पेसाच बेन्सन द्वारा • 14 अक्टूबर, 2026
येरुशलम, 14 अक्टूबर, 2026 (टीपीएस-आईएल) — इज़रायली शोधकर्ताओं ने एक कृत्रिम बुद्धिमत्ता मॉडल विकसित किया है जो नए प्रतिभागी से लगभग एक घंटे के मस्तिष्क स्कैन का उपयोग करके मस्तिष्क गतिविधि से छवियों का पुनर्निर्माण करता है, साथ ही दृश्य प्रसंस्करण में शामिल मस्तिष्क क्षेत्रों में पहले से अज्ञात कार्यात्मक विभाजनों की पहचान करता है।
ब्रेन-आईटी नामक इस मॉडल को वाइज़मैन इंस्टीट्यूट ऑफ साइंस में प्रो. मिशल ईरानी के नेतृत्व वाली एक टीम ने विकसित किया है। मौजूदा प्रणालियों के विपरीत, जिन्हें एक नए व्यक्ति के अनुकूल बनाने के लिए दर्जनों घंटों के मस्तिष्क स्कैन की आवश्यकता होती है, ब्रेन-आईटी विभिन्न लोगों में साझा पैटर्न की पहचान करता है, जिससे यह कम प्रशिक्षण के साथ अधिक सटीकता के साथ छवियों का पुनर्निर्माण कर पाता है।
छवियों के पुनर्निर्माण से परे, यह तकनीक वैज्ञानिकों को यह समझने में मदद कर सकती है कि मस्तिष्क दृश्य जानकारी को कैसे व्यवस्थित करता है। यह मस्तिष्क-कंप्यूटर इंटरफेस के विकास को भी आगे बढ़ा सकता है जिसके लिए कम प्रशिक्षण की आवश्यकता होती है, हालांकि व्यावहारिक चिकित्सा अनुप्रयोग अभी भी बहुत दूर हैं।
ईरानी ने कहा, “आजकल ऐसे मॉडल मौजूद हैं जो मस्तिष्क गतिविधि को छवियों में अनुवाद करते हैं, और वे प्रभावशाली पुनर्निर्माण भी कर सकते हैं जो छवि के अर्थ को काफी अच्छी तरह से संरक्षित करते हैं।” “हालांकि, वे संरचना और रंग जैसी बुनियादी विशेषताओं में गलतियाँ करते हैं।”
उन्होंने कहा, “हमने जो नया मॉडल विकसित किया है, वह छवि की सामग्री और उसके विवरण दोनों के पुनर्निर्माण में उनसे बेहतर प्रदर्शन करता है।” “इसके अलावा, जबकि हर दूसरे मॉडल को एक नए व्यक्ति को ‘पढ़ने’ के लिए दर्जनों घंटों के मस्तिष्क स्कैन की आवश्यकता होती है, हमारे मॉडल को केवल एक घंटे की आवश्यकता होती है।”
इस शोध को इस वर्ष इंटरनेशनल कॉन्फ्रेंस ऑन लर्निंग रिप्रेजेंटेशन्स में प्रस्तुति के लिए चुना गया है, जो एक प्रमुख कृत्रिम बुद्धिमत्ता सम्मेलन है।
एआई को मस्तिष्क पढ़ना सिखाना
इस क्षेत्र में एक बड़ी बाधा प्रशिक्षण डेटा की कमी है। शोधकर्ताओं को कार्यात्मक चुंबकीय अनुनाद इमेजिंग (fMRI) स्कैन के साथ जोड़ी गई छवियों की आवश्यकता होती है, जो लोगों द्वारा तस्वीरें देखते समय मस्तिष्क गतिविधि में परिवर्तन को मापती हैं। ऐसे डेटा एकत्र करने के लिए प्रतिभागियों को एमआरआई स्कैनर में कई घंटे बिताने पड़ते हैं।
अध्ययन में उपयोग किए गए सार्वजनिक रूप से उपलब्ध नेचुरल सीन्स डेटासेट में आठ प्रतिभागियों से लगभग 73,000 छवि-स्कैन जोड़े शामिल हैं, जिनमें से प्रत्येक ने 30 से 40 स्कैनिंग सत्रों में हजारों छवियों को देखा था।
इस सीमा को दूर करने के लिए, टीम ने दो पूरक प्रणालियाँ विकसित कीं: एक एन्कोडर जो एक छवि से मस्तिष्क गतिविधि की भविष्यवाणी करता है और एक डिकोडर जो मस्तिष्क गतिविधि से एक छवि का पुनर्निर्माण करता है।
एन्कोडर ने उन छवियों के लिए अनुमानित मस्तिष्क स्कैन उत्पन्न किए जिन्हें प्रतिभागियों ने एमआरआई स्कैनर के अंदर कभी नहीं देखा था। फिर डिकोडर ने भविष्यवाणियों से उन छवियों का पुनर्निर्माण करने का प्रयास किया, जिससे प्रणालियों को हर छवि के लिए नए स्कैन की आवश्यकता के बिना अतिरिक्त उदाहरणों से सीखने की अनुमति मिली।
शोधकर्ताओं ने मस्तिष्क को लगभग 40,000 छोटे त्रि-आयामी इकाइयों में विभाजित किया, जिन्हें वोक्सेल कहा जाता है, और व्यक्तियों के बीच विभिन्न छवियों के प्रति उनकी प्रतिक्रियाओं की तुलना की। इससे रंग, स्थान और पहचानने योग्य वस्तुओं जैसी दृश्य विशेषताओं से जुड़े आवर्ती पैटर्न का पता चला।
एन्कोडर ने 128 कार्यात्मक क्षेत्रों की पहचान की जो लोगों के बीच साझा किए गए थे और दृश्य प्रसंस्करण में विशिष्ट भूमिकाएँ निभाते थे। कुछ वैज्ञानिकों को पहले से ही ज्ञात थे, जबकि अन्य नए थे।
एक खोज में पैराहिप्पोकैम्पल प्लेस एरिया शामिल था, जो स्थानों और दृश्यों को संसाधित करने में शामिल एक मस्तिष्क क्षेत्र है। शोधकर्ताओं ने क्षेत्र के भीतर श्रम के विभाजन का प्रमाण पाया, जिसमें एक हिस्सा इनडोर दृश्यों और दूसरा आउटडोर दृश्यों का जवाब देता था।
ईरानी ने कहा, “एन्कोडर की ताकत उन क्षेत्रों की पहचान करने की क्षमता में निहित है जो विभिन्न मस्तिष्क में समान कार्य करते हैं, भले ही उनके शारीरिक स्थान भिन्न हों।”
निकट भविष्य में, ब्रेन-आईटी शोधकर्ताओं को महंगी, समय लेने वाली स्कैन की आवश्यकता को कम करते हुए दृश्य प्रसंस्करण का अध्ययन करने में मदद कर सकता है। व्यक्तियों के बीच पैटर्न की पहचान करने की इसकी क्षमता वैज्ञानिकों को मस्तिष्क-कंप्यूटर इंटरफेस विकसित करने में भी मदद कर सकती है जिसके लिए नए उपयोगकर्ताओं के अनुकूल होने के लिए कम प्रशिक्षण की आवश्यकता होती है। आगे शोध की आवश्यकता है।
