সোসাইটি ফর নিউরোসায়েন্সের বার্ষিক বৈঠকের জন্য ওয়াশিংটন, ডিসি-তে যে সপ্তাহে গবেষকরা জড়ো হচ্ছেন, সেই একই সপ্তাহে কৃত্রিম বুদ্ধিমত্তা মস্তিষ্ক কীভাবে কাজ করে তা সত্যিকার অর্থে ব্যাখ্যা করতে পারে কিনা, মাউস-মস্তিষ্কের গবেষণার একটি শান্ত ফলাফল তাদের ইতিমধ্যেই উত্তর দিয়েছে।

একটি দল ইঁদুর মস্তিষ্কের ডেটার উপর নির্মিত সবচেয়ে বড় নিউরাল AI মডেলগুলির মধ্যে একটিকে প্রশিক্ষণ দিচ্ছে — 3.1 মিলিয়ন নিউরন, 73টি ইঁদুর, 150 বিলিয়ন রেকর্ড করা নিউরাল সিগন্যাল — এমন কিছু আবিষ্কার করেছে যা সরাসরি আধুনিক AI-এর কেন্দ্রীয় ভিত্তির বিপরীতে চলে: মডেলটিতে আরও পরামিতি যোগ করা তার কর্মক্ষমতা উন্নত করেনি। ডেটা সাহায্য করেছে। মডেল সাইজ হয়নি।

এআইতে, এটি মূলত ধর্মদ্রোহিতা। ভাষার মডেলগুলির পিছনে AI স্কেলিং আইনগুলি একটি সহজ, বারবার নিশ্চিত হওয়া সম্পর্কের উপর নির্মিত — আরও পরামিতি, আরও গণনা, আরও ভাল ফলাফল। সেই সম্পর্ক ভাষা, ছবি এবং ভিডিও জুড়ে রয়েছে। এটি শত শত বিলিয়ন ডলার AI বিনিয়োগের পিছনে অর্থনৈতিক ইঞ্জিন। এবং মানব মস্তিষ্কের মডেলিংয়ের জন্য, এটি প্রযোজ্য নাও হতে পারে।

SfN এর ওয়াশিংটন ডিসি কনভেনশন সেন্টারে রবিবার, 15 নভেম্বর, হাজার হাজার দর্শকের সামনে দুজন বিতর্কটি লাইভ করবেন।

মাঠের সবচেয়ে বড় বাজি

স্নায়ুবিজ্ঞান একটি ব্যয়বহুল বাজির মাঝখানে। একই ফাউন্ডেশন মডেল পদ্ধতি যা প্রাকৃতিক ভাষা প্রক্রিয়াকরণকে রূপান্তরিত করেছে — লেবেলবিহীন বিপুল পরিমাণ ডেটার উপর একটি বৃহৎ নিউরাল নেটওয়ার্ককে প্রশিক্ষণ দিন, তারপর নির্দিষ্ট কাজের জন্য এটিকে সূক্ষ্ম সুর করুন — এখন মস্তিষ্কের নিজস্ব নিউরাল কার্যকলাপে প্রয়োগ করা হচ্ছে।

যুক্তিটি স্বজ্ঞাত: যদি পর্যাপ্ত নিউরাল রেকর্ডিংয়ের উপর প্রশিক্ষিত একটি মডেল সঠিকভাবে ভবিষ্যদ্বাণী করতে পারে যে কীভাবে একটি নতুন মস্তিষ্ক একটি নতুন উদ্দীপনায় প্রতিক্রিয়া জানায়, সম্ভবত সেই মডেলটি মস্তিষ্কের গণনা সম্পর্কে মৌলিক কিছু শিখেছে।

