இஸ்ரேலின் Rehovot இல் உள்ள Weizmann இன்ஸ்டிடியூட் ஆப் சயின்ஸ் ஆராய்ச்சியாளர்கள், ஒரு செயற்கை நுண்ணறிவு அமைப்பை உருவாக்கியுள்ளனர், இது ஒரு நபர் தனது fMRI மூளை ஸ்கேன் அடிப்படையில் மட்டுமே மறுகட்டமைக்க முடியும் - மேலும் ஒரு நபரின் மூளையின் செயல்பாட்டை மற்ற திசையில் உள்ள படத்தில் இருந்து கணிக்க முடியும் - MIT தொழில்நுட்ப மதிப்பாய்வு அக்டோபர் 1, 2026 அன்று அறிக்கை செய்யப்பட்டது.

கணினி விஞ்ஞானி மைக்கல் இரானி மற்றும் அவரது சகாக்களால் உருவாக்கப்பட்ட இந்த கருவி, முந்தைய மூளை-குறியீட்டு முயற்சிகள் பொருந்தாத துல்லியத்துடன் பார்த்த படங்களை மீண்டும் உருவாக்குகிறது. பக்கவாட்டு ஒப்பீடுகளில், மாதிரியின் புனரமைப்புகள் ஒரு காட்சியின் பொதுவான விஷயத்தை மட்டுமல்ல, அதன் அமைப்பு, நிலை மற்றும் உள்ளடக்கத்தையும் பாதுகாக்கிறது - முந்தைய அமைப்புகளின் தொடர்ச்சியான பலவீனம், இது நம்பத்தகுந்த வாழைப்பழத்தை உருவாக்க முடியும், ஆனால் அரிதாகவே நபர் உண்மையில் பார்த்த வாழைப்பழத்தை உருவாக்க முடியும். For more context on this story, see our ongoing artificial intelligence updates.

மூளை குறிவிலக்கி எவ்வாறு செயல்படுகிறது

இந்த அமைப்பு இரண்டு கிளை "மூளை குறிவிலக்கி" ஆகும். ஒரு கிளை படத்தின் கட்டமைப்பை முன்னறிவிக்கிறது - அங்கு நிறங்கள் மற்றும் வடிவங்கள் சட்டத்தில் அமர்ந்திருக்கும் - இரண்டாவது அதன் உள்ளடக்கத்தை கணித்துள்ளது, உதாரணமாக ஒரு தட்டில் வாழைப்பழங்கள். அந்த ஒருங்கிணைந்த கணிப்புகள் பின்னர் ஒரு பரவல் மாதிரியை வழிநடத்துகின்றன, அதே குடும்பத்தை உருவாக்கும் AI நுட்பங்கள் நவீன படம் மற்றும் வீடியோ ஜெனரேட்டர்களுக்குப் பின்னால், இறுதி மறுகட்டமைப்பை உருவாக்குகின்றன.

குழு பொதுவில் கிடைக்கும் மூளை ஸ்கேன் தரவுகளிலிருந்து தொடங்கியது: தன்னார்வலர்களுக்கு எஃப்எம்ஆர்ஐ ஸ்கேனர்களில் படுத்திருக்கும் போது நூற்றுக்கணக்கான படங்கள் காட்டப்பட்டன, அவை நரம்பியல் செயல்பாட்டிற்கான ப்ராக்ஸியாக மூளை வழியாக ஆக்ஸிஜனேற்றப்பட்ட இரத்த ஓட்டத்தை கண்காணிக்கின்றன. இரானியின் குழு அதிக தெளிவுத்திறன் கொண்ட ஸ்கேனர்களில் கைப்பற்றப்பட்ட புதிய தரவுத்தொகுப்புகளைப் பயன்படுத்தியது, இதில் ஒவ்வொரு வோக்ஸலும் ஒரு நிலையான ஸ்கேனரின் தோராயமாக மூன்று கன மில்லிமீட்டர் திசுக்களை விட தோராயமாக ஒரு கன மில்லிமீட்டர் திசுக்களை உள்ளடக்கியது.

கடன் பெற்ற தரவு பற்றிய பயிற்சி

மைய தடையாக தரவு பசி இருந்தது. ஆயிரக்கணக்கான படங்களைப் பார்க்கும் ஒருவரிடமிருந்து உயர் தெளிவுத்திறன் கொண்ட எஃப்எம்ஆர்ஐ ஸ்கேன்கள் குறைவாகவே உள்ளன, மேலும் மாடல்கள் ஏற்கனவே இருந்ததை விட அதிகமாகத் தேவைப்படுகின்றன. இரண்டாவது மாதிரியை தலைகீழாகப் பயிற்றுவிப்பதே ஆராய்ச்சியாளர்களின் தீர்வு - ஒரு நபருக்கு கொடுக்கப்பட்ட படத்தைக் காட்டினால், மூளை ஸ்கேன் எப்படி இருக்கும் என்பதைக் கணிக்கும் குறியாக்கி.

