Seeing Through the Brain: New Insights from Decoding Visual Stimuli with fMRI
यह शोध पत्र PRISM का प्रस्ताव करता है, जो एक नवीन ढांचा है जो fMRI संकेतों को एक संरचित टेक्स्ट स्पेस में प्रोजेक्ट करता है और तंत्रिका गतिविधि की संरचनात्मक प्रकृति के साथ बेहतर संरेखण प्राप्त करने के लिए एट्रीब्यूट-रिलेशनशिप सर्च के साथ ऑब्जेक्ट-सेंट्रिक डिफ्यूजन का उपयोग करके अत्याधुनिक विजुअल स्टिमुलस पुनर्निर्माण (visual stimulus reconstruction) को सक्षम बनाता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आपका मस्तिष्क एक व्यस्त पुस्तकालय है जहाँ हर बार जब आप कोई चित्र देखते हैं, तो वह केवल उस तस्वीर को "संग्रहित" नहीं करता। इसके बजाय, वह जो देखता है उसके बारे में एक बहुत ही विशिष्ट, जटिल कहानी लिखता है। वर्षों से, वैज्ञानिक इन कहानियों को (fMRI ब्रेन स्कैन से) पढ़ने और उन्हें आपके द्वारा देखे गए मूल चित्रों में वापस बदलने की कोशिश कर रहे हैं।
जिस पेपर के बारे में आप पूछ रहे हैं, PRISM, एक नए, स्मार्ट अनुवादक की तरह है जिसने अंततः इसे बेहतर तरीके से करने के कोड को क्रैक कर लिया है। यहाँ इसका सरल विवरण दिया गया है कि उन्होंने क्या पाया और क्या बनाया:
1. बड़ी आश्चर्यजनक बात: मस्तिष्क "टेक्स्ट" बोलता है, "चित्र" नहीं
ब्रेन स्कैन से छवियों को पुनर्गठित करने के पिछले अधिकांश प्रयासों ने मस्तिष्क के संकेत को सीधे एक "चित्र भाषा" (जैसे एक डिजिटल फोटो फ़ाइल) में अनुवाद करने की कोशिश की। उन्होंने यह मान लिया था कि क्योंकि आपने एक चित्र देखा था, इसलिए आपके मस्तिष्क ने उसे एक चित्र के रूप में संग्रहीत किया होगा।
PRISM टीम ने पाया कि यह गलत था।
उन्होंने पाया कि मस्तिष्क की गतिविधि वास्तव में एक फोटो या वीडियो की तुलना में टेक्स्ट (जैसे किताब के वाक्य) के बहुत अधिक समान दिखती है।
- उपमा: कल्पना कीजिए कि आप एक विदेशी भाषा का अनुवाद करने की कोशिश कर रहे हैं। पिछले तरीकों ने मस्तिष्क की "भाषा" को एक अन्य दृश्य भाषा में अनुवाद करने की कोशिश की (जैसे एक फ्रांसीसी फिल्म को सीधे जर्मन फिल्म में अनुवाद करना)। PRISM ने महसूस किया कि मस्तिष्क वास्तव में अंग्रेजी बोल रहा है (टेक्स्ट)। इसलिए, इसे समझने का सबसे अच्छा तरीका पहले इसे अंग्रेजी में अनुवाद करना है, और फिर उस अंग्रेजी का उपयोग चित्र का वर्णन करने के लिए करना है।
2. "धुंधले" विवरणों के साथ समस्या
भले ही वैज्ञानिकों ने टेक्स्ट का उपयोग किया हो, लेकिन वे अक्सर एक गलती करते थे। वे पूरी छवि का वर्णन करने वाला एक एकल, लंबा वाक्य लिखते थे, जैसे: "एक धूसर बाघ जैसी धारियों वाला बिल्ली एक बेंच पर बैठी है।"
जब एक कंप्यूटर इस तरह का वर्णन करता है, तो वह अक्सर भ्रमित हो जाता है। वह "बिल्ली" के बजाय "धूसर बाघ" बना सकता है, या रंगों को मिला सकता है। इसे "एट्रीब्यूट बाइंडिंग एरर" (विशेषता बंधन त्रुटि) कहा जाता है—कंप्यूटर शब्दों को जानता है लेकिन भूल जाता है कि कौन सा शब्द किस वस्तु का है।
मानव मस्तिष्क ऐसा नहीं करता।
जब आप किसी दृश्य को देखते हैं, तो आपका मस्तिष्क एक विशाल धब्बे के रूप में नहीं देखता। वह अलग-अलग वस्तुओं को देखता है: "वहाँ एक बिल्ली है। वह धूसर है। उसमें धारियाँ हैं। वह एक बेंच पर है।" वह दृश्य को टुकड़ों में बनाता है।
