماغ أن نقطة معينة في صورة العين اليسرى تقابل وتتطابق مع نقطة محددة بذاتها في صورة العين اليمنى، لا سيما في ظل وجود تشابهات بصرية لا نهائية وتشويش ضوئي معقد.

لمواجهة هذا التحدي، استعان بوجيو بالتحليل الرياضي الصارم لصياغة خوارزمية تستند إلى مبادئ فيزيائية موضوعية تفرض قيوداً حتمية على المشهد المرئي. حدد بوجيو ومار قيدين أساسيين: قيد التفرد (Uniqueness constraint)، الذي ينص على أن كل نقطة في الفضاء ثلاثي الأبعاد تسقط على موقع وحيد في كل شبكية، وقيد الاستمرارية (Continuity constraint)، الذي يفترض أن أسطح الأجسام الفيزيائية في العالم الحقيقي متصلة وتتغير في العمق بنعومة وتدرج في معظم الأحيان. ترجم بوجيو هذين القيدين إلى شبكة عصبية تكرارية (Recurrent neural network) تطبق آليات التثبيط والتنشيط المتبادل بين الوحدات العصبية، مستخدمين صورا تجريبية مجردة معروفة باسم مجسمات النقاط العشوائية (Random-dot stereograms). أثبت النموذج الرياضي قدرة مذهلة على استخراج العمق بدقة متناهية ودون الحاجة إلى التعرف المسبق على الأشكال، متطابقاً بصورة تامة مع البيانات السيكوفيزيائية المأخوذة من تجارب الإدراك البشري.

2.3 إرث ديفيد مار واستمرارية المشروع العلمي لبوجيو

في أوج هذا التعاون العلمي المثمر والمفصلي، حلت مأساة مدمرة بالمجتمع العلمي برحيل ديفيد مار المبكر والمفجع عام 1980 عن عمر ناهز الخامسة والثلاثين، بعد صراع مرير مع مرض اللوكيميا (سرطان الدم). أحدثت وفاة مار فراغاً هائلاً وخلقت صدمة في الأوساط المعرفية، إلا أن توماسو بوجيو أخذ على عاتقه مسؤولية مقدسة تتمثل في إكمال المشروع العلمي المشترك، وتحويل النواة النظرية التي وضعاها معاً إلى صرح رياضي وتجريبي مستدام ومكتمل الأركان. انكب بوجيو على مراجعة وتحرير المخطوطات غير المكتملة، ونشر الأبحاث التي كان قد بدأها مع صديقه الراحل، دافعاً برؤية مار-بوجيو نحو آفاق منهجية أوسع.

واجه بوجيو خلال تلك المرحلة حملات تشكيك وانتقادات حادة من جانب المدارس التجريبية البحتة في علم وظائف الأعصاب، والتي كانت ترى في النمذجة الرياضية محاولة نظرية متكلفة تنفصل عن التعقيد الفوضوي للخلايا الحية. تصدى بوجيو لهذه التيارات بحزم أكاديمي، مبيناً أن النماذج الحسابية ليست مجرد محاكاة صورية، بل هي أدوات تنبؤية توجه التجارب المخبرية وتفسر غايات البنى التشريحية المعقدة. قاد بوجيو عملية تعميق الأطر الرياضية، وحول الفرضيات الوصفية حول معالجة الحواف، والسطوح، والعمق إلى نظريات متماسكة في التحليل الرياضي ونظرية التقدير الإحصائي، مما جعل من إرث مار قاعدة انطلاق متجددة استمرت في تغذية علوم الرؤية والذكاء الاصطناعي حتى اللحظة الراهنة.

3. الأسس الفيزيائية الحيوية للحوسبة العصبية والتشابكية

3.1 حوسبة التفرعات الشجيرية (Dendritic Computation)

في أوائل ثمانينيات القرن العشرين، وجّه توماسو بوجيو اهتمامه، بالتعاون مع تلميذه وزميله الشاب آنذاك كريستوف كوخ (Christof Koch)، نحو الفيزياء الحيوية للخلية العصبية الفردية. كانت النظرة السائدة في الأوساط العلمية ودوائر الشبكات العصبية الاصطناعية، والمستمدة من نموذج “ماكولوتش وبيتس” الكلاسيكي، تختزل العصبون في كونه نقطة حسابية ميتة تقوم بجمع خطي بسيط للإشارات الكهربائية القادمة وتمريرها عبر دالة تنشيط حدية تشبه المفتاح الثنائي (تشغيل/إيقاف). تحدى بوجيو وكوخ هذا التصور التبسيطي، مقترحين مفهوماً ثورياً مفاده أن التفرعات الشجيرية (Dendrites) تمثل معالجات حاسوبية غير خطية شديدة التعقيد والتطور.

باستخدام نظرية الكابلات الرياضية وحساب التوزيع الفضائي الزمني للجهود الغشائية، أثبت بوجيو أن التفرعات الشجيرية تمتلك آليات فيزيائية حيوية تتيح لها إجراء عمليات منطقية وحسابية متقدمة داخل الشجرة الشجيرية ذاتها وقبل أن تصل الإشارة إلى جسم الخلية أو محورها. بيّن الباحثان دور ما يُعرف بـ التثبيط الموجه الموازي (Silent or Shunting Inhibition)، حيث يمكن لإشارة تثبيطية كيميائية صغيرة الحجم، تفتح قنوات الكلوريد بجهد قريب من جهد الراحة، أن تعمل كبوابة منطقية مانعة (AND-NOT gate). يؤدي هذا التثبيط الموضعي إلى حجب أو إلغاء الإشارات الاستثارية المنتقلة عبر فرع شجيري محدد دون التأثير على سائر الفروع، مما يعيد تعريف الخلية العصبية البيولوجية بوصفها شبكة حسابية هرمية مصغرة متكاملة، لا مجرد وحدة تجميع ساذجة.

3.2 نماذج استشعار الحركة والاتجاه في الشبكية والقشرة البصرية

انطلاقاً من فهم الفيزياء الحيوية للتفرعات الشجيرية، قدم بوجيو وكوخ صياغة متماسكة للآلية الدقيقة التي تمكّن الخلايا العصبية في شبكية العين وفي القشرة البصرية الأولية من استشعار حركة الأجسام وتحديد اتجاهها بدقة بالغة. كان هذا التحدي الفسيولوجي، المعروف بـ انتقائية الاتجاه (Direction Selectivity)، قد شغل الباحثين لسنوات طويلة دون الوصول إلى آلية جزيئية وميكانيكية مقنعة على المستوى المشبكي.

قام بوجيو بنمذجة نموذج رايخارت للحركة عبر دوائر مشبكية بيولوجية واقعية؛ حيث اقترح أن تأخير انتقال الإشارة الكهربائية في مسار شجيري معين، متبوعاً بعملية تثبيط موجه غير خطي على مسار آخر، يسمح للخلية بالاستجابة بشكل تفضيلي إذا تحرك الضوء من اليسار إلى اليمين، وإلغاء الاستجابة تماماً إذا تحرك في الاتجاه المعاكس. أثبتت الدراسات الفسيولوجية الكهربائية والتشريحية الدقيقة لشبكيات الثدييات والأرانب لاحقاً صحة هذه التنبؤات الرياضية، حيث رُصدت الخلايا النجمية المفرزة للأستيل كولين (Starburst amacrine cells) وخلايا العقدة الشبكية وهي توظف بنى التثبيط الشجيري الموجه ذاتها التي تنبأ بها بوجيو قبل عقود، في انتصار باهر لقوة النمذجة النظرية الفيزيائية الحيوية.

