شکاف

تاریخچه‌ی یک تحول: از سیناپس تا هوش مصنوعی

Aug 22, 2026

در دهه‌ی پایانی قرن نوزدهم، شاخه‌ای با نام علوم اعصاب1 یا عصب‌شناسی وجود نداشت اما پرسش بنیادینی که به پیدایشِ آن انجامید برای مدتی به مشغله‌ی ذهنیِ برخی محققانِ پیشرو تبدیل شده بود: “اعصاب از چه تشکیل شده و آن اجزا چگونه کار می‌کنند”. از یک منظر، تلاش برای پاسخ به این پرسش بعدتر و در سه مرحله‌ به نقطه‌ی عطفی تازه انجامید: نخست، کشف و نام‌گذاری شکافِ فیزیکی میان نورون‌ها. دوم، انباشتِ تدریجی شواهدی مبنی بر اینکه این شکاف نقشی کارکردی و تعیین‌کننده دارد، و سوم، دگرگونی تدریجی و آهسته‌ی مفهوم “ارتباط”؛ از واقعیتی آناتومیک به یک نظریه‌ی جامع درباره‌ی کارکردِ ذهن، که در نهایت به ایده‌ی ارتباط‌گرایی2 انجامید. مسیر میان این مراحل، خطی مستقیم از مشاهداتِ جزئیِ اولیه به نظریه‌ای یکپارچه نبود، می‌توان گفت وارونه‌اش: نظریه‌پردازانی خوش‌فکر ایده‌هایی مطرح کردند و با تأخیری چشمگیر -و پس از اختراعِ ابزارِ مدرن‌تر- مشاهداتِ فیزیولوژیک در ادامه از راه رسیدند و برخی گمان‌ها را تأیید و باقی را بایگانی کردند. سرانجام مدل‌های محاسباتی با ساختنِ شکلِ مکانیکی و آزمون‌پذیرش، بحثی علمی را به کالایی کاربردی و ظاهرا سودآور تبدیل کردند.

نقطه‌ی آغاز، مناقشه‌ی دکترین نورون3 در دهه‌های ۱۸۷۰ تا ۱۸۹۰ میلادی است. یوزف فون گرلاخ4 در سال ۱۸۷۱ نظریه‌ی شبکه‌ای5 (رتیکولار) را پایه گذاشت که بر اساس آن، دستگاه عصبی شبکه‌ای پیوسته و یکپارچه تلقی می‌شد؛ بدون هیچ شکافی میان اجزاء تشکیل‌دهنده. کامیلو گلجی6 حدود ۱۸۷۳ روش رنگ‌آمیزی موسوم به “واکنش سیاه7“ را ابداع کرد و توانست برای نخستین بار امکان مشاهده‌ی کامل نورون‌ها زیر میکروسکوپ را فراهم کند. گلجی به برجسته‌ترین مدافع نظریه‌ی شبکه‌ای بدل شد و بر این باور بود که تصاویرش شاهدی‌ست بر وجودِ شبکه‌ای به‌هم‌پیوسته. شگفت آن‌که، همین روش رنگ‌آمیزیِ گلجی بود که پس از استفاده و اصلاحاتِ بعدی به دست سانتیاگو ریمون کاهال8 - دانشمند برجسته‌ی اسپانیایی- رفته‌رفته مستنداتی علیه خود گلجی به دست داد. نقاشی‌های موشکافانه‌ی کاهال که از سلول‌های مخچه آغاز شد نشان می‌داد آکسون‌ها به نورون‌های مجاور نزدیک می‌شوند اما اثری از اتصال دیده نمی‌شود. کاهال قاطعانه نتیجه گرفت دستگاه عصبی از سلول‌های مجزا و مستقل تشکیل شده است؛ همان نظری که به دکترین نورون مشهور شد.

طرح‌های کاهال از سلول‌های Purkinje - سال ۱۸۹۹

کاهال و گلجی -در همان‌حال که در دو کمپینِ کاملا متضاد قرار داشتند- به‌طور مشترک جایزه‌ی نوبل پزشکی ۱۹۰۶ را به دست آوردند.

