अर्बाना-शैंपेन में इलिनोइस विश्वविद्यालय के ग्रेंजर स्कूल ऑफ इंजीनियरिंग के एक नए अध्ययन से पता चलता है कि मस्तिष्क का प्रारंभिक संवेदी प्रांतस्था न केवल "निष्क्रिय रूप से प्राप्त" जानकारी के लिए जिम्मेदार है, बल्कि निर्णय लेने की प्रक्रिया में एक अप्रत्याशित सक्रिय भूमिका निभाता है। यह खोज मस्तिष्क के पदानुक्रमित और चरण-दर-चरण प्रसंस्करण के लंबे-मुख्यधारा के शास्त्रीय मॉडल को चुनौती देती है। शोध टीम का मानना है कि इस अधिक गतिशील, दो-तरफ़ा इंटरैक्टिव तंत्रिका संगठन पद्धति से भविष्य में कम ऊर्जा खपत और उच्च दक्षता वाली कृत्रिम बुद्धिमत्ता वास्तुकला के लिए नई प्रेरणा मिलने की उम्मीद है।
पारंपरिक दृष्टिकोण यह है कि मस्तिष्क की निर्णय लेने की प्रक्रिया मोटे तौर पर एक-तरफ़ा "नीचे से ऊपर" पदानुक्रमित मार्ग का अनुसरण करती है: जानकारी प्रारंभिक संवेदी क्षेत्रों जैसे दृष्टि, श्रवण, या सोमैटोसेंसरी से प्रवेश करती है, और चरण दर चरण उच्च-स्तरीय एसोसिएशन कॉर्टेक्स और फ्रंटल कॉर्टेक्स तक प्रसारित होती है, और अंत में इन "उच्च-क्रम केंद्रों" में एकीकरण और निर्णय लेने की प्रक्रिया पूरी होती है। यह इस समझ पर आधारित है कि अधिकांश कृत्रिम बुद्धिमत्ता प्रणालियाँ जैसे कि कन्वेन्शनल न्यूरल नेटवर्क एक समान पदानुक्रमित संरचना को अपनाते हैं, बुद्धिमत्ता को एक निश्चित दिशा के साथ परत दर परत संसाधित होने वाली जानकारी और शीर्ष स्तर पर "आउटपुट निर्णय" के परिणाम के रूप में देखते हैं। हालाँकि, जैसे-जैसे प्राकृतिक बुद्धिमत्ता की समझ गहरी होती जा रही है, अधिक से अधिक विद्वानों ने इस अतिसरलीकृत "असेंबली-लाइन" मॉडल पर सवाल उठाना शुरू कर दिया है।
इस शोध का नेतृत्व इलिनोइस विश्वविद्यालय में इलेक्ट्रिकल और कंप्यूटर इंजीनियरिंग विभाग के प्रोफेसर यूरी व्लासोव ने किया था और यह पेपर प्रोसीडिंग्स ऑफ द नेशनल एकेडमी ऑफ साइंसेज (पीएनएएस) में प्रकाशित हुआ था। अनुसंधान टीम ने सिस्टम स्तर से मस्तिष्क की फिर से जांच करने का फैसला किया, इसे विकास द्वारा आकार की "प्राकृतिक बुद्धिमत्ता" प्रणाली के रूप में देखा, एकल-दिशात्मक धारावाहिक प्रसंस्करण श्रृंखला के बजाय फीडबैक लूप और मस्तिष्क के विभिन्न क्षेत्रों के बीच दो-तरफा सूचना प्रवाह पर जोर दिया। इस ढांचे के तहत, निर्णय लेने को उच्च-क्रम वाले क्षेत्रों द्वारा "यूनिडायरेक्शनल रूप से जारी" निर्देश के बजाय कई मस्तिष्क क्षेत्रों के बीच निरंतर बातचीत और सह-उद्भव के परिणाम के रूप में देखा जाता है।
