मानव मस्तिष्क एक विशाल, जटिल मशीन है जो आँख से टकराने वाली रोशनी को उस समृद्ध, रंगीन दुनिया में बदल देती है जिसे हम अनुभव करते हैं। दशकों से, वैज्ञानिक यह समझने की कोशिश कर रहे हैं कि यह ठीक कैसे होता है, यानी सरल रेखाओं और रंगों से लेकर "एक कुत्ता" या "एक कार" जैसे जटिल विचारों तक के मार्ग का मानचित्रण कैसे किया जाता है। हाल के वर्षों में, एक नया क्षेत्र उभरा है जो इसके विपरीत प्रयास करता है: मस्तिष्क की विद्युत गतिविधि को पढ़कर यह पुनर्गठित करना कि व्यक्ति क्या देख रहा है। यह 'न्यूरल विजुअल डिकोडिंग' (neural visual decoding) का क्षेत्र है। व्यक्ति के स्कैल्प (सिर की त्वचा) पर सेंसर लगाकर मस्तिष्क की तरंगों को मापने के माध्यम से, शोधकर्ता उन शोर भरे, अराजक संकेतों को वापस उन छवियों में बदलने की उम्मीद करते हैं जिन्हें व्यक्ति देख रहा है। यह जैविक मन और डिजिटल दुनिया के बीच एक सेतु बनाने की खोज है, जो भविष्य की ऐसी तकनीकें प्रदान करने का वादा करती है जो लोगों को बिना बोले संवाद करने में मदद कर सकती हैं या दृष्टिहीन लोगों की दृष्टि बहाल कर सकती है।

लंबे समय तक, इस सेतु को बनाने का मानक दृष्टिकोण एक विशिष्ट धारणा पर आधारित था: कि छवि की अंतिम समझ को मिलाना सबसे महत्वपूर्ण हिस्सा है। शोधकर्ता एक कंप्यूटर प्रोग्राम लेते थे जिसे वस्तुओं को पहचानने के लिए प्रशिक्षित किया गया हो—जैसे कि एक परिष्कृत डिजिटल आँख जिसने बिल्ली को कुत्ते से अलग करना सीख लिया हो—और मस्तिष्क के संकेतों की तुलना छवि के बारे में कंप्यूटर के अंतिम, उच्च-स्तरीय निष्कर्ष से करते थे। विचार यह था कि यदि कंप्यूटर "बिल्ली" कहता है, तो मस्तिष्क को भी अपने स्वयं के विद्युत भाषा में "बिल्ली" कहना चाहिए। हालाँकि, इस पद्धति ने अक्सर एक दीवार से टकराकर हार मान ली। कंप्यूटर प्रोग्राम कितना भी शक्तिशाली क्यों न हो जाए, मस्तिष्क के संकेतों से छवि को सटीक रूप से पुनर्गठित करने की क्षमता में सुधार नहीं हुआ। वास्तव में, कभी-कभी सबसे उन्नत कंप्यूटर मॉडल सरल मॉडलों की तुलना में खराब प्रदर्शन करते थे, जिससे वैज्ञानिक इस बात को लेकर हैरान रह गए कि मशीन की अधिक बुद्धिमत्ता से मन को पढ़ने में बेहतर परिणाम क्यों नहीं मिले।

ट्रांजेक्शन ऑन मशीन लर्निंग रिसर्च में प्रकाशित एक नया अध्ययन इस लंबे समय से चली आ रही धारणा को चुनौती देता है। पिट्सबर्ग विश्वविद्यालय और अन्य संस्थानों की एक टीम के नेतृत्व में शोधकर्ताओं ने प्रस्तावित किया कि समस्या कंप्यूटर की बुद्धिमत्ता के साथ नहीं थी, बल्कि तुलना के समय (timing) के साथ थी। उनका तर्क है कि मस्तिष्क केवल किसी वस्तु के अंतिम लेबल को संग्रहीत नहीं करता है; यह दृश्य अनुभव का एक विस्तृत, बहु-स्तरीय रिकॉर्ड रखता है, जिसमें प्रकाश और रंग की प्रारंभिक चमक से लेकर अंतिम अवधारणा तक सब कुछ शामिल है। मस्तिष्क के संकेतों को केवल कंप्यूटर के अंतिम, अमूर्त निष्कर्ष से मिलाने के लिए मजबूर करके, वैज्ञानिक प्रभावी रूप से मस्तिष्क को छवि के सभी समृद्ध विवरणों को भूलने और केवल वस्तु के नाम को याद रखने के लिए कह रहे थे। इसने एक बेमेल स्थिति पैदा कर दी, जैसे किसी चौकोर खांचे में गोल खूँटी फिट करने की कोशिश करना।

