एआई डेवलपर्स चूहे के मस्तिष्क से प्रेरित हैं

आज के कृत्रिम खुफिया सिस्टम शतरंज, गो और टेक्सास होल्डम जैसे चुनौतीपूर्ण खेलों में चैंपियन लोगों को हरा सकते हैं। उड़ान सिमुलेटर में, वे सबसे अच्छे पायलटों को गोली मार सकते हैं। वे सर्जिकल टांके बनाने और कैंसर का निदान करने में मानव डॉक्टरों से बेहतर हैं। लेकिन कुछ मामलों में, एक तीन साल का बच्चा आसानी से दुनिया के सबसे अच्छे एआई को प्रस्तुत करेगा: जब प्रतियोगिता इतनी नियमित रूप से प्रशिक्षण से जुड़ी होती है कि लोगों को इसके बारे में संदेह भी नहीं होता है।

डेविड कॉक्स, हार्वर्ड के एक न्यूरोसाइंटिस्ट, एआई विशेषज्ञ, तीन वर्षीय बेटी के गौरवशाली पिता, जब उन्होंने नेशनल हिस्ट्री ऑफ म्यूजियम में एक लंबे पैर वाले कंकाल को देखा, तो उन्होंने उस पर उंगली उठाई और कहा, "ऊंट!" ऊंट के साथ उसकी एकमात्र मुलाकात कई महीने पहले हुई थी जब उसके पिता ने उसे एक चित्र पुस्तक में एक खींचा हुआ ऊंट दिखाया था।

एआई शोधकर्ता इस बात की क्षमता रखते हैं कि किसी वस्तु को "एक समय में सीखना" से एक वस्तु की पहचान करें, और वे छोटों की क्षमताओं से बहुत ईर्ष्या करते हैं। आज के एआई सिस्टम पूरी तरह से अलग तरीके से सीखते हैं। "डीप लर्निंग" नामक एक स्वायत्त प्रशिक्षण प्रणाली के अनुसार, कार्यक्रम में डेटा की एक सरणी दी जाती है जिसमें से निष्कर्ष निकालना है। ऊंट-पहचानने वाले एआई को प्रशिक्षित करने के लिए, सिस्टम को हजारों ऊंट छवियों को पचाना चाहिए - चित्र, शारीरिक चित्र, एक-कूबड़ और दो-कूबड़ वाले ऊंट की तस्वीरें - "ऊंट" लेबल वाली सभी छवियां। एआई को "नहीं एक ऊंट" के रूप में चिह्नित हजारों अन्य चित्रों की भी आवश्यकता होगी। और जब वह इन सभी आंकड़ों के माध्यम से जीवित रहेगा और जानवर की विशिष्ट विशेषताओं को निर्धारित करेगा, तो वह ऊंटों के लिए एक उत्कृष्ट पहचानकर्ता बन जाएगा। लेकिन तब तक कॉक्स की बेटी के पास जिराफ और प्लैटिपस पर स्विच करने का समय होगा।

कॉक्स ने अपनी बेटी का उल्लेख किया, एक अमेरिकी सरकार के कार्यक्रम को समझाया, जो कि कोरटिकल नेटवर्क, माइक्रोन से मशीन इंटेलिजेंस नामक है। उनका महत्वाकांक्षी लक्ष्य इंजीनियर मानव खुफिया को उलट देना है ताकि प्रोग्रामर बेहतर AI बना सकें। सबसे पहले, न्यूरोसाइंटिस्ट्स को यह पता लगाने की जरूरत है कि मस्तिष्क के ग्रे पदार्थ में कम्प्यूटेशनल रणनीतियां क्या हैं; तब डेटा के साथ काम करने वाली टीम उन्हें एल्गोरिदम में अनुवाद करेगी। अंतिम एआई का एक मुख्य कार्य एक समय में प्रशिक्षण होगा। "लोगों के पास निष्कर्ष निकालने और सामान्यीकरण करने का एक शानदार अवसर है," कॉक्स कहते हैं, "और यही वह है जिसे हम समझ सकते हैं।"

