STSBench: A Large-Scale Dataset for Modeling Neuronal Activity in the Dorsal Stream of Primate Visual Cortex
यह शोधपत्र STSBench प्रस्तुत करता है, जो कि प्राकृतिक वीडियो देखते समय प्राइमेट सुपीरियर टेम्पोरल सल्क्सस के 2,000 से अधिक न्यूरॉन्स की रिकॉर्डिंग से बना एक बड़े पैमाने का डेटासेट है, जिसे डॉर्सल स्ट्रीम न्यूरोनल प्रतिक्रियाओं के मॉडलिंग और बेंचमार्किंग को आगे बढ़ाने के लिए डिज़ाइन किया गया है, जो पहले पर्याप्त डेटा की कमी के कारण बाधित थी।
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
अपने मस्तिष्क की कल्पना एक हलचल भरे शहर के रूप में करें जिसमें आपके द्वारा देखे जाने वाले दृश्यों को प्रोसेस करने के लिए दो प्रमुख राजमार्ग हैं। एक राजमार्ग, "वेंट्रल स्ट्रीम" (Ventral Stream), एक उच्च श्रेणी के आर्ट गैलरी क्यूरेटर की तरह है; यह इस बात के प्रति जुनूनी है कि चीजें क्या हैं। क्या वह एक बिल्ली है? एक कॉफी कप? एक लाल सेब? इसे आकारों, रंगों और विवरणों की परवाह है। दूसरा राजमार्ग, "डॉर्सल स्ट्रीम" (Dorsal Stream), एक ट्रैफिक कंट्रोलर या पार्कौर विशेषज्ञ की तरह है; इसे इस बात से ज्यादा फर्क नहीं पड़ता कि वस्तु का नाम क्या है, बल्कि इस बात से कि वह कहाँ है और कैसे हिल रही है। यह आपके मस्तिष्क का वह हिस्सा है जो आपको बिना गेंद के ब्रांड लोगो के बारे में सोचे उसे पकड़ने या चलते समय एक झूलते हुए दरवाजे से बचने में मदद करता है।
वर्षों तक, वैज्ञानिक ऐसे कंप्यूटर मॉडल बना पाए हैं जो "आर्ट गैलरी क्यूरेटर" की तरह काम करते हैं। भारी मात्रा में डेटा इन मॉडलों में फीड करके, वे आश्चर्यजनक सटीकता के साथ यह अनुमान लगा सकते हैं कि मस्तिष्क का वस्तु-पहचान वाला राजमार्ग कैसे काम करता है। लेकिन "ट्रैफिक कंट्रोलर" राजमार्ग एक रहस्य बना रहा। क्यों? क्योंकि वहां के न्यूरॉन्स को करीब से देखना बेहद कठिन है। यह एक व्यस्त चौराहे का अध्ययन करने के लिए केवल एक समय में एक कार को देखने जैसा है, या इससे भी बदतर, सड़क की एक छोटी, धुंधली फोटो को देखने जैसा है। एक विशाल, स्पष्ट डेटासेट के बिना, हम केवल अनुमान लगाते रह गए कि मस्तिष्क गति और स्थान की गणना कैसे करता है।
यहीं पर एक नया अध्ययन जिसका नाम STSBENCH है, खेल बदलने के लिए आता है। शोधकर्ताओं ने, रीसस मैकाक (rhesus macaques) के साथ काम करते हुए, मस्तिष्क के इस "ट्रैफिक कंट्रोलर" वाले हिस्से के लिए विशेष रूप से मस्तिष्क की गतिविधि का एक विशाल पुस्तकालय बनाने का निर्णय लिया। उन्होंने एक सुपर-एडवांस्ड रिकॉर्डिंग टूल (सैकड़ों सेंसर वाला एक छोटा प्रोब) का उपयोग किया ताकि बंदरों द्वारा हजारों अद्वितीय प्राकृतिक वीडियो देखते समय 2,000 से अधिक न्यूरॉन्स की विद्युत चर्चा (electrical chatter) को एक साथ सुना जा सके। यह हमारे पास मौजूद किसी भी चीज़ की तुलना में डेटा में लगभग 50 गुना वृद्धि है।