3.3 التفاعل بين النمذجة الميكانيكية والوظائف النفسية

لم تكن جهود بوجيو في التحليل تحت الخلوي للتشابكات العصبية غاية في حد ذاتها، بل كانت وسيلة إبستمولوجية حاسمة لسد الهوة السحيقة الفاصلة بين فيزياء الجزيئات الحيوية والظواهر السيكولوجية والإدراكية الكلية. بيّن بوجيو أن الفهم الحقيقي للوظائف العقلية المعقدة، مثل الانتباه البصري الانتقائي، وتصفية الإشارات الحسية المشتتة، والتحكم في تركيز الإدراك، لا يمكن تحقيقه عبر التوصيف النفسي الخارجي المنعزل، بل يستلزم إدراك الكيفية التي تحكم بها الفيزياء الحيوية تدفق البيانات في النظم العصبية الحية.

أتاحت المحاكاة الحاسوبية المتقدمة التي قادها بوجيو للتشابكات المعقدة البرهنة على أن آليات مثل التثبيط الشجيري والمزامنة الزمنية بين النبضات العصبية توفر الأساس المادي لظواهر نفسية كبرى، مثل التأثيرات البصرية اللاحقة، والتكيف الحسي، وإدراك التباين اللوني والشديد. لقد أرسى هذا التوجه المنهجي قاعدة صلبة تؤكد أن الخصائص الحسابية للدماغ ليست طارئة أو عشوائية، بل هي منبثقة حتماً من الخصائص المادية والكهروكيميائية للمشابك والخلايا، مما مهد الطريق لنشأة ما يُعرف اليوم بعلم النفس العصبي الحسابي القائم على الآليات الفيزيائية الحيوية الدقيقة.

4. نظرية التعلم الإحصائي والتعلم المنظم (Regularization Theory)

4.1 معالجة المسائل غير محددة الشروط (Ill-Posed Problems)

في أواخر ثمانينيات القرن الماضي، قاد توماسو بوجيو قفزة فكرية كبرى أعادت توجيه مسار أبحاث الذكاء الاصطناعي والرؤية الحاسوبية، عبر ربطهما بنظرية المسائل غير محددة الشروط (Ill-posed problems) المستمدة من التحليل الدالي والرياضيات التطبيقية. كان عالم الرياضيات الروسي أندريه تيخونوف (Andrey Tikhonov) قد عرف المسألة محددة الشروط بأنها المسألة التي يتوفر لها حل، ويكون هذا الحل وحيداً، ويعتمد بشكل مستقر ومستمر على البيانات المدخلة بحيث لا تؤدي التغيرات الطفيفة في المدخلات إلى تغيرات كارثية في المخرجات.

أدرك بوجيو بعبقرية نافذة أن معظم مسائل الإدراك البصري والحسي هي بالضرورة مسائل غير محددة الشروط بالمعنى الرياضي الصارم. فعلى سبيل المثال، يمثل المشهد البصري ثنائي الأبعاد المسقط على العين إسقاطاً هندسياً يحذف بعداً فضائياً كاملاً، مما يعني رياضياً وجود عدد لا نهائي من الأشكال ثلاثية الأبعاد التي يمكن أن تولد نفس الصورة ثنائية الأبعاد بالضبط. كيف يتمكن الدماغ إذن من اختيار تفسير صحيح ومحدد للعالم في أجزاء من الثانية؟ صاغ بوجيو الإجابة عبر تطبيق نظرية التنظيم لتيخونوف (Tikhonov Regularization Theory)، مقترحاً أن الدماغ يحل هذه المعضلة من خلال فرض قيود قبلية (Priors) أو افتراضات رياضية عامة تحد من فضاء الحلول الممكنة، مثل افتراض النعومة الهندسية وتماسك الأسطح وتجانس الإضاءة:

صاغ بوجيو دالة الهدف للتنظيم الرياضي بالشكل التجريدي التالي:

Φ(f) = ||y – f(x)||² + λ ||P(f)||²

حيث يمثل الحد الأول خطأ التطابق مع البيانات الحسية المقاسة، بينما يمثل الحد الثاني، المنظم عبر المعامل الفوقي $lambda$، مقياساً للانتهاك للقيود الفيزيائية أو البيولوجية عبر المؤثر التفاضلي $P$. مثّل هذا الربط تجسيداً رياضياً مذهلاً لمبادئ مدرسة الجشطالت (Gestalt psychology) في علم النفس الإدراكي؛ إذ أثبت بوجيو أن قوانين الجشطالت (كالتقارب، والاستمرارية، والإغلاق) ليست مجرد ملاحظات وصفية، بل هي قيود تنظيمية رياضية يستخدمها الدماغ البشري لتحويل المشكلات الإدراكية غير محددة الشروط إلى مشكلات مستقرة وقابلة للحل الرياضي الأمثل.

4.2 شبكات الدوال الشعاعية الأساسية (RBF Networks)

تتويجاً لتطبيقه نظرية التنظيم، ابتكر توماسو بوجيو بالتعاون مع فيديريكو جيروسي (Federico Girosi) نموذجاً معمارياً جديداً للشبكات العصبية والتعلم الآلي يُعرف بـ شبكات الدوال الشعاعية الأساسية (Radial Basis Function Networks – RBF). انطلق بوجيو وجيروسي من قناعة نظرية تفيد بأن التعلم من الأمثلة في العقول والآلات ليس سوى مسألة استيفاء رياضي وتقريب للدوال متعددة الأبعاد (Multivariate Function Approximation) في فضاءات هيلبرت.

تتميز شبكات RBF بطبقة مخفية تستخدم دوالاً ذات استجابة موضعية متناظرة شعاعياً، وغالباً ما تكون دوال غاوسية، تقيس المسافة الإقليدية بين المدخل ومتجهات المراكز المخزنة:

f(x) = ∑ cᵢ exp( – ||x – tᵢ||² / 2σᵢ² )

قدم هذا النموذج بديلاً رياضياً نقياً ومتيناً لشبكات البيرسبترون متعددة الطبقات التي كانت تعتمد على خوارزمية الانتشار العكسي التقليدية. أظهرت شبكات الدوال الشعاعية مزايا فائقة في سرعة التقارب النظري، وحصانة رياضية ضد مشكلة الوقوع في النهايات الصغرى المحلية الخاطئة، وقدرة استثنائية على تفسير الكيفية التي تخزن بها الخلايا القشرية نماذج الذاكرة كحقول استقبالية محددة تستجيب بقوة لأشكال أو أنماط حسية معينة (Prototypes) وتتراجع استجابتها كلما ابتعد المدخل عن المركز، مما وفر نموذجاً حسابياً وفسيولوجياً موحداً للذاكرة الترابطية والتعرف الإدراكي السريع.

4.3 الأسس الرياضية لقدرة الدماغ على التعميم

كان السؤال الجوهري الذي شغل بوجيو في إطار نظرية التعلم الإحصائي هو: ما هي الشروط الرياضية الدقيقة التي تتيح لأي نظام معرفي، سواء كان عقل طفل يتعلم التعرف على الحيوانات أو خوارزمية ذكاء اصطناعي، أن يعمم ما تعلمه بنجاح من عينات تدريبية محدودة ليشمل مواقف ومحفزات جديدة كلياً لم يصادفها من قبل؟ قاد بوجيو، بالتعاون مع علماء رياضيات استثنائيين مثل فلاديمير فابنيك وستيف سمال، جهوداً مضنية لتحديد الحدود الدقيقة لقدرة التعميم.

أثبت بوجيو أن الاستقرار الخوارزمي (Algorithmic Stability) يمثل الشرط الضروري والكافي للتعميم الإحصائي؛ ويعني ذلك رياضياً أن الخوارزمية المستقرة هي تلك التي لا تتغير تنبؤاتها ومخرجاتها بصورة جذرية إذا تم حذف أو تعديل نقطة بيانات واحدة من عينة التدريب. ومن خلال هذا التحليل، تمكن بوجيو من ربط تعقيد الفرضيات والحد من فرط التخصيص (Overfitting) بالقيود البيولوجية المفروضة على نقاط التشابك العصبي، مما أثمر عن نظرية موحدة توضح كيف يستطيع الدماغ البشري تفادي تكرار الأنماط بحرفية عمياء، وبناء نماذج تنبؤية عامة وفائقة المرونة للعالم المادي المحيط به.

5. النمذجة الحاسوبية للمسار البطني في الدماغ: نموذج HMAX

5.1 البنية الهرمية للمسار البصري البطني (Ventral Stream)

يمثل الإدراك البصري لدى الرئيسيات معجزة بيولوجية تتجلى في القدرة على التعرف الفوري والدقيق على الكائنات في أجزاء خاطفة من الثانية، رغم التغيرات اللانهائية في الحجم والموقع والإضاءة وزاوية الرؤية. تضطلع بهذه المهمة المعقدة شبكة قشرية متسلسلة تُعرف بـ المسار البصري البطني (Ventral Stream)، والتي تمتد تشريحياً من القشرة البصرية الأولية ($V1$)، مروراً بـ $V2$ و$V4$، وصولاً إلى القشرة الصدغية السفلية ($IT$) المسؤولة عن تمثيل الهوية المجردة للأشياء والوجوه.

استلهم توماسو بوجيو الأعمال الرائدة للحائزين على جائزة نوبل ديفيد هيوبل وتورستن فيزل (Hubel & Wiesel)، اللذين اكتشفا في ستينيات القرن الماضي وجود نوعين رئيسيين من الخلايا في القشرة البصرية: الخلايا البسيطة (Simple cells) التي تتميز بحقول استقبالية محددة وتستجيب للخطوط والحواف ذات الاتجاه المعين، والخلايا المركبة (Complex cells) التي تحافظ على استجابتها الانتقائية لاتجاه الحافة حتى وإن تغير موضعها قليلاً داخل الحقل الاستقبالي. أدرك بوجيو أن المعالجة البصرية الباطنية تعتمد على استراتيجية هرمية مكررة تتناوب فيها العمليات الحسابية لبناء انتقائية متزايدة للميزات المعقدة، مقترنة ببناء تدريجي للثبات الإدراكي ضد التحولات المكانية.

5.2 تصميم وتطوير نموذج HMAX

بناءً على هذه الرؤية الفسيولوجية الهرمية، طور توماسو بوجيو بالتعاون مع ماكسيميليان ريسنهوبر (Maximilian Riesenhuber) في عام 1999 النموذج الحسابي الأيقوني HMAX (Hierarchical Model and X)، والذي صُمم ليكون محاكاة حاسوبية وبيولوجية دقيقة للتعرف السريع على الأجسام في المسار البصري البطني. يتميز نموذج HMAX بتنظيم متعدد الطبقات يتناوب فيه نوعان من المعالجة:

تتكون البنية من أربع طبقات رئيسية تتصاعد هرمياً:

• طبقات S (Simple-like layers: $S_1, S_2$): تقوم بعمليات خطية تجميعية موضعية عبر مرشحات غابور (Gabor filters) لمحاكاة الخلايا البسيطة، حيث تركز على استخراج ميزات بصرية محددة (كالزوايا والحواف) وتتمتع بانتقائية عالية جداً للنمط الحسي.
• طبقات C (Complex-like layers: $C_1, C_2$): تقوم بعملية غير خطية جوهرية تُعرف بحساب القيمة القصوى (MAX operation)، حيث تأخذ الخلية المركبة الحد الأقصى للاستجابة القادمة من مجموعة من خلايا $S$ المتجاورة مكانياً أو عبر مستويات مقياس مختلفة:

  r = max_{j in mathcal{N}} (x_j)

كان إدخال عملية القيمة القصوى (MAX pooling) إبداعاً حسابياً فذاً لبوجيو؛ إذ أثبتت هذه العملية قدرتها الفائقة على تحقيق الثبات ضد الإزاحة وتغير الحجم دون فقدان الانتقائية لنوع الميزة، وهو ما عجزت عنه نماذج التجميع الخطي الكلاسيكية. أظهر نموذج HMAX تطابقاً مذهلاً وتنبؤياً مع البيانات الفسيولوجية الكهربائية المسجلة من الأقطاب المزروعة في القشرة الصدغية السفلية لقرود المكاك، محققاً دقة تصنيف حاسوبية قارعت لأول مرة الأداء البشري في التعرف الخاطف على الصور الطبيعية المشوشة.

5.3 الأهمية السيكولوجية والإدراكية لنموذج HMAX

تجاوزت أهمية نموذج HMAX مجرد كونه خوارزمية هندسية ناجحة للرؤية الحاسوبية، ليشكل ثورة في الفهم السيكولوجي للإدراك البشري. أثبت النموذج رياضياً وتجريبياً فرضية بالغة الأهمية كانت موضع جدال عنيف في علم النفس المعرفي، وهي أن المعالجة التلقيمية المسبقة المباشرة (Feedforward processing) كافية بمفردها لإتمام عملية التعرف المبدئي والتصنيف القاطع للأجسام والحيوانات والوجوه، وذلك في زمن مذهل لا يتعدى 100 إلى 150 مللي ثانية.

أكدت تجارب بوجيو السيكوفيزيائية أن هذه السرعة الخاطفة لا تتيح زمناً كافياً لحدوث دورات من التغذية الراجعة العصبية التكرارية (Recurrent feedback loops) من القشور العليا إلى القشرة البصرية الأولية لإتمام التعرف الأولي، مما حسم الجدل حول كفاية المسار الهرمي الأمامي لتوليد الوعي المبدئي بالمشهد البصري. علاوة على ذلك، وفر نموذج HMAX للمختبرات المعرفية منصة قياسية لاختبار الفرضيات السيكولوجية حول كيفية تأثير التدريب البصري واكتساب الخبرة على تشكيل خلايا عصبية جديدة متخصصة في تمييز الفئات الصعبة، مفسراً الكيفية التي ينحت بها التعلم تمثيلات عالية الكفاءة في الفضاء القشري.

6. آليات التعرف على الوجوه والإدراك الحسي المعقد

6.1 المعالجة الشاملة مقابل المعالجة التجزيئية للوجوه

تحتل الوجوه مكانة استثنائية في المنظومة الإدراكية للإنسان والرئيسيات؛ فهي ليست مجرد كائنات بصرية اعتيادية، بل هي الركيزة الأساسية للتواصل الاجتماعي، واستشعار النوايا، والتعاطف، والتعرف على الهوية. في هذا السياق، خاض توماسو بوجيو بعمق في النقاش المعرفي والسيكولوجي الشهير حول طبيعة إدراك الوجوه: هل يتعامل الدماغ مع الوجه ككلية متكاملة غير قابلة للتجزئة عبر المعالجة الشاملة (Holistic processing)، أم يعتمد على معالجة تجزيئية تحليلية (Part-based processing) ترصد الأجزاء الفردية مثل العينين والأنف والفم كل على حدة؟

قام بوجيو بنمذجة النشاط الحسابي لمنطقة الوجه المغزلية في الدماغ البشري (FFA – Fusiform Face Area)، ونجح عبر توسيع النماذج الهرمية في محاكاة تأثير انقلاب الوجه (Face Inversion Effect)، وهي الظاهرة السيكولوجية الشهيرة التي يواجه فيها البشر صعوبة غير متناسبة في التعرف على الوجوه عندما تُعرض مقلوبة رأساً على عقب مقارنة بالأشياء المادية الأخرى كالمنازل والسيارات. أثبتت أبحاث بوجيو الحسابية أن الوجه يتطلب استخراجاً دقيقاً للغاية للمسافات الهندسية النسبية والتكوينات الفضائية الدقيقة بين المعالم (Configural information)، وأن قلب الصورة يؤدي إلى تعطيل آليات التجميع المعتادة في الطبقات الهرمية العليا، مما يضطر النظام للرجوع إلى المعالجة التجزيئية البطيئة، وهو ما قدم أول تفسير خوارزمي متين لهذه الظاهرة المعرفية الفريدة.

6.2 تحقيق الثبات الإدراكي (Invariant Representations)

يواجه الإدراك البصري تحدياً فيزيائياً دائماً يتمثل في تغير المنظور والمشهد؛ فالوجه الإنساني ذاته تتغير صورته المسقطة على الشبكية جذرياً إذا التفت الشخص جانبياً، أو ابتسم، أو وقف تحت إضاءة خافتة، أو اقترب وابتعد. كيف يستخلص الدماغ “توقيعاً ثابتاً” يحافظ على هوية الشخص دون الخلط بينها وبين التغيرات العارضة؟ صاغ بوجيو هذه المسألة في إطار نظرية المجموعات والتحويلات الإسقاطية (Group Theory and Invariant Representations)، محللاً التناظر الرياضي الكامن في العمليات البصرية.

بيّن بوجيو أن الدماغ يحل هذه المعضلة عبر مسارين متكاملين: تخزين قوالب حسية متعددة للوجه الواحد عند زوايا وإضاءات مختلفة، ومن ثم تطبيق خوارزميات استيفاء غير خطية لحساب الهوية عبر مسافات لامتغيرة، أو عبر فصل مسار حساب الهوية (Identity) عن مسار حساب التحول (Transformation مثل التدوير والقياس). لم تسهم هذه النظريات في إحراز تقدم كاسح في تطوير أنظمة القياسات الحيوية والتعرف الرقمي على الوجوه في الهندسة الحاسوبية فحسب، بل مكنت أيضاً من تقديم توصيف دقيق للخلل الحسابي والوظيفي المسبب لظاهرة عمى التعرف على الوجوه (Prosopagnosia)، حيث يؤدي تضرر التشابكات في العقد التجميعية العليا إلى فقدان القدرة على تكوين هذا التمثيل الثابت رغم بقاء الرؤية العامة سليمة.

6.3 دراسات التفاعل بين السمات البصرية والدلالات النفسية

امتدت أبحاث بوجيو لتغوص في تفاصيل الربط بين استخراج الميزات الشكلية الصرفة والأبعاد الدلالية والانفعالية للوجوه. فالإدراك البشري لا يتوقف عند تحديد الهوية البيولوجية للشخص المرئي، بل يستخلص على الفور، وفي غضون أقل من مئتي مللي ثانية، أحكاماً نفسية معقدة تتعلق بالمشاعر (الغضب، الفرح، الخوف)، والجاذبية، بل وحتى الجدارة بالثقة والكفاءة القيادية الظاهرة.

طور بوجيو، بالتعاون مع باحثين في علم النفس الاجتماعي وفسيولوجيا الأعصاب، نماذج حاسوبية قادرة على تفكيك هذه السمات البصرية الهندسية الدقيقة والربط بينها وبين استجابات اللوزة الدماغية (Amygdala) والجهاز الحوفي. أظهرت النماذج أن التغيرات الطفيفة في زوايا الحاجبين وانحناءات الفم تُمثل في فضاءات اتجاهية تقود مباشرة إلى إثارة استجابات عاطفية وسلوكية تحضيرية سريعة، مما يؤكد أن البنية الهرمية للمسار البصري مدمجة بعمق مع شبكات التقييم الدلالي والانفعالي في الدماغ لضمان التكيف الاجتماعي والبقاء الحيوي.

7. تأسيس مركز الأدمغة والعقول والآلات (CBMM) وتكامل العلوم

7.1 الرؤية الاستراتيجية لمركز CBMM في معهد ماساتشوستس

في عام 2013، قاد توماسو بوجيو مبادرة أكاديمية كبرى وغير مسبوقة تكللت بنيل منحة تنافسية ضخمة ومتعددة الملايين من مؤسسة العلوم الوطنية الأمريكية (NSF) لتأسيس وإدارة مركز الأدمغة والعقول والآلات (Center for Brains, Minds and Machines – CBMM)، متخذاً من معهد ماساتشوستس للتكنولوجيا مقراً رئيسياً له، بالاشتراك مع جامعة هارفارد ومؤسسات بحثية عالمية رائدة. انطلق بوجيو في تأسيس هذا المركز من رؤية فلسفية واستراتيجية بالغة الجرأة، تؤكد أن معضلة “الذكاء” تمثل أعظم تحدٍ علمي يواجه البشرية في العصر الحديث.

رأى بوجيو أن عقوداً من التخصيص المنعزل في الأكاديميا أدت إلى تفتيت دراسة الذكاء؛ حيث انكفأ علماء الأعصاب على دراسة التفاصيل البيولوجية المجهرية، وغرق علماء النفس المعرفي في النظريات السلوكية الوصفية، بينما ركز مهندسو الحاسوب والذكاء الاصطناعي على الحلول التطبيقية الخوارزمية البحتة دون فهم للعقل. جاء مركز CBMM ليعيد دمج هذه الحقول المتباعدة تحت مظلة معرفية واحدة ومنسجمة، مستقطباً كوكبة من ألمع العقول المعاصرة لتحقيق هدف سامٍ: إحراز تقدم حقيقي ومزدوج في فهم الذكاء البشري وفي الوقت عينه هندسة آلات ذكية تمتلك قدرات استدلالية شبيهة بالإنسان.

7.2 سد الفجوة بين الذكاء البيولوجي والذكاء الاصطناعي

في ظل الصعود الصاروخي لتقنيات التعلم العميق في العقد الماضي، رفع بوجيو صوته الأكاديمي محذراً من الانجراف وراء النشوة المؤقتة للإنجازات الهندسية للشبكات العصبية الاصطناعية المعاصرة. أكد بوجيو من خلال أبحاث مركز CBMM أن الذكاء الاصطناعي الحالي يظل “ذكاءً سطحياً وناقصاً”، يعاني من فجوة هائلة تفصله عن الذكاء البيولوجي الفعلي، مبرزاً عدة تمايزات جوهرية:

• كفاءة استهلاك الطاقة: يستهلك الدماغ البشري قرابة 20 واط فقط من الطاقة الحيوية لأداء أعقد العمليات التفكيرية والإدراكية، بينما تتطلب نماذج الذكاء الاصطناعي الحديثة مراكز بيانات عملاقة تستهلك ميجاوات من الطاقة الكهربائية لإجراء مهام أضيق نطاقاً.
• التعلم من أمثلة محدودة: يحتاج النموذج الاصطناعي إلى ملايين الصور الرقمية المصنفة للتعرف على قطة، في حين يتعلم الطفل البشري مفهوم “القطة” من مشاهدة نموذج أو نموذجين في الحياة الواقعية وبمرونة تعميم خارقة.
• الفهم والشفافية والتفسير: تظل الشبكات العميقة صناديق سوداء تفتقر إلى نظرية رياضية تفسيرية شاملة، بينما يقدم الدماغ فهماً سببياً وسياقياً قابلاً للمحاكمة العقلانية ونقل المعرفة عبر المهام المتعددة.