বিনিয়োগ সেই যুক্তিকে প্রতিফলিত করে। মেটার এআই গবেষণা বিভাগ স্ট্যানফোর্ড ইউনিভার্সিটির উদ্যোগে 15 মিলিয়ন ডলার দান করেছে যার লক্ষ্য 15,000 ঘন্টা উচ্চ-রেজোলিউশনের কার্যকরী এমআরআই ডেটাকে প্রশিক্ষণ দিতে যা গবেষকরা মানব মস্তিষ্কের একটি "ডিজিটাল টুইন" বলছেন। মেটা মার্চ 2026-এ তার TRIBE v2 মস্তিষ্কের মডেল প্রকাশ করেছে - একটি সিস্টেম যা 25 জন অংশগ্রহণকারীকে 450 ঘণ্টার বেশি fMRI রেকর্ডিংয়ের উপর প্রশিক্ষণ দেওয়া হয়েছে এবং পরবর্তীকালে 720 জন অংশগ্রহণকারীদের থেকে 1,100 ঘণ্টার বেশি ডেটার বিপরীতে মূল্যায়ন করা হয়েছে। TRIBE v2 শূন্য-শট ভবিষ্যদ্বাণী অর্জন করেছে: একটি নতুন উদ্দীপনা দেওয়া হয়েছে যা একজন অংশগ্রহণকারী কখনও দেখেনি, এটি ভবিষ্যদ্বাণী করে যে একটি একক নিউরন রেকর্ড করার আগে সেই ব্যক্তির মস্তিষ্ক কীভাবে প্রতিক্রিয়া জানাবে।

এদিকে, 2025 সালের এপ্রিলে প্রকৃতিতে প্রকাশিত একটি টলিয়াস ল্যাব পেপার এবং বেইলর কলেজ অফ মেডিসিন, স্ট্যানফোর্ডে বিকশিত হয়েছে এবং অ্যালেন ইনস্টিটিউট একটি ফাউন্ডেশন মডেল প্রদর্শন করেছে যা পূর্বের অগ্রণী মডেলগুলির তুলনায় উচ্চ-ক্রমের ভিজ্যুয়াল মস্তিষ্কের অঞ্চলে ভবিষ্যদ্বাণীমূলক নির্ভুলতা 25 থেকে 46 শতাংশ উন্নত করেছে। একাধিক ইঁদুর থেকে রেকর্ডিংয়ের উপর প্রশিক্ষণ, মডেলটি মাত্র 30 মিনিটের অতিরিক্ত ডেটার পরে নতুন ইঁদুরগুলিতে সাধারণীকরণ করে — এবং ভিজ্যুয়াল কর্টেক্সে UV আলোর সংবেদনশীলতা সম্পর্কে একটি ভবিষ্যদ্বাণী করেছিল যা পরবর্তীতে একটি জীবন্ত প্রাণী পরীক্ষায় নিশ্চিত করা হয়েছিল। আন্দ্রেয়াস টলিয়াস, গবেষণার সিনিয়র লেখক, সেই ভবিষ্যদ্বাণীটিকে "সুনির্দিষ্টভাবে উপযোগিতা কেমন দেখাচ্ছে" বলে বর্ণনা করেছেন।

যেখানে স্কেলিং স্টোরি ভেঙে যায়

এরপর এল অমনিমাউস।

323টি রেকর্ডিং সেশন জুড়ে 73টি ইঁদুর থেকে 3.1 মিলিয়ন নিউরনের উপর প্রশিক্ষিত, 150 বিলিয়নেরও বেশি ব্যক্তিগত নিউরাল ডেটা পয়েন্ট সহ - যে কোনও পূর্বের মস্তিষ্কের মডেলের চেয়ে বড় আকারের একটি ডেটাসেট অর্ডার - ওমনিমাউসটি স্ট্যান্ডার্ড AI প্লেবুক ধরে রাখবে কিনা তা পরীক্ষা করার জন্য ডিজাইন করা হয়েছিল৷ আরও বড় করুন। আরো উপর ট্রেন. লাভ কাটা.

