ظهور خصائص الحقول الاستقبالية للخلايا البسيطة عبر تعلّم ترميز مُتناثر للصور الطبيعية

عندما يسقط الضوء على شبكية العين، تمرّ الإشارات عبر العصب البصري حتى تصل إلى القشرة البصرية الأوّلية (V1) — وهي أول منطقة في الدماغ تتولّى المعالجة البصرية. في هذه المنطقة توجد الخلايا البسيطة، وكلٌّ منها مختصة بنمط بصري محدد: هذه تستجيب لحافة عمودية، وتلك لحافة مائلة، وأخرى تميّز الأنسجة الناعمة من الخشنة. لكل خلية بسيطة حقل استقبالي — أي رُقعة صغيرة من المشهد تراقبها — وهذا الحقل يتميّز بثلاث صفات أساسية:

• موضعي مكانياً: الخلية تهتم بمنطقة صغيرة فقط من الصورة، لا بالمشهد كله.
• مُتَّجِه: تنشط بأقصى قوتها حين ترى حافة بزاوية معيّنة.
• انتقائي للنطاق الترددي: تميّز مقياساً مكانياً محدداً — تفاصيل دقيقة أو بنية خشنة.

هذه الصفات الثلاث تجعل الخلايا البسيطة تتصرف كأنها مُرشِّحات غابور: تموّجات جيبية داخل غلاف غاوسي. السؤال الذي ظلّ مفتوحاً: لماذا يبني الدماغ هذا النوع بالذات من المُرشِّحات؟ ما المبدأ الذي يقف وراء ظهورها؟

فكرة أن الدماغ يُشكِّل تمثيلاته بناءً على إحصائيات العالم المحيط ليست جديدة — فقد طرح بارلو عام 1961 فرضية الترميز الكفء: الخلايا العصبية الحسية ينبغي أن ترمّز المعلومات بأسلوب يُزيل التكرار الزائد. والصور الطبيعية مليئة بهذا التكرار: البكسلات المتجاورة تكاد تتطابق، والأنسجة تتكرر في أرجاء المشهد، والحواف حاضرة في كل مكان. الترميز الكفء إذن يُفترض أن يكشف البنية الجوهرية من وراء هذا التكرار ويُمثّلها بأقل عدد ممكن من الخلايا النشطة.

قبل هذه الورقة، جرّب الباحثون عدة مقاربات: تحليل المكونات الرئيسية الذي يُعطي مُرشِّحات شاملة تغطي الصورة كلها بلا موضعية، وتقليل الأبعاد بأساليب نظرية المعلومات، وحتى محاولات مبكرة بتحليل المكونات المستقلة. لكن لم تنجح أيٌّ منها في إنتاج العائلة الكاملة من المُرشِّحات الموضعية المُتّجهة الانتقائية للنطاق التي نراها في V1. القطعة الناقصة كانت التناثر — ليس مجرد إزالة ارتباط أو تحقيق استقلالية إحصائية، بل شرط صريح: لا تنشط إلا خلايا قليلة في أي لحظة.

الفكرة الأساسية في النموذج بسيطة: أي رُقعة صورة صغيرة $\mathbf{x}$ (مثلاً 12×12 بكسل = 144 بُعداً) يمكن تقريبها كمجموع موزون من دوال الأساس — وتُسمّى أحياناً «عناصر القاموس» أو «الذرّات»:

$\mathbf{x} \approx \sum_{i=1}^{M} a_i \boldsymbol{\phi}_i = \boldsymbol{\Phi} \mathbf{a}$

هنا $\boldsymbol{\phi}_i$ هي دوال الأساس (القوالب في تشبيهنا السابق)، و$a_i$ هي المعاملات التي تحدّد مقدار مساهمة كل دالة. الملاحظة المهمة أن $M$ قد يكون أكبر من بُعد المُدخلات، أي أن الأساس مُفرط الاكتمال. والقيد الجوهري هو التناثر: في أي رُقعة، ينبغي أن تكون الغالبية العظمى من $a_i$ عند الصفر أو قريبة منه — لا تنشط إلا حفنة صغيرة من دوال الأساس.

