🤖 AI

What Do EEG Foundation Models Capture from Human Brain Signals?

यह शोध पत्र पांच नैदानिक कार्यों (clinical tasks) में तीन आर्किटेक्चर का ऑडिट करके ईईजी (EEG) फाउंडेशन मॉडल्स की व्याख्यात्मकता (interpretability) की जांच करता है ताकि यह प्रदर्शित किया जा सके कि जबकि हस्तनिर्मित फ्रीक्वेंसी-डोमेन फीचर्स 'रिप्रेजेंटेशन-कॉज़ल' (representation-causal) हैं और मॉडल्स के अधिकांश प्रदर्शन लाभों को पुनः प्राप्त करते हैं, कठिन कार्यों में महत्वपूर्ण अवशेष (residuals) मस्तिष्क संकेत अवधारणाओं (brain signal concepts) की खोज के नए अवसर प्रकट करते हैं।

मूल लेखक: Ling Tang, Qian Chen, Jilin Mei, Houshi Xu, Quanshi Zhang, Jing Shao, Na Zou, Xia Hu, Dongrui Liu

प्रकाशित 2026-05-13

📖 4 मिनट में पढ़ें☕ कॉफ़ी ब्रेक में पढ़ें

CC BY 4.0

मूल लेखक: Ling Tang, Qian Chen, Jilin Mei, Houshi Xu, Quanshi Zhang, Jing Shao, Na Zou, Xia Hu, Dongrui Liu

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 आपके पास एक बिल्कुल नया, सुपर-स्मार्ट रोबोट दिमाग (EEG फाउंडेशन मॉडल) है, जिसे मानव मस्तिष्क की तरंगों (brainwaves) को पढ़ने के लिए प्रशिक्षित किया गया है। यह रोबोट कच्चे विद्युत संकेतों (raw electrical signals) को देखकर अवसाद (depression), नींद के विकारों या तनाव जैसे रोगों का निदान करने में अद्भुत है।

दशकों से, मानव डॉक्टरों ने इन मस्तिष्क तरंगों को पढ़ने के लिए 63 हस्तनिर्मित विशेषताओं (hand-crafted features) वाले एक विशिष्ट "शब्दकोश" का उपयोग किया है। ये विशेषताएं मानवीय भाषा के विशिष्ट शब्दों की तरह हैं: "अल्फा वेव कितनी है?" "सिग्नल कितना जटिल है?" "मस्तिष्क के दोनों पक्षों के बीच जुड़ाव कैसा है?"

बड़ा सवाल यह है कि यह शोध पत्र पूछता है: क्या रोबोट वास्तव में हमारी मानवीय भाषा बोलता है, या वह एक गुप्त कोड का उपयोग कर रहा है जिसे हम नहीं समझते?

यह जानने के लिए, शोधकर्ताओं ने एक जासूस की तरह रोबोट के दिमाग का तीन-चरणीय ऑडिट किया। यहाँ उन्होंने क्या पाया, इसे सरल भाषा में समझाया गया है:

1. "सुनने" का परीक्षण (रोबोट ने क्या सीखा?)

सबसे पहले, उन्होंने पूछा: क्या रोबोट जानता भी है कि ये 63 मानवीय शब्द मौजूद हैं?

परिणाम: हाँ! रोबोट ने लगभग उन सभी को "सुना" है। वास्तव में, रोबोट के आंतरिक प्रतिनिधित्व (internal representation) में इन मानवीय विशेषताओं का लगभग 90% हिस्सा शामिल है। यह ऐसा है जैसे रोबोट ने वही शब्दकोश पढ़ा हो जिसका उपयोग डॉक्टर करते हैं, भले ही उसे स्पष्ट रूप से यह सिखाया नहीं गया था।

2. "क्रिया" का परीक्षण (रोबोट वास्तव में क्या उपयोग करता है?)

शब्द जानना और उस शब्द का उपयोग पहेली सुलझाने के लिए करना, दोनों अलग बातें हैं। शोधकर्ताओं ने फिर पूछा: जब रोबोट कोई निदान (diagnosis) करता है, तो क्या वह वास्तव में इन मानवीय शब्दों पर निर्भर करता है, या वह उन्हें अनदेखा कर देता है?