प्राकृतिक बुद्धि की एक विशिष्ट विशेषता उच्च दक्षता और ऊर्जा की बचत है: जटिल धारणा, अनुभूति और निर्णय लेने के कार्यों को पूरा करते समय, मानव मस्तिष्क की ऊर्जा खपत आज अधिकांश कृत्रिम बुद्धिमत्ता प्रणालियों की तुलना में बहुत कम है। इस दक्षता के स्रोत को समझने के लिए, अनुसंधान टीम एक निश्चित कार्यात्मक मॉड्यूल तक सीमित नहीं है, बल्कि समग्र वास्तुकला से शुरू होती है और विभिन्न क्षेत्रों के बीच सहयोग की जांच करती है। व्लासोव ने कहा कि यह समझने से कि मस्तिष्क वास्तुशिल्प स्तर पर निर्णय लेने की गणनाओं को कैसे व्यवस्थित करता है, इंजीनियरिंग समुदाय को अगली पीढ़ी की कृत्रिम बुद्धिमत्ता प्रणालियों को डिजाइन करने में मदद करने की उम्मीद है जो अधिक प्रभावी, अधिक ऊर्जा-बचत करने वाली और "स्मार्ट" हैं।
विशिष्ट प्रायोगिक डिजाइन के संदर्भ में, शोधकर्ताओं ने मस्तिष्क के प्रारंभिक प्रसंस्करण चरण, यानी संवेदना और धारणा के लिए जिम्मेदार क्षेत्र पर ध्यान केंद्रित किया। उन्होंने चूहों पर प्रयोग किए, जिससे जानवरों को आभासी वास्तविकता के गलियारे में घूमने की अनुमति मिली, वे अपने जाल के माध्यम से पर्यावरण को महसूस कर सके और बाएं या दाएं मुड़ने के बारे में अवधारणात्मक निर्णय ले सके। इस प्रक्रिया के दौरान, शोधकर्ताओं ने प्राथमिक सोमैटोसेंसरी कॉर्टेक्स (एस1) के प्रतिक्रिया पैटर्न पर विशेष ध्यान देते हुए, माउस मस्तिष्क के एक बड़े क्षेत्र में न्यूरॉन्स की गतिविधि को रिकॉर्ड किया।
परिणाम अप्रत्याशित थे: निर्णय लेने से संबंधित संकेतों को प्राथमिक सोमैटोसेंसरी कॉर्टेक्स में स्पष्ट रूप से कैद किया गया था, जिसे परंपरागत रूप से "केवल बुनियादी संवेदनाओं को संसाधित करने" के रूप में देखा गया है। इससे पता चलता है कि निर्णय लेने की प्रक्रिया केवल उच्च-क्रम कॉर्टेक्स के "बैक एंड" पर शुरू नहीं की जाती है, बल्कि मस्तिष्क के सबसे आगे संवेदी प्रसंस्करण चरण में स्पष्ट निर्णय लेने का प्रतिनिधित्व पहले से ही स्पष्ट है। दूसरे शब्दों में, प्रारंभिक संवेदी क्षेत्र केवल "कच्चे डेटा" को पैकेज और अपलोड नहीं करता है, बल्कि समय के बहुत शुरुआती बिंदु पर कार्रवाई विकल्पों को एन्कोड करने में शामिल होता है।
आगे के विश्लेषण में पाया गया कि प्राथमिक सोमैटोसेंसरी कॉर्टेक्स की गतिविधि अलगाव में नहीं होती है, बल्कि उच्च-क्रम के मस्तिष्क क्षेत्रों से प्रतिक्रिया द्वारा महत्वपूर्ण रूप से नियंत्रित होती है। यह टॉप-डाउन फीडबैक सिग्नल, बॉटम-अप संवेदी इनपुट के साथ मिलकर S1 में तंत्रिका गतिविधि के पैटर्न को आकार देता है। यह देखा जा सकता है कि मस्तिष्क "धारणा से निर्णय लेने तक" एक ही रास्ते पर रैखिक रूप से आगे नहीं बढ़ता है, बल्कि बाहरी जानकारी की व्याख्या और व्यवहार की पसंद को पूरा करने के लिए कई स्तरों के बीच फीडबैक लूप के माध्यम से लगातार सूचनाओं का आदान-प्रदान करता है।