তথ্য সাহায্য করেছে. মডেল সাইজ হয়নি।

OmniMouse ICLR লেখকরা, 2026 সালে লার্নিং রিপ্রেজেন্টেশনের আন্তর্জাতিক সম্মেলনে উপস্থাপনা করে দেখেছেন যে তারা কতটা নিউরাল রেকর্ডিং ডেটা সরবরাহ করেছে তার সাথে পারফরম্যান্স স্কেল করেছে, কিন্তু মডেল আর্কিটেকচারে আরও পরামিতি যোগ করার ফলে তুলনামূলকভাবে পরিমিত প্যারামিটার গণনার পরে কোনও অর্থপূর্ণ উন্নতি হয়নি। স্ট্যান্ডার্ড এআই স্কেলিংয়ে, এই দুটি বক্ররেখা একসাথে চলে। মস্তিষ্কের ডেটার জন্য, তারা বিচ্ছিন্ন হয় — এবং প্যারামিটার স্কেলিং বক্ররেখা সমতল হয়।

এই ভিন্নতা শুধুমাত্র একটি মডেলিং অসুবিধা নয়. এটি প্রস্তাব করে যে স্নায়ু কার্যকলাপ ডেটা কিছু মৌলিক স্তরে ভাষা বা চিত্র ডেটা থেকে আলাদাভাবে সংগঠিত হয়। ভাষা মডেলগুলি যে পরিসংখ্যানগত নিয়মিততাগুলিকে কাজে লাগায় - যে প্যাটার্নগুলি আরও পরামিতি যোগ করে পুরস্কার দেয় - বৈদ্যুতিক সংকেত নিউরন বিনিময়ে একই আকারে উপস্থিত নাও হতে পারে। যদি এটি সঠিক হয়, তাহলে মস্তিষ্কের বিজ্ঞানে AI পদ্ধতির ভিত্তিগত স্থানান্তর এমন একটি দেয়ালে আঘাত করতে পারে যা আরও গণনা সমাধান করতে পারে না।

ব্রেইনএলএম-এর একটি 2026 মূল্যায়ন, একটি ফাউন্ডেশন মডেল যা নিউরোসায়েন্স সাহিত্য জুড়ে অসাধারণ 6,700 ঘন্টার এফএমআরআই ডেটার উপর প্রশিক্ষিত, উদ্বেগকে আরও বাড়িয়ে দিয়েছে। গবেষকরা যখন মস্তিষ্কের কার্যকলাপ থেকে জ্ঞানীয় কর্মক্ষমতা ভবিষ্যদ্বাণী করার জন্য BrainLM-এর ক্ষমতা পরীক্ষা করেন, তখন এর বৃহত্তর 650-মিলিয়ন-প্যারামিটার সংস্করণটি তার ছোট 111-মিলিয়ন-প্যারামিটার সংস্করণের চেয়ে খারাপ কাজ করে। উভয়ই কার্যকরী সংযোগ ব্যবহার করে একটি সাধারণ রৈখিক মডেলের দ্বারা উন্নত ছিল - একটি ম্যাট্রিক্স যা বর্ণনা করে যে কোন মস্তিষ্কের অঞ্চলগুলি একসাথে সক্রিয় হতে থাকে - যার জন্য কোন গভীর শিক্ষার প্রয়োজন নেই।

দুটি মেশিন যা একে অপরকে বোঝে না

রবিবারের বিতর্কের ব্রুনটন পক্ষকে অ্যানিমেট করার মূল যুক্তিটি দার্শনিক যতটা অভিজ্ঞতামূলক: ভবিষ্যদ্বাণী এবং ব্যাখ্যা একই জিনিস নয়।