इसे ठीक करने के लिए, टीम ने एक विधि विकसित की जिसे वे "शैलो अलाइनमेंट" (Shallow Alignment) कहते हैं। कंप्यूटर प्रोग्राम के अंतिम निष्कर्ष तक पहुँचने का इंतज़ार करने के बजाय, उन्होंने कंप्यूटर के मध्यवर्ती चरणों (intermediate steps) के साथ मस्तिष्क के विद्युत संकेतों की तुलना करना शुरू कर दिया। कल्पना कीजिए कि एक कंप्यूटर प्रोग्राम एक शुतुरमुर्ग (ostrich) की तस्वीर का विश्लेषण कर रहा है। शुरुआती चरणों में, वह लंबे, पतले पैरों और एक विशिष्ट बनावट को देखता है। मध्य चरणों में, वह एक पक्षी के आकार को पहचानता है। केवल अंतिम चरण में ही वह निर्णय लेता है कि, "यह एक शुतुरमुर्ग है।" शोधकर्ताओं ने पाया कि मस्तिष्क के संकेतों में, विशेष रूप से स्कैल्प पर लगे सेंसरों द्वारा मापे गए संकेतों में, इन सभी विवरणों का मिश्रण होता है। जब उन्होंने मस्तिष्क के संकेतों को कंप्यूटर के मध्य-परत (middle-layer) के अवलोकनों के साथ संरेखित किया—जहाँ छवि अभी भी विस्तृत है लेकिन समझ में भी आने लगी है—तो परिणाम नाटकीय रूप से बेहतर रहे।

टीम ने इस विचार का परीक्षण दो बड़े संग्रहों के डेटा का उपयोग करके किया, एक जो विद्युत गतिविधि को मापता है और दूसरा जो चुंबकीय क्षेत्रों को मापता है, दोनों ही तब जब लोगों ने हजारों विभिन्न वस्तुओं को देखा था। उन्होंने अपनी नई पद्धति की तुलना सर्वोत्तम मौजूदा तकनीकों से की। अंतर स्पष्ट था। उन परीक्षणों में जहाँ कंप्यूटर ने मस्तिष्क की तरंगों के आधार पर यह अनुमान लगाने की कोशिश की कि व्यक्ति क्या देख रहा है, नई पद्धति ने सटीकता में भारी अंतर से सुधार किया। उनके द्वारा परीक्षण किए गए सबसे उन्नत कंप्यूटर मॉडलों में से एक के लिए, सफलता दर लगभग 17 प्रतिशत से बढ़कर लगभग 83 प्रतिशत हो गई। यह कोई छोटा बदलाव नहीं था; यह इस बात का मौलिक परिवर्तन था कि मस्तिष्क और मशीन के बीच संबंध कैसे बनाया जाता है।

शायद सबसे आश्चर्यजनक खोज यह थी कि क्या हुआ जब उन्होंने बड़े, अधिक शक्तिशाली कंप्यूटर मॉडल का उपयोग किया। पुरानी पद्धति के तहत, कंप्यूटर को स्मार्ट बनाने से अक्सर डिकोडिंग खराब हो जाती थी, जिसे लेखक "डेप्थ-कैपेसिटी पैराडॉक्स" (depth-capacity paradox) कहते हैं। कंप्यूटर ने छवि को एक सरल लेबल में जितना अधिक संकुचित किया, मस्तिष्क के संकेतों से मेल खाना उतना ही कठिन हो गया। लेकिन नई "शैलो अलाइनमेंट" पद्धति के साथ, इसके विपरीत हुआ। जैसे-जैसे कंप्यूटर मॉडल बड़े और अधिक सक्षम होते गए, डिकोडिंग प्रदर्शन लगातार सुधरता गया। शोधकर्ताओं ने दिखाया कि सही स्तर के विवरण को मिलाकर, वे अंततः मानव विचार को पढ़ने के लिए इन विशाल डिजिटल मस्तिष्क की पूर्ण क्षमता को अनलॉक कर सकते थे।