Vlasov ने बताया कि मस्तिष्क की "तंत्रिका कोडिंग" अभी भी एक अनिर्धारित भाषा की तरह है, लेकिन सिस्टम स्तर से इन फीडबैक लूप और गतिशील इंटरैक्शन को समझना पहले से ही कृत्रिम तंत्रिका नेटवर्क के डिजाइन के लिए मूल्यवान प्रेरणा प्रदान कर सकता है। वर्तमान कृत्रिम बुद्धिमत्ता में अभी भी निर्णय लेने के स्तर पर स्पष्ट कमियाँ हैं। हालाँकि, प्राकृतिक बुद्धिमत्ता समान या उससे भी अधिक जटिल कार्यों के तहत आधुनिक हार्डवेयर प्रणालियों की तुलना में बहुत कम ऊर्जा खपत के साथ गणना पूरी कर सकती है। इसके पीछे का वास्तुशिल्प अनुभव इंजीनियरिंग समुदाय के लिए "प्रकृति से सीखने" के योग्य है।
हालांकि यह काम सीधे तौर पर "बेहतर एआई" के निर्माण के लिए एक इंजीनियरिंग खाका प्रदान करने के लिए पर्याप्त नहीं है, शोध टीम का मानना है कि यह एक परिप्रेक्ष्य प्रदान करता है जिससे कृत्रिम बुद्धिमत्ता पर पुनर्विचार किया जा सकता है। व्यवस्थित रूप से अध्ययन करके कि मस्तिष्क किस प्रकार सूचनाओं को व्यवस्थित और संसाधित करता है, शोधकर्ताओं से वास्तुकला, ऊर्जा दक्षता और निर्णय लेने के तंत्र के संदर्भ में कृत्रिम बुद्धिमत्ता के सुधार का मार्गदर्शन करने के लिए हस्तांतरणीय सिद्धांतों के एक सेट को संक्षेप में प्रस्तुत करने की अपेक्षा की जाती है। भविष्य के एआई सिस्टम को सख्त लेयरिंग और एक-तरफ़ा संचार ढांचे से अलग होने की आवश्यकता हो सकती है और इसके बजाय जैविक मस्तिष्क के समान अधिक गतिशील प्रतिक्रिया और समानांतर इंटरैक्शन संरचनाओं को पेश करना पड़ सकता है।
इसके बाद, व्लासोव की टीम तंत्रिका गतिविधि की तीव्र अस्थायी गतिशीलता का अध्ययन करने पर ध्यान केंद्रित करते हुए, अस्थायी आयाम में मस्तिष्क गतिविधि में परिवर्तनों को ट्रैक करना जारी रखने की योजना बना रही है। वे अधिक सटीकता के साथ तंत्रिका संकेतों को मापने और उनका विश्लेषण करने के लिए नए उपकरण विकसित कर रहे हैं, यह पता लगाने की कोशिश कर रहे हैं कि उच्च अस्थायी रिज़ॉल्यूशन वाले डेटा से निर्णय लेने में फीडबैक लूप कैसे शामिल होते हैं। उनके विचार में, केवल यह देखकर कि ये फीडबैक लूप समय पर कैसे सक्रिय होते हैं और विभिन्न प्रसंस्करण स्तरों के बीच उनका निर्माण और पुनर्निर्माण कैसे होता है, हम वास्तव में प्राकृतिक बुद्धिमत्ता के संचालन को समझ सकते हैं और इसे कृत्रिम बुद्धिमत्ता वास्तुकला की नई पीढ़ी के लिए डिजाइन आधार में बदल सकते हैं।