একটি মডেল যা সঠিকভাবে ভবিষ্যদ্বাণী করে যে আপনার ভিজ্যুয়াল কর্টেক্স একটি লাল আপেল দেখলে কী করবে তা আপনাকে জানায়নি কেন আপনার ভিজ্যুয়াল কর্টেক্স এটি করে। এটি আপনাকে বলেছে যে ইনপুট এবং আউটপুটের মধ্যে সম্পর্ক একটি প্যাটার্ন অনুসরণ করে — একই জিনিস যে কোনও ভাল রিগ্রেশন মডেল আপনাকে বলে। এটি আপনাকে যা বলেনি তা হল প্রক্রিয়া: সার্কিট-স্তরের গণনা, সেলুলার বৈশিষ্ট্য, বিবর্তনীয় সীমাবদ্ধতা, ফিডব্যাক লুপ যা প্যাটার্ন তৈরি করে।

জন ক্রাকাউয়ার, যিনি জনস হপকিন্স ইউনিভার্সিটির ব্রেইন, লার্নিং, অ্যানিমেশন এবং মুভমেন্ট ল্যাবরেটরি পরিচালনা করেন, পরিস্থিতিটিকে চরিত্রগত অস্পষ্টতার সাথে বর্ণনা করেছেন: ফাউন্ডেশন মডেলগুলি আমাদের "একটি দ্বিতীয় মস্তিষ্ক আমাদের বুঝতে হবে" দেয় - যা বলতে হয়, দুটি মস্তিষ্ক এবং কোন ব্যাখ্যা নেই। ব্রাউন ইউনিভার্সিটির এলি পাভলিক সমস্যাটিকে "দুটি ব্ল্যাক বক্স" হিসাবে রেখেছেন: আসল মস্তিষ্ক, এবং AI মডেলটি এটির পূর্বাভাস দেওয়ার জন্য প্রশিক্ষিত, যার কোনটিই আপনি সম্পূর্ণরূপে ভিতরে দেখতে পাচ্ছেন না।

ব্রুনটনের সমালোচনা আরও এগিয়ে যায়। মূর্ত বুদ্ধিমত্তার উপর তার কাজ যুক্তি দেয় যে মস্তিষ্কের যে কোনও মডেল যা নিয়ন্ত্রণের জন্য মস্তিষ্কের বিবর্তিত শরীরের জন্য দায়ী নয় তা কাঠামোগতভাবে অসম্পূর্ণ। মস্তিষ্ক একটি প্যাটার্ন-সম্পূর্ণ করার যন্ত্র নয় যা একটি শরীরের অভ্যন্তরে চলে - এটি একটি নিয়ন্ত্রণ ব্যবস্থা যার উপস্থাপনাগুলি গতির পদার্থবিদ্যা, আঁকড়ে ধরার যান্ত্রিকতা, সামাজিক সমন্বয়ের চাহিদা দ্বারা আকৃতি পায়। একটি ইঁদুর ভিডিও দেখার সময় ক্যাপচার করা নিউরাল রেকর্ডিং-এর উপর প্রশিক্ষিত একটি মডেল মস্তিষ্কের জন্য যেভাবে গুরুত্বপূর্ণ তা শিখতে পারে না।

তার দৃষ্টান্তটি নির্দেশিত: একটি ল্যাব যা একটি কৃমির সম্পূর্ণ সংযোগ স্থানান্তর করে - প্রতিটি নিউরন এবং প্রতিটি সংযোগ, সম্পূর্ণ ম্যাপ করা - একটি রোবট শরীরে এখনও একটি কীট পায় না। অংশগুলো সঠিক। আচরণটা হয় না।

আশাবাদের জন্য কেস - এবং এর সীমা

প্যাট্রিক মিনাল্টের পাল্টা যুক্তিটি অভিজ্ঞতামূলক এবং প্রত্যক্ষ: হতাশাবাদীরা খুব তাড়াতাড়ি মানকে খুব বেশি ধরে রেখেছে।