گلجی چنان سرسخت بود که سخنرانی نوبل را هم عملا به فرصتی برای حمله به کاهال بدل کرد و با لحنی کمابیش تحقیرآمیز گفت از مجموعه شواهدِ جسته‌گریخته‌ای که در دفاع از دکترین نورون ارائه شده هیچ نتیجه‌ی مشخصی نمی‌توان گرفت و بعد اضافه کرد یافته‌های اشتفان آپاتی9-جانورشناس مجارستانی- عملا به معنای ویرانی دکترین نورون است. نمونه‌ای از اختلافِ نظری بنیادین و عجیب میانِ دو دانشمندی که مشترکاً یک جایزه را در یک‌سال به دست آوردند.

لجبازیِ گلجی فایده‌ای نداشت، دکترین نورون رفته‌رفته جا افتاد و به رویکرد مسلط جامعه‌ی علمی تبدیل شد. چنددهه بعد که اولین تصاویر میکروسکوپ‌های پیشرفته وجود شکاف میان دو نورون را ثبت کردند نه کاهال زنده بود که موفقیت‌اش را جشن بگیرد و نه گلجی که تصویر شکستِ ایده‌اش را در مقاله‌ها ببیند. شگفت آن‌که کشفیاتی متاخر نشان داده‌اند در برخی قسمت‌های دستگاه عصبیِ گونه‌های جانوری نظیر شانه‌داران10نورون‌ها به هم متصل‌اند. به یک‌معنا، گلجی هم یک‌سره برخطا نبود.

انتخاب و پیشنهاد کلمه‌ی نورون به چندسالی پیشتر برمی‌گشت، هنگامی‌که هاینریش ویلهلم والدایر11 با جمع‌بندیِ یافته‌های پیشین در حوالی ۱۸۹۱ عبارت آلمانی Nerveneinheit را به کار برد و کلمه‌ی یونانی neuron را برای توصیف واحد ساختاری و بنیادینِ دستگاه عصبی، پیشنهاد کرد.

به هر روی، کاهال نشان داد نورون‌ها به یکدیگر متصل نیستند اما آن شکاف نه نام و تعریفی داشت و نه کارکردی مشخص، و نتیجتاً نه آن اندازه جذاب که به موضوعِ مطالعه و کنجکاوی‌های گسترده‌ی علمی بدل شود. شواهدی بعدتر نشان دادند کسانِ دیگری هم آن شکاف را جدی گرفتند که مشهورترین‌شان فروید بود که در رساله‌ای که هرگز منتشر نکرد به آن پدیده با نامِ Contact-Barriers پرداخته و آن‌را در توضیحِ برخی کارکردهای ذهن به کار برده بود.

گام نهایی را فیزیولوژیستِ به‌نامِ انگلیسی چارلز شرینگتون12 برداشت. او در ۱۸۹۷، در حالی‌که فصل‌های مربوط به دستگاه عصبی را برای هفتمین ویرایش کتاب درسی فیزیولوژی نوشته‌ی مایکل فاستر13 تصحیح می‌کرد، به واژه‌ای برای توصیف نقطه‌ی تماس کارکردی میان دو نورون نیاز داشت. با آرتور ورال14، متخصص زبان‌های کلاسیک در کمبریج مشورت کرد و ورال واژه‌ی “سیناپس15“ را پیشنهاد داد که برگرفته از ریشه‌ای یونانی به معنای “به‌هم‌پیوستن” یا “درآغوش‌گرفتن” بود. سیناپس کماکان دستاوردی مفهومی بود و نه مشاهده‌ای. تجهیزات آزمایشگاهی در انتهای قرن نوزدهم هنوز توان بزرگ‌نمایی و نشان‌دادنِ چنان شکافِ کوچکی را نداشتند، بنابراین شرینگتون آن گسست را صرفا بر پایه‌ی شواهدی چون تأخیر واکنشی و هدایت یک‌طرفه‌ی جریان عصبی فرمول‌بندی کرد، بسیار پیش از آنکه قابل‌رویت باشد. واقعیت فیزیکیِ سیناپس تا ظهور میکروسکوپ الکترونی در دهه‌ی ۱۹۵۰ تأیید نشد، زمانی‌که سنفورد پیلی16 و جورج پالاده17، و به‌طور مستقل ادواردو دو روبرتیس18 و اچ. استنلی بنت19، شکافی به پهنای تقریبی پانزده تا بیست نانومتر میان غشای پیش‌سیناپسی و پسا‌سیناپسی را نشان دادند. بیش از نیم قرن میان نام‌گذاری یک شکاف و مشاهده‌ی مستقیم آن، فاصله بود.