विधि: उन्होंने "सबस्पेस इरेज़र" (subspace erasure) नामक एक चतुर तकनीक का उपयोग किया। कल्पना कीजिए कि उन्होंने रोबोट के दिमाग को लिया, उस विशिष्ट "न्यूरॉन" को खोजा जो एक मानवीय शब्द (जैसे "अल्फा वेव पावर") को धारण करता है, और उस जानकारी को सर्जिकल तरीके से हटा दिया। यदि रोबोट का निदान खराब हो गया, तो इसका मतलब था कि रोबोट को उस शब्द की आवश्यकता थी। यदि निदान वैसा ही रहा, तो इसका मतलब था कि वह उसे अनदेखा कर रहा था।
परिणाम: रोबोट ईमानदार है। लगभग 69% बार, यह वास्तव में उन मानवीय विशेषताओं का उपयोग करता है जिन्हें उसने सीखा है। यह केवल उन्हें याद नहीं कर रहा है; यह निर्णय लेने के लिए उनका उपयोग कर रहा है।
- फ्रीक्वेंसी फीचर्स (जैसे विभिन्न मस्तिष्क तरंगों की गति की शक्ति) रोबोट के पसंदीदा उपकरण हैं।
- हालाँकि, रोबोट जटिलता (complexity) और क्रॉस-चैनल कनेक्शन जैसे अन्य उपकरणों का भी उपयोग करता है, जो यह सिद्ध करता है कि वह केवल सरल आवृत्तियों (frequencies) को ही नहीं देख रहा है।

3. "अनुवाद" का परीक्षण (रोबोट की प्रतिभा का कितना हिस्सा हम समझा सकते हैं?)

अंत में, उन्होंने पूछा: यदि हम एक सरल, पारदर्शी मानव डॉक्टर को केवल वे विशेषताएं दें जिनका रोबोट उपयोग करता है, तो क्या वह डॉक्टर रोबोट जितना अच्छा प्रदर्शन कर पाएगा?

परिणाम: यह काम की कठिनाई पर निर्भर करता है।
- आसान कार्य (जैसे मेजर डिप्रेसिव डिसऑर्डर का पता लगाना): मानवीय विशेषताएं रोबोट की सफलता के लगभग 100% हिस्से की व्याख्या करती हैं। रोबोट यहाँ कुछ जादुई नहीं कर रहा है; वह बस हमारे शब्दकोश का बहुत अच्छी तरह से उपयोग कर रहा है।
- कठिन कार्य (जैसे तनाव या विशिष्ट दौरे/सीजर के प्रकारों का पता लगाना): मानवीय विशेषताएं उसकी सफलता के केवल 50-60% हिस्से की ही व्याख्या कर पाती हैं।
- निष्कर्ष: कठिन कार्यों के लिए, रोबोट एक "सीक्रेट सॉस" (secret sauce) का उपयोग कर रहा है—मस्तिष्क तरंगों में ऐसे पैटर्न, जिनके लिए हमारे वर्तमान 63-शब्दों वाले शब्दकोश में अभी तक कोई नाम नहीं है।

बड़ी तस्वीर (The Big Picture)

यह शोध पत्र चिकित्सा में एआई (AI) के लिए एक "स्वास्थ्य जांच" है। यह पुष्टि करता है कि:

संरेखण (Alignment): ये नए एआई मॉडल पराये नहीं हैं; वे काफी हद तक उन्हीं अवधारणाओं पर आधारित हैं जिनका उपयोग मानव डॉक्टरों ने दशकों से किया है।
विश्वास (Trust): हम उन पर भरोसा कर सकते हैं क्योंकि वे उन विशेषताओं का उपयोग करते हैं जिन्हें हम समझते हैं।
खोज (Discovery): रोबोट के दिमाग के वे हिस्से जिन्हें हम अभी तक नहीं समझा सकते (कठिन कार्यों पर वह "सीक्रेट सॉस"), सबसे मूल्यवान सुराग हैं। वे हमें मानव मस्तिष्क को समझने के नए, अनदेखे तरीकों की ओर संकेत करते हैं जिन्हें हमारे वर्तमान मेडिकल टेक्स्टबुक्स ने अभी तक नहीं लिखा है।

संक्षेप में, रोबोट हमारी भाषा धाराप्रवाह बोलता है, लेकिन कठिन पहेलियों पर, वह कुछ नए शब्द फुसफुसा रहा है जिन्हें सीखने की प्रक्रिया में हम अभी शुरू ही कर रहे हैं।

तकनीकी सारांश: EEG फाउंडेशन मॉडल मानव मस्तिष्क संकेतों से क्या कैप्चर करते हैं?

