ईपीएफएल के वैज्ञानिकों ने एक उपन्यास आर्टिफिशियल इंटेलिजेंस विधि विकसित की है जो एक ही कार्यों को करने वाले विभिन्न जानवरों में मस्तिष्क की गतिविधि में सामान्य पैटर्न की पहचान कर सकती है, संभवतः हमारी समझ को बदल देती है कि मस्तिष्क की जानकारी कैसे होती है।
प्रकृति के तरीकों में आज प्रकाशित शोध, जटिल तंत्रिका संकेतों की व्याख्या करने के लिए एक नया तरीका पेश करता है और अधिक प्रभावी मस्तिष्क-मशीन इंटरफेस के विकास को आगे बढ़ा सकता है।
नई विधि, जिसे मार्बल (मैनिफोल्ड प्रतिनिधित्व आधार सीखने) कहा जाता है, तंत्रिका रिकॉर्डिंग का विश्लेषण करने के लिए उन्नत गणित और कृत्रिम बुद्धिमत्ता का उपयोग करता है, जो विभिन्न जानवरों के बीच मस्तिष्क गतिविधि पैटर्न में पहले से छिपी समानता का खुलासा करता है क्योंकि वे एक ही कार्य करते हैं।
“मान लीजिए कि आप और मैं दोनों एक मानसिक कार्य में संलग्न हैं, जैसे कि काम करने के लिए हमारे तरीके को नेविगेट करना। क्या न्यूरॉन्स के एक छोटे से अंश से संकेत हमें बता सकते हैं कि हम कार्य को हल करने के लिए एक ही या विभिन्न मानसिक रणनीतियों का उपयोग करते हैं? ” EPFL के स्कूल ऑफ इंजीनियरिंग में सिग्नल प्रोसेसिंग लेबोरेटरी LTS2 के प्रमुख पियरे वेंडरघेन्स्ट बताते हैं। “यह तंत्रिका विज्ञान के लिए एक मौलिक प्रश्न है, क्योंकि प्रायोगिकतावादी अक्सर कई जानवरों से डेटा रिकॉर्ड करते हैं, फिर भी हमारे पास सीमित सबूत हैं कि क्या वे एक ही मस्तिष्क के पैटर्न का उपयोग करके किसी दिए गए कार्य का प्रतिनिधित्व करते हैं।”
अनुसंधान टीम ने मार्बल की क्षमताओं का प्रदर्शन किया, दोनों मैकाक से मस्तिष्क रिकॉर्डिंग का विश्लेषण करके कार्य और चूहों ने नेविगेट करने वाले चूहों का प्रदर्शन किया। परिणामों से पता चला कि अलग -अलग जानवर समान कार्यों के करीब आने पर समान रूप से समान तंत्रिका पैटर्न का उपयोग करते हैं, एक ऐसी खोज जो पिछले तरीकों के साथ साबित करना मुश्किल था।
अध्ययन के प्रमुख लेखक और अब वियना के मेडिकल यूनिवर्सिटी के एआई इंस्टीट्यूट में एक सहायक प्रोफेसर एडम गोसज़टोली बताते हैं कि उनके दृष्टिकोण को क्या अद्वितीय बनाता है: “घुमावदार स्थानों के अंदर, ज्यामितीय डीप लर्निंग एल्गोरिथ्म इस बात से अनजान है कि ये स्थान घुमावदार हैं। इस प्रकार, जो गतिशील रूपांकनों को सीखता है, वह अंतरिक्ष के आकार से स्वतंत्र होता है, जिसका अर्थ है कि यह विभिन्न रिकॉर्डिंग से समान रूपांकनों की खोज कर सकता है। ”
पारंपरिक गहरी सीखने के तरीकों ने तंत्रिका गतिविधि जैसी गतिशील प्रणालियों का विश्लेषण करने के लिए संघर्ष किया है, जो समय के साथ लगातार बदलते हैं। संगमरमर घुमावदार गणितीय स्थानों के भीतर काम करके इस सीमा को खत्म कर देता है जो स्वाभाविक रूप से मस्तिष्क गतिविधि के जटिल पैटर्न का प्रतिनिधित्व करते हैं। यह दृष्टिकोण विभिन्न विषयों से या अलग -अलग परिस्थितियों में रिकॉर्डिंग करते समय भी तंत्रिका गतिविधि में सामान्य तत्वों की पहचान करने की अनुमति देता है।
