वैज्ञानिकों ने पाया है कि बड़े भाषा मॉडल (एलएलएम) और मानव मस्तिष्क, अपनी संरचना और ऊर्जा आवश्यकताओं में भारी अंतर के बावजूद, भाषा को प्रोसेस करने के तरीके में आश्चर्यजनक समानताएँ रखते हैं।
Google Research, Princeton University, NYU और Hebrew University of Jerusalem के एक संयुक्त अध्ययन में पता चला कि प्राकृतिक संवाद के दौरान मानव मस्तिष्क की न्यूरल गतिविधि, एलएलएम के आंतरिक संदर्भ एम्बेडिंग्स के साथ रैखिक रूप से मेल खाती है। शोधकर्ताओं ने पाया कि दोनों प्रणालियाँ तीन मूलभूत कम्प्यूटेशनल सिद्धांत साझा करती हैं: वे अगले शब्द की भविष्यवाणी करती हैं, वास्तविक इनपुट से तुलना कर आश्चर्य की गणना करती हैं, और शब्दों को अर्थपूर्ण रूप में प्रस्तुत करने के लिए संदर्भ एम्बेडिंग्स पर निर्भर रहती हैं।
"हमने दिखाया कि गहरे भाषा मॉडलों द्वारा उत्पन्न शब्द-स्तरीय आंतरिक एम्बेडिंग्स, मस्तिष्क के उन क्षेत्रों में न्यूरल गतिविधि पैटर्न के साथ मेल खाते हैं, जो भाषण की समझ और उत्पादन से जुड़े हैं," शोधकर्ताओं ने Nature Neuroscience में प्रकाशित अपनी रिपोर्ट में कहा।
हालाँकि, महत्वपूर्ण अंतर भी मौजूद हैं। जहाँ एलएलएम एक साथ लाखों शब्द प्रोसेस कर सकते हैं, वहीं मानव मस्तिष्क भाषा को क्रमशः, एक-एक शब्द करके प्रोसेस करता है। सबसे महत्वपूर्ण बात यह है कि मानव मस्तिष्क जटिल संज्ञानात्मक कार्य अत्यंत ऊर्जा दक्षता के साथ करता है—यह केवल लगभग 20 वॉट ऊर्जा खर्च करता है, जबकि आधुनिक एलएलएम को भारी ऊर्जा की आवश्यकता होती है।
"मस्तिष्क नेटवर्क अपनी दक्षता इस तरह प्राप्त करते हैं कि वे नेटवर्क के विभिन्न मॉड्यूल्स में विविध न्यूरॉन प्रकार और चयनात्मक कनेक्टिविटी जोड़ते हैं, न कि केवल अधिक न्यूरॉन, लेयर या कनेक्शन जोड़कर," Nature Human Behaviour में प्रकाशित एक अध्ययन बताता है।
एक चौंकाने वाले विकास में, BrainBench के शोधकर्ताओं ने पाया कि एलएलएम अब न्यूरोसाइंस प्रयोगों के परिणामों की भविष्यवाणी में मानव विशेषज्ञों से आगे निकल गए हैं। उनके विशेष मॉडल, BrainGPT ने 81% सटीकता हासिल की, जबकि न्यूरोसाइंटिस्ट्स की सटीकता 63% रही। मानव विशेषज्ञों की तरह, एलएलएम ने भी तब अधिक सटीकता दिखाई जब वे अपनी भविष्यवाणी में अधिक आत्मविश्वास रखते थे।
ये निष्कर्ष संकेत करते हैं कि मस्तिष्क-प्रेरित कंप्यूटिंग भविष्य में एआई की ऊर्जा दक्षता में क्रांतिकारी सुधार ला सकती है। शोधकर्ता स्पाइकिंग न्यूरल नेटवर्क्स (SNNs) का अध्ययन कर रहे हैं, जो जैविक न्यूरॉनों की तरह व्यवहार करते हैं और ऊर्जा-कुशल खोज एवं बचाव ड्रोन से लेकर उन्नत न्यूरल प्रोस्थेटिक्स तक कई अनुप्रयोगों को सक्षम कर सकते हैं।
जैसे-जैसे एलएलएम मस्तिष्क-समान प्रोसेसिंग की ओर विकसित हो रहे हैं, कृत्रिम और जैविक बुद्धिमत्ता के बीच की सीमा और धुंधली होती जा रही है, जिससे संज्ञानात्मकता की प्रकृति पर गहरे प्रश्न उठ रहे हैं।