מחקר של חוקרים מ‑Google Research ומ‑Max Planck Institute, שהתקבל ל‑ICLR 2026, מציג מודל שמייצר קטעי נוירונים סינתטיים באיכות גבוהה. שילוב הדאטה הזה בתהליך המיפוי האוטומטי של המוח מפחית טעויות ב‑4.4 אחוז, מה שמיתרגם לחיסכון של יותר מ‑150 שנות אדם בפרויקט מיפוי של מוח עכבר שלם.
רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.
אפשר גם להרשם לניוזלטר שלנו
כדי להבין באמת איך המוח שלנו עובד, חוקרים מנסים לעשות דבר שנשמע כמעט בלתי אפשרי: לשרטט מפה מדויקת של ה"חיווט" הפנימי שלו. דמיינו רשת חשמל מורכבת שבה כל כבל דק פי אלף משערה אנושית. בתוך הסבך הזה, החוקרים צריכים לעקוב אחרי האקסונים (הסיבים ששולחים הודעות) והדנדריטים (הזרועות שקולטות אותן). כדי לראות אותם, משתמשים במיקרוסקופים עוצמתיים שמייצרים תמונות ברזולוציה כל כך גבוהה, שכמות המידע שהן מפיקות היא פשוט בלתי נתפסת.
הבעיה היא שאפילו המחשבים החזקים ביותר הולכים לאיבוד בתוך ה"ספגטי" הזה. לעיתים המערכת האוטומטית עושה טעות ו"גוזרת" בטעות חוט ששייך לאותו תא (טעות שנקראת Split), ולעיתים היא "מלחימה" בטעות שני חוטים שונים לגמרי (טעות שנקראת Merge). כל טעות קטנה כזו דורשת ממומחה אנושי לשבת ולתקן אותה ידנית. כשמנסים למפות מוח של עכבר שלם, כמות הטעויות האלה הופכת למשימה שדורשת אלפי שנות אדם ועלויות של מיליארדי דולרים.
תאי המוח (נוירונים) אינם סתם צינורות חלקים. הם נראים יותר כמו ענפים של עץ עתיק וסבוך: הם דקים, מפותלים, משנים עובי כל הזמן, ואין שני תאים שנראים בדיוק אותו הדבר. המורכבות הפראית הזו מקשה מאוד על תוכנות בינה מלאכותית שמנסות ללמוד איך תא מוח אמיתי אמור להיראות.
בעבר, מדענים ניסו להקל על המחשב על ידי כך שניסו לפשט את הצורה של התא. במקום לנסות לייצר העתק תלת-ממדי מושלם, המודלים הישנים הסתפקו בציור של מעין "אנשי קו" (שלדים של התא) או בבניית מודל גס מרובע בסגנון "לגו" שרק סימן איפה התא נמצא במרחב. השיטות האלה אמנם הצליחו לתפוס את הצורה הכללית של הענף, אבל הן החמיצו לחלוטין את הפרטים העדינים והקריטיים ביותר.
לדוגמה, הן פספסו את הבליטות הזעירות לאורך הענף שמשמשות כ"שקעים והתקעים" שדרכם התאים מתחברים ומתקשרים זה עם זה.
במקום לנסות לצייר קווים או קוביות, המודל החדש (שנקרא MoGen) פועל כמו פסל שמשתמש באלפי גרגירי חול מרחפים. כדי לייצר מקטע אחד קטן של תא מוח, הוא מציב במרחב בדיוק 8,192 נקודות זעירות. כשהנקודות האלה מצטברות יחד בחלל, הן יוצרות צורה תלת-ממדית מפורטת, קצת כמו משחק "חבר את הנקודות" מורכב במיוחד.
כדי שהצורה לא תיראה כמו סתם ענן מבולגן של נקודות, אלא כמו ענף ביולוגי אמיתי וזורם, החוקרים הוסיפו למערכת שדרוג חכם: הם לימדו את המחשב לדאוג שכל נקודה "תכיר" את השכנות הקרובות אליה. במקום לפזר נקודות באופן אקראי, המודל תמיד בודק את הסביבה המיידית של כל נקודה ומוודא שהיא משתלבת איתן בהרמוניה. התיאום ההדוק הזה בין השכנים הוא הסוד שמאפשר לתוכנה להבין את ההקשר המרחבי ולפסל מבנים שנראים טבעיים, אורגניים ומציאותיים לחלוטין.
הנה אנימציה של נוירונים סינתטיים שנוצרה על ידי MoGen ומראה כיצד ענני הנקודות הראשוניים מתקרבים בהדרגה לצורה עצבית ריאליסטית. כאן, MoGen אומנה לדמות נוירונים של עכברים. שימוש בנוירונים סינתטיים של MoGen לאימון מודל בינה מלאכותית מפחית שגיאות בשחזורי מוח:
MoGen לא רק פולט תאים אקראיים, אלא מעניק לחוקרים מעין "לוח בקרה" וירטואלי שמאפשר להם לשלוט בכל תכונה של המבנה. דמיינו שאתם משתמשים בתוכנה לעיצוב פנים או יצירת דמות במשחק מחשב - החוקרים יכולים "לסובב חוגות" כדי להחליט עד כמה הענף יהיה מפותל, לאיזה כיוון הוא יצמח, ועד כמה הוא יהיה סבוך. השליטה העדינה הזו מאפשרת להם לייצר אינספור וריאציות ולראות איך אפילו שינוי זעיר משפיע על התנהגות התא.
