Deep-layer cortical tracking abruptly collapses in the absence of language comprehension

मानव मस्तिष्क ध्वनि का एक उस्ताद है, जो ध्वनियों की एक अराजक धारा को एक सुसंगत कहानी, एक स्पष्ट निर्देश या एक साझा चुटकुले में बदलने में सक्षम है। दशकों से, वैज्ञानिक जानते हैं कि यह परिवर्तन चरणों में होता है। सबसे पहले, कान और मस्तिष्क के शुरुआती हिस्से ध्वनि के कच्चे भौतिक गुणों को पकड़ते हैं: इसकी पिच, इसका वॉल्यूम और इसकी लय। बाद में, मस्तिष्क के अन्य हिस्से उन ध्वनियों को लेते हैं और उन्हें शब्दों, वाक्यों और अर्थों में पिरोते हैं। लेकिन ठीक कहाँ वह रेखा खींची जाती है जहाँ केवल एक शोर सुनने और यह समझने के बीच का अंतर है कि वह क्या कह रहा है, यह एक रहस्य बना हुआ है। एक बहती हुई बातचीत के बीच में, भौतिक ध्वनि और अर्थ इतने बारीकी से बुने होते हैं कि यह बताना लगभग असंभव है कि एक कहाँ समाप्त होता है और दूसरा कहाँ शुरू होता है। यह अंतराल महत्वपूर्ण है क्योंकि यह जाने बिना कि समझ (comprehension) कहाँ शुरू होती है, यह मापना कठिन है कि कोई व्यक्ति जो बोल या हिल-डुल नहीं सकता—शायद किसी गंभीर चोट के कारण—वास्तव में अपने आस-पास की दुनिया को समझ रहा है या नहीं।

शोधकर्ताओं की एक टीम ने अब अभूतपूर्व सटीकता के साथ इस सीमा को मैप किया है, जिसमें एक ऐसी नई विधि का उपयोग किया गया है जो मस्तिष्क को एक जटिल मशीन की तरह मानती है और इसकी सीधे एक परिष्कृत कंप्यूटर मॉडल से तुलना करती है। प्राकृतिक भाषण सुनते समय मस्तिष्क के विद्युत संकेतों को सुनने और फिर उन संकेतों को भाषा पर प्रशिक्षित एक कृत्रिम बुद्धिमत्ता (AI) के आंतरिक कामकाज से मिलाने के माध्यम से, उन्होंने एक स्पष्ट विभाजक रेखा की खोज की। जब एक श्रोता भाषा को समझता है, तो मस्तिष्क की गतिविधि कंप्यूटर मॉडल के उन गहरे, जटिल परतों के समान होती है जो अर्थ को संभालते हैं। लेकिन जब श्रोता उसी ध्वनि को ऐसी भाषा में सुनता है जिसे वह नहीं जानता, तो वह गहरा संबंध तुरंत गायब हो जाता है। मस्तिष्क बुनियादी ध्वनियों को पूरी तरह से ट्रैक करना जारी रखता है, लेकिन उच्च-स्तरीय समझ के लिए जिम्मेदार मस्तिष्क का हिस्सा मॉडल का अनुसरण करना बंद कर देता है। यह खोज मस्तिष्क की प्रोसेसिंग चेन में उस सटीक क्षण को चिह्नित करती है जहाँ सुनना समझ में बदल जाता है, जो यह देखने का एक स्पष्ट, गैर-आक्रामक तरीका प्रदान करता है कि क्या भाषण को समझा जा रहा है, भले ही श्रोता उसे बोल न सके।

इस सीमा को खोजने के लिए, शोधकर्ताओं ने एक शक्तिशाली उपकरण की ओर रुख किया: एक बड़ा भाषा मॉडल जिसे ऑडियो प्रोसेस करने के लिए डिज़ाइन किया गया है, विशेष रूप से 'Qwen2.5-Omni' नामक एक सिस्टम। यह मॉडल एक बहु-परतीय कारखाने की तरह बनाया गया है। इसके शुरुआती परतें एक माइक्रोफोन की तरह कार्य करती हैं, जो कच्ची ध्वनि तरंगों को आवृत्ति (frequency) और तीव्रता (loudness) जैसे बुनियादी घटकों में तोड़ देती हैं। जैसे-जैसे डेटा मॉडल में गहराई तक जाता है, दर्जनों आगामी परतों के माध्यम से, यह पैटर्न, शब्दों और अंततः विचारों के बीच जटिल संबंधों को पहचानने लगता है। शोधकर्ता यह देखना चाहते थे कि क्या मानव मस्तिष्क भी इसी पथ का अनुसरण करता है। उन्होंने अंग्रेजी बोलने वाले मूल वक्ताओं (native speakers) के मस्तिष्क की गतिविधि को एक अंग्रेजी पॉडकास्ट सुनते समय और रूसी बोलने वाले मूल वक्ताओं को एक रूसी पॉडकास्ट सुनते समय रिकॉर्ड किया। साथ ही, उन्होंने बिल्कुल उसी ऑडियो को कंप्यूटर मॉडल में डाला और देखा कि उसके 145,000 व्यक्तिगत कृत्रिम न्यूरॉन्स की गतिविधि समय के साथ कैसे बदलती है।

