بقلم بيساخ بنسون • 14 أكتوبر 2026
القدس، 14 أكتوبر 2026 (TPS-IL) – طور باحثون إسرائيليون نموذج ذكاء اصطناعي يعيد بناء الصور من نشاط الدماغ باستخدام حوالي ساعة واحدة من مسح الدماغ لمشارك جديد، مع تحديد تقسيمات وظيفية غير معروفة سابقًا في مناطق الدماغ المشاركة في المعالجة البصرية.
تم تطوير النموذج، المسمى Brain-IT، بواسطة فريق بقيادة البروفيسور ميخال إيراني في معهد وايزمان للعلوم. على عكس الأنظمة الحالية التي تتطلب عشرات الساعات من مسح الدماغ للتكيف مع شخص جديد، يحدد Brain-IT الأنماط المشتركة بين الأشخاص المختلفين، مما يسمح له بإعادة بناء الصور بدقة أكبر وبتدريب أقل.
بالإضافة إلى إعادة بناء الصور، يمكن لهذه التقنية مساعدة العلماء على فهم كيفية تنظيم الدماغ للمعلومات البصرية. كما يمكنها تطوير واجهات الدماغ والحاسوب التي تتطلب تدريبًا أقل، على الرغم من أن التطبيقات الطبية العملية لا تزال بعيدة المنال.
قالت إيراني: “توجد حاليًا نماذج تترجم نشاط الدماغ إلى صور، ويمكنها حتى إنتاج إعادة بناء رائعة تحافظ على المعنى الدلالي للصورة بشكل جيد إلى حد ما”. “ومع ذلك، فإنها تميل إلى ارتكاب أخطاء في الميزات الأساسية مثل التكوين واللون.”
وأضافت: “النموذج الجديد الذي طورناه يتفوق عليها في إعادة بناء كل من محتوى الصورة وتفاصيلها”. “علاوة على ذلك، بينما يتطلب كل نموذج آخر عشرات الساعات من مسح الدماغ لتعلم ‘قراءة’ شخص جديد، فإن نموذجنا يحتاج إلى ساعة واحدة فقط.”
تم اختيار البحث للعرض التقديمي هذا العام في المؤتمر الدولي لتمثيلات التعلم، وهو مؤتمر رائد في مجال الذكاء الاصطناعي.
تعليم الذكاء الاصطناعي قراءة الدماغ
يتمثل أحد العوائق الرئيسية في هذا المجال في نقص بيانات التدريب. يحتاج الباحثون إلى صور مقترنة بمسح التصوير بالرنين المغناطيسي الوظيفي (fMRI)، الذي يقيس التغيرات في نشاط الدماغ أثناء مشاهدة الأشخاص للصور. يتطلب جمع مثل هذه البيانات من المشاركين قضاء ساعات طويلة في أجهزة التصوير بالرنين المغناطيسي.
تحتوي مجموعة بيانات المشاهد الطبيعية المتاحة للجمهور والمستخدمة في الدراسة على حوالي 73,000 زوج من الصور والمسح من ثمانية مشاركين، شاهد كل منهم آلاف الصور على مدار 30 إلى 40 جلسة مسح.
للتغلب على هذا القيد، طور الفريق نظامين متكاملين: مشفر يتنبأ بنشاط الدماغ من صورة، ومفكك يعيد بناء صورة من نشاط الدماغ.
أنتج المشفر مسوحات دماغية متوقعة للصور التي لم يشاهدها المشاركون أبدًا داخل جهاز التصوير بالرنين المغناطيسي. ثم حاول المفكك إعادة بناء تلك الصور من التنبؤات، مما سمح للأنظمة بالتعلم من أمثلة إضافية دون الحاجة إلى مسح جديد لكل صورة.
قسم الباحثون الدماغ إلى حوالي 40,000 وحدة ثلاثية الأبعاد صغيرة تسمى فوكسل وقارنوا استجاباتها للصور المختلفة عبر الأفراد. كشف هذا عن أنماط متكررة مرتبطة بالميزات البصرية مثل اللون والموقع والأشياء القابلة للتعرف.
حدد المشفر 128 منطقة وظيفية مشتركة بين الأشخاص ويبدو أنها تلعب أدوارًا محددة في المعالجة البصرية. كان بعضها معروفًا بالفعل للعلماء، بينما كان البعض الآخر جديدًا.
شمل أحد الاكتشافات منطقة المكان شبه الحصيني، وهي منطقة في الدماغ تشارك في معالجة الأماكن والمشاهد. وجد الباحثون دليلًا على تقسيم العمل داخل المنطقة، حيث استجابت إحدى الأجزاء للمشاهد الداخلية وأخرى للمشاهد الخارجية.
قالت إيراني: “تكمن قوة المشفر في قدرته على تحديد المناطق التي تؤدي وظائف مماثلة في أدمغة مختلفة، حتى عندما تختلف مواقعها التشريحية”.
على المدى القريب، يمكن لـ Brain-IT مساعدة الباحثين في دراسة المعالجة البصرية مع تقليل الحاجة إلى عمليات مسح مكلفة وتستغرق وقتًا طويلاً. كما يمكن لقدرته على تحديد الأنماط المشتركة بين الأفراد أن تساعد العلماء في تطوير واجهات الدماغ والحاسوب التي تتطلب تدريبًا أقل للتكيف مع المستخدمين الجدد. هناك حاجة إلى مزيد من البحث.