अध्ययन ने यह भी खुलासा किया कि मस्तिष्क के संकेत केवल अंतिम वस्तु के नाम के बारे में नहीं हैं। जब शोधकर्ताओं ने देखा कि कंप्यूटर ने गलती करते समय क्या "देखा", तो उन्होंने पाया कि पुरानी पद्धति अक्सर ऐसी छवियां प्राप्त करती थी जो सही श्रेणी की तो थीं लेकिन गलत आकार की थीं। उदाहरण के लिए, यदि कोई व्यक्ति शुतुरमुर्ग को देख रहा था, तो पुरानी पद्धति एक ऐसी तस्वीर निकाल सकती थी जो भेड़ या कबूतर की हो—जो कि सभी पक्षी हैं, लेकिन जिनमें शुतुरमुर्ग के विशिष्ट लंबे पैर नहीं होते। नई पद्धति ने सफलतापूर्वक शुतुरमुर्ग और अन्य ऐसी छवियों को प्राप्त किया जो विशिष्ट संरचनात्मक विवरणों, जैसे लंबे, पतले सहायक पैरों को साझा करती हैं, भले ही अन्य छवियां मेज या पालने जैसी पूरी तरह से अलग वस्तुओं की हों। यह सुझाव देता है कि मस्तिष्क जो हम देखते हैं उसके भौतिक आकार और बनावट को भी थामे रखता है, न कि केवल उस श्रेणी को जिससे वह संबंधित है।

यह सुनिश्चित करने के लिए कि यह केवल एक विशिष्ट कंप्यूटर मॉडल का संयोग नहीं था, शोधकर्ताओं ने पुराने, सरल डिजाइनों से लेकर नवीनतम, सबसे जटिल प्रणालियों तक, विभिन्न प्रकार के डिजिटल आर्किटेक्चर में अपने दृष्टिकोण का परीक्षण किया। हर मामले में, कंप्यूटर के प्रसंस्करण के मध्य परतों को देखना अंतिम परत को देखने की तुलना में बेहतर परिणाम देता था। उन्होंने यह भी खोजा कि देखने के लिए सबसे अच्छा स्तर हर मॉडल के लिए एक जैसा नहीं था; यह इस पर निर्भर करता था कि कंप्यूटर कितना गहरा और जटिल है। कुछ मॉडलों के लिए, 'स्वीट स्पॉट' (सबसे उपयुक्त बिंदु) प्रसंस्करण के लगभग एक-तिहाई हिस्से में था; अन्य के लिए, यह दो-तिहाई के करीब था। यह लचीलापन बताता है कि कुंजी कोई एक जादुई परत नहीं है, बल्कि वह विशिष्ट बिंदु ढूँढना है जहाँ कंप्यूटर का आंतरिक प्रतिनिधित्व मस्तिष्क के संकेतों के प्राकृतिक "ग्रेन" (grain) से मेल खाता है।

इस कार्य के निहितार्थ ब्रेन-कंप्यूटर इंटरफेस के भविष्य के लिए महत्वपूर्ण हैं। यह सुझाव देता है कि मन को पढ़ने में बाधा कंप्यूटिंग शक्ति या डेटा की कमी नहीं है, बल्कि यह है कि मस्तिष्क दुनिया का प्रतिनिधित्व कैसे करता है, इसकी गलत समझ है। दुनिया को देखने के मस्तिष्क के प्राकृतिक, बहु-स्तरीय तरीके के साथ संरेखित करके, न कि उसे एक एकल, अमूर्त बॉक्स में जबरन फिट करके, शोधकर्ता बहुत अधिक सटीक और विश्वसनीय सिस्टम बना सकते हैं। अध्ययन का निष्कर्ष है कि आगे का रास्ता मस्तिष्क की दृश्य प्रक्रिया की जटिलता का सम्मान करने में निहित है, अपने डिजिटल उपकरणों के समृद्ध, मध्यवर्ती विवरणों का उपयोग करके अपने स्वयं के मन के समान समृद्ध, मध्यवर्ती विवरणों को डिकोड करना है। यह दृष्टिकोण एक निराशाजनक गतिरोध को एक स्पष्ट मार्ग में बदल देता है, यह दिखाते हुए कि कभी-कभी, पूरी तस्वीर को समझने के लिए, आपको अंतिम उत्तर लिखे जाने से पहले उसके हिस्सों को देखना होता है।