در همان زمانی که پژوهش‌گرانِ آناتومی هنوز درباره‌ی به‌هم‌پیوستن یا اتصالِ نورون‌ها مجادله می‌کردند، سنت فکری جداگانه و کهن‌تری “ارتباط” را از بنیان‌های ذهن می‌دانست. تداعی‌گرایی20، که تا حدودی از ارسطو ریشه می‌گرفت و با ایده‌های تجربه‌گرایانی مثل لاک و هیوم پرورش یافته‌بود تصویری به دست می‌داد که گویی ایده‌ها در ذهن از طریق مجاورت، تکرار و شباهت به هم پیوند می‌خورند؛ ادعایی در قلمروی فلسفه‌ی ذهن و جهانِ ایده‌ها، و نه مشاهده یا نظریه‌ای زیست‌شناختی. شاید بتوان با کمی احتیاط، کتاب اصول روان‌شناسی21 ویلیام جیمز22 (۱۸۹۰) را نقطه‌ی آغازینِ درهم‌آمیختنِ سنتی فلسفی و دکترین نوپای عصب‌شناختی به‌حساب آورد. جیمز، یک سال پیش از آنکه والدایر واژه‌ی نورون را ابداع کند و هفت سال پیش از آنکه شرینگتون واژه‌ی سیناپس را برگزیند “قانون عادت عصبی23“ را مطرح کرد: همبستگی میان ایده‌ها بازتابی از همبستگیِ زیربنایی میان “فرآیندهای عصبی24“ است که با فعال‌شدنِ هم‌زمان یا پیاپیِ مسیرهای عصبی‌شان تقویت می‌شود. جیمز آشکارا پایه‌ی مناسباتِ روانی را بر نوعی از انعطاف‌پذیری بافت‌های عصبی25 فرض کرد . استدلال‌ش این بود که تکرار در مسیرهای عصبی فعالیتِ هم‌زمانِ آن‌ها را تسهیل می‌کند. ایده‌های جیمز نمونه‌ای شگفت‌انگیز از فراتررفتنِ از مفاهیمِ زمانه‌ی خود بود: جیمز چیزی را تئوریزه کرد که بعدها “تقویت سیناپسی26“ نامیده شد، بسیار پیش از آنکه سیناپس و نورون به عنوان اصطلاحاتی علمی پیشنهاد و پذیرفته شوند.