पांच साल का कार्यक्रम, जो इंटेलिजेंस इंटेलिजेंस एजेंसी (IARPA) से फंडिंग में $ 100 मिलियन प्राप्त करता है, दृश्य कॉर्टेक्स, मस्तिष्क के उस हिस्से पर केंद्रित है जो दृश्य जानकारी को संसाधित करता है। चूहों और चूहों के साथ काम करते हुए, तीन माइक्रोन टीम मस्तिष्क ऊतक के एक घन मिलीमीटर में न्यूरॉन्स के लेआउट को बाहर करने की योजना बनाते हैं। यह इतना प्रभावशाली नहीं लग सकता है, लेकिन इस घन में 500 मिलियन कनेक्शन, सिनेप्स के माध्यम से एक-दूसरे से जुड़े लगभग 50,000 न्यूरॉन्स हैं। शोधकर्ताओं को उम्मीद है कि सभी कनेक्शनों की एक स्पष्ट समझ उन्हें तंत्रिका "सर्किट" की पहचान करने की अनुमति देगी जो विज़ुअल एक्सटेक्स के काम के दौरान सक्रिय होते हैं। परियोजना को एक विशेष न्यूरोइमेजिंग प्रणाली की आवश्यकता होती है, जो नैनोमीटर के स्तर पर एक संकल्प के साथ व्यक्तिगत न्यूरॉन्स दिखाती है, जो अभी तक इस आकार के मस्तिष्क के एक हिस्से के लिए प्राप्त नहीं हुई है।

यद्यपि कई संस्थानों के प्रतिनिधि प्रत्येक माइक्रोन टीम में काम करते हैं, हार्वर्ड में आणविक और सेलुलर जीव विज्ञान और कंप्यूटर विज्ञान के सहायक प्रोफेसर कॉक्स के नेतृत्व में टीम के अधिकांश सदस्य हार्वर्ड के क्षेत्र में एक ही इमारत में काम करते हैं। प्रयोगशाला के माध्यम से टहलने के दौरान, आप चूहों के लिए "गेम क्लब" में कार्यों में व्यस्त कृन्तकों का निरीक्षण कर सकते हैं; सबसे अच्छा स्वचालित सॉसेज कटर की तरह मस्तिष्क को काटने वाली मशीन; ग्रह पर सबसे तेज और सबसे शक्तिशाली सूक्ष्मदर्शी में से एक। इस तरह के उपकरण अपने पूर्ण रूप से काम कर रहे हैं, और मानव शक्ति के भारी निवेश के साथ, कॉक्स का मानना ​​है कि उनके पास इस दुर्भाग्यपूर्ण घन मिलीमीटर के कोड को क्रैक करने का हर मौका है।

मानव मस्तिष्क की इस विशाल शक्ति की कल्पना करने की कोशिश करें। दुनिया के बारे में जानकारी को संसाधित करने और शरीर के कामकाज को बनाए रखने के लिए, बिजली के आवेग आपकी खोपड़ी के अंदर स्पंजी ऊतकों में निचोड़ा हुआ 86 बिलियन न्यूरॉन्स से गुजरते हैं। प्रत्येक न्यूरॉन में एक लंबा अक्षतंतु होता है जो इस ऊतक के माध्यम से कर्ल करता है और इसे हजारों अन्य न्यूरॉन्स से जुड़ने की अनुमति देता है, जिसके परिणामस्वरूप कनेक्शन के खरब होते हैं। किसी व्यक्ति की सभी इंद्रियों और संवेदनाओं के साथ विद्युत आवेगों के चित्र सहसंबंधित होते हैं: उंगली की गति, दोपहर के भोजन का पाचन, प्यार में गिरना या ऊंट को पहचानना।




