🧬 biology

Cross-Species RSA Reveals Conserved Early Visual Alignment but Divergent Higher-Area Rankings Across Human fMRI and Macaque Electrophysiology

यह अध्ययन प्रदर्शित करता है कि जबकि विभिन्न शिक्षण नियमों (learning rules) के लिए मानव fMRI और मकाक इलेक्ट्रोफिजियोलॉजी में प्रारंभिक दृश्य कॉर्टिकल संरेखण (visual cortical alignment) सुदृढ़ और संरक्षित है, उच्च-क्षेत्र संरेखण प्रजातियों के बीच महत्वपूर्ण रूप से भिन्न होता है, जो शिक्षण नियमों के बजाय मॉडल क्षमता और उद्दीपन डोमेन (stimulus domains) में अंतर के कारण है।

मूल लेखक: Nils Leutenegger

प्रकाशित 2026-05-22

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Nils Leutenegger

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ⚕️ यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप यह समझने की कोशिश कर रहे हैं कि "सीखने" के विभिन्न प्रकार मस्तिष्क की दृश्य प्रणाली (visual system) को कैसे आकार देते हैं। वैज्ञानिकों ने कंप्यूटर मॉडल (कृत्रिम मस्तिष्क) बनाए हैं जो अलग-अलग तरीकों से सीखते हैं, जैसे कि एक इंसान, एक कुत्ता या एक रोबोट बिल्ली को पहचानना सीख सकता है।

यह शोध एक बड़ा सवाल पूछता है: क्या वे नियम जो इन कंप्यूटर दिमागों को इंसान के दिमाग जैसा बनाते हैं, क्या वे उन्हें बंदर के दिमाग जैसा भी बनाते हैं?

यहाँ अध्ययन का विवरण सरल उपमाओं (analogies) का उपयोग करके दिया गया है:

1. प्रयोग: पाँच "सीखने की शैलियों" का परीक्षण

शोधकर्ताओं ने पाँच अलग-अलग कंप्यूटर मॉडल लिए। प्रत्येक मॉडल को एक ही "हार्डवेयर" (आर्किटेक्चर) के साथ बनाया गया था लेकिन उन्हें अलग-अलग "लर्निंग रूल" का उपयोग करके सिखाया गया था:

बैकप्रोपैगेशन (Backpropagation - BP): मानक, गणित-प्रधान तरीका जिससे कंप्यूटर आमतौर पर सीखते हैं (जैसे एक सख्त शिक्षक जो हर गलती को सुधारता है)।
फीडबैक एलाइनमेंट (Feedback Alignment - FA): उपरोक्त का एक थोड़ा ढीला संस्करण।
प्रेडिक्टिव कोडिंग (Predictive Coding - PC): मॉडल यह अनुमान लगाने की कोशिश करता है कि आगे क्या आएगा और अपनी गलतियों से सीखता है (जैसे मौसम की भविष्यवाणी करना)।
STDP: यह समय (timing) पर आधारित एक नियम है, जो इस बात की नकल करता है कि वास्तविक न्यूरॉन्स कैसे काम करते हैं जब वे समय के करीब फायर होते हैं (जैसे एक जैविक चिंगारी)।
रैंडम वेट्स (Random Weights): एक मॉडल जिसे कुछ सिखाया ही नहीं गया; इसमें बस रैंडम कनेक्शन हैं (जैसे बिना किसी अनुभव वाला एक बच्चा)।

उन्होंने इन मॉडलों का दो समूहों के विरुद्ध परीक्षण किया:

इंसान: fMRI स्कैन का उपयोग करके (जो पूरे मस्तिष्क की एक धुंधली, कम-रिज़ॉल्यूशन वाली फोटो लेने जैसा है)।
मैकाक बंदर (Macaque Monkeys): इलेक्ट्रोड्स का उपयोग करके (जो व्यक्तिगत न्यूरॉन्स को सुनने वाले हाई-डेफिनिशन माइक्रोफोन की तरह हैं)।

2. पहली खोज: "अर्ली विजन" का मिलान

जब मॉडलों ने सरल, शुरुआती दृश्य जानकारी (जैसे किनारे और बुनियादी आकार, जो मस्तिष्क के V1 क्षेत्र के समान हैं) को देखा, तो परिणाम बहुत स्पष्ट थे।