परिणाम चौंकाने वाले थे। मूल श्रोताओं में, मस्तिष्क की गतिविधि ध्वनि प्रसंस्करण की पहली परत से लेकर अर्थ निर्माण की गहरी परतों तक कंप्यूटर मॉडल के साथ संरेखित (align) थी। यह ऐसा था मानो मस्तिष्क और कंप्यूटर, परत दर परत, एक साथ कदम से कदम मिलाकर चल रहे हों। शोधकर्ता देख सकते थे कि जैसे-जैसे कंप्यूटर मॉडल सरल ध्वनि पहचान से जटिल भाषाई समझ की ओर बढ़ता है, मानव मस्तिष्क भी वैसा ही करता है, बस थोड़े विलंब के साथ। इसने पुष्टि की कि मस्तिष्क प्राकृतिक भाषण को एक पदानुक्रमित (hierarchical) तरीके से संसाधित करता है, भौतिक से अमूर्त की ओर बढ़ता है, और इस प्रक्रिया को एक मशीन के साथ तुलना करके ट्रैक किया जा सकता है जो ऐसा ही करती है।

समझ से अलग होने वाले सटीक बिंदु को खोजने के लिए, शोधकर्ताओं ने एक महत्वपूर्ण मोड़ पेश किया। उन्होंने रूसी ऑडियो लिया और इसे उन मूल अंग्रेजी वक्ताओं के समूह के लिए बजाया जो रूसी नहीं समझते थे। ध्वनि तरंगें भौतिक रूप से वैसी ही थीं जैसी मूल रूसी वक्ताओं ने सुनी थीं, लेकिन इस समूह के लिए, वे ध्वनियाँ केवल शोर थीं। वे लय और वॉल्यूम को सुन सकते थे, लेकिन वे अर्थ को नहीं समझ सकते थे। जब शोधकर्ताओं ने गैर-समझने वाले श्रोताओं की मस्तिष्क गतिविधि की तुलना कंप्यूटर मॉडल से की, तो एक नाटकीय परिवर्तन हुआ। मस्तिष्क अभी भी कंप्यूटर की शुरुआती परतों के साथ पूरी तरह से मेल खाता था, मूल वक्ताओं की तरह ही बुनियादी ध्वनियों को सटीकता से ट्रैक कर रहा था। हालांकि, जैसे ही कंप्यूटर मॉडल अपनी गहरी परतों में पहुँचा, जहाँ यह अर्थ का निर्माण करने लगा, मानव मस्तिष्क के साथ इसका संरेखण ढह गया।

यह ढहना अचानक और पूर्ण था। कंप्यूटर मॉडल के एक विशिष्ट परत के आगे, गैर-समझने वाले श्रोता का मस्तिष्क कंप्यूटर की आंतरिक स्थिति का अनुसरण करना बंद कर देता है। जो कुछ भी शेष संबंध बचे थे, वे शब्दों या विचारों को ट्रैक नहीं कर रहे थे; वे केवल ध्वनि की सबसे बुनियादी भौतिक विशेषताओं, जैसे कि तीव्रता या शब्द की अवधि को ट्रैक कर रहे थे। यह ऐसा था मानो मस्तिष्क, यह महसूस करते हुए कि वह इस प्रवाह में अर्थ नहीं खोज सकता, कच्चे डेटा की सुरक्षा में वापस लौट गया और उन जटिल परतों को अनदेखा कर दिया जहाँ समझ निवास करती है। शोधकर्ताओं ने इस टूटने के बिंदु को उच्च सटीकता के साथ पहचाना, इसे मॉडल के आर्किटेक्चर में एक विशिष्ट परत पर स्थित किया। यह सुझाव देता है कि मस्तिष्क किसी भाषा के अपरिचित होने पर धीरे-धीरे अपनी समझ खोता नहीं है; बल्कि, यह ध्वनियों पर अपनी पकड़ बनाए रखता है जब तक कि वह एक दीवार से न टकरा जाए, जिसके बाद उच्च-स्तरीय ट्रैकिंग बस बंद हो जाती है।

