يجد المهندسون مبدأ مشتركًا يربط بين الذكاء الاصطناعي والفيزياء والبيولوجيا

لقد اعتقد العلماء منذ فترة طويلة أن الرغوة تتصرف مثل الزجاج، حيث يتم تثبيت الفقاعات في مكانها. تكشف عمليات المحاكاة الجديدة أن الفقاعات لا تستقر أبدًا، بل تستمر في التحرك عبر العديد من الترتيبات الممكنة.

والأمر الأكثر غير المتوقع هو أن هذه الحركة تتبع نفس الرياضيات التي تسمح لأنظمة الذكاء الاصطناعي بالتعلم. تشير النتائج إلى أن التعلم قد يكون مبدأ أوسع موجودًا في الطبيعة والتكنولوجيا.

الرغوة مألوفة ولكن يساء فهمها

تظهر الرغوة في العديد من الأشكال اليومية، بما في ذلك رغوة الصابون وكريم الحلاقة والطبقة المخفوقة والمستحلبات الغذائية مثل المايونيز. لعقود من الزمن، اعتقد العلماء أن هذه المواد تتصرف مثل الزجاج، حيث أن أجزائها المجهرية محبوسة في ترتيبات غير منتظمة ولكنها ثابتة.

وهذا الافتراض الذي طال أمده أصبح الآن موضع تحدي. المهندسين في جامعة بنسلفانيا لقد اكتشفوا أن الرغاوي تظل في حركة داخلية مستمرة، حتى مع احتفاظها بشكلها الخارجي المستقر. من وجهة نظر رياضية، تشبه هذه الحركة الخفية إلى حد كبير التعلم العميق، وهو النهج الشائع الاستخدام لتدريب أنظمة الذكاء الاصطناعي الحديثة.

وتشير النتائج إلى أن التعلم، عندما يُنظر إليه على أنه عملية رياضية، قد يكون مبدأ تنظيميًا مشتركًا عبر المواد المادية، والأنظمة الحية، والنماذج الحسابية. ويشير أيضًا إلى طرق جديدة للتفكير في تصميم مواد يمكنها التكيف مع مرور الوقت. بالإضافة إلى ذلك، قد يقدم هذا العمل رؤى حول الهياكل البيولوجية التي يجب أن يتم إعادة تنظيمها باستمرار، مثل الإطار الداخلي للخلايا الحية.

الفقاعات التي تستمر في إعادة الترتيب

وفي بحث منشور في وقائع الأكاديمية الوطنية للعلوماستخدم الفريق عمليات المحاكاة الحاسوبية لتتبع مسارات الفقاعات داخل الرغوة الرطبة. وبدلاً من الاستقرار في مواقع ثابتة، استمرت الفقاعات في التجول عبر نطاق واسع من الترتيبات الممكنة.

من منظور رياضي، يتطابق هذا السلوك بشكل وثيق مع كيفية عمل أنظمة التعلم العميق. أثناء التدريب، يقوم الذكاء الاصطناعي بتعديل معلماته بشكل متكرر ــ المعلومات التي تشفر ما “يعرفه” الذكاء الاصطناعي ــ بدلا من القيد في التكوين النهائي.

يقول جون سي كروكر، أستاذ الهندسة الكيميائية والبيولوجية الجزيئية (CBE) والمؤلف الرئيسي المشارك للورقة البحثية: “إن الرغاوي تعيد تنظيم نفسها باستمرار”. “من الملفت للنظر أن الرغاوي وأنظمة الذكاء الاصطناعي الحديثة يبدو أنها تتبع نفس المبادئ الرياضية. إن فهم سبب حدوث ذلك لا يزال سؤالًا مفتوحًا، لكنه يمكن أن يعيد تشكيل طريقة تفكيرنا في المواد التكيفية وحتى الأنظمة الحية”.

لماذا فشلت نماذج الرغوة التقليدية؟

على المقياس الذي يمكننا رؤيته ولمسه، غالبًا ما تتصرف الرغاوي مثل المواد الصلبة. بشكل عام، يحتفظون بشكلهم ويمكنهم العودة مرة أخرى عند الضغط عليهم. ومع ذلك، على نطاقات أصغر بكثير، يتم تصنيف الرغاوي على أنها مواد “ثنائية الطور”، تتكون من فقاعات معلقة في خلفية سائلة أو صلبة.

نظرًا لسهولة إنتاج الرغاوي ومراقبتها مع إظهار سلوك ميكانيكي معقد، فقد استخدمها العلماء منذ فترة طويلة كنماذج مبسطة لدراسة الأنظمة الكثيفة والديناميكية الأخرى، بما في ذلك الخلايا الحية.

وصفت النظريات القديمة فقاعات الرغوة كما لو كانت أجسامًا ثقيلة تتحرك عبر مشهد الطاقة. في هذه الصورة، تتدحرج الفقاعات إلى مواضع تتطلب طاقة أقل ثم تبقى هناك. ساعد هذا الإطار في تفسير سبب ظهور الرغاوي مستقرة بمجرد تشكلها، تمامًا مثل صخرة تستقر في قاع الوادي.

لغز طويل الأمد في فيزياء الرغوة

كشف الفحص الدقيق للبيانات التجريبية عن وجود مشكلة. لم يكن السلوك الفعلي للرغاوي مطابقًا لما تنبأت به هذه النظريات.

