در پایان سال 2025، دانشمندان علوم اعصاب و مدلسازان محاسباتی نتیجهای را ارائه کردند که مدتها از نظر فنی دست نیافتنی تلقی میشد: قشر مغز موش با در نظر گرفتن رفتار الکتریکی واقعی نورونها و ساختار اتصال آنها، به عنوان یک مدل رایانهای فعال بازسازی شد. در مقاله Rambler بیشتر بخوانید.
این شبیه سازی بر روی ابررایانه Fugaku ژاپن، یکی از قدرتمندترین سیستم های کامپیوتری در جهان اجرا شد. این در مورد “مغز در رایانه” به معنای معمول نیست، و همچنین در مورد تلاش برای ایجاد آگاهی مصنوعی نیست. این یک مدل علمی است که برای مطالعه رفتار بافت عصبی در شرایطی طراحی شده است که در یک موجود زنده قابل تولید مثل نیست. در یک محیط دیجیتال، محققان میتوانند فرآیندها را متوقف کنند، پارامترها را تغییر دهند، آزمایشها را تکرار کنند، و تأثیر تغییرات فردی – از سطح سلولهای منفرد تا کل شبکه را تجزیه و تحلیل کنند.
این مدل دقیقا چیه؟
در نشریات، این پروژه اغلب “مغز دیجیتال” نامیده می شود، اما درست تر است که در مورد شبیه سازی فیزیولوژیکی واقع بینانه از قشر مغز موش صحبت کنیم. تفاوت اساسی بین این مدل و یک شبکه عصبی انتزاعی این است که نورونهای موجود در آن از قوانین فیزیکی و بیولوژیکی تبعیت میکنند: پتانسیلهای الکتریکی، تفاوتهای بین انواع سلولها و روشهای انتقال سیگنال در سیناپسها همه در نظر گرفته میشوند.
به گفته توسعه دهندگان، این مدل شامل حدود نه تا ده میلیون نورون و حدود 26 میلیارد اتصال سیناپسی است. این دیگر یک قطعه بافت موضعی نیست، بلکه تلاشی برای مونتاژ یک مدل عملکردی یکپارچه از قشر مغز است. در همان زمان، نویسندگان توجه ویژه ای به حفظ ساختار واقعی اتصالات داشتند: نه تنها به دست آوردن فعالیت مهم است، بلکه اطمینان از ایجاد آن به همان دلایلی که در یک مغز زنده وجود دارد نیز مهم است.
بازگشت از مردگان: چگونه دانشمندان می توانند مغز و قلب را احیا کنند
یکی از نویسندگان این پروژه، آنتون آرخیپوف، تاکید کرد که مدل های مینیاتوری گاهی اوقات رفتار مشابهی را نشان می دهند، اما به دلایل بیولوژیکی اشتباه. سخنان او در مطبوعات نقل شد مکانیک محبوب. در این مورد، تاکید بر تکرار مکانیسم است و نه فقط نتیجه.
چرا این فقط در ابر رایانه ها امکان پذیر است؟
مدلی در این سطح از جزئیات به منابع محاسباتی عظیمی نیاز دارد. بر خلاف محاسبات بصری یا آماری، شبیه سازی باید به طور پیوسته تغییرات در وضعیت الکتریکی میلیون ها سلول و میلیاردها اتصال را در طول زمان و مکان در نظر بگیرد.
بنابراین، این پروژه بر قابلیتها و توانایی فوگاکو در مقیاس دهی و صدها هزار گره محاسباتی متکی است. اسناد ارائه شده در کنفرانس SC'25 بیان می کند که محاسبات در مقیاس کامل سیستم – بیش از 145 هزار گره – انجام شده است.
استفاده از فوگاکو در اینجا نمایش قدرت تکنولوژیک به منظور ایجاد یک اثر نیست. این یک ضرورت فنی است: با منابع کمتر، مدل دقت بیولوژیکی را از دست می دهد یا از نظر سرعت و ظرفیت حافظه ناکافی می شود.