குறியாக்கி மற்றும் குறிவிலக்கியை ஒன்றுக்கொன்று எதிராக இயக்குவதன் மூலம், குழு திறம்பட வரம்பற்ற பயிற்சி ஜோடிகளை உருவாக்க முடியும். சிறுத்தையின் புகைப்படத்துடன் தொடங்கவும், அது உருவாக்கும் எஃப்எம்ஆர்ஐ செயல்பாட்டைக் கணிக்கவும், அந்தச் செயல்பாட்டிலிருந்து படத்தை மறுகட்டமைக்கவும், மற்றும் பொருந்தாத மாதிரிகள் இரண்டையும் செம்மைப்படுத்தவும். இராணியின் கூற்றுப்படி, 70 சதவீத பயிற்சி தரவு இறுதியில் ஸ்கேன் செய்யப்பட்ட தன்னார்வலருக்குக் காட்டப்படாத படங்களிலிருந்து வந்தது.

குழு உலகளாவிய மூளை குறியாக்கி என்று அழைக்கும் அணுகுமுறையை உருவாக்கியது, மேலும் அதன் செயல்திறன் தலைப்பு முடிவு ஆகும். முந்தைய டிகோடிங் கருவிகளுக்கு பொதுவாக ஒரு புதிய நபருக்கு அளவீடு செய்ய சுமார் 40 மணிநேர எஃப்எம்ஆர்ஐ தரவு தேவைப்படுகிறது. இரானியின் டிகோடருக்கு தோராயமாக ஒரு மணிநேரம் தேவைப்படுகிறது - ஸ்கேனர் நேரம் விலை அதிகம் என்பதால் வித்தியாசம். "ஒரு புதிய பாடத்திற்கு 40 மணிநேர இமேஜிங்கை நம்மில் எவராலும் வாங்க முடியாது" என்று ஆராய்ச்சியில் ஈடுபடாத சாண்டா பார்பராவின் கலிபோர்னியா பல்கலைக்கழகத்தின் நரம்பியல் விஞ்ஞானி டாமி ஸ்ப்ராக் கூறினார், இமேஜிங் ஒரு மணி நேரத்திற்கு சுமார் $600 முதல் $1,000 வரை இயங்கும் என்று குறிப்பிட்டார். செப்டம்பர் மாதம் நியூயார்க்கில் நடந்த அறிவாற்றல் கணக்கீட்டு நரம்பியல் மாநாட்டில் கண்டுபிடிப்புகள் வழங்கப்பட்டன.

அது சரி - மற்றும் தவறு

ஒப்பீட்டு சோதனைகளில், கருவியானது முன்னர் விவரிக்கப்பட்ட மூளை-குறியீட்டு அமைப்புகளை "குறிப்பிடத்தக்க வித்தியாசத்தில்" விஞ்சியது, இரானி MIT தொழில்நுட்ப மதிப்பாய்வுக்கு தெரிவித்தார். இது தவறில்லை. ஒரு வீடியோ அழைப்பின் மூலம், மூன்று சாண்ட்விச்களின் குவியலாக சிஸ்டம் புனரமைக்கப்பட்ட கேக்கின் படத்தையும், அதே தொட்டியில் அதே நிறத்தில் ஆடு போல் திரும்பி வந்த குளியல் தொட்டியில் இருந்த நாயையும் அவள் சுட்டிக்காட்டினாள்.

பல ஆய்வுகள் முழுவதும் தரவுகளை சேகரிப்பதன் மூலம், தனிநபர்கள் முழுவதும் செயல்பாடுகளைப் பகிர்ந்து கொள்ளும் மூளைப் பகுதிகளையும் குழு அடையாளம் கண்டுள்ளது - ஒரு பகுதி உணவின் படங்களுக்கும், மற்றொன்று விளையாட்டுக்கும் பதிலளித்தது. மூளை எவ்வாறு அர்த்தத்தை மிகவும் முறையாக ஒழுங்கமைக்கிறது என்பதை வரைபடமாக்க கருவிகளைப் பயன்படுத்த நரம்பியல் விஞ்ஞானிகளுடன் இணைந்து பணியாற்றி வருவதாக இரானி கூறுகிறார்.

மருந்துக்கான வாக்குறுதிகள்

மிக உடனடி நம்பிக்கைகள் மருத்துவம். இந்த அணுகுமுறை இறுதியில் லாக்-இன் சிண்ட்ரோம் உள்ளவர்களுக்கு - பேசவோ நகரவோ முடியாத முழுமையாக முடங்கிப்போயிருக்கும் நோயாளிகளுக்கு - மூளையின் செயல்பாட்டைப் பயன்படுத்தி மட்டும் தொடர்புகொள்ள உதவும் என்று இரானி நம்புகிறார். கனவுகள் மற்றும் PTSD ஃப்ளாஷ்பேக்குகளின் உணர்ச்சிகரமான உள்ளடக்கம் உள்ளிட்ட கற்பனையான உள்ளடக்கத்தை புனரமைக்கும் நீண்ட கால குறிக்கோளுடன், நிலையான படங்களுக்கு அப்பால் வீடியோ மற்றும் ஆடியோவிற்கு நுட்பத்தை விரிவுபடுத்த விரும்புகிறார்.

