இஸ்ரேலின் புதிய செயற்கை நுண்ணறிவு திருப்புமுனை மூளை-கணினி இடைமுகங்களை மேம்படுத்தக்கூடும்

பெசாக் பென்சன் • அக்டோபர் 14, 2026

ஜெருசலேம், 14 அக்டோபர், 2026 (TPS-IL) — ஒரு புதிய பங்கேற்பாளரிடமிருந்து பெறப்பட்ட சுமார் ஒரு மணி நேர மூளை ஸ்கேன்களைப் பயன்படுத்தி மூளையின் செயல்பாட்டிலிருந்து படங்களை மறுஉருவாக்கம் செய்யும் ஒரு செயற்கை நுண்ணறிவு மாதிரியை இஸ்ரேலிய ஆராய்ச்சியாளர்கள் உருவாக்கியுள்ளனர்; அதே வேளையில் பார்வை செயலாக்கத்தில் ஈடுபட்டுள்ள மூளைப் பகுதிகளில் முன்னர் அறியப்படாத செயல்பாட்டுப் பிரிவுகளையும் அவர்கள் அடையாளம் கண்டுள்ளனர்.

Brain-IT என்று அழைக்கப்படும் இந்த மாதிரி, வைஸ்மன் அறிவியல் கழகத்தைச் சேர்ந்த பேராசிரியர் மைக்கல் இரானி தலைமையிலான குழுவால் உருவாக்கப்பட்டது. ஒரு புதிய நபருக்கு ஏற்பத் தகவமைத்துக் கொள்ள பல டஜன் கணக்கான மணிநேர மூளை ஸ்கேன்கள் தேவைப்படும் தற்போதைய அமைப்புகளைப் போலன்றி, Brain-IT வெவ்வேறு நபர்களிடையே பொதுவாகக் காணப்படும் வடிவங்களை அடையாளம் காண்கிறது; இது அதிக துல்லியத்துடனும் குறைந்த பயிற்சியுடனும் படங்களை மறுஉருவாக்கம் செய்ய அனுமதிக்கிறது.

படங்களை மறுஉருவாக்கம் செய்வதைத் தாண்டி, மூளை எவ்வாறு காட்சித் தகவல்களை ஒழுங்கமைக்கிறது என்பதைப் புரிந்துகொள்ள விஞ்ஞானிகளுக்கு இத்தொழில்நுட்பம் உதவக்கூடும். நடைமுறை மருத்துவப் பயன்பாடுகளுக்கு இன்னும் நீண்ட தூரம் செல்ல வேண்டியிருந்தாலும், குறைந்த பயிற்சி தேவைப்படும் மூளை-கணினி இடைமுகங்களின் உருவாக்கத்தையும் இது முன்னேற்றக்கூடும்.

“மூளையின் செயல்பாட்டைப் படங்களாக மாற்றும் மாதிரிகள் தற்போது பயன்பாட்டில் உள்ளன, மேலும் அவை படத்தின் உள்ளடக்க அர்த்தத்தை ஓரளவு நன்றாகப் பாதுகாக்கும் ஈர்க்கக்கூடிய மறுஉருவாக்கங்களைக் கூட உருவாக்க முடியும்” என்று இரானி கூறினார். “இருப்பினும், அமைப்பு மற்றும் நிறம் போன்ற அடிப்படை அம்சங்களில் அவை பிழைகள் செய்ய முனைகின்றன.”

“நாங்கள் உருவாக்கிய புதிய மாதிரி, படத்தின் உள்ளடக்கம் மற்றும் அதன் விவரங்கள் இரண்டையும் மறுஉருவாக்கம் செய்வதில் அவற்றை விடச் சிறப்பாகச் செயல்படுகிறது,” என்று அவர் மேலும் கூறினார். “கூடுதலாக, ஒரு புதிய நபரைப் ‘படிக்கக்’ கற்றுக்கொள்ள மற்ற ஒவ்வொரு மாதிரிக்கும் டஜன் கணக்கான மணிநேர மூளை ஸ்கேன்கள் தேவைப்படும் வேளையில், எங்கள் மாதிரிக்கு ஒரு மணிநேரம் மட்டுமே தேவைப்படுகிறது.”

முன்னணி செயற்கை நுண்ணறிவு மாநாடான ‘International Conference on Learning Representations’ மாநாட்டில் இந்த ஆண்டு சமர்ப்பிப்பதற்காக இந்த ஆய்வு தேர்ந்தெடுக்கப்பட்டது.

மூளையைப் படிக்க செயற்கை நுண்ணறிவுக்குக் கற்பித்தல்

இத்துறையில் உள்ள ஒரு முக்கியத் தடை பயிற்சித் தரவுகளின் பற்றாக்குறையாகும். மக்கள் படங்களைப் பார்க்கும்போது ஏற்படும் மூளையின் செயல்பாட்டு மாற்றங்களை அளவிடும் செயல்பாட்டு காந்த அதிர்வு அலை வரைவு (fMRI) ஸ்கேன்களுடன் இணைக்கப்பட்ட படங்கள் ஆராய்ச்சியாளர்களுக்குத் தேவைப்படுகின்றன. அத்தகைய தரவுகளைச் சேகரிப்பதற்கு பங்கேற்பாளர்கள் MRI ஸ்கேனர்களில் பல மணிநேரங்களைச் செலவிட வேண்டியுள்ளது.