दो-फोटॉन लेजर माइक्रोस्कोप। एक अवरक्त लेजर एक जीवित जानवर के मस्तिष्क के ऊतकों को स्कैन करता है जो एक विशिष्ट कार्य करता है। जब दो फोटोन एक साथ एक न्यूरॉन से टकराते हैं, एक फ्लोरोसेंट लेबल एक अलग तरंग दैर्ध्य के साथ एक फोटॉन का उत्सर्जन करता है। माइक्रोस्कोप इन चमक (ऊपर) के साथ वीडियो रिकॉर्ड करता है। "आप देख सकते हैं कि चूहे कैसे सोचते हैं," डेविड कॉक्स कहते हैं।

प्रोग्रामर 1940 के दशक से मस्तिष्क समारोह का अनुकरण करने की कोशिश कर रहे हैं, जब वे पहली बार कृत्रिम तंत्रिका नेटवर्क नामक सॉफ्टवेयर संरचनाओं के साथ आए थे। अधिकांश सर्वश्रेष्ठ आधुनिक एआई इस वास्तुकला के कुछ आधुनिक रूप का उपयोग करते हैं: गहरे तंत्रिका नेटवर्क, दृढ़ तंत्रिका नेटवर्क, प्रतिक्रिया तंत्रिका नेटवर्क, आदि। मस्तिष्क की संरचना के आधार पर बनाए गए ये नेटवर्क, कई कम्प्यूटेशनल नोड्स, कृत्रिम न्यूरॉन्स होते हैं जो छोटे विशिष्ट कार्य करते हैं और एक दूसरे से जुड़े होते हैं ताकि पूरी प्रणाली प्रभावशाली चीजें कर सकें।

तंत्रिका नेटवर्क शारीरिक मस्तिष्क को अधिक सटीक रूप से कॉपी नहीं कर सकते, क्योंकि विज्ञान में अभी भी तंत्रिका तंत्र के लेआउट के बारे में बुनियादी जानकारी नहीं है। IARPA में माइक्रोन के प्रोजेक्ट मैनेजर जैकब वोगेलस्टीन कहते हैं, शोधकर्ताओं ने आमतौर पर या तो माइक्रो-स्केल पर या मैक्रो-स्केल पर काम किया है। "हमने ऐसे उपकरण का इस्तेमाल किया जो या तो व्यक्तिगत न्यूरॉन्स को ट्रैक करते हैं या मस्तिष्क के बड़े क्षेत्रों से संकेत एकत्र करते हैं," वे कहते हैं। "सर्किट स्तर पर संचालन को समझने में एक बड़ा अंतर है - कैसे हजारों न्यूरॉन्स सूचना को संसाधित करने के लिए एक साथ काम करते हैं।"

स्थिति ने हाल ही में तकनीकी सफलताओं के लिए धन्यवाद बदल दिया है, जिसने न्यूरोसाइंटिस्टों को "कनेक्टिव" नक्शे बनाने की अनुमति दी है जो न्यूरॉन्स के बीच कई कनेक्शनों को प्रकट करते हैं। लेकिन माइक्रोन को केवल स्थैतिक कनेक्शन आरेख से अधिक की आवश्यकता होती है। टीम को यह दिखाना होगा कि जब कृंतक देखता है, सीखता है और याद करता है तो ये कनेक्शन कैसे सक्रिय होते हैं। "यह बहुत ही वैसा ही है कि कैसे एक व्यक्ति इलेक्ट्रॉनिक सर्किट के संचालन को समझने की कोशिश करता है," वोगेलस्टीन कहते हैं। "चिप की विस्तार से जांच की जा सकती है, लेकिन आप यह नहीं समझ सकते कि यह तब तक क्या करना चाहिए जब तक आप यह नहीं देखते कि यह कैसे काम करता है।"

