Cognitive cartography of mammalian brains using meta-analysis of AI experts

मानव मस्तिष्क एक विशाल, जटिल परिदृश्य है जहाँ अरबों कोशिकाएं मिलकर विचार, भावना और क्रिया का निर्माण करती हैं। दशकों से, वैज्ञानिक इस भूभाग का मानचित्र बनाने की कोशिश कर रहे हैं, जिसमें विशिष्ट मस्तिष्क क्षेत्रों को नाम याद रखने या भय महसूस करने जैसे विशिष्ट कार्यों से जोड़ा जाता है। उन्होंने यह काम हजारों शोध पत्रों को पढ़कर किया है, जिनमें से प्रत्येक एक पहेली के छोटे से टुकड़े का वर्णन करता है। हालाँकि, इन अध्ययनों की मात्रा इतनी अधिक बढ़ गई है कि कोई भी अकेला मानव मस्तिष्क उन सभी को नहीं पढ़ सकता। यह साहित्य विभिन्न प्रजातियों में बिखरा हुआ है, मनुष्यों से लेकर चूहों तक, और इसमें अलग-अलग विधियों का उपयोग किया गया है, जैसे कि ब्रेन स्कैन से लेकर विद्युत उत्तेजना (इलेक्ट्रिकल स्टिमुलेशन) तक। यह विखंडन इस बात को देखने में कठिनाई पैदा करता है कि संपूर्ण जीव जगत में मस्तिष्क कैसे कार्य करता है।

इसे हल करने के लिए, शोधकर्ताओं की एक टीम ने कृत्रिम बुद्धिमत्ता (AI) की ओर रुख किया है, न तो मानव वैज्ञानिकों को बदलने के लिए, बल्कि एक अथक, 'सुपर-रीडिंग असिस्टेंट' के रूप में कार्य करने के लिए। उन्होंने 'न्यूरोनॉट' (NeuroNot) नामक एक प्रणाली विकसित की है, जो लार्ज लैंग्वेज मॉडल्स—विशाल टेक्स्ट लाइब्रेरी पर प्रशिक्षित उन्नत कंप्यूटर प्रोग्राम—का उपयोग करती है ताकि न्यूरोसाइंस के संपूर्ण साहित्य को पढ़ा और सारांशित किया जा सके। शोध पत्रों को मैन्युअल रूप से छानने के बजाय, शोधकर्ताओं ने इन AI "विशेषज्ञों" से यह अनुमान लगाने को कहा कि किसी विशिष्ट मस्तिष्क क्षेत्र के शामिल होने की कितनी संभावना है, जैसा कि AI ने वैज्ञानिक ग्रंथों से सीखा है। यह दृष्टिकोण उन्हें मानव, बंदर और चूहे, सभी को एक साथ कवर करते हुए, मस्तिष्क के संज्ञानात्मक कार्यों का एक व्यापक मानचित्र बनाने की अनुमति देता है।

शोधकर्ताओं ने यह परीक्षण करने से शुरुआत की कि क्या ये AI विशेषज्ञ मनुष्यों में मस्तिष्क के कार्यात्मक परिदृश्य का सटीक वर्णन कर सकते हैं। उन्होंने मॉडल्स से 8 प्रमुख क्षेत्रों, जैसे कि भावना, स्मृति, भाषा और दृष्टि, में 68 विभिन्न मस्तिष्क क्षेत्रों की भूमिका का मूल्यांकन करने को कहा। AI ने विस्तृत मानचित्र तैयार किए, जो दिखाते हैं कि मस्तिष्क के कौन से हिस्से प्रत्येक कार्य से सबसे अधिक जुड़े हुए हैं। जब शोधकर्ताओं ने AI द्वारा निर्मित इन मानचित्रों की तुलना पारंपरिक मानव-नेतृत्व वाले समीक्षाओं द्वारा बनाए गए सर्वोत्तम मौजूदा मानचित्रों से की, तो उन्हें एक मजबूत सहमति मिली। AI ने सही ढंग से पहचाना कि भाषा मुख्य रूप से बाएं मस्तिष्क का कार्य है और दृष्टि मस्तिष्क के पिछले हिस्से में केंद्रित है। इसने पुष्टि की कि AI ने क्षेत्र के मूल ज्ञान को सफलतापूर्वक आत्मसात कर लिया है।