இந்த ஆய்வில் பயன்படுத்தப்பட்ட, பொதுவெளியில் கிடைக்கக்கூடிய Natural Scenes Dataset, எட்டு பங்கேற்பாளர்களிடமிருந்து பெறப்பட்ட சுமார் 73,000 படம்-ஸ்கேன் ஜோடிகளைக் கொண்டுள்ளது; அவர்கள் ஒவ்வொருவரும் 30 முதல் 40 ஸ்கேனிங் அமர்வுகளில் ஆயிரக்கணக்கான படங்களைப் பார்த்தனர்.

இந்தக் குறைபாட்டைச் சமாளிக்க, அக்குழு இரண்டு நிரப்பு அமைப்புகளை உருவாக்கியது: ஒரு படத்திலிருந்து மூளையின் செயல்பாட்டைக் கணிக்கும் என்கோடர் மற்றும் மூளையின் செயல்பாட்டிலிருந்து ஒரு படத்தை மறுஉருவாக்கம் செய்யும் டீகோடர்.

பங்கேற்பாளர்கள் MRI ஸ்கேனருக்குள் ஒருபோதும் பார்த்திராத படங்களுக்கான உத்தேச மூளை ஸ்கேன்களை என்கோடர் உருவாக்கியது. பின்னர் டீகோடர் அந்தக் கணிப்புகளிலிருந்து அந்தப் படங்களை மறுஉருவாக்கம் செய்ய முயற்சித்தது; இது ஒவ்வொரு படத்திற்கும் புதிய ஸ்கேன்கள் தேவையில்லாமல் கூடுதல் உதாரணங்களிலிருந்து கற்றுக்கொள்ள அமைப்புகளை அனுமதித்தது.

ஆராய்ச்சியாளர்கள் மூளையை வோக்சல்கள் (voxels) என்று அழைக்கப்படும் சுமார் 40,000 சிறிய முப்பரிமாண அலகுகளாகப் பிரித்து, தனிநபர்களிடையே வெவ்வேறு படங்களுக்கான அவற்றின் எதிர்வினைகளை ஒப்பிட்டனர். இது நிறம், இருப்பிடம் மற்றும் அடையாளம் காணக்கூடிய பொருட்கள் போன்ற காட்சி அம்சங்களுடன் தொடர்புடைய தொடர்ச்சியான வடிவங்களை வெளிப்படுத்தியது.

என்கோடர் மனிதர்களிடையே பொதுவான 128 செயல்பாட்டுப் பகுதிகளை அடையாளம் கண்டது, மேலும் அவை பார்வை செயலாக்கத்தில் குறிப்பிட்ட பாத்திரங்களை வகிப்பதாகத் தோன்றியது. அவற்றில் சில விஞ்ஞானிகளுக்கு ஏற்கனவே தெரிந்தவை, மற்றவை புதியவை.

இடங்கள் மற்றும் காட்சிகளைச் செயலாக்குவதில் ஈடுபடும் மூளையின் பகுதியான ‘பாரா-ஹிப்போகாம்பல் பிளேஸ் ஏரியா’ (parahippocampal place area) தொடர்பான ஒரு கண்டுபிடிப்பும் இதில் அடங்கும். அந்தப் பகுதிக்குள் ஒரு வேலைப் பகிர்வு இருப்பதற்கான ஆதாரங்களை ஆராய்ச்சியாளர்கள் கண்டறிந்தனர்; அதில் ஒரு பகுதி உள்ளரங்கு காட்சிகளுக்கும் மற்றொரு பகுதி வெளிப்புற காட்சிகளுக்கும் பதிலளித்தது.

“வெவ்வேறு மூளைகளின் உடற்கூறியல் அமைவிடங்கள் வேறுபட்டாலும் கூட, ஒரே மாதிரியான செயல்பாடுகளைச் செய்யும் பகுதிகளை அடையாளம் காணும் திறனில்தான் என்கோடரின் பலம் உள்ளது” என்று இரானி கூறினார்.

குறுகிய காலத்தில், அதிக செலவும் நேரமும் பிடிக்கும் ஸ்கேன்களின் தேவையைக் குறைக்கும் அதே வேளையில் பார்வை செயலாக்கத்தை ஆராய ஆராய்ச்சியாளர்களுக்கு Brain-IT உதவக்கூடும். தனிநபர்களிடையே பொதுவான வடிவங்களை அடையாளம் காணும் அதன் திறன், புதிய பயனர்களுக்குத் தகவமைத்துக் கொள்ள குறைந்த பயிற்சி தேவைப்படும் மூளை-கணினி இடைமுகங்களை உருவாக்க விஞ்ஞானிகளுக்கு உதவக்கூடும். கூடுதல் ஆராய்ச்சி தேவைப்படுகிறது