IARPA के लिए, एक वास्तविक परिणाम प्राप्त किया जाएगा, अगर शोधकर्ता मान्यता में शामिल न्यूरॉन्स के पैटर्न को ट्रैक कर सकते हैं और इसे कृत्रिम तंत्रिका नेटवर्क के अधिक मस्तिष्क की तरह वास्तुकला में अनुवाद कर सकते हैं। "उम्मीद है कि मस्तिष्क की कम्प्यूटेशनल रणनीतियों को गणित और एल्गोरिदम के संदर्भ में पुन: पेश किया जा सकता है," वोगेलस्टीन कहते हैं। सरकार का मानना ​​है कि एआई सिस्टम जो मस्तिष्क के समान काम करते हैं, वे अपने पूर्ववर्तियों की तुलना में वास्तविक कार्यों का बेहतर सामना करने में सक्षम होंगे। बेशक, यह समझना कि मस्तिष्क कैसे काम करता है एक महान कार्य है, लेकिन खुफिया एजेंसियां ​​चाहती हैं कि एआई न केवल एक ऊंट को पहचानना सीखे, बल्कि एक निगरानी कैमरे के दानेदार फ्रेम में आधा छिपा हुआ चेहरा भी हो।

कॉक्स चूहों के लिए एक "गेम क्लब" एक छोटा कमरा है जिसमें चार माइक्रोवेव आकार के ब्लैक बॉक्स एक दूसरे के ऊपर रखे जाते हैं। प्रत्येक बॉक्स में स्क्रीन पर एक चूहा चेहरा होता है, और उसकी नाक के सामने दो नल होते हैं।


Argonne National Laboratory में, APS सिंक्रोट्रॉन इलेक्ट्रॉनों को तेज करता है और एक धातु के धागे में दुर्घटनाग्रस्त हो जाता है, जो बेहद चमकीले एक्स-रे का निर्माण करता है जो मस्तिष्क के ऊतकों के एक छोटे टुकड़े पर ध्यान केंद्रित करता है। कई कोणों से ली गई एक्स-रे छवियों को एक तीन-आयामी छवि बनाने के लिए संयुक्त किया जाता है, जो प्रत्येक न्यूरॉन को एक टुकड़े के अंदर दिखाती है।


मस्तिष्क के ऊतकों में न्यूरॉन्स

वर्तमान प्रयोग में, चूहों को एक मुश्किल काम से निपटने की कोशिश की जा रही है। स्क्रीन एक कंप्यूटर द्वारा बनाई गई तीन आयामी छवियों को दिखाती है। ये बाहरी दुनिया की कुछ वस्तुएं नहीं हैं, बस एक प्रकार का अमूर्त रूप हैं। जब चूहा ऑब्जेक्ट ए देखता है, तो उसे मीठे रस की एक बूंद पाने के लिए बाएं नल को चाटना होगा। जब वह ऑब्जेक्ट बी को देखती है, तो रस सही नल में होगा। लेकिन वस्तुओं को अलग-अलग कोणों से दिखाया जाता है, इसलिए चूहे को अपने दिमाग में प्रत्येक वस्तु को मोड़ना होगा और यह तय करना होगा कि यह ए या सी को संदर्भित करता है या नहीं।

प्रशिक्षण सत्र चित्र लेने से पतला होता है जिसके लिए चूहों को गलियारे को दूसरी प्रयोगशाला में ले जाया जाता है, जहां एक बड़ा सूक्ष्मदर्शी होता है, जो काले कपड़े से ढंका होता है, और पुराने जमाने के फोटोग्राफिक उपकरणों की तरह दिखता है। टीम एक जानवर के दृश्य प्रांतस्था का अध्ययन करने के लिए दो-फोटॉन लेजर माइक्रोस्कोप का उपयोग करती है जब यह एक स्क्रीन पर दिखता है जहां दो परिचित वस्तुओं ए और बी को विभिन्न कोणों से दिखाया गया है। माइक्रोस्कोप रिकॉर्ड चमकता है और चमकता है जो तब होता है जब लेजर सक्रिय न्यूरॉन्स से टकराता है, और एक तीन-आयामी वीडियो गर्मियों की रात में चमकती हरी फायरफ्लाइज जैसी तस्वीरों को दिखाता है। कॉक्स जानना चाहता है कि जब कोई जानवर इस कार्य में एक विशेषज्ञ बन जाता है तो ये पैटर्न कैसे बदलते हैं।