أصر بوجيو على أن سد هذه الفجوة لن يتحقق بمجرد زيادة حجم المعالجات السيليكونية أو مضاعفة أرقام البيانات، بل يقتضي حتماً الاستلهام العميق والدقيق للهندسة البيولوجية والتشريحية التي صقلها التطور الطبيعي على مدى مئات الملايين من السنين، وتطوير نظريات موحدة تشرح كيفية انبثاق العقول الحية من التراكيب الفيزيائية.

7.3 المشاريع البحثية المشتركة والأبعاد المعرفية للذكاء

شهد مركز CBMM تحت قيادة بوجيو إطلاق مشروعات بحثية متعددة المسارات تجاوزت الرؤية البصرية إلى صلب التفكير الإنساني. قاد بوجيو، بالتعاون مع باحثين مرموقين مثل جوشوا تينينباوم ولورا شولتز، دراسات مذهلة في استكشاف الفيزياء البديهية (Intuitive Physics) وعلم النفس البديهي لدى الأطفال والرضع؛ باحثين في الكيفية التي يفهم بها عقل الطفل الصغير قوانين الجاذبية، والصلابة، والسببية، والنية الأخلاقية لدى الآخرين دون تعليم رسمي.

طوّع المركز أحدث تقنيات التصوير العصبي الوظيفي (fMRI)، والتسجيل متعدد الأقطاب، والنمذجة الحسابية الاحتمالية، لبناء محاكيات للتعلم الإدراكي التوليدي. أسفرت هذه الشراكات عن إثراء الحوار الفلسفي والرياضي حول طبيعة الوعي والمعرفة؛ حيث برهن بوجيو على أن دمج النمذجة الرياضية الصارمة مع معطيات الفلسفة الإدراكية والتجارب التنموية يمثل الطريق الوحيد القادر على فك شفرة الذكاء بوصفه ظاهرة فيزيائية ومعرفية موحدة في الكون.

8. المساهمات في علم النفس المعرفي وفلسفة العقل

8.1 طبيعة التمثيلات العقلية والحوسبة البيولوجية

تركت كتابات وتأملات توماسو بوجيو بصمة عميقة في الفلسفة المعاصرة للعقل والعلوم المعرفية، لا سيما فيما يتصل بالنزاع الفكري التاريخي بين المقاربة الرمزية الصرفة (Symbolic paradigm) التي قادها فودور وبينسكي، والمقاربة الترابطية والموزعة (Connectionist and Distributed models). اتخذ بوجيو موقعاً فريداً ومتمايزاً عن الطرفين؛ إذ رفض التبسيط الاختزالي الذي يرى في العقل مجرد حاسوب يتلاعب بالرموز المجردة المفصولة عن العالم الحسي، وفي الوقت ذاته رفض النظرة السلوكية الجديدة التي ترى في الشبكات العصبية مجرد محاكيات إحصائية عمياء تفتقر إلى البنية الهندسية المنظمة.

أعاد بوجيو إحياء وتطوير المفهوم الفلسفي العريق الذي صاغه هيرمان فون هلمهولتز في القرن التاسع عشر: “الرؤية كاستدلال غير واعٍ” (Vision as Unconscious Inference). أثبت بوجيو رياضياً أن الإدراك ليس عملية استقبال سلبية للضوء، بل هو عملية نشطة وبناءة وحسابية يقوم فيها العقل بتخمين واستدلال الأسباب الفيزيائية الكامنة وراء الإشارات الحسية الغامضة، باستخدام الاحتمالات والمبادئ الرياضية الراسخة في دوائره العصبية. كما وفرت أعماله إجابة علمية حاسمة على النزاع الفلسفي الأزلي بين النزعة الفطرية (Nativism) والنزعة التجريبية (Empiricism)؛ مبيناً أن الدماغ يولد ببنية هرمية فطرية شديدة التخصص تفرض قيود التنظيم الرياضي، لكن هذه البنية مهيأة ومرنة لتتعلم وتصقل أوزانها من خلال التفاعل التجريبي الحسي الحي مع البيئة.

8.2 الإدراك الواعي والسرعة الزمنية للعمليات العقلية

قدم بوجيو تحليلاً سيكولوجياً وزمنياً دقيقاً فصل فيه بدقة متناهية بين مستويين من المعالجة المعرفية في الدماغ البشري: المعالجة التلقيمية السريعة وغير الواعية، والمعالجة الواعية القائمة على الانتباه والتغذية الراجعة. بيّن بوجيو أن أجزاء الثانية الأولى (حتى 150 مللي ثانية) تشهد تدفقاً للمعلومات عبر مسارات أحادية الاتجاه تتيح للإنسان رصد الأخطار، وتصنيف المشاهد، وتفادي العقبات بصورة آلية ودون حاجة إلى إدراك واعي كامل.

أما الوعي الذاتي بالمنبه الحسي، والتأمل الدلالي في تفاصيله، فيتطلب بالضرورة زمناً أطول يسمح بتفعيل مسارات التغذية الراجعة (Feedback loops) وحلقات الاتصال التكرارية بين القشور الجبهية العليا والمناطق الحسية الأولية. كما فسر بوجيو العديد من ظواهر الخداع البصري (Optical Illusions) ليس كأخطاء أو عيوب في التصميم البيولوجي، بل كنتائج حتمية وضرورية للحسابات الرياضية المثلى؛ فالخداع البصري يحدث عندما يطبق الدماغ قيود التنظيم الصحيحة بيئياً على منبهات اصطناعية أو استثنائية صُممت عمداً لانتهاك الفرضيات التوليدية التي يستند إليها النظام العصبي.

8.3 الأبعاد السيكولوجية للمقارنة بين العقل البشري والآلة

في تأملاته حول حدود المحاكاة الآلية للعقل، وضع بوجيو محددات إبستمولوجية صارمة للتفريق بين الآلات الذكية الحالية والكائنات الحية الواعية. ناقش بوجيو بعمق معضلة “القصدية” (Intentionality)؛ طارحاً السؤال الفلسفي المؤرق: هل النماذج الرياضية التي نصممها تفكر وتفهم حقاً، أم أنها تقتصر على محاكاة أنماط التدفق الخارجي للمعلومات؟ شدد بوجيو على أن معظم الإنجازات الحاسوبية تفتقر حتى الآن إلى “المرونة المعرفية المعممة” التي يتميز بها العقل البشري، والتي تتيح له الانتقال الفوري بين سياقات مختلفة جذرياً وتوليد الأهداف الذاتية انطلاقاً من دوافع بيولوجية ووجودية.

كما ساهمت نظريات بوجيو في إلقاء الضوء على التباينات الفردية في الذكاء البشري؛ موضحة أن الكفاءة الإدراكية قد تعود جزئياً إلى الاستقرار الخوارزمي الأمثل وسرعة ضبط بارامترات التنظيم في الفروع الشجيرية. ورغم تفكيكه الحسابي الدقيق لآليات التفكير، دعا بوجيو دوماً إلى تبني موقف أخلاقي وإنساني متزن يتجنب الغرور التقني، معتبراً أن نزع الغموض العلمي عن آليات الدماغ لا يقلل من قدسية وجمال التجربة الإنسانية، بل يمنحنا تقديراً أعمق لعظمة التطور البيولوجي ومسؤولية الحفاظ على هذا العقل المفكر.

