دراسة حديثة: نساء ما قبل التاريخ كن يصطدن مثل الرجال

بقايا الحفريات تؤكد دور النساء في الصيد (وسائل التواصل الاجتماعي)
بقايا الحفريات تؤكد دور النساء في الصيد (وسائل التواصل الاجتماعي)
TT

دراسة حديثة: نساء ما قبل التاريخ كن يصطدن مثل الرجال

بقايا الحفريات تؤكد دور النساء في الصيد (وسائل التواصل الاجتماعي)
بقايا الحفريات تؤكد دور النساء في الصيد (وسائل التواصل الاجتماعي)

لعقود من الزمان، كان المؤرخون وعلماء الأنثروبولوجيا يرون أن الرجال في عصور ما قبل التاريخ كانوا صيادين بينما اقتصر دور النساء في هذه الأزمنة على تشكيل مجموعات لجمع الفرائس. لكنَّ دراستين حديثتين كشفتا أن النساء لم يكن يشاركن في ممارسة الصيد فحسب، بل كن أكثر ملاءمة لهذا النشاط مقارنة بالرجال نظراً لبنيتهن التشريحية والبيولوجية الأنثوية.

حسب دراسة موقع «science daily» أشارت إحدى الدراستين اللتين قيَّمتا نساء ما قبل التاريخ فسيولوجياً استناداً إلى بقايا الحفريات إلى أنهن كن قادرات على أداء المهام الجسدية الشاقة المتمثلة في صيد الفريسة، وأنه كان بإمكانهن الصيد بنجاح «على مدى فترات طويلة من الوقت».

وخلص الباحثون إلى أن الجسد الأنثوي كان أكثر ملاءمة للتحمُّل الذي ربما كان حاسماً في الصيد في ذلك الزمان، لأنه كان يتعين عليهن إرهاق الفريسة جسدياً قبل اقتناصها. وقال العلماء إن هرمونَي «الإستروجين» و«الأديبونكتين» اللذين يوجدان عادة بكميات أعلى في أجساد الإناث يلعبان دوراً رئيسياً في تمكين النساء من تعديل الغلوكوز والدهون، وهو أمر بالغ الأهمية للأداء الرياضي.

واستدل العلماء على أن هرمون «الإستروجين»، الذي يلعب دوراً مهماً في التمثيل الغذائي للدهون يساعد النساء على الاستمرار لفترة أطول، ويمكن أن يؤخر الشعور بالتعب. وقال العلماء إن هياكل الفخذ الأوسع مكنت النساء أيضاً من تدوير الفخذين وإطالة خطواتهن. وأضافوا: «كلما طالت الخطوات التي يسيرونها، كانت أقل تكلفة من الناحية الأيضية (التمثيل الغذائي)، وزادت المسافة التي يمكن قطعها، وزادت السرعة».

وقالت كارا أوكوبوك، المؤلفة المشاركة في الدراسة من جامعة نوتردام في الولايات المتحدة: «عندما تنظر إلى فسيولوجيا الإنسان بهذه الطريقة، يمكنك النظر إلى النساء على أنهن عدَّاءات ماراثون، بينما الرجال على أنهم ربّاعون».



التعلّم الآلي يقود أميركياً وكندياً للفوز بـ«نوبل» الفيزياء

الفائزان بـ«نوبل» في الفيزياء (أ.ب)
الفائزان بـ«نوبل» في الفيزياء (أ.ب)
TT

التعلّم الآلي يقود أميركياً وكندياً للفوز بـ«نوبل» الفيزياء

الفائزان بـ«نوبل» في الفيزياء (أ.ب)
الفائزان بـ«نوبل» في الفيزياء (أ.ب)

في خطوة تعكس التقدّم المذهل في مجالات الفيزياء وعلوم الحاسوب، أعلنت الأكاديمية الملكية السويدية للعلوم، الثلاثاء، عن منح جائزة نوبل في الفيزياء لعام 2024 للفيزيائي الأميركي جون هوبفيلد، وعالم النفس الإدراكي الكندي البريطاني جيفري هينتون؛ تقديراً لاكتشافاتهما التي وضعت الأسس للتعلّم الآلي باستخدام الشبكات العصبية الاصطناعية.

وذكرت لجنة «نوبل» في بيان، أن أبحاث الفائزَين استندت إلى أدوات من علم الفيزياء، حيث أسهم هوبفيلد في إنشاء بنية تخزين واسترجاع المعلومات، بينما طوّر هينتون الملقّب بـ«الأب الروحي للذكاء الاصطناعي»، طريقةً لاكتشاف الخصائص في البيانات بشكل مستقل.

وأكّدت اللجنة أن ابتكاراتهما أدت إلى «انفجار» في تطوّر التعلّم الآلي خلال العقدين الماضيين، مما أتاح للآلات تقليد وظائف مثل الذاكرة والتعلّم.