अध्ययन ने यह भी खुलासा किया कि यह सीमा एक धुंधला क्षेत्र (fuzzy zone) नहीं बल्कि एक स्पष्ट दहलीज (threshold) है। डेटा का परत दर परत विश्लेषण करके, शोधकर्ताओं ने पाया कि उच्च ट्रैकिंग से शून्य ट्रैकिंग में संक्रमण इतना तीव्र था कि इसे मॉडल की एक एकल परत तक सटीक रूप से पहचाना जा सकता था। यह स्तर का विवरण तभी संभव हो पाया क्योंकि उन्होंने कंप्यूटर मॉडल की प्रत्येक इकाई को एक-एक करके देखा, न कि उन्हें औसत करके। पिछले अध्ययन जिन्होंने मस्तिष्क और कंप्यूटर मॉडल को समग्र रूप रूप से देखा, वे अक्सर इस अंतर को मिस कर देते थे क्योंकि उन्होंने सरल ध्वनि प्रसंस्करण को जटिल अर्थ प्रसंस्करण के साथ मिला दिया था। प्रत्येक चरण को अलग करके, शोधकर्ताओं ने दिखाया कि मस्तिष्क की गहरी, अमूर्त प्रस्तुतियों को ट्रैक करने की क्षमता पूरी तरह से श्रोता की भाषा को समझने की क्षमता पर निर्भर करती है।

यह खोज इस बात पर एक नया दृष्टिकोण प्रदान करती है कि मस्तिष्क अर्थ का निर्माण कैसे करता है। यह पुष्टि करती है कि समझ केवल सुनने का एक तेज़ संस्करण नहीं है; यह एक अलग कम्प्यूटेशनल चरण है जिसके लिए श्रोता के पास आवश्यक भाषिक ज्ञान होना आवश्यक है। जब वह ज्ञान अनुपस्थित होता है, तो मस्तिष्क अर्थ खोजने के लिए संघर्ष नहीं करता; वह बस जटिल पैटर्न को ट्रैक करना बंद कर देता है और पूरी तरह से ध्वनि के भौतिक गुणों पर ध्यान केंद्रित करता है। इस खोज के संचार संबंधी कठिनाइयों वाले मामलों में मस्तिष्क के काम करने के तरीके को समझने के लिए संभावित निहितार्थ हैं, जैसे कि वे रोगी जो बोलने या प्रतिक्रिया देने में असमर्थ हैं। यदि समझ के बिना मस्तिष्क का गहरा-स्तर का ट्रैकिंग ढह जाता है, तो इस ट्रैकिंग को मापना यह देखने के लिए एक विश्वसनीय, गैर-आक्रामक परीक्षण के रूप में काम कर सकता है कि क्या कोई व्यक्ति भाषण को समझ रहा है, भले ही वह हमें बता न सके। शोधकर्ता नोट करते हैं कि हालांकि उनके निष्कर्ष विशिष्ट भाषाओं और मॉडलों पर आधारित हैं, यह पद्धति यह परीक्षण करने का एक स्पष्ट मार्ग प्रदान करती है कि क्या यह सीमा विभिन्न भाषाओं और भाषण के प्रकारों में सार्वभौमिक रूप से मौजूद है।

यह कार्य आर्टिफिशियल इंटेलिजेंस और तंत्रिका विज्ञान (neuroscience) के बीच के अंतर को पाटने की दिशा में एक महत्वपूर्ण कदम है। एक ऐसे कंप्यूटर मॉडल का उपयोग करके जो भाषा को पारदर्शी और व्याख्या योग्य तरीके से संसाधित करता है, शोधकर्ता मस्तिष्क की गतिविधि को एक मानचित्र की तरह पढ़ने में सक्षम हुए। उन्होंने केवल यह नहीं देखा कि मस्तिष्क सक्रिय था; उन्होंने यह भी देखा कि मस्तिष्क का कौन सा हिस्सा सक्रिय था और हर क्षण वह क्या कर रहा था। यह दृष्टिकोण केवल यह पूछने से आगे बढ़ता है कि क्या मस्तिष्क भाषण को समझता है, बल्कि यह पूछने की ओर बढ़ता है कि वह उस समझ को परत-दर-परत कैसे बनाता है। परिणाम ध्वनि से अर्थ तक की यात्रा की एक स्पष्ट, विस्तृत तस्वीर प्रस्तुत करता है, जो दिखाता है कि जिस क्षण हम एक भाषा को समझना बंद कर देते हैं, उसी क्षण हमारा मस्तिष्क अर्थ के पथ का अनुसरण करना बंद कर देता है और स्वयं ध्वनि की सुरक्षा में वापस लौट आता है।