हालाँकि, इस पद्धति की वास्तविक शक्ति तब सामने आई जब शोधकर्ताओं ने उन सीमाओं से परे देखा जो पारंपरिक उपकरण देख पाते हैं। मानक मस्तिष्क मानचित्र अक्सर ब्रेन स्कैन के डेटा तक सीमित होते हैं, जो केवल तभी गतिविधि दिखाते हैं जब कोई व्यक्ति कोई कार्य कर रहा होता है। AI, जिसने न्यूरोसाइंस के पूरे इतिहास को पढ़ा है, मस्तिष्क के घावों (लीजन) और प्रत्यक्ष विद्युत उत्तेजना से प्राप्त साक्ष्यों का भी उपयोग कर सकता है। जब शोधकर्ताओं ने AI मानचित्रों की तुलना उन सर्किटों से की जो मस्तिष्क उत्तेजना या क्षति वाले रोगियों से प्राप्त हुए थे, तो AI मानचित्र पारंपरिक स्कैन-आधारित मानचित्रों की तुलना में इस कारण संबंधी साक्ष्य (कॉज़ल एविडेंस) से कहीं बेहतर मेल खाते थे। यह सुझाव देता है कि AI सरल सहसंबंधों (कोरिलेशन) से आगे बढ़कर, इस बात की गहरी और कारण संबंधी समझ बना सकता है कि मस्तिष्क के क्षेत्र व्यवहार को कैसे संचालित करते हैं।

सबसे महत्वपूर्ण सफलता तब मिली जब टीम ने इस पद्धति को अन्य प्रजातियों पर लागू किया। पारंपरिक मस्तिष्क मानचित्रण उपकरण लगभग विशेष रूप से मनुष्यों के लिए डिज़ाइन किए गए हैं क्योंकि वे विशिष्ट समन्वय प्रणालियों (कोऑर्डिनेट सिस्टम) पर निर्भर करते हैं जो अन्य जानवरों के लिए मौजूद नहीं हैं। टेक्स्ट को पढ़ने की AI की क्षमता का उपयोग करके, शोधकर्ताओं ने मकाक (बंदर) और चूहों के लिए संज्ञानात्मक मानचित्र सफलतापूर्वक तैयार किए। उन्होंने पाया कि इन जानवरों में मस्तिष्क का संगठन मनुष्यों के मस्तिष्क के समान ही आश्चर्यजनक तरीकों से दिखता है। उदाहरण के लिए, AI ने सही ढंग से पहचाना कि चूहे का विजुअल कॉर्टेक्स दृष्टि से जुड़ा है, और मोटर क्षेत्र गति से जुड़े हैं, ठीक वैसे ही जैसे मनुष्यों में। महत्वपूर्ण रूप से, AI ने यह भी पहचाना कि "भाषा" चूहों या बंदरों के मस्तिष्क से जुड़ी कोई कार्य नहीं है, और इसे लगभग शून्य महत्व दिया, जबकि साथ ही उन श्रवण क्षेत्रों (ऑडिटरी रीजन्स) की पहचान की जो उनके अपने स्वर-तंत्र को संभालते हैं।

यह सुनिश्चित करने के लिए कि ये मानचित्र केवल रैंडम अनुमान नहीं थे, शोधकर्ताओं ने उनकी वास्तविक जैविक डेटा के विरुद्ध जांच की। उन्होंने चूहों के लिए AI के संज्ञात्मक मानचित्रों की तुलना निर्णय लेने के कार्यों के दौरान हजारों व्यक्तिगत न्यूरॉन्स से रिकॉर्ड किए गए डेटा से की। AI की भविष्यवाणियां मस्तिष्क की वास्तविक विद्युत गतिविधि के साथ निकटता से मेल खाती थीं। इसी तरह, बंदरों के लिए, बंदर के 'वर्किंग मेमोरी' के AI मानचित्र ने बंदर के अध्ययनों के विस्तृत, मानव-क्यूरेटेड सारांश के साथ बेहतर तालमेल दिखाया, बजाय इसके कि मानव मस्तिष्क मानचित्र को बंदर के मस्तिष्क पर प्रोजेक्ट किया जाए। इसने सिद्ध किया कि AI केवल मानव डेटा की नकल नहीं कर रहा था, बल्कि वह साहित्य से प्रजाति-विशिष्ट ज्ञान का संश्लेषण कर रहा था।