माइक्रोस्कोप का रिज़ॉल्यूशन इतना अच्छा नहीं है कि अक्षतंतु एक-दूसरे से न्यूरॉन्स को जोड़कर देख सकें। इस जानकारी के बिना, वैज्ञानिक यह निर्धारित नहीं कर सकते हैं कि सूचना प्रसंस्करण सर्किट बनाने के लिए अगला न्यूरॉन कैसे सक्रिय करता है। ऐसा करने के लिए, जानवर को मारना चाहिए, और मस्तिष्क को अधिक बारीकी से अध्ययन करना चाहिए।

शोधकर्ताओं ने विज़ुअल कॉर्टेक्स से एक छोटे से क्यूब को उकेरा जो FedEx Argonne National Laboratory को वितरित करता है। वहां, कण त्वरक व्यक्तिगत एक्स-रे, अन्य प्रकार के मस्तिष्क कोशिकाओं और रक्त वाहिकाओं को दिखाते हुए तीन-आयामी मानचित्र बनाने के लिए शक्तिशाली एक्स-रे विकिरण का उपयोग करता है। घन में जुड़े हुए अक्ष भी इस नक्शे पर दिखाई नहीं देते हैं, लेकिन यह बाद में मदद करता है जब शोधकर्ताओं ने इलेक्ट्रॉन माइक्रोस्कोप से प्राप्त छवियों के साथ दो-फोटोन माइक्रोस्कोप से छवियों की तुलना की। "हमारे लिए, एक एक्स-रे एक रोसेटा पत्थर है ," कॉक्स कहते हैं।

फिर मस्तिष्क का एक टुकड़ा जेफ लिक्टमैन की हार्वर्ड प्रयोगशाला में लौटता है, आणविक और सेलुलर जीव विज्ञान के प्रोफेसर, मस्तिष्क कनेक्टिविटी पर एक प्रमुख विशेषज्ञ। लिक्टमैन टीम मस्तिष्क के इस क्यूबिक मिलीमीटर को ले जाती है और इसे मशीन के साथ काटकर 33,000 टुकड़े 30 एनएम मोटी में बदल देती है। ये सबसे पतली चादरें फिल्म के स्ट्रिप्स पर एकत्र की जाती हैं और एक सिलिकॉन सब्सट्रेट पर रखी जाती हैं। शोधकर्ताओं ने तब दुनिया के सबसे तेज इलेक्ट्रॉन माइक्रोस्कोपों ​​में से एक का उपयोग किया, जो प्रत्येक ऊतक के नमूने में 61 इलेक्ट्रॉनों को भेजता है और इलेक्ट्रॉन के बिखरने को मापता है। एक मशीन एक रेफ्रिजरेटर का आकार घड़ी के चारों ओर काम करती है, और 4 एनएम के संकल्प के साथ प्रत्येक स्लाइस की छवियों का निर्माण करती है।





प्रत्येक छवि कसकर भरे स्पेगेटी के क्यूब के एक भाग से मिलती जुलती है। एक सॉफ्टवेयर इमेज प्रोसेसिंग सिस्टम स्लाइस को क्रम में इकट्ठा करता है और प्रत्येक स्पैगेटी थ्रेड को एक स्लाइस से दूसरे स्लाइस पर ट्रैक करता है, जिससे प्रत्येक न्यूरॉन्स के एक्सोन की पूरी लंबाई के स्केच के साथ-साथ अन्य न्यूरॉन्स के साथ उसके हजारों कनेक्शन होते हैं। लेकिन सॉफ्टवेयर कभी-कभी एक धागा खो देता है या एक दूसरे के साथ भ्रमित करता है। कॉक्स कहते हैं, कंप्यूटर की तुलना में लोग कंप्यूटर पर बेहतर हैं। "दुर्भाग्य से, इतने डेटा का प्रसंस्करण पृथ्वी भर के लोगों के लिए पर्याप्त नहीं है।" हार्वर्ड और एमआईटी प्रोग्रामर ट्रैकिंग कार्य पर काम कर रहे हैं जो उन्हें मस्तिष्क की संरचना का एक सटीक आरेख बनाने के लिए हल करने की आवश्यकता है।