बंदर का लाभ: मानव डेटा की तुलना में बंदर का डेटा बहुत अधिक स्पष्ट (उच्च सिग्नल-टू-नॉइज़ अनुपात) था। यह एक दानेदार ब्लैक-एंड-व्हाइट फोटो की तुलना 4K वीडियो से करने जैसा है। मॉडल मानव मस्तिष्क की तुलना में बंदर के मस्तिष्क से कहीं बेहतर मेल खा गए क्योंकि बंदर का डेटा अधिक "शार्प" था।
विजेता: मनुष्यों और बंदरों दोनों में, वे मॉडल जिन्होंने जैविक समय नियमों (STDP) और भविष्यवाणी करने वाले अनुमान (PC) का उपयोग किया, उन्होंने शुरुआती विजुअल कॉर्टेक्स के साथ सबसे अच्छा काम किया।
हारने वाला: मानक कंप्यूटर लर्निंग विधि (Backpropagation) वास्तव में दोनों प्रजातियों के शुरुआती विजुअल कॉर्टेक्स के साथ मेल खाने में सबसे खराब थी।
आश्चर्य: "रैंडम" मॉडल (वह जिसने कोई प्रशिक्षण नहीं लिया था) आश्चर्यजनक रूप से मानव V1 के साथ मेल खाने में अच्छा था, लेकिन वह बंदरों के लिए शीर्ष प्रदर्शन करने वाला नहीं था। बंदरों ने "जैविक" सीखने के नियमों को प्राथमिकता दी।

मुख्य निष्कर्ष (Takeaway): शुरुआती दृष्टि (early vision) का संगठन एक मौलिक गुण है जो मनुष्यों और बंदरों में साझा किया गया है। यदि आप चाहते हैं कि एक कंप्यूटर मॉडल वास्तविक मस्तिष्क की शुरुआती दृष्टि जैसा दिखे, तो आपको मानक कंप्यूटर प्रशिक्षण का उपयोग नहीं करना चाहिए; आपको उन नियमों का उपयोग करना चाहिए जो इस बात की नकल करते हैं कि वास्तविक न्यूरॉन्स एक-दूसरे से कैसे बात करते हैं।

3. दूसरी खोज: "हाई-लेवल विजन" का भ्रम

जब शोधकर्ताओं ने मस्तिष्क के उच्च-स्तरीय हिस्सों (IT क्षेत्र) को देखा, जो जटिल वस्तु पहचान (जैसे यह जानना कि चित्र एक "कुत्ता" है न कि केवल "फर और कान") को संभालते हैं, तो परिणाम उलझ गए।

कोई स्पष्ट पैटर्न नहीं: मनुष्यों और बंदरों के बीच इस बात पर कोई सहमति नहीं थी कि कौन सा लर्निंग रूल सबसे अच्छा काम करता है। यह दो लोगों से उनके पसंदीदा आइसक्रीम फ्लेवर को रैंक करने के लिए पूछने जैसा था, और उन्होंने पूरी तरह से अलग सूचियाँ दीं।
क्यों? शोध पत्र सुझाव देता है कि यह जरूरी नहीं कि इसलिए हो क्योंकि इंसान और बंदर अलग तरह से सोचते हैं। बल्कि इसलिए क्योंकि कंप्यूटर मॉडल बहुत छोटे थे और प्रशिक्षण डेटा बहुत सीमित था।
- उपमा: कल्पना कीजिए कि आप एक शेफ की जटिल भोज (High-Level Vision) पकाने की क्षमता का आकलन केवल एक छोटे रसोईघर और कुछ सामग्रियों के माध्यम से करने की कोशिश कर रहे हैं। चाहे वे खाना पकाने की कोई भी शैली अपनाएं, वे सभी एक शानदार भोज बनाने में विफल रहते हैं।
- प्रमाण: जब शोधकर्ताओं ने एक बहुत बड़े, प्री-ट्रेन्ड कंप्यूटर मॉडल (ResNet-50) का परीक्षण किया, जिसने लाखों छवियों को देखा था, तो वह अचानक बंदर के उच्च-स्तरीय मस्तिष्क के साथ बहुत अच्छा तालमेल बिठाने में सक्षम हो गया। यह साबित करता है कि छोटे मॉडलों की "विफलता" लर्निंग रूल के बारे में नहीं थी; यह केवल इसलिए थी क्योंकि मॉडल बहुत कमजोर थे।