शोधकर्ताओं ने यह भी पता लगाया कि मस्तिष्क की संरचना इसके कार्य में कैसे सहायता करती है। उन्होंने AI से प्रत्येक मस्तिष्क क्षेत्र के शीर्ष कार्यों का वर्णन करने को कहा और फिर उन वर्णनों का उपयोग करके यह गणना की कि विभिन्न क्षेत्र एक-दूसरे के कितने समान हैं। उन्होंने पाया कि समान कार्यात्मक प्रोफाइल वाले क्षेत्र समान मस्तिष्क तरंगों और रक्त प्रवाह के पैटर्न द्वारा भी जुड़े हुए थे। यह संबंध मनुष्यों, बंदरों और चूहों में सत्य साबित हुआ, जो यह दर्शाता है कि संज्ञाटन (कॉग्निशन) को सहारा देने के लिए मस्तिष्क जिस तरह से वायर्ड है, वह एक विकासवादी निरंतरता (इवोल्यूशनरी कॉन्स्टेंट) है। AI ने मस्तिष्क के भीतर एक छिपे हुए पदानुक्रम (हायरार्की) को भी उजागर किया, जिसमें क्षेत्रों को सरल संवेदी क्षेत्रों से लेकर जटिल एसोसिएशन क्षेत्रों तक व्यवस्थित किया गया था, जो मस्तिष्क की परतों के भौतिक मापन से मेल खाता था।

अंत में, टीम ने मस्तिष्क विकारों का अध्ययन करने के लिए इस दृष्टिकोण का उपयोग किया। उन्होंने AI से अवसाद (डिप्रेशन), सिज़ोफ्रेनिया और ऑटिज्म जैसे रोगों में मस्तिष्क क्षेत्रों की भागीदारी का मानचित्रण करने को कहा। इन मानचित्रों की तुलना जेनेटिक डेटा और रोगियों के ब्रेन स्कैन से की गई। AI मानचित्रों ने इन बीमारियों से जुड़े आनुवंशिक जोखिमों के साथ एक मजबूत संबंध दिखाया, जो पारंपरिक ब्रेन स्कैन की तुलना में अधिक था। इसके अलावा, AI ने उन बीमारियों को सही ढंग से समूहों में बांटा जो समान लक्षणों को साझा करती हैं, जैसे कि नींद के विकारों को मनोरोग स्थितियों से जोड़ना, भले ही उसे इन संबंधों के बारे में स्पष्ट रूप से बताया नहीं गया था। विभिन्न प्रकार के डेटा के बीच छिपे हुए पैटर्न को खोजने की यह क्षमता बताती है कि AI मानसिक बीमारी की जटिल और बहुआयामी प्रकृति को समझने में वैज्ञानिकों की मदद कर सकता है।

यह कार्य प्रदर्शित करता है कि कृत्रिम बुद्धिमत्ता वैज्ञानिक खोज के लिए एक शक्तिशाली उपकरण के रूप में कार्य कर सकती है, जो उन पैटर्न को प्रकट करने के लिए मानव ज्ञान के संपूर्ण संग्रह को पचाने में सक्षम है जिन्हें कोई भी अकेला शोधकर्ता नहीं देख सकता। प्रजातियों और विधियों के बीच के अंतर को पाटकर, AI ने स्तनधारी मस्तिष्क का एक एकीकृत दृश्य प्रदान किया है, जो यह दिखाता है कि संज्ञाटन की आणविक और कार्यात्मक वास्तुकला विकास के दौरान गहराई से संरक्षित रही है। शोधकर्ताओं ने अपने टूल, 'न्यूरोनॉट' को जनता के लिए स्वतंत्र रूप से उपलब्ध करा दिया है, जिससे कोई भी मस्तिष्क के बारे में प्रश्न पूछ सकता है और वैज्ञानिक समुदाय के सामूहिक ज्ञान से संश्लेषित उत्तर प्राप्त कर सकता है। यह दृष्टिकोण मानव विशेषज्ञता को प्रतिस्थापित नहीं करता है, बल्कि इसे सशक्त बनाता है, जिससे तथ्यों के बिखरे हुए पुस्तकालय को मन के एक सुसंगत और सुलभ मानचित्र में बदला जा सकता है।