समस्या विवरण
नैदानिक इलेक्ट्रोएन्सेफलोग्राम (EEG) विश्लेषण ऐतिहासिक रूप से दशकों से परिष्कृत किए गए हस्त-निर्मित (hand-crafted) फीचर कैटलॉग पर निर्भर रहा है, जिसमें बैंड पावर, कनेक्टिविटी, जटिलता और अन्य सिग्नल गुण शामिल हैं। हाल ही में, EEG फाउंडेशन मॉडल्स का उदय हुआ है, जो कच्चे सिग्नल्स (raw signals) पर सेल्फ-सुपरवाइज्ड प्रीट्रेनिंग का उपयोग करके नैदानिक बेंचमार्क पर अत्याधुनिक प्रदर्शन प्राप्त करते हैं, जो अक्सर पारंपरिक फीचर इंजीनियरिंग पाइपलाइन को दरकिनार कर देते हैं। एक महत्वपूर्ण खुला प्रश्न बना हुआ है: क्या इन फाउंडेशन मॉडल्स द्वारा सीखे गए उच्च-आयामी प्रतिनिधित्व (high-dimensional representations) स्थापित नैदानिक फीचर शब्दावली के साथ संरेखित होते हैं, या वे नवीन सिग्नल संरचनाओं की खोज करने के लिए अलग हो गए हैं? मानव ज्ञान के विरुद्ध मॉडल के निर्णयों को मान्य करने और उन अंतरालों की पहचान करने के लिए जहाँ नए नैदानिक डिस्क्रिप्टर्स की आवश्यकता हो सकती है, इस संरेखण को समझना आवश्यक है।

कार्यप्रणाली (Methodology)
लेखक एक तीन-भागों वाले ऑडिट फ्रेमवर्क का प्रस्ताव करते हैं जो संरेखण के प्रश्न को निम्नलिखित में विभाजित करता है: (1) मॉडल क्या सीखता है? (एनकोडिंग), (2) मॉडल किसका उपयोग करता है? (कारण संबंधी निर्भरता/Causal reliance), और (3) कितना समझाया जा सकता है? (परफॉरमेंस रिकवरी)। यह ऑडिट तीन फाउंडेशन मॉडल्स (CSBrain, CBraMod, LaBraM), पांच नैदानिक कार्यों (MDD, Stress, ISRUC-Sleep, TUSL, Siena) और 63 हस्त-निर्मित फीचर्स के एक लेक्सिकन (lexicon) पर लागू किया जाता है, जिन्हें छह परिवारों में वर्गीकृत किया गया है (टाइम-डोमेन मॉर्फोलॉजी, स्पेक्ट्रल पावर/शेप, टाइम-फ्रीक्वेंसी एनवेलप, सिग्नल कॉम्प्लेक्सिटी, क्रॉस-फ्रीक्वेंसी कपलिंग, और क्रॉस-चैनल संबंध)।

कार्यप्रणाली प्रत्येक (डेटासेट, मॉडल, फीचर) ट्रिपलेट के लिए तीन विशिष्ट व्याख्यात्मक तकनीकों (interpretability techniques) का उपयोग करती है:

लेयर-वाइज रिज प्रोजिंग (Layer-wise Ridge Probing): एनकोडिंग निर्धारित करने के लिए, लीनियर रिज रिग्रेशन प्रोब्स मॉडल के एक्टिवेशन्स से प्रत्येक हस्त-निर्मित फीचर की भविष्यवाणी करते हैं। एक फीचर को तब "एनकोडेड" माना जाता है यदि एक प्रोब एक होल्ड-आउट वैलिडेशन सेट पर महत्वपूर्ण प्रेडिक्टिव पावर ( $R^2$ ) प्राप्त करता है, जिससे उस विशिष्ट लेयर की पहचान होती है जहाँ सूचना मौजूद है।
LEACE-स्टाइल क्रॉस-कोवेरिएंस सबस्पेस इरेज़र (LEACE-Style Cross-Covariance Subspace Erasure): कारण संबंधी उपयोग (Causal usage) निर्धारित करने के लिए, लेखक मॉडल के एक्टिवेशन्स के साथ हस्तक्षेप (intervene) करते हैं। एनकोडिंग पीक लेयर पर, वे क्रॉस-कोवेरिएंस सबस्पेस इरेज़र (जो LEACE ऑपरेटर का एक स्केलेबल एप्रोक्सिमेशन है) का उपयोग करके एक्टिवेशन वेक्टर से एक लक्षित फीचर के लीनियरली डिकोडेबल घटक को हटा देते हैं। एक होल्ड-आउट टेस्ट सेट पर कार्य प्रदर्शन में होने वाली गिरावट, कार्य संबंधी निर्भरता (causal reliance) को दर्शाती है। इसे स्पूरियस प्रभावों (spurious effects) को खारिज करने के लिए तीन नल टारगेट्स (रैंडम सबस्पेस, शफल्ड पेयरिंग, गौसियन नॉइज़) और एक लीनियर रेसिड्यूल प्रोब के विरुद्ध कड़ाई से नियंत्रित किया गया है।
ट्रांसपेरेंट क्लासिफायर क्लोजर (Transparent Classifier Closure): व्याख्यात्मकता को मापने के लिए, केवल पुष्ट "रिप्रेजेंटेशन-कॉज़ल" फीचर्स के सेट पर एक लॉजिस्टिक रिग्रेशन क्लासिफायर को प्रशिक्षित किया जाता है। इसका प्रदर्शन फाउंडेशन मॉडल और समान-आयाम वाले रैंडम-फीचर बेसलाइन के विरुद्ध किया जाता है। "क्लोजर रेशियो" (closure ratio) रैंडम बेसलाइन पर फाउंडेशन मॉडल के लाभ के उस अंश को मात्रात्मक रूप से मापता है जिसे हस्त-निर्मित फीचर्स द्वारा पुनः प्राप्त किया गया है।

प्रमुख योगदान

कॉज़ल ऑडिट फ्रेमवर्क: यह पेपर एक कठोर पाइपलाइन पेश करता है जो उन फीचर्स के बीच अंतर करता है जिन्हें मॉडल एनकोड करता है (उसकी प्रस्तुति में है) और जिन्हें वह निर्णय लेने के लिए कारण संबंधी रूप से उपयोग करता है, जो सहसंबंध-आधारित (correlation-based) व्याख्यात्मकता विधियों की सीमा को संबोधित करता है।
व्यापक लेक्सिकन ऑडिट: यह अध्ययन 945 इकाइयों (3 मॉडल $\times$ 5 कार्य $\times$ 63 फीचर्स) का ऑडिट करता है, जो कि यह प्रदान करने वाला पहला बड़े पैमाने का कॉज़ल मैप है कि फाउंडेशन मॉडल्स नैदानिक EEG फीचर कैनन से कैसे संबंधित हैं।
फीचर टैक्सोनॉमी: लेखक फीचर्स को यूनिवर्सल कैंडिडेट्स (मजबूत समर्थन), कार्य-विशिष्ट, मॉडल-विशिष्ट, और एनकोडेड-ओनली में वर्गीकृत करते हैं, जो मॉडल निर्भरता का एक संरचित दृश्य प्रदान करते हैं।