4. "स्टिमुलस" (Stimulus) की समस्या

अध्ययन ने एक पेचीदा समस्या की ओर भी इशारा किया: मनुष्यों और बंदरों को अलग-अलग चित्र दिखाए गए थे।

इंसानों को रोजमर्रा की वस्तुओं की एक विस्तृत विविधता दिखाई गई।
बंदरों को कुछ टेक्सचर (textures) और कुछ विशिष्ट वस्तुएं दिखाई गईं।
परिणाम: क्योंकि "टेस्ट प्रश्न" अलग-अलग थे, इसलिए यह कहना कठिन है कि रैंकिंग में अंतर प्रजातियों के कारण था या दिखाए गए चित्रों के कारण। शोध पत्र सुझाव देता है कि यदि हमने दोनों के लिए बिल्कुल एक ही चित्रों का उपयोग किया होता, तो परिणाम बदल सकते थे।

सारांश

अर्ली विजन (सरल आकार): वे नियम जो वास्तविक जीव विज्ञान की नकल करते हैं (STDP और प्रेडिक्टिव कोडिंग), मनुष्यों और बंदरों दोनों के लिए सबसे अच्छे हैं। यह एक ठोस, साझा सत्य है।
हाई-लेवल विजन (जटिल वस्तुएं): हम यह नहीं बता सके कि लर्निंग रूल्स मायने रखते थे या नहीं क्योंकि हमारे कंप्यूटर मॉडल बहुत छोटे और कमजोर थे। जब हमने एक बड़ा, अधिक शक्तिशाली मॉडल इस्तेमाल किया, तो यह बहुत बेहतर काम करने लगा, जिससे पता चलता है कि समस्या लर्निंग रूल में नहीं, बल्कि मॉडल के आकार में थी।
बड़ी तस्वीर: मस्तिष्क की प्रारंभिक दृश्य प्रणाली मजबूत है और प्रजातियों के बीच समान है, लेकिन हमारे उच्च भागों का परीक्षण करने की हमारी क्षमता वर्तमान में हमारे कंप्यूटर मॉडलों के आकार और हमारे द्वारा दिखाए जाने वाले चित्रों द्वारा सीमित है।

तकनीकी सारांश: क्रॉस-स्पीशीज RSA प्रारंभिक दृश्य संरेखण (Early Visual Alignment) के संरक्षण लेकिन उच्च-क्षेत्र रैंकिंग में विचलन को प्रकट करता है

समस्या विवरण
कंप्यूटेशनल न्यूरोसाइंस ने यह स्थापित किया है कि बैकप्रॉपेगेशन (BP) के साथ प्रशिक्षित डीप न्यूरल नेटवर्क (DNNs) प्राइमेट वेंट्रल विजुअल स्ट्रीम की प्रतिनिधि पदानुक्रम (representational hierarchy) को पुनरुत्पादित करते हैं। हालांकि, अधिकांश मॉडल-मस्तिष्क तुलनाएं एकल प्रजाति (आमतौर पर मानव fMRI) तक सीमित हैं, जिससे यह स्पष्ट नहीं हो पाता कि संरेखण पैटर्न विभिन्न प्रजातियों और मापन पद्धतियों में सामान्यीकृत होते हैं या नहीं। लेखक के एक साथी अध्ययन [Leutenegger, 2026] में पाया गया कि अनट्रेन्ड रैंडम-वेट्स और लोकल लर्निंग रूल्स (STDP, प्रेडिक्टिव कोडिंग) मानव V1 के साथ संरेखण में BP से बेहतर प्रदर्शन करते हैं, जबकि सभी नियम IT पर अभिसरित (converge) हो जाते हैं। यह अध्ययन क्रॉस-स्पीशीज प्रश्न को संबोधित करता है: क्या यह पैटर्न मैकाक इलेक्ट्रोफिजियोलॉजी के विरुद्ध मूल्यांकन करने पर भी बना रहता है, जो सिंगल-न्यूरॉन रिज़ॉल्यूशन और उच्च सिग्नल-टू-नॉइज़ रेशियो (SNR) प्रदान करता है?