ন্যাচারাল ল্যাঙ্গুয়েজ প্রসেসিংয়ে ফাউন্ডেশন মডেলগুলি প্রাথমিকভাবে ভাষা না বুঝে পরবর্তী শব্দের ভবিষ্যদ্বাণী করার জন্য সমালোচিত হয়েছিল। এই সমালোচনাগুলি ভুল ছিল না - মডেলগুলি কোনও শক্তিশালী অর্থে বুঝতে পারছিল না - তবে সমালোচকরা মডেলগুলি শেষ পর্যন্ত কী করতে সক্ষম হবে সে সম্পর্কেও ভুল ছিল। জরুরী ক্ষমতাগুলি যা ছোট স্কেলে অসম্ভব বলে মনে হয়েছিল মডেলগুলি বৃদ্ধি এবং প্রশিক্ষণের ডেটা প্রসারিত হওয়ার সাথে সাথে নির্ভরযোগ্যভাবে উপস্থিত হয়েছিল। ভবিষ্যদ্বাণী-বোঝার ব্যবধান, মাইনল্ট যুক্তি দেন, একটি প্রযুক্তির বর্তমান অবস্থা এবং এর গতিপথের মধ্যে একটি ব্যবধান, এটি একটি মৌলিক সিলিং এর প্রমাণ নয়।

তিনি নির্দেশ করেছেন যে মস্তিষ্কের মডেলগুলি ইতিমধ্যে কী তৈরি করেছে: টলিয়াস ল্যাবের ইউভি সংবেদনশীলতা ভবিষ্যদ্বাণী, ভিভোতে নিশ্চিত করা হয়েছে, একটি প্রকৃত বৈজ্ঞানিক আবিষ্কারের প্রতিনিধিত্ব করে যা একটি বিশুদ্ধভাবে ডেটা-চালিত মডেল থেকে উদ্ভূত হয়েছে, কেন প্রভাবটি বিদ্যমান ছিল তার কোনো যান্ত্রিক তত্ত্ব ছাড়াই। মডেলটি প্রথমে এটি খুঁজে পেয়েছিল। পরীক্ষা-নিরীক্ষার পর তা নিশ্চিত হয়েছে।

এনওয়াইইউ-এর গ্রেস লিন্ডসে, ফিল্ডের আরও পরিমাপিত কণ্ঠস্বরগুলির মধ্যে একটি, উল্লেখ করেছেন যে বর্তমান ভবিষ্যদ্বাণীমূলক নির্ভুলতার পরিসংখ্যান - এমনকি টলিয়াস ল্যাব থেকে উন্নত সংখ্যাগুলি - সিলিং নয়। ব্রেইন-স্কোর ভিজ্যুয়াল বেঞ্চমার্ক সহ ক্ষেত্রটি যে মানদণ্ডগুলি ব্যবহার করে, তা পরিমাপ করে যে মডেলগুলি নির্দিষ্ট মস্তিষ্কের অঞ্চলে প্রাথমিকভাবে ভিজ্যুয়াল কর্টেক্সের ইনফেরোটেম্পোরাল এলাকায় কার্যকলাপের পূর্বাভাস দেয়। এমনকি সেরা বর্তমান মডেলগুলি দ্বারা ব্যাখ্যা করা স্নায়ু বৈচিত্র্যের ভগ্নাংশ যথেষ্ট জায়গা ছেড়ে দেয়। লিন্ডসে বর্তমান অবস্থাকে একটি সূচনা হিসেবে চিহ্নিত করেছেন, রায় নয়।

স্ট্যানফোর্ডের ড্যানিয়েল ইয়ামিনস, যিনি স্নায়ু মডেলিংয়ের জন্য টাস্ক-প্রশিক্ষিত এবং ডেটা-চালিত পদ্ধতির উভয় ক্ষেত্রেই কাজ করেছেন, যুক্তি দেন যে দুটি শিবির তর্ক-বিতর্ক ফ্রেমিংয়ের মতো বিরোধী নয়। টাস্ক-প্রশিক্ষিত মডেলগুলি — সিস্টেমগুলি যেগুলি বস্তুর স্বীকৃতির মতো নির্দিষ্ট কাজগুলি করতে শেখে, তারপরে মস্তিষ্কের রেকর্ডিংয়ের সাথে তুলনা করা হয় — এবং ডেটা-চালিত ভিত্তি মডেলগুলি বিভিন্ন প্রশ্নের সমাধান করে। সম্মিলিতভাবে, তারা একা থেকে বেশি শক্তিশালী হতে পারে: টাস্ক-প্রশিক্ষিত মডেলগুলি যান্ত্রিক অনুমান সরবরাহ করে; ফাউন্ডেশন মডেল তাদের পরীক্ষা করার জন্য স্কেল সরবরাহ করে।

কি "উপযোগী" আসলে দেখতে কেমন হবে

এই বিতর্কের ক্লিনিকাল স্টেকগুলি বিমূর্ত নয়। পারকিনসন্স রোগ, চিকিত্সা-প্রতিরোধী বিষণ্নতা এবং মৃগীরোগের জন্য নিউরোস্টিমুলেশন থেরাপির জন্য বর্তমানে ব্যাপক পৃথক ক্রমাঙ্কন প্রয়োজন - পুনরাবৃত্তিমূলক সমন্বয় যা সপ্তাহ বা মাস সময় নেয়। একটি মডেল যা সঠিকভাবে ভবিষ্যদ্বাণী করতে পারে যে কীভাবে একজন রোগীর মস্তিষ্ক একটি উদ্দীপনায় প্রতিক্রিয়া জানায় তা নাটকীয়ভাবে সেই প্রক্রিয়াটিকে ত্বরান্বিত করতে পারে। একই যুক্তি মানসিক ওষুধের বিকাশের ক্ষেত্রে প্রযোজ্য, যেখানে একটি যৌগ কীভাবে একটি জনসংখ্যা জুড়ে স্নায়ু গতিবিদ্যাকে প্রভাবিত করে তার একটি মডেল বছরের ক্লিনিকাল ট্রায়াল অনুমানকে প্রতিস্থাপন করতে পারে।

কিন্তু Krakauer এর "দ্বিতীয় মস্তিষ্ক" সমস্যা অদৃশ্য হয় না যখন অ্যাপ্লিকেশন ক্লিনিকাল হয়। একটি ফাউন্ডেশন মডেল যা DBS প্যারামিটারে মস্তিষ্কের প্রতিক্রিয়ার ভবিষ্যদ্বাণী করে তাকে রোগীর আন্দোলনের অবস্থা, মানসিক অবস্থা এবং পরিবেশগত প্রেক্ষাপটের সম্পূর্ণ পরিসীমা জুড়ে সঠিকভাবে ভবিষ্যদ্বাণী করতে হবে - শুধুমাত্র নিয়ন্ত্রিত রেকর্ডিং সেশনে নয় যা তার প্রশিক্ষণের ডেটা তৈরি করে। ব্রুনটনের মূর্ত বুদ্ধিমত্তার যুক্তি ক্লিনিকাল অনুবাদের ক্ষেত্রে বিশেষ শক্তির সাথে প্রযোজ্য: চিকিত্সা করা হচ্ছে এমন একজন ব্যক্তির সাথে যুক্ত যার মস্তিষ্ক একটি বিশ্বের মধ্য দিয়ে যাচ্ছে এবং একটি ল্যাবে করা রেকর্ডিংগুলি নির্ভরযোগ্যভাবে সাধারণীকরণের জন্য সেই ভিন্নতার যথেষ্ট নমুনা নাও হতে পারে।

OmniMouse স্কেলিং ফলাফল একটি পথ নির্দেশ করে, কিন্তু এটি ব্যয়বহুল। যদি আরও ডেটা সাহায্য করে এবং আরও পরামিতি না করে, তাহলে অগ্রগতির জন্য নিউরাল রেকর্ডিংয়ের জন্য একটি বিশাল চলমান প্রতিশ্রুতি প্রয়োজন — বড় মডেল তৈরি করা নয়, বরং আরও সমৃদ্ধ ডেটাসেট তৈরি করা। এটি অর্থনীতিকে উল্টে দেয় যা AI ফাউন্ডেশন মডেলগুলিকে ভাষা এবং দৃষ্টিভঙ্গিতে কার্যকর করে তোলে, যেখানে প্যারামিটার স্কেলিং সস্তা এবং ডেটা সংগ্রহ তুলনামূলকভাবে স্থির। মস্তিষ্কের ডেটার জন্য, এটি অন্য উপায়: একটি রেকর্ডিং-আওয়ারের জন্য একটি পাঠ্য টোকেনের চেয়ে বেশি মাত্রার অর্ডার খরচ হয়।

