Rehovot، اسرائیل میں ویزمین انسٹی ٹیوٹ آف سائنس کے محققین نے ایک مصنوعی ذہانت کا نظام بنایا ہے جو صرف اپنے fMRI دماغی اسکین کی بنیاد پر جو کچھ دیکھ رہا ہے اسے دوبارہ تشکیل دے سکتا ہے - اور دوسری سمت میں موجود تصویر سے کسی شخص کی دماغی سرگرمی کی پیش گوئی کر سکتا ہے۔ MIT ٹیکنالوجی ریویو نے 1 اکتوبر 2026 کو رپورٹ کیا۔
کمپیوٹر سائنس دان میشل ایرانی اور ان کے ساتھیوں کی طرف سے تیار کردہ یہ ٹول، دیکھی گئی تصاویر کو درستگی کے ساتھ دوبارہ بناتا ہے جو پہلے دماغ کو ڈی کوڈ کرنے کی کوششوں سے میل نہیں کھاتی تھی۔ پہلو بہ پہلو موازنہ میں، ماڈل کی تعمیر نو نہ صرف کسی منظر کے عمومی موضوع کو بلکہ اس کی ساخت، مقام اور مواد کو محفوظ رکھتی ہے — پچھلے نظاموں کی ایک مستقل کمزوری، جس سے ایک قابل فہم کیلا پیدا ہو سکتا ہے لیکن شاذ و نادر ہی کیلا جو شخص نے دیکھا ہو۔ For more context on this story, see our ongoing more AI stories.
دماغ کا ڈیکوڈر کیسے کام کرتا ہے۔
یہ نظام دو شاخوں والا "دماغی ڈیکوڈر" ہے۔ ایک شاخ تصویر کی ساخت کی پیشین گوئی کرتی ہے — جہاں رنگ اور شکلیں فریم میں بیٹھتی ہیں — جب کہ دوسری شاخ اس کے مواد کی پیشین گوئی کرتی ہے، مثال کے طور پر پلیٹ میں کیلے کا ایک گچھا۔ وہ مشترکہ پیشن گوئیاں پھر ایک پھیلاؤ ماڈل چلاتی ہیں، جو کہ جدید امیج اور ویڈیو جنریٹرز کے پیچھے تخلیقی AI تکنیکوں کا ایک ہی خاندان ہے، تاکہ حتمی تعمیر نو کی جا سکے۔
ٹیم نے عوامی طور پر دستیاب دماغی اسکین کے اعداد و شمار سے آغاز کیا: رضاکاروں کو ایف ایم آر آئی اسکینرز میں لیٹے ہوئے سینکڑوں تصاویر دکھائی گئیں، جو دماغ کے ذریعے آکسیجن والے خون کے بہاؤ کو اعصابی سرگرمیوں کے لیے پراکسی کے طور پر ٹریک کرتی ہیں۔ ایرانی کے گروپ نے اعلی ریزولیوشن سکینرز پر کیپچر کیے گئے نئے ڈیٹاسیٹس کا استعمال کیا، جہاں سرگرمی کا ہر ووکسل معیاری سکینر کے تقریباً تین کیوبک ملی میٹر کے بجائے تقریباً ایک مکعب ملی میٹر ٹشو کا احاطہ کرتا ہے۔
ادھار ڈیٹا پر تربیت
مرکزی رکاوٹ ڈیٹا کی بھوک تھی۔ ہزاروں تصاویر دیکھنے والے شخص کے ہائی ریزولوشن ایف ایم آر آئی اسکین بہت کم ہیں، اور ماڈلز کی ضرورت پہلے سے کہیں زیادہ ہے۔ محققین کا کام ایک دوسرے ماڈل کو ریورس میں تربیت دینا تھا - ایک انکوڈر جو پیش گوئی کرتا ہے کہ اگر کسی شخص کو دی گئی تصویر دکھائی جائے تو دماغی اسکین کیسا نظر آئے گا۔