शोधकर्ताओं ने पाया कि न्यूरल रिकॉर्डिंग के मार्बल का विश्लेषण मौजूदा तरीकों की तुलना में काफी अधिक व्याख्या करने योग्य था। व्यावहारिक परीक्षणों में, इसने वर्तमान तकनीकों की तुलना में मस्तिष्क के संकेतों से हाथ आंदोलनों को डिकोड करने में बेहतर सटीकता दिखाई, सहायक उपकरणों के लिए मस्तिष्क-मशीन इंटरफेस में संभावित अनुप्रयोगों का सुझाव दिया।
जबकि तत्काल अनुप्रयोग तंत्रिका विज्ञान पर ध्यान केंद्रित करते हैं, वेंडरघेनस्ट अपने काम की व्यापक क्षमता पर जोर देता है। “संगमरमर विधि मुख्य रूप से तंत्रिका विज्ञान शोधकर्ताओं को यह समझने में मदद करने के उद्देश्य से है कि मस्तिष्क व्यक्तियों या प्रयोगात्मक स्थितियों में कैसे गणना करता है, और जब वे मौजूद होते हैं, तो इसे उजागर करने के लिए – सार्वभौमिक पैटर्न,” वे कहते हैं। “लेकिन इसका गणितीय आधार मस्तिष्क के संकेतों तक सीमित किसी भी तरह से नहीं है, और हम उम्मीद करते हैं कि हमारे उपकरण से जीवन और भौतिक विज्ञान के अन्य क्षेत्रों में शोधकर्ताओं को लाभ होगा जो संयुक्त रूप से कई डेटासेट का विश्लेषण करना चाहते हैं।”
सफलता तंत्रिका विज्ञान अनुसंधान में एक महत्वपूर्ण समय पर आती है, क्योंकि वैज्ञानिक तेजी से यह समझना चाहते हैं कि विभिन्न व्यक्तियों के दिमाग की जानकारी कैसे होती है और क्या तंत्रिका गणना में सार्वभौमिक पैटर्न हैं। इस समझ में न्यूरोलॉजिकल स्थितियों के इलाज और अधिक प्रभावी मस्तिष्क-कंप्यूटर इंटरफेस विकसित करने के लिए दूरगामी निहितार्थ हो सकते हैं।
विभिन्न विषयों और स्थितियों में तंत्रिका गतिविधि की तुलना करने के लिए एक गणितीय ढांचा प्रदान करके, संगमरमर मस्तिष्क समारोह के मूल सिद्धांतों को समझने के लिए नई संभावनाओं को खोलता है। जटिल तंत्रिका पैटर्न को डिकोड करने की विधि की क्षमता उन्नत प्रोस्थेटिक्स और अन्य सहायक प्रौद्योगिकियों के विकास में तेजी ला सकती है जो मस्तिष्क संकेतों की व्याख्या करने पर भरोसा करते हैं।
अनुसंधान दर्शाता है कि मस्तिष्क संरचना और तंत्रिका रिकॉर्डिंग में व्यक्तिगत विविधताओं के बावजूद, समान कार्यों के दौरान अलग -अलग दिमाग कैसे जानकारी प्रक्रिया में अंतर्निहित सामान्यताएं हैं। यह खोज तंत्रिका संगणना में सार्वभौमिकता के एक स्तर का सुझाव देती है जो अनुभूति और चेतना की हमारी समझ के लिए गहरा निहितार्थ हो सकती है।
यदि आपको यह टुकड़ा उपयोगी लगता है, तो कृपया एक छोटे, एक बार या मासिक दान के साथ हमारे काम का समर्थन करने पर विचार करें। आपका योगदान हमें आपको सटीक, विचार-उत्तेजक विज्ञान और चिकित्सा समाचारों को जारी रखने में सक्षम बनाता है जिस पर आप भरोसा कर सकते हैं। स्वतंत्र रिपोर्टिंग में समय, प्रयास और संसाधन लगते हैं, और आपका समर्थन हमारे लिए उन कहानियों की खोज करना संभव बनाता है जो आपके लिए मायने रखती हैं। साथ में, हम यह सुनिश्चित कर सकते हैं कि महत्वपूर्ण खोजें और विकास उन लोगों तक पहुंचते हैं जिन्हें उनकी सबसे अधिक आवश्यकता है।
