एआई मस्तिष्क मॉडल पर शोधकर्ताओं के बीच विवाद बढ़ा

वाशिंगटन, 12 नवंबर: कृत्रिम बुद्धिमत्ता (AI) मॉडल के मस्तिष्क कार्यप्रणाली को समझने में प्रभावशीलता को लेकर शोधकर्ताओं के बीच बहस तेज हो गई है। यह विषय विभिन्न संस्थानों, जैसे स्टैनफोर्ड यूनिवर्सिटी और मेटा, के टीमों द्वारा मस्तिष्क गतिविधि की भविष्यवाणी करने के लिए विकसित किए जा रहे मॉडल पर केंद्रित है।

कई संस्थान बड़े फाउंडेशन मॉडल का अनुसरण कर रहे हैं ताकि यह भविष्यवाणी की जा सके कि मस्तिष्क उत्तेजनाओं के प्रति कैसे प्रतिक्रिया करता है, जो व्यापक डेटा संग्रह पर आधारित है। स्टैनफोर्ड डिजिटल ब्रेन प्रोजेक्ट का लक्ष्य एआई मॉडल बनाना है जो अत्याधुनिक मस्तिष्क इमेजिंग तकनीकों का उपयोग करके सिद्धांतात्मक और नैदानिक न्यूरोसाइंस को आगे बढ़ाए। परियोजना के प्रतिभागी डैनियल यामिन्स ने कहा, “इस पहल के लिए भौतिकीविदों, संज्ञानात्मक वैज्ञानिकों और कंप्यूटर वैज्ञानिकों से बहुत प्रयास की आवश्यकता है।”

हालांकि, मुख्य प्रश्न यह है कि क्या मस्तिष्क गतिविधि की भविष्यवाणी करने वाले मॉडल वास्तव में यह समझने में मदद कर सकते हैं कि मस्तिष्क कैसे काम करता है। न्यूरोसाइंस के जर्नल में हाल ही में प्रकाशित एक लेख में, शोधकर्ताओं बिंग वेन ब्रंटन और पैट्रिक माइनॉल्ट ने इस मुद्दे पर विपरीत दृष्टिकोण प्रस्तुत किए। ब्रंटन ने कहा कि जबकि मॉडल मस्तिष्क की प्रतिक्रियाओं की भविष्यवाणी कर सकते हैं, वे मस्तिष्क की कार्यप्रणाली को समझने में मदद नहीं करते: “एक मॉडल जो सही ढंग से यह भविष्यवाणी करता है कि आपका दृश्य कॉर्टेक्स क्या करेगा… यह नहीं बताता कि आपका दृश्य कॉर्टेक्स ऐसा क्यों करता है।”

वहीं, माइनॉल्ट का मानना है कि सटीक मॉडल अंतर्दृष्टि प्रदान कर सकते हैं। उनका तर्क है कि ये ऐसे प्रयोग करने की अनुमति देते हैं जो जीवित मस्तिष्क नहीं कर सकते। इस असहमति का मूल यह है कि क्या भविष्यवाणी करने की क्षमता वास्तविक समझ के बराबर है।

हालिया अध्ययनों के निष्कर्ष

हालिया अध्ययनों ने चर्चा को और जटिल बना दिया है। एक अध्ययन, जिसे ओम्निमाउस कहा जाता है, ने 73 चूहों के न्यूरल डेटा का विश्लेषण किया और एक आश्चर्यजनक प्रवृत्ति देखी—अधिक मॉडल पैरामीटर जोड़ने से प्रदर्शन में सुधार नहीं हुआ। यह निष्कर्ष स्थापित एआई स्केलिंग कानूनों को चुनौती देता है जो सुझाव देते हैं कि बड़े मॉडल बेहतर परिणाम देने चाहिए। अध्ययन के लेखकों ने कहा कि डेटा स्केलिंग ने भविष्यवाणी की सटीकता में सुधार किया, लेकिन मॉडल के आकार में नहीं।

साथ ही, मेटा का TRIBE v2 मॉडल और अन्य समान प्रयास नए उत्तेजनाओं के आधार पर न्यूरल प्रतिक्रियाओं की भविष्यवाणी करने में सफल होने का दावा करते हैं, लेकिन उनकी विधियां और प्रभावशीलता अभी भी जांच के दायरे में हैं। स्टैनफोर्ड की हालिया सहयोगी पहल इन अंतर्दृष्टियों पर आधारित एक व्यापक मॉडल विकसित करने का लक्ष्य रखती है जो मस्तिष्क गतिविधि की भविष्यवाणी और स्पष्टता दोनों प्रदान करे।

भविष्य की दिशा

न्यूरोसाइंस सोसाइटी की वार्षिक बैठक के निकट आने के साथ, एआई मस्तिष्क मॉडल की क्षमताओं और सीमाओं के चारों ओर चल रही बहस मुख्य मंच पर होगी। ब्रंटन और माइनॉल्ट वाशिंगटन, डी.सी. में एक लाइव सत्र के दौरान अपने विचारों का बचाव करने की योजना बना रहे हैं। उनकी चर्चा वैज्ञानिक समुदाय के भीतर एआई ढांचों को न्यूरोसाइंस में लागू करने के वादे और खतरों के बारे में अनिश्चितता को दर्शाती है।

जैसे-जैसे शोधकर्ता डेटा एकत्र करना और मॉडल को परिष्कृत करना जारी रखते हैं, इस बहस के परिणाम एआई और न्यूरोसाइंस दोनों के भविष्य को आकार देंगे। जॉन्स हॉपकिन्स यूनिवर्सिटी के जॉन क्राकॉवर के शब्दों में, इन भविष्यवाणी करने वाले मॉडलों की वास्तविक उपयोगिता के बारे में प्रश्न बने हुए हैं: “ऐसा मॉडल एक दूसरा मस्तिष्क होगा जिसे आपको न्यूरल रूप से समझना होगा।”