تخيّل الأمر وكأنك تتسوّق من سوق فيه ألف توابل، لكن وصفتك لا تسمح إلا بخمسة أو ستة منها. هذا القيد يجبرك على اختيار التوابل الأكثر تنوعاً وتأثيراً — التي تستطيع مجتمعةً تغطية أكبر تشكيلة من الأطباق. الأمر نفسه يحصل مع دوال الأساس: تلك التي تصمد أمام ضغط التناثر هي التي تلتقط الأنماط الأكثر تكراراً والأغنى معلوماتياً في الصور الطبيعية — أي الحواف المُتّجهة بمقاييس مختلفة.

النموذج يتعلّم شيئين في آن واحد: دوال الأساس $\boldsymbol{\Phi}$ والمعاملات $\mathbf{a}$. والتعلّم يتمّ بتقليل دالة طاقة فيها حدّان يتنافسان. الحد الأول يُصرّ على دقة إعادة البناء — يريد أن تكون التوليفة الخطية مطابقة قدر الإمكان لرُقعة الصورة الأصلية. الحد الثاني يفرض كلفة على كل معامل نشط — أي أن «تنشيط» دالة أساس ليس مجاناً. المُعامل $\lambda$ هو من يحكم التوازن بين الشرطين.

يمكن تصوّر دالة الطاقة على أنها لعبة شدّ حبل: أحد الطرفين يريد استخدام أكبر عدد من دوال الأساس للحصول على تطابق مثالي مع الصورة، والطرف الآخر يريد إسكات كل شيء وترك الترميز فارغاً تماماً. الحل الذي يستقر عنده النظام هو الوسط الذهبي: نشِّط دوال الأساس الضرورية فقط لالتقاط البنية الجوهرية، واترك البقية صامتة.

ولتحقيق ذلك، تُصمَّم دالة التناثر $S(a_i)$ بحيث يكون ميلها حادّاً جداً قرب الصفر — أي أن إبقاء المعامل عند الصفر لا يُكلِّف شيئاً تقريباً، لكن تنشيطه يُكلِّف بسرعة. اختار أولشوزن وفيلد عقوبة مبنية على توزيع كوشي: $S(a) = \log(1 + a^2)$، وهذا التوزيع ذو أذيال أثقل من الغاوسي، فيُشجّع الغالبية العظمى من المعاملات على البقاء صفراً مع السماح لبضعة معاملات بأن تأخذ قيماً كبيرة.

دالة الطاقة ليست محدّبة في $\mathbf{a}$ و$\boldsymbol{\Phi}$ معاً، لكنها محدّبة في كلٍّ منهما على حدة إذا ثبّتنا الآخر. وهذا يقترح مباشرةً استراتيجية أمثَلة بالتناوب من خطوتين:

الخطوة الأولى — استنتاج المعاملات (مرحلة الترميز): نُثبّت دوال الأساس الحالية ونبحث عن المعاملات المتناثرة $\mathbf{a}^*$ التي تُقلِّل الطاقة لكل رُقعة. عملياً يتم ذلك بـالانحدار التدريجي على $\mathbf{a}$ بدءاً من الصفر.

الخطوة الثانية — تحديث دوال الأساس (مرحلة تعلّم القاموس): نُثبّت المعاملات المُستنتجة ونُعدِّل $\boldsymbol{\Phi}$ لتقليل خطأ إعادة البناء على دفعة من الرُقَع. هذه خطوة تدرُّج مباشرة على $\boldsymbol{\Phi}$.

وبعد كل تحديث تُسوّى أعمدة دوال الأساس إلى طول وحدوي — وإلا فقد يلجأ النظام إلى الحل السهل: يُصغّر $\boldsymbol{\Phi}$ ويُضخّم $\mathbf{a}$ دون أن يتعلّم شيئاً مفيداً.

