الشبكة تجد التوازن بنفسها، دون ميزان حرارة ✛

الأصل: "Adaptive self-organized criticality in deep neural networks"
· Simon Vock, Christian Meisel
arXiv:2608.28431v1 · 2026-08-28 · CC BY 4.0 · 1 دقيقة
الخلايا العصبية تضبط روابطها وفق نشاطها، فتقف الشبكة كلها على الحد الفاصل بين الخمود والانفجار.

سلسلة من البشر يهمس كلٌّ منها برسالة إلى الذي يليه. إذا كان كل واحد يتحدث بصوت منخفض جدًا، ستضيع الرسالة في منتصف الطريق. وإذا كان الصوت مرتفعًا جدًا، ستتحول في النهاية إلى جلبة لا تُفهم. لكن هناك نمطًا يصل فيه الهمس إلى آخر شخص دون تشويه. يسميه العلماء النقطة الحرجة، ويبدو أن الدماغ يعمل عندها تمامًا.

النقطة الحرجة تشبه درجة تجمد الماء. أبرد قليلًا: جليد. أدفأ قليلًا: سائل. الشبكة عند هذه النقطة لا تنفجر ولا تنطفئ.

كان يُعتقد سابقًا أن الوصول بالشبكة إلى الحالة الحرجة لا يمكن إلا من الخارج، بضبط معاملات عامة. لكن في الدراسة الجديدة، حصلت كل خلية عصبية على قاعدة بسيطة: إذا كانت نشطة أكثر من اللازم، تُضعف الروابط الواردة إليها؛ وإذا كانت خاملة أكثر من اللازم، تُقوّيها. الأمر أشبه بأن يقرر كل شخص في السلسلة بنفسه أن يرفع صوته أو يخفضه، معتمدًا فقط على صوته هو.

اختبر العلماء ذلك على شبكة من تسع طبقات، في كل طبقة ألف خلية عصبية. شغّلوها من حالات ابتدائية مختلفة: من شبه صمت تام إلى ضجيج شديد. بعد عشرين دورة من الضبط الذاتي، وصلت كل الشبكات إلى النمط نفسه: توقف النشاط عن الخمود أو النمو، واستوت قوة الروابط. وجدت الشبكة النقطة الحرجة بنفسها، كما يجد الماء مستواه.

لكن عندما أضافوا إلى الضبط الذاتي تعلّم تمييز الأرقام، بدأت المنافسة. التعلّم العادي يشدّ الشبكة نحو حل المهمة، بينما الضبط الذاتي يشدّها نحو الحرجة. هاتان القوتان تعارضتا: كلما كانت القاعدة التنظيمية الذاتية أقوى، كان تمييز الشبكة للأرقام أسوأ. إذن، منظم الحرارة بلا ميزان حرارة يعمل، لكنه لا يجيد التعاون مع المهمة.

قاعدة التوازن بسيطة للغاية لدرجة أنه يمكن وصفها بسطر واحد: إذا كان العصبون نشطًا جدًا، فضعف الاتصال الوارد، وإذا كان خاملًا جدًا، فقوِّه. وهذا كافٍ ليجد الشبكة النقطة الحرجة بنفسها.

\sigma = \frac{a_{out}}{a_{in}}
σ=1 significa conservación de la actividad al propagarse a través de la red
\lambda_0 = \frac{1}{L} \log(\Lambda_0)
λ0=0 corresponde al punto crítico, donde las perturbaciones ni crecen ni se atenúan
w'_{ij} = \begin{cases} (|w_{ij}| - c) \cdot \operatorname{sgn}(w_{ij}) & \text{если } a_i > T \\ (|w_{ij}| + c) \cdot \operatorname{sgn}(w_{ij}) & \text{если } a_i < T \end{cases}
Una neurona activa debilita la conexión entrante, una inactiva la fortalece
العلماء
Emile Clapeyron
المفاهيم
شبكة عصبية عميقة الشبكات العصبية في التخطيط المكاني التنظيم الذاتي العشوائي الأنظمة الديناميكية التصحيح الذاتي للذكاء الاصطناعي الشبكات التوليدية التنافسية التعلم العميق في التصوير الطبي شبكة عشوائية التعلم ديناميكا عشوائية بيولوجية تسارع الديناميكا الجزيئية تخزين معلومات تحكم في الزمن الحقيقي