אבל איך אפשר לדעת שהתא ה"מזויף" באמת מתנהג כמו הדבר האמיתי ולא נראה כמו יצירה דמיונית? כדי לערוך בקרת איכות, החוקרים יצרו "רשימת ביקורת" (צ'ק-ליסט) קפדנית הכוללת עשרה מבחנים. המדדים הללו בוחנים את היצירה מזכוכית מגדלת: הם בודקים את הגודל, את הצפיפות ואת צורת הפיצולים, כדי לוודא שהתא הסינתטי החדש עומד בכל חוקי הטבע, ויצליח להיראות טבעי לחלוטין גם בסביבה ביולוגית אמיתית.
שברי הנוריטים המסתובבים הללו נוצרו על ידי MoGen. הצורות שנוצרו על ידי בינה מלאכותית דומות לנוריטים אמיתיים של עכברים, כולל כיפוף, פיתול, עיבוי והסתעפות. מומחים אנושיים לא הצליחו להבחין בין השברים האמיתיים לשברים שנוצרו על ידי בינה מלאכותית:
כדי להעמיד את המערכת במבחן, החוקרים ייצרו במעין "מפעל" דיגיטלי 126 מיליון חלקי תאים מזויפים. אבל החלק המעניין הוא מה שהם עשו איתם: הם לקחו בכוונה תחילה מיליוני "דוגמאות רעות" – כלומר, קטעי כבלים שהוצמדו בצורה שגויה ובלתי הגיונית – והשתמשו בהם כדי לאמן תוכנת "מפקח איכות" (מערכת בשם SHAPE). הרעיון היה פשוט: אם נראה לתוכנה מספיק טעויות מוגזמות, היא תלמד לזהות מתי חיבור בין שני כבלים במוח הוא טבעי, ומתי מדובר בתקלה.
האימון הזה עבד בצורה יוצאת דופן. בזכות התרגול על "הטעויות המזויפות", המערכת למדה לעשות הרבה פחות שגיאות על נתונים אמיתיים, והפחיתה את אותן טעויות "גזירה והלחמה" (Split ו-Merge) ב-4.4 אחוזים. אולי 4.4 אחוזים נשמעים מעט, אבל כשמדובר בסבך העצום של מוח שלם, המשמעות היא חיסכון של עשרות שנות עבודה אנושית מפרכת שהייתה נדרשת כדי לתקן את הטעויות האלה ידנית.
עם זאת, הטכנולוגיה עדיין אינה מושלמת ויש לה מספר מגבלות. ראשית, המודל יודע לייצר כרגע רק "חלקי פאזל" (מקטעים קטנים של התא) ולא את השלד של התא כולו. שנית, לעיתים התוכנה "הוזה" ומייצרת צורות חייזריות שלא קיימות בביולוגיה, מה שעדיין דורש סינון אנושי. ולבסוף, המודל אומן ספציפית על נתונים של עכברים – כדי שהוא יוכל לעזור במיפוי מוחות של יצורים אחרים, יהיה צורך לאמן אותו מחדש על דוגמאות חדשות.
בסופו של דבר, פרויקט MoGen מוכיח עיקרון מדהים: לפעמים הדרך הטובה ביותר להבין את העולם האמיתי היא להתאמן על זיופים מוחלטים. ממש כמו שטייסים מתאמנים בסימולטור טיסה לפני שהם תופסים את ההגאים של מטוס נוסעים, כך גם תוכנות הבינה המלאכותית יכולות כעת "להשתפשף" על מוחות וירטואליים. במקום שמדענים יקרסו תחת העומס השוחק של תיקון טעויות שמצטברות לעלויות עתק, המחשב לומד לתקן את עצמו בסביבת אימונים.
זוהי הצצה לעתיד של המדע, שבו בינה מלאכותית לא רק עושה עבורנו את העבודה השחורה, אלא ממש מייצרת לעצמה את חומרי הלימוד כדי לעזור לנו לפתור את התעלומות הגדולות ביותר של הטבע.
רוצים לקבל עדכונים בלייב? רוצים מקום בו אתם יכולים להתייעץ עם מומחי AI, לשאול שאלות ולקבל תשובות? רוצים לשמוע על מבצעים והטבות לכלי ה-AI שמשנים את העולם? הצטרפו לקהילות ה-AI שלנו.
אפשר גם להרשם לניוזלטר שלנו
רוצים לקבל עדכונים על כל מה שחדש ומעניין בעולם ה-AI? הרשמו לניוזלטר שלנו!
תוצאות נוספות...
תוצאות נוספות...