दो-फोटोन माइक्रोस्कोप के साथ प्राप्त मस्तिष्क गतिविधि मानचित्र पर इस आरेख को सुपरइम्पोज़ करके, कोई कम्प्यूटेशनल मस्तिष्क संरचनाओं का पता लगा सकता है। उदाहरण के लिए, इस तरह के संयोजन को सर्किट में न्यूरॉन्स में से कौन सा दिखाना चाहिए, प्रज्वलित जब चूहा एक अजीब वस्तु देखता है, तो मानसिक रूप से इसे उल्टा कर देता है और निर्णय लेता है कि यह ऑब्जेक्ट ए की तरह दिखता है।

कॉक्स टीम के सामने एक और मुश्किल समस्या गति है। परियोजना के पहले चरण में, जो मई में समाप्त हो गया था, प्रत्येक टीम को आकार में 100 क्यूबिक माइक्रोमीटर मापने वाले मस्तिष्क के ऊतक के एक टुकड़े के अध्ययन के परिणाम दिखाने की आवश्यकता थी। इस तरह के कम स्लाइस के साथ, कॉक्स टीम ने दो सप्ताह में इलेक्ट्रॉन माइक्रोस्कोपी और पुनर्निर्माण के साथ चरण पूरा किया। दूसरे चरण में, टीमों को यह सीखना होगा कि कुछ घंटों में एक ही आकार के टुकड़ों को कैसे संसाधित किया जाए। 100 माइक्रोन ³ से 1 मिमी ³ स्केलिंग से वॉल्यूम में हजार गुना वृद्धि होती है। इसलिए, कोक वीडियो के साथ प्रशिक्षण चूहों से लेकर ट्रैकिंग कनेक्टोम तक, प्रक्रिया के हर चरण को स्वचालित करने के लिए जुनूनी है। "ये IARPA प्रोजेक्ट्स विज्ञान को इंजीनियरों की तरह बनाते हैं," वे कहते हैं। "हमें बहुत जल्दी क्रैंक को घुमाने की जरूरत है।"

प्रयोगों को तेज करने से कॉक्स टीम को मस्तिष्क संरचना से संबंधित अधिक सिद्धांतों का परीक्षण करने की अनुमति मिलती है, जिससे एआई शोधकर्ताओं को मदद मिलेगी। मशीन लर्निंग में, प्रोग्रामर तंत्रिका नेटवर्क की सामान्य वास्तुकला को परिभाषित करता है, और कार्यक्रम स्वयं निर्णय लेता है कि गणना को एक अनुक्रम में कैसे जोड़ा जाए। इसलिए, शोधकर्ताओं ने चूहों और तंत्रिका नेटवर्क को एक ही दृश्य कार्य पर प्रशिक्षित करने और संचार पैटर्न और परिणामों की तुलना करने की योजना बनाई है। "अगर हम मस्तिष्क के कनेक्शन में कुछ पैटर्न देखते हैं और उन्हें मॉडल में नोटिस नहीं करते हैं, तो यह एक संकेत हो सकता है कि हम कुछ गलत कर रहे हैं," कॉक्स कहते हैं।

अनुसंधान के एक क्षेत्र में मस्तिष्क प्रशिक्षण नियम शामिल हैं। यह माना जाता है कि वस्तुओं की मान्यता पदानुक्रमित प्रसंस्करण के माध्यम से होती है, जिसमें न्यूरॉन्स का पहला सेट प्राथमिक रंग और आकार प्राप्त करता है, अगला सेट ऑब्जेक्ट को पृष्ठभूमि से अलग करने के लिए किनारों को ढूंढता है, और इसी तरह। जब कोई जानवर मान्यता प्राप्त कार्य को बेहतर तरीके से करना सीखता है, तो शोधकर्ता पूछ सकते हैं: पदानुक्रम में कौन से न्यूरॉन्स के सेट इसकी गतिविधि को सबसे अधिक बदलते हैं? और जब AI समान कार्य के साथ बेहतर सामना करना शुरू करता है, तो क्या उसका तंत्रिका नेटवर्क उसी तरह बदल जाता है जैसे चूहे का तंत्रिका नेटवर्क?

IARPA को उम्मीद है कि खोज न केवल कंप्यूटर विज़न पर लागू होगी, बल्कि सामान्य तौर पर मशीन लर्निंग पर भी लागू होगी। "हम सभी बेतरतीब ढंग से काम कर रहे हैं, लेकिन हमारी किस्मत सबूतों का समर्थन करती है," कॉक्स कहते हैं। वह नोट करते हैं कि सेरेब्रल कॉर्टेक्स, तंत्रिका ऊतक की बाहरी परत जिसमें उच्च-स्तर की मान्यता होती है, पूरे वॉल्यूम में "संदिग्ध समान" संरचना होती है। यह एकरूपता न्यूरोसाइंटिस्टों और एआई विशेषज्ञों को यह विश्वास करने के लिए मजबूर करती है कि मस्तिष्क में प्रसंस्करण की जानकारी में, एक मौलिक कनेक्शन योजना का उपयोग किया जा सकता है, जिसे वे पता लगाने की योजना बनाते हैं। इस तरह की प्रोटो-स्कीम की परिभाषा सामान्य-उद्देश्य एआई के लिए एक कदम आगे हो सकती है।

इस बीच, कॉक्स की टीम क्रैंक को घुमाती है, तेजी से काम करने के लिए कोशिश की गई और परीक्षण की प्रक्रियाओं को प्राप्त करने के लिए, एक अन्य माइक्रोन शोधकर्ता एक कट्टरपंथी विचार पर काम कर रहा है। अगर यह काम करता है, तो हार्वर्ड इंस्टीट्यूट ऑफ बायोलॉजी से प्रेरित प्रौद्योगिकी के प्रोफेसर जॉर्ज चर्च कहते हैं। Wyssa, वह मस्तिष्क के विज्ञान में क्रांति ला सकती है।

चर्च पिट्सबर्ग में कार्नेगी मालन विश्वविद्यालय के ताई सिंग ली के साथ माइक्रोन टीम का नेतृत्व करता है। चर्च कनेक्शन को चिह्नित करने के लिए जिम्मेदार है, और उसका दृष्टिकोण अन्य टीमों से अलग है। वह अक्षतंतु कनेक्शन को ट्रैक करने के लिए एक इलेक्ट्रॉन माइक्रोस्कोप का उपयोग नहीं करता है। उनका मानना ​​है कि यह तकनीक बहुत धीमी है और बहुत सारी त्रुटियाँ पैदा करती है। वह कहते हैं कि जब आप ऊतक के क्यूबिक मिलीमीटर में अक्षतंतुओं को ट्रैक करने का प्रयास करते हैं, तो त्रुटियां जमा होती हैं और कनेक्शन डेटा को दूषित करती हैं।

चर्च की विधि अक्षतंतु की लंबाई या मस्तिष्क के अध्ययन किए गए टुकड़े के आकार पर निर्भर नहीं करती है। यह आनुवंशिक रूप से संशोधित चूहों और " डीएनए बारकोडिंग " नामक एक तकनीक का उपयोग करता है जो प्रत्येक न्यूरॉन को एक अद्वितीय आनुवंशिक पहचानकर्ता के साथ चिह्नित करता है जिसे इसके डेन्ड्राइट्स के फ्रिंज और इसके लंबे अक्षतंतु के अंत से दोनों में पढ़ा जा सकता है। "कोई फर्क नहीं पड़ता कि आपका अक्षतंतु कितना विशाल है," वे कहते हैं। "बारकोडिंग के साथ, आपको दो छोर मिलते हैं, और बीच में सब कुछ कैसे उलझन में है, इससे कोई फर्क नहीं पड़ता।" उनकी टीम कॉक्स की टीम की तुलना में मस्तिष्क ऊतक के स्लाइसों का उपयोग करती है - 30 एनएम के बजाय 20 माइक्रोन - क्योंकि उन्हें स्लाइस के बीच अक्षतंतु मार्ग के सटीक मार्ग को खोने के बारे में चिंता करने की आवश्यकता नहीं है। डीएनए अनुक्रमण मशीनें किसी दिए गए स्लाइस में मौजूद सभी बारकोड को रिकॉर्ड करती हैं, और फिर प्रोग्राम आनुवांशिक जानकारी को सूचीबद्ध करता है और एक मानचित्र बनाता है जिसमें दिखाया गया है कि न्यूरॉन्स किसके साथ जुड़े हैं।