ووصف هينتون حصوله على الجائزة بأنه «مذهل»، وأكّد في مقابلة هاتفية بعد الإعلان أهمية التكنولوجيا التي أسهم بحثه في تطويرها، مشيراً إلى أن الذكاء الاصطناعي سيكون له «تأثير هائل» على المجتمع، مشابهاً للثورة الصناعية، ولكن في مجال القدرة العقلية بدلاً من البدنية.

وتوقع هينتون أن تُحدِث التكنولوجيا ثورة في مجالات مثل الرعاية الصحية، مما سيؤدي لـ«تحسين كبير في الإنتاجية»، لكنه حذّر من العواقب السلبية المحتملة، مثل خطر خروج هذه التكنولوجيا عن السيطرة.

جون هوبفيلد الفائز بجائزة نوبل للفيزياء (معهد فرنكلن)

واستقال هينتون من شركة «غوغل» ليتحدث بحرية عن مخاوفه بشأن الأضرار المحتملة للذكاء الاصطناعي، مثل نشر المعلومات المضلّلة، وقلب سوق العمل، وحذّر من أن الذكاء الاصطناعي «يعرف كيفية البرمجة»، مما يمكّنه من التغلب على القيود، والتلاعب بالناس لتحقيق أهدافه.

وقال هينتون لشبكة «CNN»، العام الماضي: «أنا مجرد عالم أدرك فجأة أن هذه الأمور تصبح أذكى منا، أريد أن أُبلغ عن ذلك وأقول إنه يجب علينا أن نكون جادّين بشأن كيفية منع هذه الأشياء من السيطرة علينا».

وذكرت إيلين مونز، رئيسة لجنة «نوبل» للفيزياء، أن أعمال الفائزَين جعلت الذكاء الاصطناعي «جزءاً من حياتنا اليومية»، مثل التعرف على الوجه، وترجمة اللغات، حيث تشكّل اكتشافاتهما الأساس لتطبيقات التعلم الآلي التي تعزّز دقة وسرعة اتخاذ القرارات.

محاكاة الدماغ

يُعدّ الدماغ البشري الذي يحتوي على مليارات من الخلايا العصبية المترابطة، المصدرَ الذي ينشأ منه الوعي، هو أقوى وأدق جهاز كمبيوتر معروف في الكون، ومع ذلك فإن العلماء قد سعوا لعقود لتقليد ذلك عبر أساليب التعلّم الآلي التي تحاكي قدرة الدماغ على التكيف.

جيفري هينتون الفائز بجائزة نوبل للفيزياء (رويترز)

وتقنيات التعلم الآلي هي أساليب تمكّن الأنظمة الحاسوبية من تحسين أدائها تلقائياً من خلال التعلّم من البيانات، وتعتمد على خوارزميات معقّدة لتحليل الأنماط داخل مجموعات البيانات، ما يتيح للأنظمة اتخاذ قرارات أو إجراء تنبؤات، وتُستخدم هذه التقنيات في تطبيقات متنوعة، مثل التعرف على الصور والصوت، وتوصيات المنتجات، وتحليل البيانات الكبيرة. وشهد التعلّم الآلي طفرة كبيرة في السنوات الـ20 الماضية، حيث يعتمد بشكل أساسي على «الشبكة العصبية الاصطناعية»، وهذه التكنولوجيا التي طوّرها هوبفيلد وهينتون مستوحاة من بنية الدماغ.

وبينما يحتوي الدماغ على خلايا عصبية، تحتوي الشبكة العصبية الاصطناعية على عُقَد تحمل قيماً مختلفة، وبينما تتواصل خلايا الدماغ بعضها مع بعض عبر المشابك العصبية، تؤثر العقد الاصطناعية على بعضها من خلال الاتصالات، ويمكنك تدريب الشبكة العصبية الاصطناعية من خلال تعزيز الروابط بين العُقد، تماماً كما يمكنك تدريب الدماغ.

شبكة هوبفيلد

ويمكن للبشر التفكير في كلمات أو حقائق نادرة وصعبة التذكر، بينما تستطيع الشبكات العصبية الاصطناعية البحث في الأنماط المخزَّنة بفضل تصميم الذاكرة الترابطية المعروف بـ«شبكة هوبفيلد»، واخترع جون هوبفيلد هذه الشبكة في عام 1982، وهي تُعرف بـ«الذاكرة الترابطية»، وتسترجع الأنماط حتى في حال عدم اكتمالها، مستفيداً من خلفيته في الفيزياء لاستكشاف ديناميكيات الشبكات العصبية.

وتتكوّن شبكة هوبفيلد من عُقد مرتبطة بقوى مختلفة، حيث تُخزّن كل عُقدة قيمة فردية، وشبّه هوبفيلد استرجاع حالة محفوظة في الشبكة بدحرجة كرة عبر تضاريس مليئة بالقمم والوديان، حيث ستتدحرج الكرة إلى أقرب وادٍ، وتستقر هناك. وإذا وُجد نمط قريب من أحد الأنماط المحفوظة ستقوم الشبكة بتعديل نفسها تدريجياً حتى تصل إلى قاع الوادي، مما يسمح لها باسترجاع أقرب نمط في ذاكرتها، ويمكن استخدام شبكة هوبفيلد لاستعادة البيانات التي تم مسحها جزئياً.

بعد ذلك، وسّع هينتون أبحاث هوبفيلد لتطوير «آلة بولتزمان»، وهي عبارة عن نوع من الشبكات العصبونية التي تتكون من عُقد مرئية وأخرى خفية يمكنها التعرف على أنماط جديدة، وبرغم بطء الآلة الأصلية طوّر هينتون إصدارات أكثر كفاءةً، وأصبحت تُستخدم الآن في أنظمة توصية الأفلام.

الفائزان بـ«نوبل» في الفيزياء (أ.ب)

ومنذ الثمانينات تضخمت الشبكات من 30 عُقدة لأكثر من تريليون مَعلَمة، وبينما تستخدم البرمجيات التقليدية وصفات ثابتة للطهي على سبيل المثال، تتعلّم الشبكات العصبية من الأمثلة، وتبتكر وصفات جديدة، وأسّس هوبفيلد وهينتون ثورة التعلم الآلي التي بدأت حول عام 2010، مدعومة بتوفر كميات هائلة من البيانات، وزيادة قوة الحوسبة، مما أدى إلى ظهور الشبكات العصبية العميقة وطرق التدريب المعروفة بـ«التعلّم العميق».

تحليل البيانات

وقال البروفيسور مايكل وولدرج، عالم الكمبيوتر في جامعة أكسفورد، إن الجائزة تعكس التأثير العميق للذكاء الاصطناعي، موضحاً أنها «مؤشر على تحوّل العلم».

وأكّد لصحيفة «الغارديان» البريطانية، أن نجاح الشبكات العصبية مكّن من تحليل البيانات بطرق غير مسبوقة، مشيراً إلى أنه «لا جزء من العالم العلمي بقي دون تغيير بسبب الذكاء الاصطناعي. نحن في لحظة رائعة في تاريخ العلم، ومن الرائع رؤية الأكاديمية تعترف بذلك».

من جانبه، قال الدكتور وائل عبد القادر عوض، عميد كلية الحاسبات والذكاء الاصطناعي في جامعة دمياط بمصر، إن «جائزة نوبل تُمنح للاكتشافات الجديدة في العلم، ويُعدّ التعلم الآلي الاتجاه الأبرز حالياً في الذكاء الاصطناعي»، وأضاف لـ«الشرق الأوسط» أن «هذه الجائزة تعكس أهمية الذكاء الاصطناعي وتطبيقاته في حل المشكلات المعقّدة التي تواجه البشرية».

وأشار إلى أن «تقنيات التعلّم الآلي يمكن أن تُسهم بشكل كبير في المجالات الطبية، مثل فهم آليات الإصابة بالأمراض المستعصية؛ ما يساعد في التشخيص المبكر، وتطوير أدوية فعّالة تعتمد على البيانات».

الفائزان بـ«نوبل» في الفيزياء (أ.ب)

في المقابل، أعربت البروفيسورة ديم ويندي هول، عالمة الكمبيوتر بجامعة ساوثامبتون، ومستشارة الأمم المتحدة للذكاء الاصطناعي، عن دهشتها من الجائزة، وقالت لـ«الغارديان»: «لا توجد جائزة نوبل لعلوم الكمبيوتر، وهذا يبدو وسيلةً مثيرة لإنشاء واحدة، وبرغم تأثير الشبكات العصبية على أبحاث الفيزياء، يظل السؤال: هل هي نتيجة لأبحاث الفيزياء نفسها؟».

لكن وفق خبراء، فإن الفيزياء أسهمت في تطوير التعلم الآلي، والآن تستفيد الفيزياء بدورها من الشبكات العصبية الاصطناعية.

ويُستخدم التعلم الآلي في مجالات حازت جوائز «نوبل»، مثل معالجة البيانات الضخمة لاكتشاف جسيم هيغز، وتقليل الضوضاء في قياسات موجات الجاذبية من تصادم الثقوب السوداء، والبحث عن الكواكب الخارجية.

وبدأ استخدام التعلم الآلي بالآونة الأخيرة لتوقّع خصائص الجزيئات والمواد، مثل تحديد هيكل جزيئات البروتين، أو اكتشاف مواد جديدة لتحسين كفاءة الخلايا الشمسية.