بعد تدريب النظام على رُقَع مقتطعة من صور طبيعية — أشجار ومبانٍ وحيوانات — جاءت النتيجة لافتة: دوال الأساس المُتعلَّمة تُشبه إلى حدّ مذهل الحقول الاستقبالية للخلايا البسيطة في V1:

• موضعية: كل دالة أساس تختص بمنطقة صغيرة من الصورة.
• مُتّجهة: لكلّ واحدة زاوية مفضّلة واضحة — 0° أو 45° أو 90° أو أي زاوية بينها.
• انتقائية للنطاق الترددي: تتوزع على مقاييس مختلفة من التفاصيل الدقيقة إلى البِنى الخشنة.

لم يطلب أحد من الخوارزمية أن تصنع مُرشِّحات غابور، ولم يُصمّم أحد حوافّ مُتّجهة يدوياً. كل ما في الأمر أن مُكوِّنين اثنين — إحصائيات الصور الطبيعية وضغط التناثر — كانا كافيَين لتوليد هذه البنى تلقائياً. وهذه هي النتيجة المحورية والأكثر تأثيراً في الورقة.

في الأساس القياسي يكون عدد العناصر مساوياً تماماً لبُعد المُدخلات — كأن تملك 144 قالباً لرُقعة من 144 بكسلاً. أما الأساس المُفرط الاكتمال فيحتوي على عناصر أكثر من الأبعاد. لكن لماذا نحتاج قوالب أكثر من البكسلات؟

الإجابة أن كثرة الخيارات تخدم التناثر. حين يكون الأساس كاملاً بالضبط، كل رُقعة مضطرة لاستخدام جميع دوال الأساس — لا مجال لإسكات أيّ منها. لكن حين يتوفر أساس مُفرط الاكتمال، تستطيع الخوارزمية انتقاء العناصر القليلة الأنسب وتجاهل البقية — فيصبح الترميز أكثر تناثراً بكثير. هذا المزيج بين الإفراط في الاكتمال والتناثر هو ما يُولّد تنوّع المُرشِّحات المُتّجهة متعددة المقاييس. وفي ورقة لاحقة عام 1997 توسّع أولشوزن وفيلد في هذه الفكرة وطرحا أن V1 يستخدم بالفعل تمثيلاً مُفرط الاكتمال: خلايا عصبية أكثر بكثير من المستقبلات الضوئية، كلٌّ منها ترصد سِمة متخصصة.

لماذا يُولّد شرط التناثر مُرشِّحات شبيهة بغابور تلقائياً؟ السرّ في طبيعة الصور نفسها. المشاهد الطبيعية تُهيمن عليها الحواف — حدود بين أسطح، وخطوط ظل، وانتقالات بين أنسجة مختلفة. وهذه الحواف لها ثلاث سمات: موضعية (تظهر في أماكن محددة)، ومُتّجهة (تمتد في اتجاه معيّن)، وتأتي بـمقاييس متعددة (جذع شجرة حافة خشنة، وعِرق ورقة حافة دقيقة).

الآن، الترميز المتناثر يحتاج لوصف أي رُقعة بعناصر نشطة قليلة جداً. فما أكفأ طريقة لذلك؟ أن يمتلك كاشفات متخصصة موضعية ترصد البنى التي تتكرر فعلاً في الصور. لاحظ الفرق: دالة أساس شاملة مثل المتجهات الذاتية لـPCA تستجيب لأنماط تغطي الصورة كلها — فلا بد أن تنشط في كل رُقعة تقريباً. أما دالة أساس موضعية مُتّجهة فلا تنشط إلا حين تصادف حافتها المحددة — وفي معظم الرُقَع تبقى صامتة. وهذا بالضبط معنى التناثر.