3. समाधान: PRISM (द "लेगो" बिल्डर)
लेखकों ने PRISM (Projects fMRI sIgnals into a Structured text space) नामक एक नया सिस्टम बनाया। इसे एक मास्टर बिल्डर के रूप में सोचें जो एक विशाल सांचे के बजाय लेगो ब्रिक्स (Lego bricks) का उपयोग करता है।
यहाँ बताया गया है कि PRISM कैसे काम करता है, चरण-दर-चरण:
चरण 1: अनुवादक (fMRI से टेक्स्ट तक)
सिस्टम ब्रेन स्कैन लेता है और उसे एक संरचित टेक्स्ट सूची में अनुवादित करता है। एक लंबे पैराग्राफ के बजाय, यह छवि को विशिष्ट भागों में तोड़ देता है:- वस्तु 1: एक कार।
- वस्तु 2: एक हाथी।
- संबंध: कार हाथी के पीछे चल रही है।
- विशेषताएं: कार सफेद है; हाथी धूसर है।
चरण 2: स्मार्ट खोज (सही शब्दों को खोजना)
सिस्टम एक "सर्च इंजन" का उपयोग करता है ताकि यह पता लगाया जा सके कि कौन से शब्द सबसे अधिक महत्वपूर्ण हैं। उन्होंने चीजों को वर्णित करने के हजारों अलग-अलग तरीकों का परीक्षण किया और पाया कि स्थानिक शब्द (जैसे "बाएं," "दाएं," "ऊपर," "पास में") मस्तिष्क की गतिविधि से मेल खाने के लिए सबसे महत्वपूर्ण हैं। यह ऐसा ही है जैसे यह महसूस करना कि आँखों पर पट्टी बांधे किसी व्यक्ति को एक कमरे का वर्णन करने के लिए, चीजें कहाँ हैं यह बताना पर्दों के रंग को बताने से अधिक महत्वपूर्ण है।चरण 3: लेगो बिल्डर (ऑब्जेक्ट-सेंट्रिक जनरेशन)
PRISM एक AI से पूरी तस्वीर एक साथ बनाने के लिए कहने के बजाय, पहले कार बनाने के लिए कहता है, फिर हाथी को बनाना, और फिर उन्हें टेक्स्ट विवरण के आधार पर सही स्थानों पर रखना।- यह क्यों काम करता है: यह कंप्यूटर को भ्रमित होने से रोकता है। यह सुनिश्चित करता है कि कार एक कार बनी रहे और हाथी एक हाथी बना रहे, और वे गलती से एक "कार-हाथी" में न मिल जाएं।
4. परिणाम
जब उन्होंने वास्तविक लोगों को चित्र देखते हुए इस पर परीक्षण किया, तो PRISM ने पिछले तरीकों की तुलना में बहुत बेहतर प्रदर्शन किया।
- स्कोर: इसने "परसेप्चुअल लॉस" (नई छवि मूल से कितनी अलग दिखती है) को लगभग 6% कम कर दिया।
- प्रमाण: यदि आप पुनर्गठित छवियों को एक स्मार्ट AI को दिखाते और उससे पूछते, "इस चित्र में क्या है?", तो AI पुराने तरीकों की तुलना में PRISM की छवियों के साथ बहुत अधिक बार सही उत्तर दे सकता था।
सारांश
पेपर का दावा है कि मस्तिष्क के दृश्य विचारों को पढ़ने के लिए, हमें मस्तिष्क को "पिक्सेल" में बोलने के लिए मजबूर नहीं करना चाहिए। इसके बजाय, हमें इसे ऐसे सुनना चाहिए जैसे कि वह वस्तुओं और उनके स्थानों के बारे में एक संरचित कहानी लिख रहा हो। मस्तिष्क स्कैन को इस विशिष्ट प्रकार के "ऑब्जेक्ट-बेस्ड टेक्स्ट" में अनुवाद करके और फिर छवि को टुकड़ों में बनाकर, हम बहुत अधिक स्पष्टता के साथ देख सकते हैं कि व्यक्ति क्या देख रहा था।
नोट: पेपर विशेष रूप से स्थिर छवियों को मस्तिष्क स्कैन से पुनर्गठित करने की तकनीकी विधि पर केंद्रित है। यह इस स्तर पर संचार के लिए नैदानिक अनुप्रयोगों, चिकित्सा उपयोगों या वास्तविक समय में विचारों को पढ़ने का दावा नहीं करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।