9. مقاربة بوجيو لنظرية التعلم العميق والشبكات العصبية الحديثة

9.1 الأصول النظرية للتعلم العميق في أعمال بوجيو

مع الانفجار المعرفي والتقني الذي أحدثته الشبكات العصبية الالتفافية (Convolutional Neural Networks – CNNs) والتعلم العميق منذ عام 2012 فصاعداً، برزت الحقيقة التاريخية التي تشير إلى أن الأسس المعمارية لهذه الثورة الرقمية تعود في أصولها الجوهرية إلى الأبحاث الكلاسيكية لتوماسو بوجيو. فالترتيب المتناوب لطبقات الترشيح البسيط وطبقات القيمة القصوى (Max-pooling) الذي شكّل جوهر شبكات AlexNet وما تلاها ليس سوى الترجمة الهندسية الدقيقة لنواة نموذج HMAX ومبادئ مار-بوجيو الهرمية للرؤية.

ولم يتوقف بوجيو عند استذكار الأسبقية التاريخية، بل انخرط في صياغة إطار رياضي صارم يفسر: لماذا تتفوق الشبكات العميقة على الشبكات الضحلة (Shallow networks)؟ قدم بوجيو، عبر براهين رياضية مستندة إلى نظرية التقريب الدالي، تفسيراً حاسماً أثبت فيه أن الدوال الرياضية التركيبية والتراتبية (Compositional functions) – وهي الدوال التي تتكون من دوال فرعية متداخلة تعكس البنية الفيزيائية الحقيقية للعالم الطبيعي – يمكن تقريبها عبر الشبكات الهرمية العميقة دون التعرض لـ لعنة الأبعاد (Curse of Dimensionality). أثبت بوجيو أن عدد العقد الحسابية المطلوبة في الشبكات العميقة ينمو نمواً خطياً مع أبعاد المسألة، بينما يتطلب تقريب الدالة ذاتها في شبكة ضحلة ذات طبقة واحدة نمواً أسياً مستحيلاً من الناحية الحسابية، واضعاً بذلك أساساً نظرياً لا غنى عنه لتفوق التعلم العميق.

9.2 لغز التعميم في التعلم العميق المفرط التوصيف

واجهت نظرية التعلم الإحصائي الكلاسيكية، التي شارك بوجيو في بنائها، مأزقاً نظرياً محيراً مع بزوغ نماذج التعلم العميق الحديثة. وفقاً للنظريات التقليدية، فإن النماذج التي تمتلك عدداً هائلاً من المعلمات (Parameters) يفوق بكثير عدد بيانات التدريب – وهي النماذج المعروفة بـ المفرطة التوصيف (Over-parameterized regimes) – يجب حتماً أن تعاني من فرط التخصيص الكارثي وتفشل في التعميم على البيانات الجديدة. غير أن الشبكات العصبية العميقة تخالف هذه النبوءة وتعمم بكفاءة خارقة!

تصدى بوجيو وفريقه البحثي في معهد ماساتشوستس لهذا اللغز المحير، مقدماً نظرية رائدة لتفسير التحيز الضمني (Implicit Bias) لخوارزمية الانحدار التدريجي العشوائي (Stochastic Gradient Descent – SGD). بيّن بوجيو أن النماذج العميقة، حتى وإن لم تُزود بمنظمات رياضية صريحة، فإن ديناميكية التدريب عبر SGD تقوم بعملية تنظيم ضمنية تقلل من معيار الأوزان (Weight norm) إلى أدنى حد ممكن، مما يوجه النموذج تلقائياً نحو الحلول الأكثر بساطة وتماسكاً في فضاء الحلول اللانهائي. ساهم هذا الكشف في تفسير ظاهرة “الهبوط المزدوج” (Double descent) وقدم براهين رياضية صلبة بدأت تحول التعلم العميق من مجرد كيمياء حاسوبية تجريبية قائمة على التجربة والخطأ إلى علم دقيق قابل للتنبؤ والتحكم الهندسي الموثوق.

9.3 النقود المتبادلة بين علم الأعصاب والتعلم العميق المعاصر

رغم مساهماته التأسيسية في فهم التعلم العميق، ظل بوجيو متمسكاً بموقفه النقدي البناء تجاه القيود البيولوجية الصارخة لخوارزميات الذكاء الاصطناعي المعاصرة. انتقد بوجيو مراراً الاعتماد الحصري للشبكات العميقة على خوارزمية الانتشار العكسي للخطأ (Backpropagation)، مؤكداً افتقارها إلى المعقولية والواقعية البيولوجية (Biological Plausibility)؛ إذ لا تمتلك الخلايا العصبية المشبكية الحية آليات واضحة لنقل إشارات الخطأ المتماثلة في الاتجاه المعاكس للمحاور العصبية بدقة حسابية مطلقة كما تفعل الخوارزميات الرقمية.

ودعا بوجيو إلى إعادة ربط التعلم الآلي بالقواعد الحيوية المكتشفة في الدماغ، مثل قواعد اللدونة التابعة للتوقيت المشبكي (STDP – Spike-Timing-Dependent Plasticity)، وآليات التعديل العصبي الكيميائي (Neuromodulation)، والتثبيط الموضعي المتكيف. كما أكد أن التحدي القادم للذكاء الاصطناعي لا يكمن في ابتكار شبكات أضخم، بل في بناء معماريات هجينة تدمج المعالجة البصرية العميقة مع نماذج التوليد والتفكير السببي، مستلهمة الترتيب الدقيق للطبقات الست للقشرة المخية، وهو ما يمثل العودة الحتمية لعلوم الحاسوب إلى أحضان علم الأعصاب.

10. الأثر الأكاديمي والريادي وتخريج أجيال العلماء والرواد

10.1 توجيه نوابغ علم الأعصاب والذكاء الاصطناعي

لا يقاس المجد الأكاديمي لعالم استثنائي مثل توماسو بوجيو بعدد الأوراق البحثية الرائدة التي نشرها فحسب، بل يتجلى أيضاً في الأثر المضاعف لجيل العلماء والرواد الذين احتضنهم، ودربهم، وأطلق شرارة الإبداع في عقولهم داخل مختبره الشهير في معهد ماساتشوستس للتكنولوجيا. امتاز بوجيو بفلسفة إشرافية فريدة تمزج بين الصرامة الرياضية المطلقة وتشجيع الجرأة الفكرية، مانحاً طلابه الحرية الكاملة لارتكاب الأخطاء الفكرية الخلاقة والبحث عن حلول للمشكلات العلمية المستعصية خارج الصناديق التقليدية.

تضم قائمة تلامذة وباحثي ما بعد الدكتوراه الذين تتلمذوا على يد بوجيو أسماء لامعة أعادت صياغة المشهد العلمي والتكنولوجي العالمي. من أبرز هؤلاء:

• كريستوف كوخ (Christof Koch): عالم الأعصاب البارز ورئيس معهد ألين لعلوم الدماغ، الذي طور مع بوجيو النماذج الفيزيائية الحيوية للحوسبة الشجيرية وأصبح لاحقاً المنظر الأهم في العالم لدراسة الأسس العصبية للوعي البشري بالتعاون مع فرانسيس كريك.
• ديميس هاسابيس (Demis Hassabis): المؤسس والرئيس التنفيذي لشركة ديب مايند (DeepMind) التابعة لغوغل، والحائز على جائزة نوبل في الكيمياء لعام 2024 لابتكاره نظام AlphaFold. أجرى هاسابيس أبحاث ما بعد الدكتوراه تحت إشراف بوجيو في مختبره في MIT، حيث استلهم الرؤية العصبية الحسابية التي كانت الوقود الأساسي لبناء خوارزميات التعلم المعزز العميق (Deep Q-Networks) والذكاء العام.
• أمنون شاشوا (Amnon Shashua): أستاذ علوم الحاسوب ومؤسس شركة “موبيل آي” (Mobileye) الرائدة عالمياً في أنظمة الرؤية الحاسوبية للقيادة الذاتية، والذي طبق النظريات الهندسية للرؤية التي تعلمها في مختبر بوجيو لإحداث ثورة في سلامة النقل الذكي.

