IIIT-एच अध्ययन का कहना है कि मस्तिष्क-भाषा अध्ययन के लिए छोटे एआई मॉडल पर्याप्त हैं

 हैदराबाद: इंटरनेशनल इंस्टीट्यूट ऑफ़ इंफॉर्मेशन टेक्नोलॉजी हैदराबाद (IIIT-H) की रिसर्च के अनुसार, इंसानी दिमाग भाषा को कैसे प्रोसेस करता है, यह समझने के लिए बड़े आर्टिफिशियल इंटेलिजेंस (AI) मॉडल का होना ज़रूरी नहीं है कि वे बेहतर ही हों।

रिसर्चर्स ने पाया कि लगभग 3 बिलियन पैरामीटर वाले मॉडल भी 14 बिलियन पैरामीटर वाले मॉडल जितना ही अच्छा काम करते हैं, जिससे दिमाग की रिसर्च के लिए ज़रूरी कंप्यूटिंग पावर कम हो सकती है।

सियोल में मशीन लर्निंग पर इंटरनेशनल कॉन्फ्रेंस (ICML) में पेश किए गए अपने काम 'Linguistic Properties and Model Scale in Brain Encoding: From Small to Compressed Language Models' में, प्रोफ़ेसर बापी राजू और PhD रिसर्चर विजय रोवतूला ने यह टेस्ट किया कि क्या भाषा मॉडल का साइज़ बढ़ाने से इंसानी दिमाग की गतिविधि का अनुमान लगाने की उसकी क्षमता में सुधार होता है।

रिसर्चर्स ने छोटे भाषा मॉडलों की जांच की और उन्हें 'क्वांटाइज़ेशन' (जिससे मॉडल के अंदर इस्तेमाल होने वाली न्यूमेरिकल प्रिसिजन कम हो जाती है) और 'प्रूनिंग' (जिससे कम ज़रूरी हिस्से हटा दिए जाते हैं) का इस्तेमाल करके हल्का बनाया। टेस्ट की गई ज़्यादातर तकनीकों, जिनमें क्वांटाइज़ेशन और मॉडरेट प्रूनिंग शामिल हैं, ने दिमाग की गतिविधि के अनुमानों पर ज़्यादा असर डाले बिना मॉडल का साइज़ कम कर दिया।

ये नतीजे उस पुरानी रिसर्च को चुनौती देते हैं जिसमें कहा गया था कि छोटे से बड़े मॉडल की ओर बढ़ने से दिमाग के अनुमान की सटीकता में लगभग 15 प्रतिशत का सुधार होता है।

हालांकि, कम्प्रेशन ने व्याकरण, बातचीत और मॉर्फोलॉजी से जुड़े कुछ पारंपरिक भाषा कार्यों पर परफॉर्मेंस को प्रभावित किया, जबकि दिमाग के साथ अलाइनमेंट (तालमेल) काफी हद तक वैसा ही रहा। प्रोफ़ेसर राजू ने कहा, "नई बात यह है कि दिमाग के अलाइनमेंट और भाषाई क्षमता के बीच अंतर देखा गया।"

उन्होंने यह भी सुझाव दिया कि भाषा बेंचमार्क पर अच्छा स्कोर करने के लिए ज़रूरी क्षमताएं, दिमाग भाषा को कैसे प्रोसेस करता है, इसकी मॉडलिंग के लिए उपयोगी रिप्रेजेंटेशन से अलग हो सकती हैं।

इस नतीजे के कम्प्यूटेशनल न्यूरोसाइंस के लिए व्यावहारिक मायने हो सकते हैं। छोटे मॉडलों को कम मेमोरी और कंप्यूटिंग रिसोर्स की ज़रूरत होती है, जिससे दिमाग-भाषा से जुड़ी स्टडीज़ संभावित रूप से सस्ती और तेज़ हो सकती हैं। प्रोफ़ेसर राजू ने कहा कि यह ब्रेन-कंप्यूटर इंटरफेस विकसित करने में इस्तेमाल होने वाले ब्रेन-डिकोडिंग वर्कफ़्लो के लिए "गेम चेंजर" हो सकता है।

रोवतूला के लिए, जिन्होंने कंप्यूटर विज़न और इंडस्ट्री में काम करने के बाद कम्प्यूटेशनल न्यूरोसाइंस में कदम रखा, यह रिसर्च यह समझने की एक बड़ी कोशिश का हिस्सा है कि क्या कम्प्यूटेशनल मॉडल इंसानी दिमाग के कामों की नकल कर सकते हैं।

ICML में, रिसर्चर्स ने कम्प्यूटेशनल न्यूरोसाइंस रिसर्चर्स के साथ भी विचारों का आदान-प्रदान किया, जिनमें EPFL की NeuroAI लैब के सदस्य भी शामिल थे, जिससे भविष्य में सहयोग की संभावनाएं खुलीं।