السَّمْت

علم الأعصاب1949تأسيسي9 دقيقة قراءة

تنظيم السلوك: نظرية في علم النفس العصبي

The Organization of Behavior: A Neuropsychological Theory

Hebb, D. O. — Wiley

المشكلة

في أواخر الأربعينيات، كان ماكالوك وبيتس قد أثبتا أن وحدات عصبية بسيطة قادرة على تنفيذ عمليات منطقية، لكن المشكلة أن وصلات نموذجهما كانت ثابتة ومُحدَّدة سلفاً — لا آلية فيه للتعلّم ولا للتكيّف. من جهة أخرى، علم النفس السلوكي كان يدرس التعلّم عبر ارتباطات المثير والاستجابة، لكنه لم يقدّم أي تفسير عصبي لكيفية تكوين الدماغ لتمثيلات داخلية أو تخزينها أو استرجاعها. ببساطة، لم يكن هناك رابط بين ما تفعله الخلية العصبية المفردة وبين تعقيد الإدراك والذاكرة والتفكير.

الإسهام

اقترح هب أن الوصلة بين خليتين عصبيتين تتقوّى حين تنشطان معاً — أي «الخلايا التي تنشط معاً تترابط معاً». هذه قاعدة محلية بسيطة لا تحتاج معلّماً خارجياً — الخلية لا ترى إلا جارتها. إضافة إلى ذلك، طرح هب فكرة «التجمّع الخلوي»: مجموعة خلايا عصبية تتنشّط معاً بشكل متكرر حتى تُكوِّن دائرة مستقرة تمثّل مفهوماً أو إدراكاً معيّناً. ثم مدّ الفكرة إلى «التتابع الطَّوري» — سلاسل من هذه التجمّعات تنشط بالتتابع لتمثّل تدفّق الأفكار. بهذه الأدوات الثلاث أعطى هب الشبكات العصبية قاعدةً للتعلّم ونظريةً للتمثيل الداخلي.

الأثر

قاعدة هب هي الجذر المفاهيمي لكل خوارزمية تعلّم تقريباً في مجال الشبكات العصبية. شبكة هوبفيلد طبّقت مبدأ التخزين الهبّي حرفياً. النيوكوغنيترون بُنيَ على فكرة الكشف المحلي غير المُوجَّه عن السمات التي ألهمها هب. وحتى الانتشار العكسي — رغم أنه ليس هبّياً بالمعنى الدقيق — يُحقّق الهدف ذاته: ضبط قوة الوصلات من خلال الخبرة. على الجانب البيولوجي، أكّد علم الأعصاب الحديث فرضية هب حين اكتُشفت التقوية طويلة الأمد (LTP). وبشكل عام، هذا الكتاب هو ما أطلق التيار الترابطي في علوم الحوسبة العصبية، وجعل مبدأ «التعلّم من التنشيط المشترك» حجر الأساس للتعلّم العميق وعلم الأعصاب الحوسبي على حدٍّ سواء.

تخيّل أرضاً ترابية مفتوحة يستطيع الناس أن يمشوا فيها كيفما شاؤوا. في البداية لا توجد ممرّات واضحة. لكن حين يمشي شخصان كل يوم على نفس الطريق — من المكتبة إلى المقهى — يبدأ ممرّ بالتشكّل تحت أقدامهم. كلّما تكرّر المشي ازداد الممرّ وضوحاً واتساعاً، وبعد فترة يبدأ الآخرون بسلوكه أيضاً.

جوهر فكرة هب أن الدماغ يعمل بنفس الطريقة: حين تنشط معاً بشكل متكرّر، يصبح المسار بينهما أعمق — أي تتقوّى . لا أحد رسم هذا الممرّ مسبقاً، بل ظهر وحده من كثرة الاستعمال. هذا هو جوهر — تعلّم بلا معلّم.

المشكلة: الخلايا العصبية تحسب، لكن كيف تتعلّم؟

في عام 1943، أثبت ماكالوك وبيتس أن مكوّنة من خلايا ثنائية بسيطة تستطيع حساب أي دالة منطقية — AND وOR وNOT وتركيباتها. كان هذا إنجازاً محورياً، لأنه أظهر أن الدماغ يمكن — من حيث المبدأ — أن يُفهم بوصفه آلة حوسبة.

لكن نموذجهما كان يعاني من فجوة جوهرية: الوصلات فيه ثابتة لا تتغيّر. يعني أن شخصاً ما يجب أن يحدّد الأوزان الصحيحة يدوياً قبل تشغيل الشبكة. لم تكن هناك طريقة تتيح للشبكة أن تتحسّن من التجربة. بعبارة أخرى: شبكة ماكالوك-بيتس تستطيع الحوسبة، لكنها لا تستطيع التعلّم.

في المقابل، كان علم النفس السلوكي يدرس التعلّم من زاوية ارتباطات المثير والاستجابة — كلاب بافلوف وحمام سكينر — لكنه لم يقدّم تفسيراً عصبياً لما يحدث فعلياً داخل الدماغ. السؤال الذي بقي معلّقاً: كيف تُحدث التجربة المتكررة تغييراً فيزيائياً في الدماغ؟ ما «المقبض» البيولوجي الذي يُلفّ؟

افتح في المختبر
شبكة ماكالوك-بيتس تحسب دالة ثابتة. فعِّل خيار «التعلّم» لترى لماذا لا تستطيع الأوزان الثابتة التكيّف — ولماذا احتجنا لقاعدة هب.
تستيقظ التجربة عند وصولك…

الفكرة: الخلايا التي تنشط معاً تترابط معاً

فرضية هب يمكن تلخيصها في جملة: إذا ساهمت الخلية أ باستمرار في تنشيط الخلية ب، فإن الوصلة من أ إلى ب تتقوّى. لا نحتاج معلّماً خارجياً هنا — كل ما يهم هو: هل الخليتان نشطتا في نفس اللحظة أم لا؟

لتقريب الصورة، تخيّل اجتماع لجنة تصويت. كل مرة يصوّت فيها عضوان بنفس الاتجاه، تزداد ثقة كلّ منهما بالآخر ويصبح أكثر ميلاً لمتابعته في المرة القادمة. بعد عدة اجتماعات تتشكّل مجموعات من الأعضاء المتوافقين — لا لأن أحداً فرزهم، بل لأن تاريخ اتفاقهم أعاد تشكيل شبكة التأثير بينهم تلقائياً.

بالصياغة الحديثة، قاعدة تحديث الوزن هي:

Δwij=η xi yj\Delta w_{ij} = \eta \, x_i \, y_j
قاعدة التعلّم الهبّية — Δw_ij = مقدار التغيّر في الوزن من الخلية i إلى الخلية j · η = معدَّل التعلُّم (مدى سرعة تغيّر الوصلات) · x_i = نشاط الخلية المُرسِلة · y_j = نشاط الخلية المُستقبِلة. حين تكون الخليتان نشطتَين في الوقت ذاته، يزداد الوزن.

ما يميّز هذه القاعدة هو طابعها المحلي تماماً: كل وصلة لا تحتاج إلا معلومة واحدة — هل الخليتان المرتبطتان بها نشطتان الآن أم لا. لا إشارة خطأ شاملة، ولا تمرير عكسي عبر الشبكة، ولا بيانات معنونة. التعلّم يحدث عند الوصلة نفسها بالاعتماد على التزامن المحلي فقط — وهذا ما يجعلها نموذجاً بيولوجياً مقنعاً.

افتح في المختبر
انقر على الخلايا لتنشيطها. لاحظ كيف يزداد وزن الوصلة حين تنشط الخليتان معاً — ويبقى كما هو حين تنشط واحدة فقط.
تستيقظ التجربة عند وصولك…

التجمّعات الخلوية: حين تُشكِّل الخلايا العصبية فِرَقاً

هب لم يتوقف عند أزواج الخلايا. الخطوة التالية كانت أن مجموعة من الخلايا المترابطة، حين تنشط معاً بشكل متكرر، تُكوِّن ما سمّاه التجمّع الخلوي — دائرة مستقرة تنشط ككتلة واحدة. بمجرد أن يتكوّن هذا التجمّع، يكفي أن تُنشِّط جزءاً منه حتى تشتعل المجموعة كاملة — حتى لو كان المثير الأصلي ناقصاً.

الفكرة تشبه فرقة موسيقية تمرّنت معاً عشرات المرات: لو دندنتَ أول ثلاث نوتات، كل عازف يعرف تلقائياً كيف يكمل اللحن. التجمّع الخلوي هو الطريقة التي يمثّل بها الدماغ مفهوماً ما — حرف «أ»، رائحة القهوة، وجه صديق. المفهوم لا يسكن في خلية واحدة بل يتوزّع على مجموعة خلايا ربطها التعزيز الهبّي ببعضها.

هذا كان تحوّلاً جذرياً: هب قدّم أول تفسير عصبي مقنع لـ الداخلية — كيانات ذهنية تبقى موجودة حتى بعد أن يختفي المنبّه الخارجي الذي أطلقها.

افتح في المختبر
انقر على أي خلية في التجمّع لتنشيط جزئي — وراقب كيف تُضاء المجموعة كاملة عبر الوصلات المُعزَّزة.
تستيقظ التجربة عند وصولك…

التتابعات الطَّورية: حين تتسلسل التجمّعات لتُشكِّل تدفّق الأفكار

تجمّع خلوي واحد يمثّل مفهوماً واحداً. لكن التفكير ليس لقطة ثابتة — هو تدفّق: فكرة تُطلق التي تليها. هنا طرح هب مفهوم التتابعات الطَّورية: سلاسل مُرتَّبة من تنشيطات التجمّعات الخلوية، بحيث كل تجمّع حين ينشط يُمهِّد الطريق للتجمّع الذي يليه.

الصورة الذهنية المناسبة هنا هي صفّ من قطع الدومينو: كل قطعة (تجمّع) تسقط فتُسقط التالية. لكن الفرق الجوهري أن هذا التسلسل ليس ميكانيكياً — بل مُتعلَّم. الدماغ يبني السلسلة بتقوية الوصلات بين التجمّعات التي اعتادت أن تنشط بالتتابع. مثلاً، رؤية كلب قد تُنشِّط تجمّع «النباح»، الذي يُنشِّط «صوت عالٍ»، الذي يُنشِّط «كلب الجيران».

بهذه الآلية حاول هب تفسير تيار الوعي بمصطلحات عصبية: كيف ينتقل الإدراك إلى الذاكرة ثم إلى الفعل، كل ذلك عبر نفس المبدأ الهبّي — تقوية الوصلات بالتنشيط المشترك.

افتح في المختبر
شاهد التجمّعات وهي تنشط بالتتابع. كل تجمّع يُهيِّئ التالي عبر وصلات عزّزها التعلّم الهبّي.
تستيقظ التجربة عند وصولك…

مشكلة عدم الاستقرار: أوزان لا تعرف إلا الزيادة

قاعدة هب أنيقة في بساطتها، لكن فيها عيب خطير: الأوزان تزداد فقط ولا تنقص أبداً. كل مرة تنشط فيها خليتان معاً، تتقوّى الوصلة بينهما أكثر. مع مرور الوقت، أي نمط سائد سيدفع الأوزان كلها إلى الأعلى بلا سقف — الشبكة «تتشبّع» وتفقد قدرتها على التمييز بين الأنماط المختلفة.

تخيّل خوارزمية تواصل اجتماعي لا تفعل شيئاً إلا إضافة أصدقاء ولا تُلغي متابعة أحد أبداً: في النهاية كل شخص مرتبط بكل شخص، والشبكة تفقد أي بنية ذات معنى.

الباحثون الذين جاؤوا بعد هب عالجوا هذا الخلل بعدة تعديلات: قاعدة أويا تضيف حدّ يمنع الأوزان من الانفلات؛ نظرية BCM تُدخل عتبة متحركة تسمح للوصلات ضعيفة النشاط بأن تتراجع فعلاً؛ والتعلّم المضاد للهبّي يُضعف صراحةً الوصلات بين خلايا تنشط في أوقات مختلفة. هذه هي التحسينات الهندسية التي حوّلت بصيرة هب البيولوجية إلى أداة حسابية مستقرة.

افتح في المختبر
شغِّل قاعدة هب لعدة خطوات — وراقب الأوزان وهي تنفجر. ثم فعِّل قاعدة أويا لترى كيف تحافظ التسوية على استقرارها.
تستيقظ التجربة عند وصولك…

الفكرة الهبّية في شيفرة برمجية

قاعدة التعلّم الهبّية مع تسوية أوياpython

مبسَّط لإظهار الفكرة — ليس التنفيذ الحقيقي.

import numpy as np

def hebbian_update(W, x, y, eta=0.01):
    """dw = eta * x * y :قاعدة هب الصرفة"""
    return W + eta * np.outer(x, y)

def oja_update(W, x, y, eta=0.01):
    """قاعدة أويا: هبّية مع حدّ تناقص يمنع انفجار الأوزان."""
    return W + eta * (np.outer(x, y) - y**2 * W)

# محاكاة: نمطا مدخلات متلازمان
np.random.seed(42)
n_in, n_out = 5, 3
W = np.random.randn(n_in, n_out) * 0.01

for step in range(200):
    # مدخلات متلازمة: الخلايا 0 و1 و2 تنشط معاً
    x = np.zeros(n_in)
    x[:3] = np.random.rand(3) + 0.5   # نشطة
    x[3:] = np.random.rand(2) * 0.1   # هادئة

    y = np.tanh(W.T @ x)              # استجابة الخلايا المستقبِلة
    W = oja_update(W, x, y)            # تعلّم

# بعد التدريب، أوزان الخلايا النشطة قوية
# وأوزان الخلايا الهادئة ضعيفة — الشبكة تعلّمت النمط
print("Weights from active neurons:", W[:3].round(3))
print("Weights from quiet neurons:", W[3:].round(3))

من البيولوجيا إلى الحوسبة: التقوية طويلة الأمد

حين طرح هب قاعدته عام 1949، كانت فرضية نظرية بحتة — لا يوجد دليل تجريبي مباشر يدعمها. احتاج علم الأعصاب أكثر من عقدين ليلحق بالفكرة. في عام 1973، اكتشف بليس ولومو ما يُعرف بـالتقوية طويلة الأمد (LTP) في منطقة الحُصين: حين تُنبِّه خلية مُرسِلة خليةً مستقبِلة بشكل متكرر، تتقوّى الوصلة بينهما فيزيائياً وتبقى كذلك لساعات أو حتى أسابيع. كانت هذه فرضية هب وقد تحقّقت في نسيج حي.

آلية التقوية طويلة الأمد تعتمد على مستقبلات NMDA — وهي «كاشفات تزامن» جزيئية لا تنفتح إلا حين تكون الخليتان نشطتَين في الوقت ذاته. بمعنى آخر: الطبيعة بنت بوابة AND هبّية — كلتا الخليتين يجب أن تنشطا حتى تتقوّى الوصلة.

العملية المعاكسة، وهي الإضعاف طويل الأمد (LTD)، تُضعف الوصلات حين تنشط الخلايا في أوقات مختلفة. هذه هي الآلية البيولوجية المضادة للتعلّم الهبّي — لم يُحدّدها هب نفسه، لكن الدماغ يحتاجها لتحقيق الاستقرار وتجنّب مشكلة تشبّع الأوزان التي تحدثنا عنها.

لماذا كانت مهمّة للذكاء الاصطناعي

هب أعطى أول قاعدة تعلّم. قبله، الشبكات العصبية كانت مجرد دوائر منطقية. بعده، أصبحت آلات قادرة على التعلّم. الخط الممتد من هب يخترق صميم هذا المجال:

  • شبكات هوبفيلد (1982) طبّقت مبدأ التخزين الهبّي حرفياً — الوزن بين خليتين هو حاصل جمع تنشيطاتهما المشتركة عبر كل الأنماط المُخزَّنة. النتيجة: ذاكرة ترابطية — أعطِها جزءاً من نمط وتُكمل الباقي، تماماً كالتجمّع الخلوي الذي وصفه هب.

  • النيوكوغنيترون (1980) استخدم تعلّماً غير مُوجَّه بأسلوب هبّي لبناء كاشف بصرية هرمي — وهو السلف المعماري المباشر لـ الحديثة.

  • الانتشار العكسي (صِيغ رسمياً 1986) ليس هبّياً في آليته — فهو يبعث إشارة خطأ شاملة من المخرجات إلى المدخلات — لكنه يحقّق نفس الغاية: تعديل قوة الوصلات بناءً على التجربة. هو الحل الهندسي للمشكلة التي طرحها هب من منظور بيولوجي.

في كل مرة تُعدّل فيها شبكة عصبية أوزانها بناءً على البيانات، فإنها تفعل بالضبط ما وصفه هب عام 1949: تتعلّم بتغيير قوة الوصلات.

افتح في المختبر
انقر على أي فرع لترى كيف يستخدم المبدأ الهبّي أو يطوّره.
تستيقظ التجربة عند وصولك…

الصورة الكاملة

  1. 1943

    خلية ماكالوك-بيتس العصبية

    نموذج خلية عصبية ثنائية أثبت أن الشبكات العصبية قادرة على حساب الدوال المنطقية — لكن بوصلات ثابتة مُحدَّدة سلفاً وبدون أي آلية تعلّم.

  2. 1949

    كتاب هب «تنظيم السلوك»

    قدّم قاعدة التعلّم الهبّية وفكرتَي التجمّعات الخلوية والتتابعات الطَّورية. أعطى الشبكات العصبية أول آلية تعلّم حقيقية.

  3. 1958

    بيرسبترون روزنبلات

    جمع بين خلايا ماكالوك-بيتس وتعديل أوزان مُستوحى من فكرة هب. أول آلة فعلية تستطيع أن تتعلّم من الأمثلة.

  4. 1973

    اكتشاف التقوية طويلة الأمد

    بليس ولومو أثبتا فرضية هب تجريبياً في نسيج حُصين حي — الوصلات تتقوّى فيزيائياً حين تنشط الخلية المُرسِلة والمستقبِلة معاً.

  5. 1980

    النيوكوغنيترون (فوكوشيما)

    وظّف تعلّماً هبّياً غير مُوجَّه لبناء كاشفات سمات بصرية هرمية. يُعدّ السلف المعماري للشبكات الالتفافية الحديثة.

  6. 1982

    شبكة هوبفيلد

    شبكة ذاكرة ترابطية مبنية على التخزين الهبّي الصرف. أظهرت أن قاعدة هب تُنتج ذاكرة يمكن البحث فيها بالمحتوى — أعطِها جزءاً من النمط وتسترجع الباقي.

  7. 1986

    صياغة الانتشار العكسي رسمياً

    ليست هبّية في آليتها، لكنها تحقّق رؤية هب: تعديل الأوزان من التجربة. فتحت الباب للتعلّم العميق بحلّها لمشكلة إسناد الفضل.

المرجعHebb, D. O.. The Organization of Behavior: A Neuropsychological Theory. Wiley, 1949.

مصطلحات هذه الورقة