← नवीनतम पेपर
🧬 biology

Harnessing cortical geometry, wiring, and function as inductive biases for recurrent neural networks

यह शोध पत्र यह प्रदर्शित करता है कि रिकरेंट न्यूरल नेटवर्क को आरंभ करने और उन्हें सीमित करने के लिए MICrONS कार्यक्रम के सह-पंजीकृत (co-registered) शारीरिक और कार्यात्मक डेटा का लाभ उठाना, संज्ञानात्मक कार्यों पर उनके प्रदर्शन को महत्वपूर्ण रूप से बढ़ाता है और जैविक रूप से प्रशंसनीय संगठनात्मक सिद्धांतों को बढ़ावा देता है।

मूल लेखक: Mo Shakiba, Rana Rokni, Mohammad Mohammadi, Nima Dehghani

प्रकाशित 2026-06-16
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Mo Shakiba, Rana Rokni, Mohammad Mohammadi, Nima Dehghani

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 एक रोबोट को सोचना सिखाने की कोशिश कर रहे हैं। आमतौर पर, जब वैज्ञानिक इन "सोचने वाली" मशीनों (जिन्हें रिकरेंट न्यूरल नेटवर्क या RNN कहा जाता है) का निर्माण करते हैं, तो वे एक कोरी स्लेट से शुरुआत करते हैं। वे रोबोट को यादृच्छिक (random) कनेक्शनों से भरा एक मस्तिष्क देते हैं, जैसे ऊन का एक उलझा हुआ गोला, और उम्मीद करते हैं कि वह प्रयास और त्रुटि (trial and error) के माध्यम से खुद को सुलझा लेगा।

यह शोध पत्र एक अलग सवाल पूछता है: क्या होगा अगर हम एक उलझे हुए ढेर के साथ शुरुआत न करें? क्या होगा अगर हमारे पास एक ब्लूप्रिंट (खाका) हो?

शोधकर्ताओं ने तय किया कि वे अपने रोबोट के मस्तिष्क का निर्माण एक चूहे के मस्तिष्क के वास्तविक "ब्लूप्रिंट" का उपयोग करके करेंगे। उन्होंने केवल यह अनुमान नहीं लगाया कि तार कैसे जुड़े होने चाहिए; उन्होंने MICrONS नामक एक विशाल परियोजना के वास्तविक डेटा का उपयोग किया, जिसने एक चूहे के विजुअल कॉर्टेक्स के लगभग 12,000 न्यूरॉन्स के सटीक स्थान, वायरिंग और गतिविधि का मानचित्र तैयार किया था।

यहाँ सरल विवरण दिया गया है कि उन्होंने क्या किया और उन्हें क्या पता चला:

"माउस ब्लूप्रिंट" के तीन घटक

शोधकर्ताओं ने चूहे के मस्तिष्क से तीन विशिष्ट चीजें लीं और उन्हें अपने रोबोट के लिए नियमों के रूप में उपयोग किया:

  1. वायरिंग डायग्राम (कार्यक्षमता): उन्होंने देखा कि चूहे के न्यूरॉन्स वास्तव में एक-दूसरे से कैसे बात करते थे जब चूहा चीजें देख रहा होता था। उन्होंने इस "बातचीत के इतिहास" का उपयोग यह तय करने के लिए किया कि उनके रोबोट के कौन से कनेक्शन शुरुआत से ही मजबूत होने चाहिए और कौन से कमजोर।
    • उपमा: रोबोट को यादृच्छिक दोस्त देने के बजाय, उन्होंने उसे ठीक उन्हीं लोगों से परिचित कराया जिन्हें उसे जानने की आवश्यकता है, जो वास्तव में चूहे के मस्तिष्क में एक साथ रहते थे।
  2. मानचित्र (ज्यामिति): उन्होंने रोबोट के "न्यूरॉन्स" को 3D स्पेस में रखा, उन सटीक निर्देशांकों (coordinates) का उपयोग करते हुए जहाँ वास्तविक चूहे के न्यूरॉन्स रहते हैं। उन्होंने एक नियम भी जोड़ा: "किसी दूर के व्यक्ति से बात करने में अधिक ऊर्जा खर्च होती है, इसलिए अपने दोस्तों को करीब रखने की कोशिश करें।"
    • उपमा: एक ऐसे शहर की कल्पना करें जहाँ आपको लंबी फोन कॉल के लिए अतिरिक्त भुगतान करना पड़ता है। रोबोट सीखता है कि अपने पड़ोस को कैसे व्यवस्थित किया जाए ताकि जो लोग बहुत बात करते हैं, वे बगल में ही रहें।
  3. ट्रैफिक नियम (संचार): उन्होंने नेटवर्क को कुशल बनाने के लिए एक नियम जोड़ा, यह सुनिश्चित करते हुए कि सूचना तेजी से प्रवाहित हो सके और ट्रैफिक जाम में न फंसे।

