दृश्य मस्तिष्क की डिकोडिंग
लंदन विश्वविद्यालय के यूनिवर्सिटी कॉलेज के शोधकर्ताओं ने केवल मस्तिष्क गतिविधि के रिकॉर्डिंग का उपयोग करके वीडियो क्लिप का पुनर्निर्माण करके तंत्रिका डिकोडिंग में एक महत्वपूर्ण प्रगति हासिल की है जो चूहों ने देखे थे। यह कार्य स्तनधारी मस्तिष्क द्वारा दृश्य जानकारी को कैसे संसाधित और एनकोड किया जाता है, इसे समझने में एक प्रमुख कदम का प्रतिनिधित्व करता है, जिसका ब्रेन-कंप्यूटर इंटरफेस और न्यूरोलॉजिकल थेरेपी पर प्रभाव है।
टीम ने उन्नत कैल्शियम इमेजिंग तकनीकों का उपयोग किया ताकि चूहों के दृश्य कॉर्टेक्स में हजारों न्यूरॉन्स की गतिविधि को एक साथ मॉनिटर किया जा सके जब वे छोटी वीडियो क्लिप देख रहे थे। तंत्रिका फायरिंग पैटर्न और दृश्य उत्तेजना के बीच संबंध पर मशीन लर्निंग मॉडल को प्रशिक्षित करके, शोधकर्ता केवल मस्तिष्क डेटा से मूल वीडियो के अनुमानित पुनर्निर्माण उत्पन्न करने में सक्षम थे।
तंत्रिका स्पाइक्स से चलती हुई छवियां
पुनर्निर्माण प्रक्रिया दो चरणों में आगे बढ़ी। पहले, शोधकर्ताओं ने एक एनकोडिंग मॉडल बनाया जो यह अनुमान लगाता था कि व्यक्तिगत न्यूरॉन्स किनारों, गति, विपरीतता और स्थानिक पैटर्न जैसी विभिन्न दृश्य विशेषताओं को कैसे प्रतिक्रिया देंगे। इस मॉडल ने दृश्य कॉर्टेक्स में सभी दर्ज न्यूरॉन्स के ट्यूनिंग गुणों को कैप्चर किया।
दूसरे चरण में, टीम ने इस मॉडल को उलट दिया - दर्ज तंत्रिका गतिविधि को फीड करना और यह अनुमान लगाने के लिए पीछे की ओर काम करना कि कौन सी दृश्य जानकारी सबसे अधिक संभवतः उन पैटर्न को उत्पन्न करती है। परिणामी पुनर्निर्माण मूल क्लिप की समग्र संरचना, गति और चमक पैटर्न को कैप्चर करते थे, हालांकि बारीक विवरण धुंधले रहे। वस्तुएं और आंदोलन एक मोटे स्तर पर पहचानने योग्य थे, जो प्रदर्शित करता है कि जनसंख्या-स्तर की तंत्रिका गतिविधि में काफी दृश्य जानकारी संरक्षित है।
इस अनुसंधान के लिए चूहे क्यों महत्वपूर्ण हैं
हालांकि पिछले अध्ययनों ने कार्यात्मक MRI का उपयोग करके मानव मस्तिष्क गतिविधि से छवियों और यहां तक कि वीडियो का पुनर्निर्माण किया है, चूहे का मॉडल अलग-अलग लाभ प्रदान करता है। कैल्शियम इमेजिंग एकल न्यूरॉन संकल्प प्रदान करती है जो fMRI नहीं बना सकता, शोधकर्ताओं को दृश्य प्रसंस्करण में व्यक्तिगत कोशिकाओं और तंत्रिका सर्किट के सटीक योगदान का अध्ययन करने की अनुमति देता है।
चूहे नियंत्रित प्रायोगिक स्थितियां और आनुवंशिक उपकरण भी अनुमति देते हैं जो मानव अध्ययन में उपलब्ध नहीं हैं। शोधकर्ता सटीकता से हेराफेरी कर सकते थे कि कौन से न्यूरॉन्स दर्ज किए गए थे, कई जानवरों में उनके निष्कर्षों को सत्यापित किया, और चूहे के दृश्य तंत्रिका विज्ञान पर मौजूदा साहित्य के व्यापक शरीर से संबंधित थे।
मस्तिष्क-कंप्यूटर इंटरफेस के लिए प्रभाव
निष्कर्षों का अंधापन या दृष्टि की कमी वाले लोगों में दृष्टि बहाल करने के उद्देश्य से मस्तिष्क-कंप्यूटर इंटरफेस के विकास से सीधा प्रासंगिकता है। यह समझना कि दृश्य जानकारी तंत्रिका स्तर पर कैसे एनकोड की जाती है, प्रोस्थेटिक सिस्टम बनाने के लिए एक पूर्वापेक्षा है जो या तो दृश्य इरादे को डिकोड कर सकता है या कृत्रिम दृश्य संकेत को मस्तिष्क में प्रदान कर सकता है।
वर्तमान दृश्य प्रोस्थेटिक्स, जैसे रेटिनल प्रत्यारोपण, सीमित संकल्प के साथ केवल प्राथमिक दृष्टि प्रदान करते हैं। यह प्रदर्शित करके कि समृद्ध दृश्य जानकारी कोर्टिकल गतिविधि से निकाली जा सकती है, UCL कार्य यह सुझाव देता है कि भविष्य के कोर्टिकल प्रोस्थेटिक्स संभावित रूप से बहुत उच्च-गुणवत्ता की दृश्य अनुभूति प्रदान कर सकते हैं।
मशीन लर्निंग प्रगति को चलाती है
पुनर्निर्माण की सफलता आधुनिक गहरे शिक्षा आर्किटेक्चर पर बहुत निर्भर थी। टीम ने पुनर्निर्माण प्रक्रिया के लिए प्राथमिकताओं के रूप में काम करने के लिए बड़े पैमाने पर दृश्य डेटासेट पर प्रशिक्षित संवादी तंत्रिका नेटवर्क नियोजित किया, अनिवार्य रूप से एल्गोरिदम को सिखाते हुए कि प्राकृतिक वीडियो आमतौर पर कैसे दिखता है। यह पूर्व ज्ञान विवरण को भरने में मदद करता है जो अकेले तंत्रिका डेटा को हल नहीं कर सकता था।
यह दृष्टिकोण तंत्रिका विज्ञान और AI को जोड़ने वाले काम की बढ़ती शरीर पर निर्मित है। मस्तिष्क के कम्प्यूटेशनल मॉडल तेजी से AI से तकनीकें उधार लेते हैं, जबकि AI शोधकर्ता जैविक तंत्रिका सर्किट से प्रेरणा लेते हैं। यह क्रॉस-परागण दोनों क्षेत्रों में प्रगति को तेजी से बढ़ा रहा है।
नैतिक विचार और भविष्य की दिशाएं
जैसे-जैसे तंत्रिका डिकोडिंग प्रौद्योगिकी में सुधार होता है, मानसिक गोपनीयता और सहमति के बारे में प्रश्न अधिक दबाव वाले हो जाते हैं। जबकि वर्तमान तकनीकों को आक्रामक मस्तिष्क रिकॉर्डिंग और नियंत्रित प्रयोगशाला स्थितियों की आवश्यकता है, प्रौद्योगिकी का प्रक्षेपवक्र इस बारे में महत्वपूर्ण चर्चा उठाता है कि मस्तिष्क डेटा की कैसे सुरक्षा और विनियमन किया जाना चाहिए।
UCL टीम अपने काम को अधिक जटिल दृश्य उत्तेजना तक विस्तारित करने की योजना बना रही है, जिसमें प्राकृतिक दृश्य और सामाजिक बातचीत शामिल है, और यह जांच करना है कि सीखने और स्मृति गठन के दौरान दृश्य प्रसंस्करण कैसे बदलता है। वे दृश्य प्रसंस्करण में शामिल कई मस्तिष्क क्षेत्रों से न्यूरॉन्स की बड़ी आबादी से रिकॉर्डिंग करके पुनर्निर्माण गुणवत्ता में सुधार करने का लक्ष्य भी रख रहे हैं।
यह लेख Interesting Engineering की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें।