10.2 التأثير المؤسسي في معهد ماساتشوستس للتكنولوجيا والمحافل العالمية

لعب توماسو بوجيو دوراً مؤسسياً وتاريخياً في تحويل معهد ماساتشوستس للتكنولوجيا إلى المعقل الأول عالمياً للعلوم العصبية والإدراكية والحسابية. تقديراً لمكانته العلمية الرفيعة وإنجازاته المتراكمة، تم تعيينه أستاذاً لكرسي “يوجين مكديرموت” (Eugene McDermott Professor) المرموق في قسم علوم الدماغ والمعرفة، بالإضافة إلى كونه عضواً مؤسساً في مختبر علوم الحاسوب والذكاء الاصطناعي (CSAIL) التابع للمعهد.

ساهم بوجيو بنشاط في قيادة وتأسيس وتوجيه كبرى المحافل والمؤتمرات العلمية الدولية التي صاغت مسار الذكاء الاصطناعي المعاصر، وعلى رأسها مؤتمر نظم معالجة المعلومات العصبية (NeurIPS)، ومؤتمر الرؤية الحاسوبية والتعرف على الأنماط (CVPR)، وجمعية علوم الرؤية (VSS). حصد بوجيو أرفع الأوسمة والجوائز الأكاديمية العالمية تقديراً لإسهاماته الخالدة؛ من بينها جائزة بحوث الذاكرة والتعلم (Swartz Prize) من جمعية علم الأعصاب، وجائزة هلمهولتز (Helmholtz Prize)، وميدالية المعهد الإيطالي للتكنولوجيا، وانتخابه عضواً في الأكاديمية الأمريكية للفنون والعلوم والأكاديمية الوطنية الإيطالية للعلوم (Accademia dei Lincei)، مما يعكس المكانة المتفردة التي يحظى بها في التاريخ العلمي الحديث.

10.3 تحويل النظريات الأكاديمية إلى تقنيات تغير العالم

تميز المسار العلمي لتوماسو بوجيو بأنه لم يكتفِ بصياغة المعادلات الرياضية المجردة في المجلات المحكمة، بل حرص دائماً على بناء جسر مستدام ينقل هذه النظريات العميقة إلى حيز التطبيقات التكنولوجية والصناعية الملموسة التي تخدم البشرية وتغير وجه الحياة اليومية. لقد أثبت بوجيو أن أعمق النظريات النظرية هي في حقيقتها الأدوات الأكثر عملية وفائدة للتطبيق.

تجلت هذه المقاربة في مساهمته المحورية في تطوير وتوجيه أنظمة الرؤية الحاسوبية المطبقة في قطاع السيارات ذاتية القيادة وأنظمة مساعدة السائق المتقدمة (ADAS)، والتي تعتمد على مبادئ التعرف السريع ومسافات العمق التي صاغها بوجيو ومار؛ مما ساهم في إنقاذ آلاف الأرواح البشرية عبر تجنب الحوادث المرورية حول العالم. علاوة على ذلك، وجدت نماذجه العصبية الحسابية تطبيقات بالغة الحساسية في المجال الطبي؛ حيث تُستخدم النماذج المستوحاة من HMAX وRBF في تطوير خوارزميات التشخيص المبكر للأمراض العصبية الانتكاسية والاضطرابات البصرية المعقدة، وتصميم الواجهات العصبية التفاعلية المباشرة (Brain-Computer Interfaces) لمساعدة المرضى الذين يعانون من الشلل وفقدان الوظائف الحسية، مما حول العلم النظري إلى رافد للأمل والشفاء الإنساني.

11. التحديات المعرفية والمسائل المفتوحة في دراسة الدماغ والعقل

11.1 معضلة الكفاءة العالية في التعلم البشري

رغم عقود من الإنجازات المتراكمة، يواصل توماسو بوجيو التنبيه إلى أن أعظم ألغاز الطبيعة لا يزال مفتوحاً بانتظار حلول حاسمة: كيف يتعلم العقل البشري بهذه الكفاءة الاستثنائية والخارقة؟ في حين تعتمد أحدث أنظمة الذكاء الاصطناعي على مليارات المعاملات وتستهلك مليارات الجيجابايت من البيانات والمحفزات، يظل الطفل البشري قادراً على تحقيق ظاهرة التعلم من مثال واحد (One-shot Learning)، بل وتجريد المفاهيم شديدة التعقيد دون أي إشراف خارجي مكثف.

يشير بوجيو إلى أن النماذج الإحصائية والرياضية الحالية تعاني من قصور جوهري عند مواجهة التغيرات الجذرية في التوزيع البياني للبيئات الحقيقية (Out-of-distribution shifts)، بينما يمتلك الدماغ البشري قدرة فذة على بناء نماذج توليدية داخلية للعالم المادي، مستنداً إلى بنية الذاكرة الدلالية والذاكرة العرضية. تمكن هذه البنية الدماغ من استقراء القوانين السببية وتوليد فرضيات تفسيرية فورية عند مواجهة مواقف غير مسبوقة، وهو لغز حسابي ونمذجي معقد يرى بوجيو أن حله يمثل التحدي العلمي الحقيقي للجيل القادم من علماء الأعصاب والذكاء الاصطناعي.

11.2 تكامل الرؤية مع الحواس الأخرى والإدراك متعدد الوسائط

تركزت أبحاث بوجيو التاريخية بصورة مكثفة على حاسة البصر بوصفها النافذة الإدراكية الأوسع لدى الكائنات الراقية، غير أن الواقع الحسابي للدماغ يتطلب بالضرورة التكامل متعدد الوسائط (Multimodal Integration). كيف تتضافر الإشارات القادمة من شبكية العين مع الذبذبات الصوتية الملتقطة بالقوقعة، والمستشعرات اللمسية الموزعة على الجلد، وإشارات التوازن الدهليزي لتشكل في النهاية تجربة واعية موحدة ومتماسكة للمشهد المحيط؟

يطرح بوجيو هذا التحدي الحسابي بوصفه مسألة دمج استدلالي تتطلب موازنة الدماغ لدرجات عدم اليقين والمصداقية الرياضية لكل قناة حسية على حدة وفقاً لنظرية التقدير البايزي الأمثل (Bayesian optimal integration). كما يفتح بوجيو الباب لدراسة ظواهر حسية معقدة مثل التآزر الحسي (Synesthesia)، التي تتداخل فيها الحواس لدى بعض الأفراد، معتبراً إياها نافذة فريدة تكشف عن الكيفية التي تتبادل بها القشور الحسية المختلفة الأوزان الحسابية وتشارك التمثيلات المكانية لتوجيه الفعل الحركي المتناسق والمنغمس في العالم الواقعي.