कार्यप्रणाली
यह अध्ययन मानव और मैकाक दोनों के न्यूरल डेटा के विरुद्ध पांच लर्निंग रूल स्थितियों की तुलना करने के लिए रिप्रेजेंटेशनल सिमिलैरिटी एनालिसिस (RSA) का उपयोग करता है।

मॉडल: लेखक साथी अध्ययन [Leutenegger, 2026] के समान मॉडल वेट्स का उपयोग करते हैं: CIFAR-10 पर 40 एपॉक्स के लिए प्रशिक्षित एक कस्टम 3-लेयर CNN। पांच स्थितियां हैं: बैकप्रॉपेगेशन (BP), फीडबैक एलाइनमेंट (FA), प्रेडिक्टिव कोडिंग (PC), स्पाइक-टाइमिंग-डिपेंडेंट प्लास्टिसिटी (STDP), और एक अनट्रेन्ड रैंडम वेट्स बेसलाइन।
मैकाक डेटासेट:
- V4/IT: MajajHong2015 (मल्टी-इलेक्ट्रोड एरे, 88 V4 और 168 IT न्यूरॉन्स, 3,200 HVM ऑब्जेक्ट प्रेजेंटेशन)।
- V1/V2: FreemanZiemba2013 (सिंगल-यूनिट रिकॉर्डिंग, 102 V1 और 103 V2 न्यूरॉन्स, 135 टेक्सचर स्टिमुल)।
मानव डेटासेट: THINGS-fMRI (720 स्टिमुल, 3 सब्जेक्ट्स), जिसमें V1, V2, LOC, और IT के लिए RSA मान सीधे साथी अध्ययन से लिए गए हैं।
कैपेसिटी कंट्रोल: मॉडल कैपेसिटी और ट्रेनिंग डेटा की समृद्धि का आकलन करने के लिए एक प्री-ट्रेन्ड ResNet-50 (ImageNet) का मूल्यांकन किया गया।
एनालिसिस पाइपलाइन:
- RSA: फीचर एक्सट्रैक्शन, कोरिलेशन डिस्टेंस का उपयोग करके रिप्रेजेंटेशन डिसिमिलैरिटी मैट्रिक्स (RDM) निर्माण, और मॉडल एवं न्यूरल RDM के बीच स्पीरमैन $\rho$ स्कोरिंग।
- क्रॉस-स्पीशीज तुलना: प्रत्येक लर्निंग रूल के लिए मानव और मैकाक $\rho$ -वेक्टर्स के बीच केंडल का $\tau$ कंप्यूट किया गया। $n=5$ नियमों के कारण, सांख्यिकीय शक्ति केवल पूर्ण सहसंबंध ( $\tau = \pm 1.0$ ) का पता लगाने तक सीमित है।
- स्टिमुलस कंट्रोल: यह निर्धारित करने के लिए कि क्या रैंकिंग अंतर प्रजाति या स्टिमुलस डोमेन से उत्पन्न होते हैं, मॉडल RSA को दोनों THINGS और मैकाक स्टिमुल पर कंप्यूट किया गया।

मुख्य परिणाम

मैकाक में उच्च पूर्ण संरेखण: मैकाक संरेखण मान ( $\rho = 0.15–0.30$ V1/V2 पर) मानव fMRI मानों ( $\rho = 0.01–0.08$ ) से काफी अधिक हैं, जो इलेक्ट्रोफिजियोलॉजी के उच्च SNR के अनुरूप है। हालांकि, सभी मान शोर सीमा (noise ceilings: 0.52–0.79) से काफी नीचे हैं, जो सुधार की महत्वपूर्ण गुंजाइश दर्शाते हैं।
संरक्षित प्रारंभिक दृश्य संरेखण: मैकाक V1/V2 पर, STDP ( $\rho \approx 0.30$ ) और PC ( $\rho \approx 0.28$ ) ने उच्चतम संरेखण प्राप्त किया, जिसने BP, FA और रैंडम वेट्स को पीछे छोड़ दिया। यह मानव V1 में पाए गए गुणात्मक पैटर्न को दर्शाता है, जहाँ लोकल लर्निंग रूल्स BP से बेहतर प्रदर्शन करते हैं, जो पुष्टि करता है कि प्रारंभिक दृश्य संरेखण प्रजातियों और पद्धतियों के बीच सुदृढ़ है।
विचलित उच्च-क्षेत्र रैंकिंग: मैकाक IT पर, लर्निंग रूल रैंकिंग ने मानव रैंकिंग के साथ कोई पता लगाने योग्य सहसंबंध नहीं दिखाया ( $\tau = 0.00, p = 1.00$ )। हालांकि, लेखक नोट करते हैं कि यह शून्य परिणाम $n=5$ के कम सांख्यिकीय पावर (केवल $\tau = \pm 1.0$ महत्वपूर्ण है) को देखते हुए अपेक्षित है।
कैपेसिटी और डेटा सीमाएं: ResNet-50 कंट्रोल ने मैकाक IT पर $\rho = 0.25$ प्राप्त किया, जो सभी कस्टम CNN स्थितियों ( $\rho = 0.07–0.14$ ) से काफी बेहतर था। यह सुझाव देता है कि साथी अध्ययन में IT पर देखा गया लर्निंग रूल्स का "अभिसरण" (convergence), लर्निंग रूल्स के मौलिक गुण के बजाय आर्किटेक्चरल और डेटा सीमाओं को दर्शाता है (छोटा CNN, CIFAR-10)।
स्टिमुलस डोमेन कन्फाउंड्स: डेटासेट के बदलाव (टेक्सचर स्टिमुल बनाम ऑब्जेक्ट इमेज) के कारण V2 से V4 तक संरेखण में तीव्र गिरावट आती है। स्टिमुलस कंट्रोल विश्लेषण ने खुलासा किया कि IT रैंकिंग में एक कमजोर इनवर्जन ( $\tau = -0.40$ ) दिखा, जो यह संकेत देता है कि IT पर क्रॉस-स्पीशीज रैंकिंग अंतर आंशिक रूप से स्टिमुलस डोमेन (THINGS बनाम HVM ऑब्जेक्ट्स) द्वारा संचालित हो सकते हैं।