प्रयोग: तीन अलग-अलग खेल

यह परीक्षण करने के लिए कि क्या इस "माउस ब्लूप्रिंट" ने मदद की, उन्होंने रोबोटों को तीन अलग-अलग संज्ञानात्मक (cognitive) खेल सिखाए:

  • "वन-चॉइस" गेम: एक लक्ष्य को याद रखना, प्रतीक्षा करना, फिर वहां तक पहुँचने के लिए सही दिशा चुनना।
  • "परसेप्शन" (अनुभूति) गेम: एक धुंधली, शोर वाली तस्वीर को देखना और यह तय करना कि बिंदु किस दिशा में बढ़ रहे हैं।
  • "गो/नो-गो" गेम: एक संकेत देखना और तय करना कि कार्य करना है या स्थिर रहना है।

परिणाम: ब्लूप्रिंट की जीत

माउस ब्लूप्रिंट से बने रोबोटों ने यादृच्छिक मस्तिष्क वाले रोबोटों की तुलना में बहुत तेजी से और बेहतर सीखा।

  • सीक्रेट सॉस (गुप्त नुस्खा): सबसे बड़ा उछाल वायरिंग डायग्राम (कौन किससे बात करता है) से आया। यह रोबोट को पहेली के सबसे कठिन हिस्से में बढ़त देने जैसा था।
  • मानचित्र ने भी मदद की: न्यूरॉन्स के वास्तविक 3D मैप का उपयोग करने से अतिरिक्त बढ़ावा मिला, जिससे रोबोट और भी अधिक कुशल हो गया।
  • "पॉजिटिव ओनली" टेस्ट: एक अत्यंत कठिन परीक्षण में, जहाँ रोबोट को केवल "उत्तेजक" संकेतों का उपयोग करने की अनुमति थी (कोई "रुकने" वाले संकेत नहीं), यादृच्छिक रोबोट पूरी तरह से विफल रहे। लेकिन माउस ब्लूप्रिंट वाले रोबोटों ने पूरी तरह से काम करना जारी रखा। यह ऐसा था मानो ब्लूप्रिंट ने उन्हें एक मजबूत आधार दिया था जो दबाव में ढह नहीं सका।

रोबोट का मस्तिष्क कैसा दिखता था

जब शोधकर्ताओं ने सफल रोबोटों के भीतर देखा, तो उन्हें कुछ दिलचस्प पता चला। रोबोटों ने केवल कार्यों को सीखा ही नहीं; उन्होंने खुद को इस तरह व्यवस्थित किया जो एक वास्तविक मस्तिष्क जैसा दिखता था:

  • लो एंट्रॉपी (Low Entropy): एक अराजक ढेर के बजाय, कनेक्शन अत्यधिक व्यवस्थित और संरचित थे।
  • स्मॉल-वर्ल्ड (Small-World): उन्होंने ऐसे "पड़ोस" (clusters) बनाए जो आपस में मजबूती से जुड़े हुए थे लेकिन अन्य पड़ोसों से जोड़ने के लिए उनके पास छोटे, तेज़ हाईवे भी थे। यह बिल्कुल वैसा ही है जैसे वास्तविक मस्तिष्क कार्य करते हैं—विशेषज्ञ और कुशल दोनों होने के लिए।
  • मॉड्यूलरिटी (Modularity): उन्होंने न्यूरॉन्स के विशिष्ट समूह बनाए जो विशिष्ट कार्यों को संभालते थे, ठीक वैसे ही जैसे एक कंपनी के विभाग होते हैं।

निष्कर्ष

शोध पत्र निष्कर्ष निकालता है कि एक वास्तविक मस्तिष्क का भौतिक आकार, उसकी वायरिंग और उसकी गतिविधि पैटर्न केवल जैविक विवरण नहीं हैं; वे सीखने के लिए शक्तिशाली शॉर्टकट हैं।

कॉर्टेक्स (उसकी ज्यामिति, वायरिंग और कार्यक्षमता) की "मशीनरी" की नकल करके, शोधकर्ताओं ने कृत्रिम मस्तिष्क बनाए जो अधिक प्रभावी ढंग से सीखे और खुद को स्मार्ट, अधिक कुशल संरचनाओं में व्यवस्थित किया। उन्होंने सिद्ध किया कि यदि आप एक बेहतर सोचने वाली मशीन बनाना चाहते हैं, तो आपको केवल अधिक डेटा या बड़े मॉडल की आवश्यकता नहीं है; आपको एक बेहतर मानचित्र के साथ शुरुआत करने की आवश्यकता 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।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🧬 q-bio →