القاهرة: الأمير كمال فرج.

قدمت دراسة جديدة حجة مقنعة لدمج نماذج اللغة الكبيرة (LLMs) مثل ChatGPT في علم الأعصاب، مع تسليط الضوء على قدرتها على تحليل مجموعات البيانات الضخمة التي تتجاوز القدرة البشرية.

ونموذج اللغة الكبير أو النموذج اللغوي الكبير LLMs نوع من نماذج اللغة يتميز بقدرته على فهم وتوليد اللغة للأغراض العامة. يكتسب النموذج هذه القدرات باستخدام كم هائل من المعطيات لتعلم مليارات المعلمات أثناء التدريب، واستهلاك موارد حسابية كبيرة أثناء التدريب والتشغيل.

ذكر تقرير نشرته مجلة Neuroscience أن "الباحثون في جامعة ماكجيل رأوا أن اللغات الكبيرة LLMs يمكنها سد مجالات علم الأعصاب المتنوعة من خلال التواصل مع بعضها البعض،  وبالتالي تسريع الاكتشافات في مجالات مثل تطوير أدوية التنكس العصبي".

مع الاعتراف بالتحديات المتمثلة في فهم الرؤى المستمدة من الذكاء الاصطناعي، فإنهم يجادلون من أجل التحول الثقافي نحو تبني الذكاء الاصطناعي في البحوث، مع التأكيد على أن حاملي اللغات الكبيرة LLMs يمكنهم تجميع المعرفة من البيانات المترامية الأطراف، مما قد يتجاوز الفهم البشري، ولكنه يقود التقدم السريري.

شهد العام الماضي تطورات كبيرة في نماذج اللغات الكبيرة (LLMs) مثل ChatGPT. إن قدرة هذه النماذج على تفسير وإنتاج مصادر النصوص البشرية (وبيانات التسلسل الأخرى) لها آثار على الأشخاص في العديد من مجالات النشاط البشري.

تشير ورقة بحثية جديدة في مجلة Neuron إلى أنه، مثل العديد من المتخصصين، يمكن لعلماء الأعصاب إما الاستفادة من الشراكة مع هذه الأدوات القوية، أو المخاطرة بالتخلف عن الركب.

في دراساتهم السابقة، أظهر المؤلفون أنه يتم استيفاء شروط مسبقة مهمة لتطوير لغات كبيرة LLMs يمكنها تفسير وتحليل البيانات العلمية العصبية مثل ChatGPT الذي يفسر اللغة. ويمكن بناء نماذج الذكاء الاصطناعي هذه للعديد من أنواع البيانات المختلفة، بما في ذلك التصوير العصبي، وعلم الوراثة، وعلم جينوم الخلية الواحدة، وحتى التقارير السريرية المكتوبة بخط اليد.

في النموذج التقليدي للبحث، يقوم العالم بدراسة البيانات السابقة حول موضوع ما، ويطور فرضيات جديدة ويختبرها باستخدام التجارب. بسبب الكميات الهائلة من البيانات المتاحة، غالبًا ما يركز العلماء على مجال بحثي ضيق، مثل تصوير الأعصاب أو علم الوراثة. ومع ذلك، يمكن للغات الكبيرة LLMs  أن تستوعب أبحاثًا في علم الأعصاب أكثر مما يستطيع أي إنسان واحد أن يستوعبه.

في ورقتهم البحثية، يرى المؤلفون أنه في يوم من الأيام يمكن استخدام اللغات الكبيرة LLMs  في مجالات متنوعة من علم الأعصاب للتواصل مع بعضهم البعض لجسر المناطق المعزولة لأبحاث علم الأعصاب، وكشف الحقائق التي سيكون من المستحيل العثور عليها من قبل البشر وحدهم.

في حالة تطوير الأدوية، على سبيل المثال، يمكن استخدام اللغات الكبيرة  في علم الوراثة جنبًا إلى جنب مع لغات التصوير العصبي لاكتشاف الجزيئات المرشحة الواعدة لوقف التنكس العصبي. سيقوم عالم الأعصاب بتوجيه اللغات الكبيرة LLMs والتحقق من مخرجاتها.

يذكر المؤلف الرئيسي دانيلو بزدوك احتمالية ألا يكون العالم، في بعض الحالات، قادرًا دائمًا على الفهم الكامل للآلية الكامنة وراء العمليات البيولوجية التي اكتشفها طلاب ماجستير العلوم.

ويقول: "علينا أن نكون منفتحين على حقيقة أن بعض الأشياء المتعلقة بالدماغ قد تكون غير معروفة، أو على الأقل تستغرق وقتًا طويلاً لفهمها". "ومع ذلك، ربما لا يزال بإمكاننا توليد رؤى من أحدث ما توصلت إليه دراسات اللغات الكبيرة، وتحقيق تقدم سريري، حتى لو لم ندرك تمامًا الطريقة التي يتوصلون بها إلى الاستنتاجات."

لتحقيق الإمكانات الكاملة للغات الكبيرة في علم الأعصاب، يقول بزدوك إن العلماء سيحتاجون إلى بنية تحتية أكبر لمعالجة البيانات وتخزينها مما هو متاح اليوم في العديد من المنظمات البحثية.

والأهم من ذلك، أن الأمر سيتطلب تحولا ثقافيا نحو نهج علمي يعتمد بشكل أكبر على البيانات، حيث الدراسات التي تعتمد على   الذكاء الاصطناعي بشكل كبير، ويتم نشر LLMs من قبل المجلات الرائدة وتمويلها من قبل الوكالات العامة.

في حين أن النموذج التقليدي للأبحاث المبنية على الفرضيات يظل أساسيًا ولن يختفي، يقول بزدوك إن الاستفادة من تقنيات LLM الناشئة قد تكون مهمة لتحفيز الجيل التالي من العلاجات العصبية في الحالات التي كان فيها النموذج القديم أقل فائدة.

ويقول: «على حد تعبير جون نايسبيت، فإن علماء الأعصاب اليوم «يغرقون في المعلومات ولكنهم يتضورون جوعًا للمعرفة، وقدرتنا على توليد البيانات الجزيئية الحيوية تفوق قدرتنا على استخلاص الفهم من هذه الأنظمة.

تقدم اللغات الكبيرة LLMs إجابة لهذه المشكلة. وقد تكون قادرة على استخلاص المعرفة وتضافرها وتوليفها من مجالات علم الأعصاب وعبرها، وهي مهمة قد تتجاوز أو لا تتجاوز الفهم البشري.