பணியில் ஈடுபடாத பிரிட்டிஷ் கொலம்பியா பல்கலைக்கழகத்தின் நரம்பியல் நிபுணரும் நரம்பியல் பேராசிரியருமான ஜூடி இல்லஸ், இந்த ஆராய்ச்சியை "அருமையானது" என்று விவரித்தார். "நரம்பியல் நிலைமைகள் உள்ளவர்களுக்கு உதவ [இந்த அணுகுமுறையைப் பயன்படுத்துவதற்கான] யோசனை ... சிகிச்சை ரீதியாக மிகவும் உற்சாகமானது," என்று அவர் எம்ஐடி தொழில்நுட்ப மதிப்பாய்விடம் கூறினார்.

தனியுரிமை பிரச்சனை

அதே துல்லியமானது, புலம் நீண்டகாலமாக அச்சமளிக்கும் வாய்ப்பை எழுப்புகிறது: அர்த்தமுள்ள ஒப்புதல் இல்லாமல் ஒரு நபரின் மனப் படத்தைப் பிரித்தெடுத்தல். "முடிவுகள் மிகவும் சுவாரஸ்யமாகத் தெரிகிறது," ஸ்ப்ராக் கூறினார். "ஆனால் நீங்கள் எதைப் பற்றி நினைக்கிறீர்கள் என்பதைப் பற்றிய தகவலை மறைமுகமாகப் பிரித்தெடுக்க ஒரு வழி இருந்தால், 150 வருட அறிவியல் புனைகதை எப்போது வேண்டுமானாலும் நிஜமாகலாம், அது பல வழிகளில் கவலை அளிக்கிறது."

அந்த கவலைகள் இப்போது இயற்பியலால் கட்டுப்படுத்தப்படுகின்றன. கணினிக்கு ஒரு நபர் பல டன் எஃப்எம்ஆர்ஐ காந்தத்திற்குள் மணிக்கணக்கில் படுத்துக் கொள்ள வேண்டும், மேலும் ஒவ்வொரு முந்தைய டிகோடருக்கும் ஒரு நபருக்கு விரிவான அளவுத்திருத்தம் தேவை. ஆனால் அளவுத்திருத்தத் தேவை என்பது துல்லியமாக இரானியின் குழு டஜன் கணக்கான காரணிகளால் குறைத்துள்ளது, அதனால்தான் நெறிமுறை வல்லுநர்கள் ஒரு கருவியில் கவனம் செலுத்துகிறார்கள், இது ஒரு ஆராய்ச்சி திருப்புமுனையாகவும் இருக்கிறது.

வெய்ஸ்மேன் குழுவின் அடுத்த இலக்குகள் - நகரும் படங்கள் மற்றும் ஒலி, பின்னர் கற்பனை மற்றும் கனவு கண்ட உள்ளடக்கம் - ஸ்கேனர் ஆய்வகத்தின் கவனமாகக் கட்டுப்படுத்தப்பட்ட நிலைமைகளுக்கு வெளியே நுட்பத்தின் துல்லியம் நிலைத்திருக்கிறதா என்பதைச் சோதிக்கும். அவ்வாறு செய்தால், மருத்துவ பயன்பாடுகள் மற்றும் தனியுரிமை விவாதங்கள் இரண்டும் ஒன்றாக அதிகரிக்கும்.

வேகமாக நகரும் களம்

ஒரு தசாப்தத்தில் மங்கலான, அரிதாகவே அடையாளம் காணக்கூடிய தோராயங்களில் இருந்து, சிறந்த ஸ்கேனர்கள், பெரிய பகிரப்பட்ட தரவுத்தொகுப்புகள் மற்றும் கரடுமுரடான சிக்னல்களில் இருந்து யதார்த்தமான விவரங்களை நிரப்பக்கூடிய உருவாக்க மாதிரிகள் ஆகியவற்றால் இயக்கப்பட்டு, ஒரு தசாப்தத்தில் கட்டமைப்பு ரீதியாக உண்மையுள்ள புனரமைப்புகளுக்கு மூளை டிகோடிங் முன்னேறியுள்ளது. Weizmann இன் பங்களிப்பு — தரவு இடையூறுகளை உடைக்க இருதரப்பு குறியாக்கி-குறிவிலக்கி லூப்பைப் பயன்படுத்துவது — புதிய வன்பொருளைச் சார்ந்து இல்லாததால், விரைவாகப் பரவும் ஒரு வகையான பொறியியல் நுண்ணறிவு. மற்ற ஆய்வகங்கள் பயிற்சித் திட்டத்தைப் பிரதிபலிக்கும் என்று எதிர்பார்க்கலாம், மேலும் நரம்பியல் தரவுகளை யார் கட்டுப்படுத்துகிறார்கள் மற்றும் ஒப்புக்கொள்கிறார்கள் என்ற கேள்வி AI கொள்கையின் விளிம்பிலிருந்து அதன் மையத்தை நோக்கி நகரும் என்று எதிர்பார்க்கலாம்.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →