You are here
Home > Politics > આર્ટિફિશિયલ ઇન્ટેલિજન્સ મનુષ્ય કરતા વધુ ઝડપથી ચેતાકોષોને ટ્રૅક કરી શકે છે – ધ ઇન્ડિયન એક્સપ્રેસ

આર્ટિફિશિયલ ઇન્ટેલિજન્સ મનુષ્ય કરતા વધુ ઝડપથી ચેતાકોષોને ટ્રૅક કરી શકે છે – ધ ઇન્ડિયન એક્સપ્રેસ

આર્ટિફિશિયલ ઇન્ટેલિજન્સ મનુષ્ય કરતા વધુ ઝડપથી ચેતાકોષોને ટ્રૅક કરી શકે છે – ધ ઇન્ડિયન એક્સપ્રેસ
કૃત્રિમ બુદ્ધિ, એઆઈ, ન્યુરોન્સ, માનવીઓ, નેશનલ એકેડેમી ઑફ સાયન્સિસની કાર્યવાહી, ન્યુરોન વિશ્લેષણ, ન્યુરોનલ સિગ્નલો, વર્તણૂકીય અભ્યાસો, ડ્યુક યુનિવર્સિટી, ન્યુરલ પ્રવૃત્તિ, ન્યૂરોન્સ, સિના ફારસી, યિયાંગ ગોંગ, વર્તણૂકને વિભાજીત કરવી
નેશનલ એકેડેમી ઓફ સાયન્સની જર્નલ પ્રોસિડિંગ્સમાં વર્ણવાયેલ ટેકનીક, વિડિઓ છબીઓનો અર્થ આપે છે, ચેતા વિશ્લેષણમાં નિર્ણાયક રોડબ્લોકને સંબોધિત કરે છે. (છબી: થિંકસ્ટોક, પ્રતિનિધિ)

વૈજ્ઞાનિકોએ કૃત્રિમ બુદ્ધિ (એઆઈ) આધારિત ઓટોમેટેડ પ્રક્રિયા વિકસાવી છે જે સમયના અપૂર્ણાંકમાં મનુષ્યો તરીકે ચોક્કસ રીતે સક્રિય ચેતાકોષોને ટ્રૅક અને મેપ કરી શકે છે.

નેશનલ એકેડેમી ઓફ સાયન્સની જર્નલ પ્રોસિડિંગ્સમાં વર્ણવાયેલ ટેકનીક, વિડિઓ છબીઓનો અર્થ આપે છે, ચેતા વિશ્લેષણમાં નિર્ણાયક રોડબ્લોકને સંબોધિત કરે છે.

યુ.એસ.ના ડ્યુક યુનિવર્સિટીના સંશોધકોએ જણાવ્યું હતું કે તે રીઅલ-ટાઇમ વર્તણૂકીય અભ્યાસો માટે સંશોધકોને ઝડપથી ન્યુરોનલ સિગ્નલો એકત્રિત અને પ્રક્રિયા કરવાની મંજૂરી આપે છે.

ન્યુરલ પ્રવૃત્તિને માપવા માટે, સંશોધકો સામાન્ય રીતે બે-ફોટોન કેલ્શિયમ ઇમેજિંગ તરીકે ઓળખાતી પ્રક્રિયાનો ઉપયોગ કરે છે, જે તેમને જીવંત પ્રાણીઓના મગજમાં વ્યક્તિગત ચેતાકોષની પ્રવૃત્તિને રેકોર્ડ કરવાની મંજૂરી આપે છે.

આ રેકોર્ડીંગ્સ સંશોધનકર્તાઓને ટ્રેક કરે છે કે કયા ન્યુરોન્સ ફાયરિંગ કરે છે અને તે કેવી રીતે સંભવિત રૂપે જુદા જુદા વર્તણૂકોને અનુરૂપ છે.

જ્યારે આ માપન વર્તણૂક અભ્યાસ માટે ઉપયોગી છે, રેકોર્ડિંગ્સમાં વ્યક્તિગત ચેતાકોષોને ઓળખવા એ એક પીડાદાયક પ્રક્રિયા છે.

હાલમાં, સૌથી ચોક્કસ પદ્ધતિમાં માનવ વિશ્લેષકને રેકોર્ડિંગમાં જોવાતા દરેક ‘સ્પાર્ક’ વર્તુળની આવશ્યકતા હોવી જરૂરી છે, લક્ષ્યાંકિત ચેતાકોષ ઓળખી અને સાચવવામાં આવે ત્યાં સુધી તેમને વારંવાર અટકાવવા અને વિડિઓને ફરીથી ચાલુ કરવાની જરૂર પડે છે.

પ્રક્રિયાને વધુ જટિલ બનાવવા માટે, તપાસકર્તાઓ ઘણી વખત સક્રિય ચેતાકોષોના નાના સબસેટને ઓળખવામાં રસ લે છે જે ઇમેજ કરેલા હજારો ન્યુરોન્સની અંદરના વિવિધ સ્તરો પર ઓવરલેપ કરે છે.

આ પ્રક્રિયા, જેને સેગમેન્ટેશન કહેવાય છે, તે ઉત્સાહી અને ધીમી છે.

એક સંશોધક 30-મિનિટની વિડિઓ રેકોર્ડિંગમાં ચારથી 24 કલાકમાં ન્યુરન્સને સેગમેન્ટ કરી શકે છે અને તે ધારવામાં આવે છે કે તે અવધિ માટે સંપૂર્ણ ધ્યાન કેન્દ્રિત કરે છે અને ઊંઘ લેવા, બાથરૂમ ખાવા અથવા તેનો ઉપયોગ કરવા માટે આરામ લેતો નથી.

તેનાથી વિપરીત, એક નવું ઓપન સોર્સ ઑટોમેટેડ અલ્ગોરિધમ મિનિટમાં નિશ્ચિત રીતે ઓળખી શકે છે અને ન્યુરોન્સને વિભાજિત કરી શકે છે.

“મગજની પ્રવૃત્તિના સંપૂર્ણ મેપિંગ તરફના એક નિર્ણાયક પગલા તરીકે, અમને ઝડપી ઓટોમેટેડ અલ્ગોરિધમનો વિકાસ કરવાની ભયંકર પડકાર સાથે કાર્યવાહી કરવામાં આવી હતી, જે વિવિધ પ્રાયોગિક ગોઠવણો હેઠળ વિવિધ સક્રિય ચેતાકોષોના વિવિધ સક્રિય ચેતાકોષોને વિભાજીત કરવા માટે મનુષ્ય તરીકે સચોટ છે”, સિના ફારસીએ કહ્યું હતું. ડ્યુક યુનિવર્સિટીમાં એસોસિએટ પ્રોફેસર.

“ડેટા વિશ્લેષણની અવરોધ લાંબા સમયથી ન્યુરોસાયન્સમાં અસ્તિત્વમાં છે – ડેટા વિશ્લેષકોએ ડેટાના મિનિટની પ્રક્રિયા કરવામાં કલાકો અને કલાકો પસાર કર્યા છે, પરંતુ આ અલ્ગોરિધમ 20 થી 30 મિનિટમાં 30-મિનિટની વિડિઓ પર પ્રક્રિયા કરી શકે છે,” એમ યિયાંગ ગોંગ, એક સહાયક અધ્યાપક ડ્યુક માં.

ગોંગે જણાવ્યું હતું કે, અમે તેના દેખાવને સામાન્ય બનાવવા માટે પણ સક્ષમ હતા, તેથી તે મગજના અન્ય સ્તરમાંથી ચેતાકોષના કદ અથવા ઘનતાવાળા ન્યુરોન્સને સેગમેન્ટ કરવાની જરૂર હોય તો તે સમાન રીતે કાર્ય કરી શકે છે.

“ડીપ લર્નિંગ-આધારિત એલ્ગોરિધમ ઝડપી છે અને તે બે-ફોટોન માઇક્રોસ્કોપી રેકોર્ડીંગ્સમાંથી સક્રિય અને ઓવરલેપિંગ ન્યુરોન્સને સેગમેન્ટ કરવા કરતા માનવ નિષ્ણાતો કરતાં જેટલું યોગ્ય નથી તેવું દર્શાવવામાં આવ્યું છે” એમ સોમૈયાહ સોલ્ટાનિયન-ઝેડેહ, એક પીએચડી વિદ્યાર્થી ડ્યુક.

ડીપ-લર્નિંગ એલ્ગોરિધમ્સ સંશોધકોને બિન-લાઇનર પ્રોસેસિંગ એકમોની બહુવિધ સ્તરો દ્વારા મોકલીને વિશાળ પ્રમાણમાં ડેટાને ઝડપથી પ્રક્રિયા કરવાની મંજૂરી આપે છે, જે એક જટિલ છબીના વિવિધ ભાગોને ઓળખવા માટે તાલીમ આપી શકાય છે.

તેમના માળખામાં, ટીમએ એલ્ગોરિધમ બનાવ્યું જે ઇનપુટ વિડિઓઝમાં અવકાશી અને સમયની માહિતી બંનેને પ્રક્રિયા કરી શકે છે.

તે પછી ચોકસાઈ સુધારવામાં માનવ વિશ્લેષકના વિભાજનની નકલ કરવા માટે અલ્ગોરિધમનો ‘પ્રશિક્ષિત’ કરવામાં આવ્યો.

ન્યુરોસાયસિયન્ટ્સને રીઅલ ટાઇમમાં ન્યુરલ પ્રવૃત્તિને ટ્રૅક કરવાની મંજૂરી આપવા તરફ આગળ વધવું એ એક અગત્યનું પગલું છે.

ગોંગ ચિકિત્સામાં વિવિધ વર્તણૂંકો સાથે સંકળાયેલ ન્યુરલ પ્રવૃત્તિના વધુ નજીકથી અભ્યાસ કરવા માટે પહેલેથી જ નવી પદ્ધતિનો ઉપયોગ કરી રહ્યું છે.

વિવિધ પ્રવૃત્તિઓ માટે કયા ચેતાકોષો આગ લગાવે છે તે વધુ સારી રીતે સમજીને, ગોંગ એ શીખવાની આશા રાખે છે કે સંશોધકો કેવી રીતે વર્તન સુધારવા માટે મગજની પ્રવૃત્તિમાં ફેરફાર કરી શકે છે.

આ પણ વાંચો: માનવીય મગજ ભવિષ્યમાં સીધા જ મેઘ નેટવર્ક્સથી કનેક્ટ થઈ શકે છે

સોલ્ટાનિયમ-ઝેદહે જણાવ્યું હતું કે, “સક્રિય ન્યુરોન શોધમાં આ સુધારેલા પ્રદર્શનમાં ન્યુરલ નેટવર્ક અને વર્તણૂકીય સ્થિતિ વિશે વધુ માહિતી પ્રદાન કરવી જોઈએ અને ન્યુરોસાયન્સ પ્રયોગોમાં ઝડપી પ્રગતિ માટે દરવાજો ખોલવો જોઈએ.”

Top