महत्व और दावे
यह पेपर दावा करता है कि प्रारंभिक दृश्य संरेखण मानव fMRI और मैकाक इलेक्ट्रोफिजियोलॉजी के बीच गुणात्मक रूप से संरक्षित है। विशेष रूप से, स्थानीय लर्निंग रूल्स (STDP, PC) दोनों प्रजातियों में प्रारंभिक दृश्य क्षेत्रों (V1/V2) में बैकप्रॉपेगेशन से लगातार बेहतर प्रदर्शन करते हैं, जो यह सुझाव देता है कि इन नियमों के पक्ष में आर्किटेक्चरल इंडक्टिव बायस (inductive bias) fMRI पद्धति का आर्टिफैक्ट नहीं है।

इसके विपरीत, अध्ययन अपने विशिष्ट प्रयोगात्मक सेटअप के भीतर उच्च-क्षेत्र (IT) रैंकिंग में कोई पता लगाने योग्य क्रॉस-स्पीशीज पत्राचार नहीं पाता है। लेखक विनम्रतापूर्वक इस शून्य परिणाम का श्रेय निम्नलिखित कारकों के संयोजन को देते हैं:

सांख्यिकीय शक्ति: लर्निंग रूल्स की कम संख्या ( $n=5$ ) सहसंबंधों का पता लगाने की क्षमता को सीमित करती है।
मॉडल कैपेसिटी: कस्टम CNN में संभवतः मैकाक IT में एनकोडेड ऑब्जेक्ट-लेवल रिप्रेजेंटेशन को कैप्चर करने की क्षमता की कमी है, जिसे ResNet-50 के बेहतर प्रदर्शन द्वारा रेखांकित किया गया है।
स्टिमुलस मिसमैच: डेटासेट्स के बीच स्टिमुलस डोमेन के अंतर IT रैंकिंगों को कन्फाउंड (confound) करते हैं।

लेखक निष्कर्ष निकालते हैं कि जबकि प्रारंभिक दृश्य संरेखण सुदृढ़ है, उच्च-क्षेत्र संरेखण मॉडल कैपेसिटी, ट्रेनिंग डेटा की समृद्धि और स्टिमुलस डोमेन द्वारा मॉड्युलेट किया जाता है। ये परिणाम भविष्य के क्रॉस-स्पीशीज अध्ययनों को प्रेरित करते हैं जो पर्याप्त रूप से संचालित रैंकिंग तुलनाओं को सक्षम करने के लिए साझा स्टिमुलस सेट्स, बड़े आर्किटेक्चर और अधिक लर्निंग रूल स्थितियों का उपयोग करें।

1. प्रयोग: पाँच "सीखने की शैलियों" का परीक्षण

2. पहली खोज: "अर्ली विजन" का मिलान

3. दूसरी खोज: "हाई-लेवल विजन" का भ्रम

4. "स्टिमुलस" (Stimulus) की समस्या

सारांश

इसी तरह के और पेपर