यह शोध पत्र इस खजाने जैसे डेटा के साथ दो मुख्य कार्य करता है। पहला, उन्होंने कई कंप्यूटर मॉडलों का परीक्षण किया यह देखने के लिए कि कौन से मॉडल उन न्यूरॉन्स के व्यवहार की सबसे अच्छी भविष्यवाणी कर सकते हैं। उन्होंने पाया कि पुराने मॉडल, जो गति के सरल, हस्तनिर्मित नियमों पर निर्भर थे, ठीक-ठाक थे लेकिन बहुत अच्छे नहीं थे। हालांकि, एक नए प्रकार का मॉडल—जो वीडियो पर स्क्रैच से प्रशिक्षित एक डीप लर्निंग नेटवर्क था—ने बहुत बेहतर काम किया। यह सुझाव देता है कि मस्तिष्क का मोशन सेंटर कुछ बहुत ही जटिल, गहरे कैलकुलेशन कर रहा है जिसे हमने अभी तक अपने सरल सिद्धांतों के साथ पूरी तरह से कैप्चर नहीं किया है।
दूसरा, उन्होंने उल्टा प्रयास किया: उन्होंने मस्तिष्क के विद्युत संकेतों को लिया और कंप्यूटर से पूछा कि बंदर क्या देख रहा था उसे "पुनर्गठित" (reconstruct) करे। परिणाम दिलचस्प थे और बिल्कुल वैसा ही था जैसा कि दो अलग-अलग राजमार्गों से अपेक्षित था। जब उन्होंने "वस्तु" वाले भाग के मस्तिष्क से छवियों को पुनर्गठित किया, तो कंप्यूटर ने रंगों और विशिष्ट विवरणों के साथ स्पष्ट चित्र बनाए। लेकिन जब उन्होंने "गति" वाले भाग (STS क्षेत्र जिसे उन्होंने रिकॉर्ड किया था) से छवियों को पुनर्गठित किया, तो कंप्यूटर ने धुंधली, भूतिया रूपरेखाएं बनाईं। इसने गति और बड़े आकार (जैसे मेज या शेल्फ का किनारा) को तो पकड़ लिया, लेकिन बारीक विवरणों, जैसे पानी की बोतल पर लेबल या फल के रंग को पूरी तरह से मिस कर दिया। यह पुष्टि करता है कि डॉर्सल स्ट्रीम वास्तव में "कहाँ" और "यह कैसे हिलता है" के लिए विशिष्ट है, जबकि "क्या" को दूसरे पक्ष के लिए छोड़ देता है।
इस विशाल डेटासेट और इन नए मॉडलों को सार्वजनिक रूप से जारी करके, लेखक वैज्ञानिक समुदाय को उपकरणों का एक नया सेट सौंप रहे हैं। वे यह दावा नहीं कर रहे हैं कि उन्होंने दृष्टि के पूरे रहस्य को सुलझा लिया है, बल्कि उन्होंने एक बहुत स्पष्ट मानचित्र प्रदान किया है। उन्होंने दिखाया है कि पर्याप्त डेटा के साथ, हम अंततः उस जटिल, नॉन-लीनियर गणित को समझना शुरू कर सकते हैं जिसका उपयोग हमारा मस्तिष्क चलती हुई दुनिया में नेविगेट करने के लिए करता है, और उन्होंने साबित कर दिया है कि "ट्रैफिक कंट्रोलर" न्यूरॉन्स, "आर्ट क्यूरेटर" न्यूरॉन्स से बहुत अलग हैं, और प्रत्येक अपना विशिष्ट काम कर रहा 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।