11.3 مسألة الوعي الذاتي والمستوى الحسابي للأفكار

يقف توماسو بوجيو بإجلال وتواضع فلسفي أمام ما وصفه الفيلسوف ديفيد تشالمرز بـ “المسألة الصعبة للوعي” (The Hard Problem of Consciousness): هل يمكن للتحليل الرياضي الخوارزمي، مهما بلغ تعقيده ودقته في تتبع التيارات الكهربائية المشبكية، أن يفسر الكيفيات المحسوسة والتجربة الذاتية البحتة (Qualia)؟ كأن ندرك احمرار زهرة الورد، أو مرارة الألم، أو متعة النشوة الموسيقية؟

يرى بوجيو أن المستوى الحسابي لمعالجة المعلومات هو الأداة الأكثر قوة وعقلانية لتحليل الأفكار والعمليات الذهنية الوظيفية وتحديد آلياتها التكيفية؛ لكنه يقر في الوقت ذاته بأن الانتقال من وصف الميكانيزمات الحسابية إلى تفسير انبثاق “الذات الواعية التي تختبر الوجود” قد يتطلب إما إعادة صياغة جذرية لأدواتنا الإبستمولوجية الرياضية، أو الاعتراف بوجود حدود طبيعية لما يمكن للعقل دراسته بذاته. يشدد بوجيو على أن بناء آلة ذكية حقاً يستلزم تجاوز مرحلة مطابقة الأنماط السطحية نحو آلات تمتلك فهماً للمعنى، ومحاكاة للذات، ونماذج تفسيرية تعيد تشكيل الوعي البشري بالكون.

12. إرث توماسو بوجيو: استشراف مستقبل الإدراك والذكاء الاصطناعي

12.1 المكانة التاريخية لبوجيو في سجلات العلم المعاصر

عند تقييم المسيرة العلمية المديدة لتوماسو بوجيو منذ سبعينيات القرن العشرين وحتى الوقت الحاضر، يتضح جلياً أنه يحتل مكانة تاريخية خالدة كأحد الآباء المؤسسين والموجهين الرئيسيين لعلم الأعصاب الحسابي والرؤية الاصطناعية. لقد أحدث بوجيو ثورة منهجية وإبستمولوجية في التفكير العلمي؛ حيث كان رائداً في تحويل دراسة الدماغ من مجرد فرع وصفي وتجريبي في علم وظائف الأعصاب والتشريح إلى تخصص رياضي تحليلي صارم يخضع لقوانين الفيزياء ونظرية المعلومات.

لقد أرست مدرسته البحثية تقاليد معيارية لا يمكن الاستغناء عنها، تقوم على الدمج الثلاثي المنسجم بين البرهان الرياضي المجرد، والمحاكاة الخوارزمية الرقمية، والتحقق التجريبي الفسيولوجي والسيكوفيزيائي. إن أي باحث يدرس الرؤية الحاسوبية، أو يكتب خوارزمية للتعلم المنظم، أو يبحث في خلايا القشرة البصرية، إنما يقف اليوم بشكل مباشر أو غير مباشر على الأكتاف الفكرية لتوماسو بوجيو ويستخدم المفاهيم التي صاغها ونقحها على مدى أكثر من خمسة عقود من العطاء المتواصل.

12.2 المسار المستقبلي نحو ذكاء اصطناعي شبيه بالإنسان

في المرحلة الراهنة التي تشهد هيمنة واسعة لتقنيات النماذج التوليدية الضخمة، تمثل رؤية توماسو بوجيو بوصلة استراتيجية شديدة الأهمية لإعادة توجيه مسار الأبحاث نحو الأهداف الحقيقية للذكاء الاصطناعي. يؤكد بوجيو أن الرهان على تكبير الشبكات العصبية التقليدية سيصل حتماً إلى طريق مسدود من حيث استهلاك الموارد المادية وعجز هذه النماذج عن التفكير المنطقي والتعليل السببي الشفاف.

يرسم بوجيو خارطة طريق لمستقبل الذكاء الاصطناعي ترتكز على:

• الجمع العضوي بين التعلم الإحصائي العميق والأنظمة المعرفية المعتمدة على النماذج التوليدية السببية (Causal and Model-based AI).
• تطوير آلات تمتلك آليات داخلية للفضول الإبستمولوجي، والاستكشاف النشط للبيئة، والتعلم الذاتي دون الحاجة لتدخل بشري مستمر في عنونة البيانات.
• إعادة قراءة وتطبيق النظريات التأسيسية التي وضعها بوجيو في الحوسبة الشجيرية، والتماثل الرياضي، والتنظيم اللاخطي لحل معضلات الكفاءة والشفافية في الذكاء الآلي.

12.3 الخلاصة المعرفية: عقل الآلة وانعكاسه على فهم الذات البشرية

في المحصلة النهائية، تكشف مسيرة توماسو بوجيو عن حقيقة إنسانية ومعرفية كبرى: إن الرحلة الطويلة والملهمة لمحاكاة الدماغ وبناء عقل الآلة لم تكن مجرد مسعى هندسي لصنع أدوات وتقنيات ذكية جديدة، بل كانت في جوهرها الأعمق مرآة عكست للإنسان أسرار ذاته وروحه المفكرة. لقد علمنا بوجيو أن دراسة الذكاء ليست مجرد تخصص علمي عابر، بل هي – كما كان يردد دائماً – “أعظم مغامرة فكرية يخوضها العقل البشري في تاريخه الطويل”.

إن الوحدة العميقة التي برهن عليها بوجيو بين قوانين الفيزياء الحيوية الجزيئية وأعقد الظواهر الإدراكية تؤكد أن الكون محكوم بنظام عقلي مذهل يمكن سبر أغواره وتفكيك شفرته. وبفضل إسهاماته التأسيسية ورؤيته الثاقبة، نقف اليوم أقرب من أي وقت مضى إلى فهم العقل البشري، وبناء آلات حكيمة ومسؤولة، ومواصلة المسيرة الإنسانية الخالدة نحو إدراك الذات وإدراك العالم المحيط بنا في انسجام وجمال رياضي فريد.

المراجع

• Hubel, D. H., & Wiesel, T. N. (1962). Receptive fields, binocular interaction and functional architecture in the cat’s visual cortex. The Journal of Physiology, 160(1), 106-154. https://doi.org/10.1113/jphysiol.1962.sp006837
• Koch, C., Poggio, T., & Torre, V. (1982). Retinal local operations and the reversal of the after-image: A biophysical mechanism for directional selectivity. Philosophical Transactions of the Royal Society of London. B, Biological Sciences, 298(1090), 227-263. https://doi.org/10.1098/rstb.1982.0084
• Marr, D. (1982). Vision: A computational investigation into the human representation and processing of visual information. W. H. Freeman and Company. https://mitpress.mit.edu/9780262514620/vision/
• Marr, D., & Poggio, T. (1976). Cooperative computation of stereo disparity. Science, 194(4262), 283-287. https://doi.org/10.1126/science.968482
• Marr, D., & Poggio, T. (1979). A computational theory of human stereo vision. Proceedings of the Royal Society of London. Series B. Biological Sciences, 204(1156), 301-328. https://doi.org/10.1098/rspb.1979.0029
• Poggio, T., & Girosi, F. (1990). Networks for approximation and learning. Proceedings of the IEEE, 78(9), 1481-1497. https://doi.org/10.1109/5.58326
• Poggio, T., & Reichardt, W. (1976). Visual control of orientation behaviour in the fly. Part II. Towards the underlying neural interactions. Quarterly Reviews of Biophysics, 9(3), 377-438. https://doi.org/10.1017/S003358350000252X
• Poggio, T., Torre, V., & Koch, C. (1985). Computational vision and regularization theory. Nature, 317(6035), 314-319. https://doi.org/10.1038/317314a0
• Riesenhuber, M., & Poggio, T. (1999). Hierarchical models of object recognition in cortex. Nature Neuroscience, 2(11), 1019-1025. https://doi.org/10.1038/14819
• Tikhonov, A. N., & Arsenin, V. Y. (1977). Solutions of ill-posed problems. V. H. Winston & Sons. https://openlibrary.org/books/OL4562095M/Solutions_of_ill-posed_problems