اعتبارِ نقطه‌ی عطفِ بعدی در اتصالِ آناتومیِ دستگاه عصبی و ایده‌ی ارتباط‌گرایی را باید به روان‌شناس کانادایی دونالد هب27 داد. او در کتاب سازمان‌دهی رفتار28 (۱۹۴۹) سازوکار سلولی و مشخصی برای یادگیری پیشنهاد کرد: هنگامی‌که آکسون سلول A به‌اندازه‌ی کافی به سلول B نزدیک باشد تا آن را تحریک کند و به‌طور مکرر یا پیوسته در فعال‌سازی آن نقش داشته باشد، نوعی فرآیند رشد یا تغییر متابولیک در یکی از این دو سلول یا هر دو رخ می‌دهد که کارایی A را به‌عنوان یکی از سلول‌های فعال‌کننده‌ی B افزایش می‌دهد. این ایده به یک معنا، دنباله‌ی مستقیم قانون عادت عصبیِ جیمز بود، اما در بیانی آناتومیک و روشن که در واقع دکترین نورون و سیناپسِ شرینگتون فراهم آورده بودند. هب توانست با شفافیت از تقویت سیناپس‌هایی مشخص سخن بگوید، نه این‌که صرفاً “مسیرهای عصبی” را به عنوان مفهومی مبهم در کانون بحث بگذارد. با این وجود، قاعده‌ی هب برای نزدیک به یک ربع قرن در شکلِ فرضیه‌ی صرف باقی ماند، تا آنکه تیموتی بلیس29 و ترجه لومو30، در پژوهشی بر روی هیپوکامپوس خرگوش در سال ۱۹۷۳، نشان دادند که تحریک کوتاه و پرفرکانسِ مسیر پرفورانت31 افزایشی پایدار و طولانی‌مدت در کارایی انتقال سیناپسی ایجاد می‌کند32. این پدیده را روی‌هم‌رفته می‌توان نزدیک‌ترین نمونه‌ی فیزیولوژیک از فرضیه‌ی هب به‌حساب آورد، و باز نمونه‌ای دیگر از مقدم بودنِ ایده بر مشاهده؛ البته ایده‌ای نبوغ‌آمیز. برای درکِ بیشتر نبوغ هب خواندن کتاب پرکاچن بی‌فاید نخواهد بود.

هم‌زمان با کتاب هب و از مسیری متفاوت، کوششی دیگر هم آغاز شده‌بود. سال ۱۹۴۳، وارن مک‌کالوک33 (عصب‌فیزیولوژیست) و والتر پیتس34(منطق‌دان) با انتشار مقاله‌ای35 مدعی شدند شبکه‌هایی از نورون‌های ساده‌شده و دوحالتی که به‌هم متصل باشند در اصل قادر خواهند بود هر تابع منطقی را محاسبه کنند. این مقاله را عموماً بنیانِ پژوهش‌های شبکه‌های عصبیِ مصنوعی به شمار می‌آورند چرا که واقعیت آناتومیکِ نورون‌های به‌هم‌پیوسته را به ادعایی ریاضی محاسباتی برگرداند. فرانک روزنبلات36 این ایده را در سال ۱۹۵۸ به کمکِ پرسپترون37 گسترش داد؛ همان شبکه‌ای که با تنظیم وزن‌های اتصال بر پایه‌ی نمونه‌ها می‌توانست فرآیندِ یادگیری را شبیه‌سازی کند. (به زبان ساده‌تر: یک تصمیم‌گیرِ ساده که وزنِ چند ورودی را جمع می‌زند و اگر مجموع‌شان از آستانه‌ی مورد نظر بگذرد، خروجی «بله/خیر» صادر می‌کند. درست مثل یک نورون کوچک که رفته‌رفته تنظیم می‌شود با چه ورودی تحریک شود، عمل کند یا نکند.)

روزنبلات مدعی شد نوعی از این شبکه‌‌ها روزی سرانجام خواهد توانست از پسِ ترجمه‌ی زبان یا تشخیص گفتار برآید و در نهایت مجموعه اعمالی انجام دهد که ما هوش عمومی تلقی می‌کنیم.

این خوش‌بینی با انتشار کتاب پرسپترون‌ها38 اثر ماروین مینسکی39 و سیمور پیپرت40 در سال ۱۹۶۹ به مانع خورد؛ کتابی که تلاش می‌کرد با محاسباتِ ریاضی ثابت کند توان یادگریِ پرسپترون‌ها محدود است41. شبکه‌های چندلایه در اصل می‌توانستند بر این محدودیت غلبه کنند، اما هنوز روش کارآمدی برای آموزش چنین شبکه‌هایی وجود نداشت. آن نقد به کاهش شدید در بودجه و علاقه‌های پژوهشی در این زمینه انجامید که اغلب با نام “نخستین زمستان هوش مصنوعی” به یاد آورده می‌شود.

