Rehovot, इस्रायल येथील वेइझमन इन्स्टिट्यूट ऑफ सायन्समधील संशोधकांनी एक कृत्रिम बुद्धिमत्ता प्रणाली तयार केली आहे जी एखादी व्यक्ती फक्त त्यांच्या fMRI मेंदूच्या स्कॅनच्या आधारे काय पाहत आहे याची पुनर्रचना करू शकते — आणि दुसऱ्या दिशेने असलेल्या प्रतिमेवरून एखाद्या व्यक्तीच्या मेंदूच्या क्रियाकलापाचा अंदाज लावू शकते — MIT टेक्नॉलॉजी रिव्ह्यूने 1 ऑक्टोबर 2026 रोजी अहवाल दिला.
संगणक शास्त्रज्ञ मिचल इराणी आणि त्यांच्या सहकाऱ्यांनी विकसित केलेले हे टूल, पाहिलेल्या प्रतिमा अचूकतेने पुन्हा तयार करते जे पूर्वीच्या मेंदू-डिकोडिंगच्या प्रयत्नांशी जुळले नव्हते. शेजारी-बाय-शेजारी तुलना करताना, मॉडेलची पुनर्रचना केवळ दृश्याचा सामान्य विषयच नाही तर त्याची रचना, स्थिती आणि सामग्री जतन करते — मागील सिस्टमची सतत कमकुवतता, ज्यामुळे एक प्रशंसनीय केळी निर्माण होऊ शकते परंतु क्वचितच व्यक्तीने पाहिलेली केळी. For more context on this story, see our ongoing AI trends.
मेंदूचे डीकोडर कसे कार्य करते
प्रणाली दोन-शाखा "मेंदू डीकोडर" आहे. एक शाखा प्रतिमेच्या संरचनेचा अंदाज लावते — जिथे रंग आणि आकार फ्रेममध्ये बसतात — तर दुसरी शाखा तिच्या सामग्रीचा अंदाज लावते, उदाहरणार्थ प्लेटवर केळीचा गुच्छ. ते एकत्रित अंदाज नंतर एक प्रसार मॉडेल, आधुनिक प्रतिमा आणि व्हिडिओ जनरेटरच्या मागे जनरेटिव्ह एआय तंत्रांचे समान कुटुंब, अंतिम पुनर्रचना तयार करतात.
संघाने सार्वजनिकरीत्या उपलब्ध मेंदूच्या स्कॅन डेटापासून सुरुवात केली: स्वयंसेवकांना fMRI स्कॅनरमध्ये पडलेले असताना शेकडो प्रतिमा दाखविण्यात आल्या होत्या, जे मेंदूतील ऑक्सिजनयुक्त रक्तप्रवाहाचा मागोवा न्यूरल क्रियाकलापांसाठी प्रॉक्सी म्हणून ठेवतात. इराणीच्या गटाने उच्च-रिझोल्यूशन स्कॅनरवर कॅप्चर केलेल्या नवीन डेटासेटचा वापर केला, जिथे क्रियाकलापातील प्रत्येक व्हॉक्सेल मानक स्कॅनरच्या अंदाजे तीन क्यूबिक मिलिमीटरपेक्षा सुमारे एक घन मिलिमीटर टिश्यू कव्हर करते.
उधार घेतलेल्या डेटावर प्रशिक्षण
मध्यवर्ती अडथळा डेटा भूक होता. हजारो प्रतिमा पाहणाऱ्या व्यक्तीचे उच्च-रिझोल्यूशन fMRI स्कॅन दुर्मिळ आहेत, आणि मॉडेल्सची आवश्यकता आहे त्यापेक्षा कितीतरी जास्त. संशोधकांचा उपाय म्हणजे दुसऱ्या मॉडेलला उलट प्रशिक्षित करणे - एक एन्कोडर जो एखाद्या व्यक्तीला दिलेली प्रतिमा दर्शविल्यास मेंदूचे स्कॅन कसे दिसेल याचा अंदाज लावतो.
