كيف تختار أفضل نموذج دون تخمين؟ سريع

الأصل: "A Closed-loop Framework to Discriminate Models Using Optimal Control"
arXiv:2603.00709 · 2026-02-28 · CC BY 4.0 · 1 دقيقة
ابتكر العلماء طريقة لطرح أسئلة ذكية على النظام واحدة تلو الأخرى لمعرفة أي نموذج يصفه بدقة أكبر.

لفهم آلية عمل جهاز ما، يجب تحريكه. الطفل الذي يفكك منبهًا لا يكتفي بالنظر إلى التروس، بل يدير العجلة ويستمع إلى تغير صوت التكتكة. وكذلك العلماء: بدلاً من الملاحظة السلبية، يرسلون إشارات مختارة بعناية إلى مدخلات النظام ويراقبون الاستجابة.

في الدراسة الجديدة، اقترح الباحثون طريقة تختار تلقائيًا الإشارة الأكثر "خبثًا" — تلك التي تؤدي إلى أكبر تباين في توقعات النماذج المختلفة حول النظام. هذا يشبه الامتحان: المعلم لا يطرح أسئلة سهلة، بل أسئلة تكشف الفرق بين الطالب القوي والضعيف. النمذجة العشوائية هنا تشبه خريطة المنطقة: كلما كانت الخريطة أدق، كان التنقل بها أسهل.

اختبر المؤلفون نهجهم على أمثلة عددية، ثم طبقوه في تجربة مع القنوات الأيونية — وهي بروتينات في غشاء الخلية تفتح تحت تأثير الضوء وتسمح بمرور الجسيمات المشحونة. وتمكنوا بثقة من اختيار أفضل نموذج من بين عدة مرشحين.

جوهر الطريقة: لا تخمن، بل اسأل النظام بطريقة تجعل إجابته حاسمة.

هذا النهج يشبه عمل المحقق: لمعرفة الحقيقة، يطرح أسئلة تعطي إجابات مختلفة جوهريًا حسب الروايات المختلفة للأحداث. كلما زاد الاختلاف في الإجابات، زادت سرعة استبعاد الروايات الخاطئة. تعد الطريقة بتسريع البحث عن النماذج الصحيحة في علم الأحياء وعلم الأعصاب ومجالات أخرى حيث البيانات قليلة والفرضيات كثيرة.

البروتينات الحساسة للضوء التي درسها المؤلفون تُستخدم في علم البصريات الوراثي (optogenetics) — وهي تقنية تسمح بتشغيل وإيقاف الخلايا العصبية باستخدام الضوء.

العلماء
Andrey Markov
المفاهيم
نظرية التحكم (control theory) اختيار النموذج تحكم في الزمن الحقيقي نموذج تنبؤي التعلم ذاتي الإشراف (Self-Supervised Learning) التحسين الأنظمة الديناميكية تحليل آلي تدريب مستشعر بصري النمذجة العشوائية تنبؤ آلية الانتباه مبدأ الإنتروبيا القصوى بيانات مصنفة حاسوب ضوئي أتمتة زمن حقيقي مرشح كالمان نظام مفتوح