انکوڈر اور ڈیکوڈر کو ایک دوسرے کے خلاف چلانے سے، ٹیم مؤثر طریقے سے لامحدود تربیتی جوڑے تیار کر سکتی ہے۔ چیتے کی تصویر کے ساتھ شروع کریں، اس سے پیدا ہونے والی fMRI سرگرمی کی پیشین گوئی کریں، اس سرگرمی سے تصویر کی تشکیل نو کریں، اور دونوں ماڈلز کو مماثلت پر بہتر کریں۔ ایرانی کے مطابق، تقریباً 70 فیصد تربیتی ڈیٹا بالآخر ان تصاویر سے آیا جو حقیقت میں کبھی بھی اسکین شدہ رضاکار کو نہیں دکھائے گئے۔
اس نقطہ نظر نے وہ چیز پیدا کی جسے ٹیم یونیورسل برین انکوڈر کہتی ہے، اور اس کی کارکردگی سرخی کا نتیجہ ہے۔ پچھلے ضابطہ کشائی کرنے والے ٹولز کو عام طور پر کسی نئے شخص کو کیلیبریٹ کرنے کے لیے تقریباً 40 گھنٹے fMRI ڈیٹا کی ضرورت ہوتی تھی۔ ایرانی کے ڈیکوڈر کو تقریباً ایک گھنٹہ درکار ہے - ایک فرق جو اہم ہے کیونکہ سکینر کا وقت مہنگا ہے۔ "ہم میں سے کوئی بھی کسی نئے مضمون کے لیے 40 گھنٹے کی امیجنگ کا متحمل نہیں ہوسکتا،" یونیورسٹی آف کیلیفورنیا، سانتا باربرا کے نیورو سائنس دان ٹومی سپراگ نے کہا، جو اس تحقیق میں شامل نہیں تھے، یہ نوٹ کرتے ہوئے کہ امیجنگ تقریباً $600 سے $1000 فی گھنٹہ چل سکتی ہے۔ یہ نتائج ستمبر میں نیویارک میں ہونے والی کوگنیٹو کمپیوٹیشنل نیورو سائنس کانفرنس میں پیش کیے گئے۔
یہ کیا صحیح ہو جاتا ہے — اور کیا غلط
ایرانی نے ایم آئی ٹی ٹیکنالوجی ریویو کو بتایا کہ مقابلے کے ٹیسٹوں میں، اس آلے نے پہلے بیان کردہ دماغی ضابطہ کشائی کے نظام کو "ایک اہم مارجن سے" پیچھے چھوڑ دیا۔ یہ بے جا نہیں ہے۔ ایک ویڈیو کال کے دوران، اس نے ایک کیک کی ایک تصویر کی طرف اشارہ کیا جسے سسٹم نے تین سینڈوچ کے ڈھیر کے طور پر دوبارہ تعمیر کیا، اور باتھ ٹب میں ایک کتا جو اسی ٹب میں اسی رنگ کے بکرے کی طرح واپس آیا۔
متعدد مطالعات میں ڈیٹا جمع کرکے، ٹیم نے دماغی خطوں کی بھی نشاندہی کی جو تمام افراد میں افعال کا اشتراک کرتے دکھائی دیتے ہیں - ایک خطہ کھانے کی تصاویر کا جواب دیتا ہے، دوسرا کھیلوں کے لیے۔ ایرانی کہتی ہیں کہ اب وہ نیورو سائنسدانوں کے ساتھ کام کر رہی ہیں تاکہ یہ نقشہ بنانے کے لیے آلات استعمال کیے جا سکیں کہ دماغ کس طرح معنی کو زیادہ منظم طریقے سے منظم کرتا ہے۔
دوائی کے وعدے۔
سب سے زیادہ فوری امیدیں طبی ہیں۔ ایرانی کا خیال ہے کہ یہ نقطہ نظر آخر کار لاک ان سنڈروم والے لوگوں کی مدد کرسکتا ہے - مکمل طور پر مفلوج مریض جو بول یا حرکت نہیں کرسکتے ہیں - صرف دماغی سرگرمی کا استعمال کرتے ہوئے بات چیت کرسکتے ہیں۔ وہ تکنیک کو جامد امیجز سے آگے ویڈیو اور آڈیو تک بڑھانا چاہتی ہے، جس میں خوابوں اور PTSD فلیش بیکس کے حسی مواد سمیت تصوراتی مواد کی تعمیر نو کے طویل مدتی ہدف کے ساتھ۔