एन्कोडर आणि डीकोडर एकमेकांविरुद्ध चालवून, संघ प्रभावीपणे अमर्यादित प्रशिक्षण जोड्या तयार करू शकतो. बिबट्याच्या फोटोसह प्रारंभ करा, ते तयार करणाऱ्या fMRI क्रियाकलापाचा अंदाज लावा, त्या क्रियाकलापातून प्रतिमेची पुनर्रचना करा आणि विसंगतींवर दोन्ही मॉडेल्स परिष्कृत करा. इराणी यांच्या म्हणण्यानुसार, सुमारे 70 टक्के प्रशिक्षण डेटा शेवटी प्रतिमांमधून आला आहे जो प्रत्यक्षात कधीही स्कॅन केलेल्या स्वयंसेवकाला दाखवला गेला नाही.
या दृष्टीकोनाने टीम ज्याला युनिव्हर्सल ब्रेन एन्कोडर म्हणतो ते निर्माण केले आणि त्याची कार्यक्षमता हे हेडलाइन परिणाम आहे. मागील डीकोडिंग टूल्सना नवीन व्यक्तीला कॅलिब्रेट करण्यासाठी साधारणतः 40 तासांचा fMRI डेटा आवश्यक असतो. इराणीच्या डीकोडरला अंदाजे एक तास लागतो - हा फरक महत्त्वाचा आहे कारण स्कॅनर वेळ महाग आहे. "आमच्यापैकी कोणीही नवीन विषयासाठी 40 तास इमेजिंग घेऊ शकत नाही," टॉमी स्प्रेग, कॅलिफोर्निया विद्यापीठ, सांता बार्बरा येथील न्यूरोसायंटिस्ट, जे संशोधनात सहभागी नव्हते, म्हणाले की इमेजिंग प्रति तास अंदाजे $600 ते $1,000 चालते. सप्टेंबरमध्ये न्यूयॉर्कमधील कॉग्निटिव्ह कॉम्प्युटेशनल न्यूरोसायन्स कॉन्फरन्समध्ये हे निष्कर्ष सादर करण्यात आले.
काय बरोबर - आणि काय चूक
तुलनात्मक चाचण्यांमध्ये, उपकरणाने पूर्वी वर्णन केलेल्या मेंदू-डिकोडिंग सिस्टमला "महत्त्वाच्या फरकाने" मागे टाकले आहे, असे इराणी यांनी एमआयटी टेक्नॉलॉजी रिव्ह्यूला सांगितले. ते अचुक नाही. एका व्हिडिओ कॉलवर, तिने एका केकच्या प्रतिमेकडे लक्ष वेधले जे सिस्टमने तीन सँडविचच्या ढिगाऱ्याच्या रूपात पुन्हा तयार केले आणि बाथटबमध्ये एक कुत्रा जो त्याच टबमध्ये समान रंगीत बकरीसारखा परत आला.
एकाधिक अभ्यासांमध्ये डेटा एकत्र करून, टीमने मेंदूचे क्षेत्र देखील ओळखले जे व्यक्तींमध्ये कार्ये सामायिक करतात - एका प्रदेशाने अन्नाच्या प्रतिमांना प्रतिसाद दिला, तर दुसरा क्रीडासाठी. इराणी म्हणते की ती आता मेंदूचा अर्थ अधिक पद्धतशीरपणे कसा व्यवस्थित होतो हे मॅप करण्यासाठी साधनांचा वापर करण्यासाठी न्यूरोसायंटिस्टसोबत काम करत आहे.
औषधासाठी आश्वासने
सर्वात तात्काळ आशा क्लिनिकल आहेत. इराणीचा असा विश्वास आहे की हा दृष्टीकोन शेवटी लॉक-इन सिंड्रोम असलेल्या लोकांना मदत करू शकतो - पूर्णपणे अर्धांगवायू रुग्ण जे बोलू शकत नाहीत किंवा हालचाल करू शकत नाहीत - केवळ मेंदूच्या क्रियाकलापांचा वापर करून संवाद साधू शकतात. स्वप्ने आणि PTSD फ्लॅशबॅकच्या संवेदी सामग्रीसह कल्पित सामग्रीची पुनर्रचना करण्याच्या दीर्घकालीन उद्दिष्टासह, ती स्थिर प्रतिमांच्या पलीकडे व्हिडिओ आणि ऑडिओपर्यंत तंत्राचा विस्तार करू इच्छिते.
ब्रिटीश कोलंबिया विद्यापीठातील न्यूरोएथिस्ट आणि न्यूरोलॉजीच्या प्राध्यापक ज्युडी इलेस यांनी या संशोधनाचे वर्णन "भव्य" असे केले. "न्युरोलॉजिक परिस्थिती असलेल्या लोकांना मदत करण्यासाठी [हा दृष्टिकोन वापरण्याची] कल्पना ... उपचारात्मकदृष्ट्या अत्यंत रोमांचक आहे," तिने एमआयटी टेक्नॉलॉजी रिव्ह्यूला सांगितले.
गोपनीयतेची समस्या
त्याच अचूकतेमुळे या क्षेत्राला फार पूर्वीपासून भीती वाटत होती: अर्थपूर्ण संमतीशिवाय एखाद्या व्यक्तीची मानसिक प्रतिमा काढणे. "परिणाम खूप प्रभावी वाटतात," स्प्रेग म्हणाले. "परंतु आपण ज्याबद्दल विचार करत आहात त्याबद्दल गुप्तपणे माहिती काढण्याचा मार्ग असल्यास ... 150 वर्षांची साय-फाय कधीही सत्यात येऊ शकते आणि हे बर्याच मार्गांनी चिंताजनक आहे."
त्या चिंता सध्या भौतिकशास्त्राने बांधलेल्या आहेत. सिस्टमला एखाद्या व्यक्तीने मल्टी-टन fMRI चुंबकाच्या आत तासन्तास झोपावे लागते आणि प्रत्येक मागील डीकोडरला प्रति-व्यक्ती विस्तृत कॅलिब्रेशनची आवश्यकता असते. परंतु कॅलिब्रेशनची आवश्यकता इराणीच्या टीमने फक्त डझनभर घटकांनी कमी केली आहे, म्हणूनच नैतिकतावादी एका साधनाकडे लक्ष देत आहेत जे संशोधन यश देखील आहे.
Weizmann गटाची पुढील लक्ष्ये - हलत्या प्रतिमा आणि आवाज, नंतर कल्पित आणि स्वप्नातील सामग्री - स्कॅनर लॅबच्या काळजीपूर्वक नियंत्रित परिस्थितीच्या बाहेर तंत्राची अचूकता टिकून आहे की नाही हे तपासेल. तसे झाल्यास, वैद्यकीय अनुप्रयोग आणि गोपनीयता वादविवाद दोन्ही एकत्रितपणे वाढतील.
जलद गतीने जाणारे क्षेत्र
ब्रेन डीकोडिंग अस्पष्ट, केवळ ओळखता येण्याजोग्या अंदाजे पासून एक दशकाच्या आत संरचनात्मकदृष्ट्या विश्वासू पुनर्बांधणीपर्यंत प्रगती केली आहे, चांगले स्कॅनर, मोठ्या सामायिक डेटासेट आणि जनरेटिव्ह मॉडेल्सद्वारे चालवलेले आहे जे खडबडीत सिग्नलमधून वास्तववादी तपशील भरू शकतात. वेझमनचे योगदान — डेटा अडथळे दूर करण्यासाठी द्विदिशात्मक एन्कोडर-डीकोडर लूप वापरणे — ही एक प्रकारची अभियांत्रिकी अंतर्दृष्टी आहे जी त्वरीत पसरते, कारण ती नवीन हार्डवेअरवर अवलंबून नसते. इतर प्रयोगशाळांनी प्रशिक्षण योजनेची प्रतिकृती बनवण्याची अपेक्षा करा आणि एआय पॉलिसीच्या फरकातून त्याच्या केंद्राकडे जाण्यासाठी न्यूरल डेटा कोण नियंत्रित करतो आणि त्याला संमती देतो या प्रश्नाची अपेक्षा करा.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