चर्च और उनके सहयोगी एंथोनी Zador, न्यूयॉर्क में कोल्ड स्प्रिंग हार्बर प्रयोगशाला में तंत्रिका विज्ञान के एक प्रोफेसर, पिछले प्रयोगों में साबित कर चुके हैं कि बारकोडिंग और अनुक्रमण तकनीक काम करते हैं, लेकिन अभी तक माइक्रोन प्रोजेक्ट पर काम करने के लिए आवश्यक पूर्ण कनेक्टिविटी मानचित्र में डेटा एकत्र नहीं किया है। । यदि टीम ऐसा करने का प्रबंधन करती है, तो चर्च कहता है कि माइक्रोन केवल मस्तिष्क मानचित्र बनाने के उसके प्रयासों की शुरुआत होगी: तब वह माउस के पूरे मस्तिष्क में सभी कनेक्शनों का एक आरेख बनाना चाहता है, जिसमें आप 70 मिलियन डायन और 70 बिलियन कनेक्शन पा सकते हैं। "एक घन मिलीमीटर के साथ काम करने का अर्थ है, बहुत कम दिखाई देना," चर्च कहता है। "मेरी योजना वहाँ समाप्त नहीं होती है।"


आरएनए बारकोडिंग के आधार पर मस्तिष्क क्षेत्र का एक नक्शा


अनुक्रमण मशीन

इस तरह के बड़े पैमाने पर नक्शे एआई के विकास के लिए नए विचारों के उद्भव में योगदान कर सकते हैं जो जैविक मस्तिष्क का अच्छी तरह से अनुकरण करते हैं।लेकिन चर्च, एक उत्तेजक लेखक की भूमिका का आनंद लेते हुए, कंप्यूटर विकसित करने के एक अलग तरीके की कल्पना करता है: वह कहता है कि आपको मस्तिष्क की सिलिकॉन प्रतियां बनाने और जैविक मस्तिष्क बनाने की कोशिश करना बंद करना होगा जो मानव की तुलना में बेहतर कंप्यूटिंग कार्यों को संभाल सकता है। "मुझे लगता है कि जल्द ही हमारे पास सिंथेटिक न्यूरोबायोलॉजी में संलग्न होने और जैविक दिमाग के संशोधित संस्करण बनाने का अवसर होगा," वे कहते हैं। और यद्यपि सिलिकॉन कंप्यूटर सूचना प्रसंस्करण की गति में जैविक प्रणालियों से बेहतर प्रदर्शन करते हैं, चर्च एक कृत्रिम मस्तिष्क की कल्पना करता है, जो विशेष सर्किट द्वारा पूरक है जो इसके काम को तेज करता है।

चर्च का अनुमान है कि माइक्रोन मस्तिष्क रिवर्स इंजीनियरिंग परियोजना सफल नहीं हो सकती है। उनका कहना है कि मस्तिष्क इतना जटिल है कि भले ही शोधकर्ता ऐसी मशीनों का निर्माण करने में सक्षम हों, लेकिन वे मस्तिष्क के सभी रहस्यों को पूरी तरह से नहीं समझ सकते हैं - और यह डरावना नहीं है। "मुझे लगता है कि समझ एक वैज्ञानिक बुत है," चर्च कहते हैं। "ऐसा हो सकता है कि दिमाग बनाने से इसे समझने में आसानी होगी।"