রবিবারের প্রশ্ন

বৃহস্পতিবার খোলে সোসাইটি ফর নিউরোসায়েন্স সভা মস্তিষ্ক বিজ্ঞানের বৃহত্তম বার্ষিক সমাবেশ। রবিবার যখন Brunton এবং Mineault একে অপরের মুখোমুখি হবে, তখন তারা তাদের সহকর্মীদের সামনে তর্ক করবে যারা ফাউন্ডেশন মডেল বাজিতে ক্যারিয়ার, অনুদান এবং প্রাতিষ্ঠানিক খ্যাতি যুক্ত করেছে। OmniMouse এবং BrainLM ফলাফল ঘরে থাকবে।

প্রশ্নটি এআই মস্তিষ্কের মডেলগুলি দরকারী ভবিষ্যদ্বাণী তৈরি করে কিনা তা নয় - প্রমাণগুলি স্পষ্ট যে তারা করে। প্রশ্ন হল যে একটি ক্ষেত্র যা নিজেকে মস্তিষ্কের যান্ত্রিক বোঝার জন্য বিল্ডিং হিসাবে বর্ণনা করেছে তা আসলে এটি তৈরি করছে কি না, বা এটি আরও বেশি-সুনির্দিষ্ট প্যাটার্ন ম্যাচার তৈরি করছে যা মস্তিষ্কের ভবিষ্যদ্বাণী করে যেভাবে একটি জোয়ার টেবিল সমুদ্রের ভবিষ্যদ্বাণী করে: সঠিকভাবে, কার্যকরভাবে, এবং কোন তত্ত্ব ছাড়াই জলের গতিপথ।

অমনিমাউসে যে স্কেলিং আইনগুলি ভেঙেছে তা পরামর্শ দেয় যে সাদৃশ্যটি ক্ষেত্রের সবচেয়ে উচ্চাভিলাষী অনুশীলনকারীরা স্বীকার করতে চান তার চেয়ে কাছাকাছি হতে পারে। মস্তিষ্কের তথ্য কাঠামো যা প্রতিরোধ করে - পরিচ্ছন্ন পরিসংখ্যানগত নিয়মিততা যা বড় মডেলগুলিকে পুরস্কৃত করে - এটি একটি খুব জটিল লুকআপ টেবিলের পরিবর্তে এটিকে মস্তিষ্কে পরিণত করে। যদি তাই হয়, প্রকৃত যান্ত্রিক বোঝাপড়ার পথের জন্য ইতিমধ্যে যা কাজ করেছে তার বেশি কিছুর প্রয়োজন হতে পারে না, তবে সত্যিকারের ভিন্ন কিছু।

এটাই ব্রুনটনের যুক্তি। মিনাল্টের যে ক্ষেত্রটি জানার যথেষ্ট চেষ্টা করা হয়নি। তারা দুজনই রবিবার সেখানে ব্যক্তিগতভাবে মামলা করবেন।

Brunton/Mineault Dual Perspectives পেপার আজ দ্য জার্নাল অফ নিউরোসায়েন্স, ভলিউমে প্রকাশিত হয়েছে। 46, ইস্যু 45. সোসাইটি ফর নিউরোসায়েন্স বার্ষিক সভা 14-18 নভেম্বর, 2026, ওয়াশিংটন, ডিসি-তে ওয়াল্টার ই. ওয়াশিংটন কনভেনশন সেন্টারে চলে