مروین مینسکی (راست) - فرانک روزنبلات (چپ)

Share آگراندیسمان

ایده‌ی اینکه ارتباط‌ها می‌توانند بنیان شناخت و یادگیری باشند مجددا در سال‌های ۱۹۹۰ احیا شد. این بار “ارتباط‌گرایی” آشکارا به نظریه‌ای نام‌دار درباره‌ی کارکرد ذهن، هم در شکل طبیعی و هم مصنوعی، بدل شده‌بود؛ با عبور از مسیری پرپیچ‌وخم و حدودا صد‌ساله، شاید بتوان آن را فرزندِ غیرمستقیمِ قانون عادت عصبیِ جیمز به حساب آورد.

با نگاهی به سراسرِ این تحولات، می‌توان با کمی احتیاط و ساده‌سازی تصویری ساخت میان‌رشته‌ای مابین زیست‌شناسی، روان‌شناسی، فلسفه‌ی ذهن، و الکترونیک و کامپیوتر. نام‌گذاری یک شکافِ آناتومیک (سیناپس، ۱۸۹۷) شش سال پس از پیشنهادِ نام برای سلولی که دو سوی آن شکاف‌هاست (نورون، ۱۸۹۱) و هنوز نیم‌قرن پیش از آن‌که بتوان شکاف را به چشم دید. تولدِ تئوریِ یادگیری هب ربع‌قرن پیش از تأیید فیزیولوژیک‌ش، یعنی LTP. و نسخه‌ی محاسباتیِ آن که حتی در مسیری مستقل‌تر گام برداشت: الهام اولیه را در دهه‌ی ۵۰-۱۹۴۰ از نورون‌ها گرفت، اما عمدتاً از طریق ریاضیات و مهندسی توسعه یافت و در دوران فروپاشی پرسپترون در دهه‌ی ۱۹۷۰ تقریباً از زیست‌شناسی گسسته شد، پیش از آنکه دو دهه بعد دوباره با علوم شناختی پیوند بخورد. الگوی کلی تاریخ‌چه‌ی شناختِ شبکه‌ی عصبی و شکل‌گیریِ نوعِ مصنوعی‌اش بیش از آن‌که شبیه به کشفی واحد باشد بیشتر به دو پروژه‌ی گاه موازی و گاه درهم‌تنیده می‌ماند. یکی در پیِ پاسخ به اینکه چه چیزی نورون‌ها را به هم پیوند می‌دهد و آن ارتباط‌ها چه قابلیتی دارند و دیگری در پی آنکه نشان دهد آن ماشین طبیعی تابعِ چه قوانین ریاضی‌ست و چگونه می‌توان آن را در ماشینی دیگر شبیه‌سازی کرد. نقاط عطف هربار زمانی رخ داد که دانشمندی کوشید یکی را به زبانِ دیگری ترجمه کند.

علی صدر
مردادماه ۱۴۰۵

فهرستی از منابع مطالعاتی برای کسانی که به جزئیاتِ بحث علاقه‌مندند:

Bock, O. (2013). Cajal, Golgi, Nansen, Schäfer and the Neuron Doctrine

Canadian Museum of Health Care. The Art of Science: Santiago Ramón y Cajal and the Neuron Doctrine

Chen, X., et al. Perceptrons, XOR, and the first “AI winter.” The Counterfactual

Cornell Chronicle (2019). Professor's perceptron paved the way for AI – 60 years too soon

Current Biology (2024). Half a century legacy of long-term potentiation

Gibbons, A. (2019). Attaining landmark status: Rumelhart and McClelland's PDP Volumes and the Connectionist Paradigm. Journal of the History of the Behavioral Sciences

Historyofinformation.com. McCulloch & Pitts Publish the First Mathematical Model of a Neural Network

James, W. (1890). The Principles of Psychology, Chapters 4 and 14. Classics in the History of Psychology

McCulloch, W. S., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5, 115–133

MIT Press. Parallel Distributed Processing, Volume 1: Foundations