परिणाम

एनकोडिंग: फाउंडेशन मॉडल्स व्यापक रूप से नैदानिक लेक्सिकन को पुनः प्राप्त करते हैं। 89.6% (847/945) इकाइयाँ एनकोडिंग मानदंड को पास करती हैं, जिसमें सभी 63 फीचर्स कम से कम एक (मॉडल, कार्य) सेल में एनकोडेड हैं। फ्रीक्वेंसी-डोमेन फीचर्स सभी सेल्स में उच्च शक्ति के साथ एनकोडेड हैं।
कॉज़ल यूसेज: 68.6% (648/945) इकाइयाँ "रिप्रेजेंटेशन-कॉज़ल" हैं, जिसका अर्थ है कि मॉडल कार्य संबंधी निर्णयों के लिए उन पर निर्भर करता है। 21.1% एनकोडेड हैं लेकिन कॉज़ल रूप से उपयोग नहीं किए जाते हैं। कार्यों के माध्यम से, 50 फीचर्स यूनिवर्सल कैंडिडेट्स के रूप में योग्य हैं जिनमें दो या अधिक कार्यों में मजबूत समर्थन है। जबकि फ्रीक्वेंसी-डोमेन फीचर्स हावी हैं, टाइम-फ्रीक्वेंसी, क्रॉस-चैनल, कॉम्प्लेक्सिटी, टाइम-डोमेन, और क्रॉस-फ्रीक्वेंसी परिवार भी कम से कम चार कार्यों पर पर्याप्त कॉज़ल मास का योगदान देते हैं।
परफॉरमेंस रिकवरी (क्लोजर): पुष्ट फीचर्स, रैंडम-फीचर बेसलाइन पर फाउंडेशन मॉडल के लाभ को औसतन 79.3% पुनः प्राप्त करते हैं। एक स्पष्ट कार्य ग्रेडिएंट मौजूद है: परफॉरमेंस सीलिंग के करीब वाले कार्य (जैसे MDD, क्लोजर $\approx$ 0.99) लगभग पूरी तरह से लेक्सिकन द्वारा समझाए जाते हैं, जबकि कठिन कार्य (जैसे Stress, क्लोजर $\approx$ 0.56) एक गैर-तुच्छ (non-trivial) रेसिड्यूल छोड़ते हैं।
रेसिड्यूल्स: कठिन कार्यों पर अनएक्स्प्लेन्ड परफॉरमेंस गैप वर्तमान 63-फीचर लेक्सिकन द्वारा कैप्चर न की गई सिग्नल संरचनाओं या लीनियर सरोगेट द्वारा कैप्चर न किए गए नॉन-लीनियर संयोजनों के अस्तित्व का सुझाव देता है।

महत्व
यह पेपर दावा करता है कि EEG फाउंडेशन मॉडल्स, बिना किसी हस्त-निर्मित फीचर्स के इंडक्टिव बायस के प्रशिक्षण के बावजूद, नैदानिक फीचर कैटलॉग को बड़े पैमाने पर पुनः प्राप्त करते हैं। हालांकि, एनकोडिंग और उपयोग के बीच का अंतर महत्वपूर्ण है; मॉडल कई फीचर्स को एनकोड करते हैं लेकिन एक विशिष्ट उपसमूह पर कॉज़ल रूप से निर्भर करते हैं। निष्कर्ष बताते हैं कि परफॉरमेंस सीलिंग के करीब वाले कार्यों के लिए, मौजूदा नैदानिक डिस्क्रिप्टर्स मॉडल व्यवहार को समझाने के लिए काफी हद तक पर्याप्त हैं। इसके विपरीत, कठिन कार्यों पर रेसिड्यूल परफॉरमेंस भविष्य के कॉन्सेप्ट डिस्कवरी के लिए ठोस लक्ष्य की ओर संकेत करती है, जो यह दर्शाता है कि वर्तमान EEG डिस्क्रिप्टर कैटलॉग अधूरा है। यह कार्य मॉडल रिप्रेजेंटेशन और मानव ज्ञान के बीच एक फीडबैक लूप स्थापित करता है, जो मौजूदा नैदानिक डिस्क्रिप्टर्स को मान्य करने और यह पहचानने के लिए एक विधि प्रदान करता है कि नए डिस्क्रिप्टर्स की आवश्यकता कहाँ है।

1. "सुनने" का परीक्षण (रोबोट ने क्या सीखा?)

2. "क्रिया" का परीक्षण (रोबोट वास्तव में क्या उपयोग करता है?)

3. "अनुवाद" का परीक्षण (रोबोट की प्रतिभा का कितना हिस्सा हम समझा सकते हैं?)

बड़ी तस्वीर (The Big Picture)

तकनीकी सारांश: EEG फाउंडेशन मॉडल मानव मस्तिष्क संकेतों से क्या कैप्चर करते हैं?

इसी तरह के और पेपर