يقول كروكر: «عندما نظرنا فعليًا إلى البيانات، لم يتطابق سلوك الرغاوي مع ما تنبأت به النظرية». “لقد بدأنا في رؤية هذه التناقضات منذ ما يقرب من 20 عامًا، لكننا لم نكن نمتلك بعد الأدوات الرياضية لوصف ما كان يحدث بالفعل”.

ويتطلب حل هذا الصراع طريقة جديدة في التفكير، قادرة على وصف الأنظمة التي تستمر في التغير دون أن تستقر على الإطلاق في دولة واحدة دائمة.

رؤى مستعارة من الذكاء الاصطناعي

تتعلم أنظمة الذكاء الاصطناعي الحديثة من خلال الضبط المستمر للمعايير الرقمية أثناء التدريب. تهدف أساليب التدريب المبكرة إلى دفع هذه الأنظمة نحو أفضل الحلول التي تتوافق تمامًا مع بيانات التدريب الخاصة بها.

يعتمد التعلم العميق على تقنيات التحسين المتعلقة بالطريقة الرياضية المعروفة باسم النزول المتدرج. تقوم هذه الخوارزميات بتوجيه النظام بشكل متكرر نحو التكوينات التي تقلل الخطأ، وتتحرك خطوة بخطوة نحو أداء أفضل. إذا تم تصور التعلم باعتباره مشهدًا طبيعيًا، فإن العملية ستشبه السفر إلى أسفل نحو حلول محسنة.

مع مرور الوقت، اكتشف الباحثون أن إجبار الأنظمة على أعمق الحلول الممكنة يسبب مشاكل. غالبًا ما تكافح النماذج التي تناسب بيانات التدريب الخاصة بها بشكل وثيق للتعامل مع المواقف الجديدة.

يقول روبرت ريجلمان، أستاذ التعليم القائم على الكفاءة والمؤلف الرئيسي المشارك للدراسة: “كانت الفكرة الرئيسية هي إدراك أنك لا ترغب فعليًا في دفع النظام إلى أعمق وادٍ ممكن”. “إن الاحتفاظ بها في الأجزاء المسطحة من المشهد، حيث تؤدي الكثير من الحلول أداءً جيدًا مماثلاً، هو ما يسمح لهذه النماذج بالتعميم.”

الرغوة والذكاء الاصطناعي يتشاركان نفس الرياضيات

عندما أعاد الباحثون في جامعة بنسلفانيا تحليل محاكاة الرغوة باستخدام هذا الإطار، أصبح التشابه واضحًا. لا تستقر فقاعات الرغوة في مواضع عميقة ومستقرة. وبدلاً من ذلك، فإنها تظل في حالة حركة داخل مناطق واسعة حيث تكون العديد من التشكيلات قابلة للحياة بشكل متساوٍ.

يعكس هذا السلوك بشكل وثيق كيفية تعلم أنظمة الذكاء الاصطناعي الحديثة. نفس الرياضيات التي تشرح سبب فعالية التعلم العميق تلتقط أيضًا عملية إعادة الترتيب المستمرة التي تحدث داخل الرغوة.

الآثار المترتبة على المواد التكيفية والبيولوجيا

تقدم الدراسة رؤى جديدة في مجال يعتقد الكثيرون أنه مفهوم جيدًا بالفعل. وقد يكون هذا التحدي للتفكير التقليدي أحد أهم مساهماته.

ومن خلال إظهار أن فقاعات الرغوة ليست محاصرة في حالات تشبه الزجاج، ولكنها تتحرك بطرق مشابهة لخوارزميات التعلم، يشجع البحث العلماء على إعادة النظر في كيفية تصرف الأنظمة المعقدة الأخرى تحت هذه العدسة الرياضية.

يقوم فريق كروكر الآن بإعادة النظر في النظام الذي أثار اهتمامه في الأصل بالرغاوي: الهيكل الخلوي، والسقالات المجهرية داخل الخلايا التي تدعم الحياة. مثل الرغوة، يجب على الهيكل الخلوي أن يعيد تنظيم نفسه باستمرار مع الحفاظ على بنيته العامة.

يقول كروكر: “إن السبب الذي يجعل رياضيات التعلم العميق تميز بدقة الرغاوي هو سؤال رائع”. “إنه يشير إلى أن هذه الأدوات قد تكون مفيدة خارج سياقها الأصلي، مما يفتح الباب أمام خطوط جديدة تمامًا من التحقيق.”

المرجع: “الاسترخاء البطيء والديناميكيات التي تحركها المناظر الطبيعية في رغاوي النضج اللزجة” بقلم أمروثيش ثيروماليسوامي، وكلاري رودريغيز كروز، وروبرت أ. ريجلمان وجون سي كروكر، 20 نوفمبر 2025، وقائع الأكاديمية الوطنية للعلوم.
دوى: 10.1073/pnas.2518994122

تم إجراء هذا البحث في كلية الهندسة والعلوم التطبيقية بجامعة بنسلفانيا وبدعم من قسم أبحاث المواد التابع لمؤسسة العلوم الوطنية (1609525، 1720530).

ومن بين المؤلفين المشاركين الإضافيين أمروثيش ثيروماليسوامي وكلاري رودريغيز كروز.

لا تفوت أي اختراق: انضم إلى النشرة الإخبارية SciTechDaily.
تابعونا على جوجل و أخبار جوجل.