یونیورسٹی آف برٹش کولمبیا میں نیوروتھکسٹ اور نیورولوجی کی پروفیسر جوڈی ایلس جو اس کام میں شامل نہیں تھیں، نے اس تحقیق کو "شاندار" قرار دیا۔ اس نے ایم آئی ٹی ٹیکنالوجی ریویو کو بتایا کہ "اعصابی حالات میں مبتلا لوگوں کی مدد کے لیے [اس نقطہ نظر کو استعمال کرنے کا] خیال... علاج کے لحاظ سے بہت ہی دلچسپ ہے۔"
رازداری کا مسئلہ
وہی درستگی اس امکان کو بڑھاتی ہے جس سے فیلڈ طویل عرصے سے خوفزدہ ہے: بامعنی رضامندی کے بغیر کسی شخص کی ذہنی تصویر کو نکالنا۔ "نتائج بہت متاثر کن لگتے ہیں،" سپراگ نے کہا۔ "لیکن اگر آپ جس چیز کے بارے میں سوچ رہے ہیں اس کے بارے میں خفیہ معلومات حاصل کرنے کا کوئی طریقہ ہے، تو پھر ... 150 سال کی سائنس فائی کسی بھی وقت سچ ہو سکتی ہے، اور یہ بہت سے طریقوں سے تشویشناک ہے۔"
وہ خدشات ابھی تک، طبیعیات کے پابند ہیں۔ سسٹم کے لیے ایک شخص کو کئی ٹن fMRI مقناطیس کے اندر گھنٹوں تک لیٹے رہنے کی ضرورت ہوتی ہے، اور ہر پچھلے ڈیکوڈر کو فی فرد کیلیبریشن کی ضرورت ہوتی ہے۔ لیکن انشانکن کی ضرورت بالکل وہی ہے جسے ایرانی ٹیم نے درجنوں کے ایک عنصر سے کاٹ دیا ہے، یہی وجہ ہے کہ ماہرین اخلاق ایک ایسے آلے پر توجہ دے رہے ہیں جو تحقیقی پیش رفت بھی ہوتا ہے۔
Weizmann گروپ کے اگلے اہداف — حرکت پذیر تصاویر اور آواز، پھر تصور اور خواب میں دیکھا گیا مواد — جانچیں گے کہ آیا تکنیک کی درستگی سکینر لیب کے احتیاط سے کنٹرول شدہ حالات کے باہر زندہ رہتی ہے۔ اگر ایسا ہوتا ہے تو، طبی درخواستیں اور رازداری کی بحثیں ایک ساتھ بڑھیں گی۔
تیزی سے چلنے والا میدان
دماغ کی ضابطہ کشائی ایک دہائی سے کم عرصے میں ساختی اعتبار سے وفادار تعمیر نو تک دھندلے، بمشکل پہچانے جانے والے اندازوں سے آگے بڑھی ہے، جو بہتر اسکینرز، بڑے مشترکہ ڈیٹاسیٹس اور جنریٹیو ماڈلز کے ذریعے کارفرما ہے جو موٹے سگنلز سے حقیقت پسندانہ تفصیل کو بھر سکتے ہیں۔ ویزمین کی شراکت — ڈیٹا کی رکاوٹ کو توڑنے کے لیے ایک دو طرفہ انکوڈر-ڈیکوڈر لوپ کا استعمال — ایک قسم کی انجینئرنگ بصیرت ہے جو تیزی سے پھیلتی ہے، کیونکہ یہ نئے ہارڈ ویئر پر منحصر نہیں ہے۔ دیگر لیبز سے تربیت کی اسکیم کی نقل تیار کرنے کی توقع کریں، اور اس سوال کی توقع کریں کہ کون کنٹرول کرتا ہے اور اعصابی ڈیٹا کو AI پالیسی کے حاشیے سے اس کے مرکز کی طرف منتقل کرنے کے لیے کون رضامندی دیتا ہے۔
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