الخلاصة: إحصائيات العالم الطبيعي (الحواف هي البنية السائدة) مع قيد التناثر (لا تستخدم إلا القليل) يتآزران لانتقاء دوال أساس موضعية مُتّجهة متعددة المقاييس — وهي تحديداً ما نعرفه بمُرشِّحات غابور.

التناثر ليس مجرد خدعة رياضية مفيدة — هناك أسباب بيولوجية وجيهة تجعل الدماغ يفضّله:

• الكفاءة الأيضية: كل نبضة عصبية تستهلك طاقة (ATP). لو كانت 95% من الخلايا صامتة في أي لحظة، فإن كلفة التشغيل تنخفض بشكل كبير مقارنة بترميز تنشط فيه كل الخلايا دفعة واحدة.
• وضوح التمثيل: حين لا تنشط إلا 5 خلايا من 1000 لمنبّه معيّن، فإن هوية تلك الخلايا الخمس وحدها كافية لتحديد ما يراه الدماغ. أما في ترميز كثيف، فلا بد من قراءة حالة الألف خلية جميعاً لفكّ الشيفرة.
• سهولة تكوين الذاكرة: الأنماط المتناثرة أيسر في التخزين والاسترجاع — تماماً كما أن المصفوفات المتناثرة أكفأ حاسوبياً، كذلك الترميزات العصبية المتناثرة أكفأ ترابطياً.
• المتانة أمام الضوضاء: حين تكون غالبية الخلايا صامتة أصلاً، فإن اضطراباً صغيراً في إحداها لا يؤثر على الإشارة الكلية — مما يجعل الترميز أقل عُرضة للتشويش.

الترميز المتناثر ليس فكرة معزولة — بل يقع عند ملتقى عدة اتجاهات بحثية مهمة:

تحليل المكونات المستقلة — إذا استخدمنا سابقاً فوق-غاوسي على المصادر، فإن تحليل المكونات المستقلة يُعطي مُرشِّحات مشابهة جداً. والواقع أنه بالنسبة لأساس كامل (مربع)، يكاد الترميز المتناثر بسابق لابلاس وتحليل المكونات المستقلة أن يكونا متكافئين. لكن الميزة الجوهرية للترميز المتناثر أنه يمتد بسلاسة إلى التمثيلات المُفرطة الاكتمال، في حين أن ICA القياسي يشترط مصفوفة مزج مربعة.

تعلّم القواميس — هذا المجال وُلد مباشرةً من إطار الترميز المتناثر. خوارزميات مثل K-SVD وتعلّم القواميس الفوري عمّمت الفكرة على مجالات متنوعة: الصوت، والنص، والتصوير الطبي. مبدأ «ابنِ قاموساً ثم مثّل الإشارات بتناثر فيه» صار ركيزة أساسية في معالجة الإشارات.

المرمّزات التلقائية العميقة — المرمّزات التلقائية المتناثرة تُضيف عقوبة تناثر إلى طبقة عنق الزجاجة، وهي بذلك تُطبّق فكرة أولشوزن وفيلد مباشرةً داخل بنية التعلم العميق. واليوم تستخدم أبحاث التفسيرية الآلية هذه المرمّزات لتفكيك تنشيطات الشبكات العصبية إلى سمات قابلة للتفسير — فتصبح فكرة 1996 في صميم فهمنا لأنظمة الذكاء الاصطناعي الحديثة.

الرسالة العميقة لهذه الورقة — أن بنية التمثيلات العصبية يمكن تفسيرها بمبدأ أمثَلة بسيط مُطبَّق على إحصائيات العالم الطبيعي — لا تزال من أقوى الأفكار في علم الأعصاب الحاسوبي. كل مهندس يُضيف حد تنظيم للتناثر إلى شبكة عصبية، وكل عالم أعصاب يُنمذج الاستجابات القشرية كترميزات كفأة — كلاهما يبني على الأساس الذي وضعه أولشوزن وفيلد عام 1996.