تفاوت با هوش مصنوعی
با وجود شباهت خارجی اصطلاحات، مدل سازی دیجیتال قشر مغز مستقیماً با سیستم های هوش مصنوعی مدرن مرتبط نیست. مدلهای هوش مصنوعی بر روی دادهها آموزش میبینند و یک نتیجه خاص را بهینه میکنند – تشخیص تصویر، ترجمه متن، پیشبینی. ساختار درونی آنها برای کارایی و نه قابل قبول بودن بیولوژیکی انتخاب شد.
در این مورد، هدف برعکس است: بازتولید علوم اعصاب واقعی، حتی اگر این کار از نظر محاسباتی گران باشد و نتایج مفیدی در مفهوم کاربردی به همراه نداشته باشد. این یک ابزار تحقیق است، نه یک ماشین حل مسئله.
چرا علوم اعصاب به چنین ابزاری نیاز دارد؟
محدودیت اصلی عصب شناسی کلاسیک ناتوانی در مشاهده مغز به عنوان یک سیستم واحد است. آزمایشها معمولاً فعالیت مناطق یا گروههایی از نورونها را به طور غیرمستقیم ثبت میکنند. مدل سازی دیجیتال به ما اجازه می دهد تا قشر مغز را به عنوان یک شبکه یکپارچه ببینیم و فرضیه های علی را آزمایش کنیم.
ارزش عملی این روش به ویژه هنگام مطالعه بیماری ها قابل توجه است. در این مدل، میتوانید پارامترهای هر نوع سلول را بهطور مصنوعی تغییر دهید، اتصالات را ضعیف یا تقویت کنید، تعادل بین تحریک و مهار را برهم بزنید – و ببینید که چگونه این کار بر عملکرد کل شبکه تأثیر میگذارد.
این برای شرایطی که چندین توضیح دارند مهم است: صرع، بیماری های عصبی، اختلالات رشدی. در یک مغز زنده، چنین آزمایشاتی غیرممکن است یا از نظر اخلاقی و فنی محدود است. در شبیه سازی، آنها قابل تکرار و کنترل می شوند.
محدودیت های تحقیق
نویسندگان این مطالعه تاکید می کنند که مدل فعلی اثبات امکان سنجی این رویکرد است، اما یک فرم کامل نیست. هنوز به طور کامل فرآیندهای انعطاف پذیری را در نظر نمی گیرد – تغییرات در اتصال تحت تأثیر تجربه، و همچنین نقش تعدیل کننده های عصبی، که از نظر شیمیایی فعالیت شبکه های عصبی را تنظیم می کنند.
علاوه بر این، قشر مغز به صورت مجزا عمل نمی کند. ساختارهای زیر قشری، ورودی حسی و پاسخ های بدن نقش مهمی دارند و بدون آنها مدل ناقص می ماند.
به طور خصوصی تاکید شد که این پروژه هیچ مبنایی برای صحبت در مورد آگاهی دیجیتال ندارد. علم هنوز معیاری جهانی ندارد که به ما اجازه دهد حضور آگاهی را حتی در موجودات زنده تعیین کنیم، چه رسد به شبیه سازی.
بنابراین اهمیت اصلی کار در ترکیب سه عامل نهفته است: ظهور نقشه های دقیق از قشر مغز، در دسترس بودن زیرساخت برای پردازش آنها، و تغییر در تحقیقات علمی – از مشاهده به آزمایش فرضیه ها. اساسا، علوم اعصاب امروزه با استفاده از شبیه سازی به عنوان ابزاری برای تجزیه و تحلیل سیستم ها، گامی به سوی یک رویکرد مهندسی برمی دارد.
قبلاً در مورد اینکه آیا امکان ایجاد یک کپی دیجیتالی از آگاهی انسان وجود دارد یا خیر، نوشتیم.