প্রিপ্রিন্ট রিপোর্ট স্টিয়ারিং রিপ্রেজেন্টেশন জ্যামিতি মস্তিষ্ক-মডেল সারিবদ্ধকরণকে আরও দ্বিমুখী করে তোলে

কি হয়েছে

তিনজন গবেষক একটি প্রিপ্রিন্ট পোস্ট করেছেন যে প্রস্তাব করে যে একটি নিউরাল নেটওয়ার্কের অভ্যন্তরীণ উপস্থাপনাগুলির জ্যামিতিকে প্রশিক্ষণের সময় ইচ্ছাকৃতভাবে পরিচালনা করা যেতে পারে যাতে জৈবিক এবং কৃত্রিম সিস্টেমগুলি একে অপরের ভবিষ্যদ্বাণী কতটা ভাল করে তা পরিবর্তন করতে, স্ব-তত্ত্বাবধানে দ্বন্দ্বমূলক দৃষ্টি মডেলগুলিতে দ্বিমুখী ভবিষ্যদ্বাণীতে 55% আপেক্ষিক লাভের প্রতিবেদন করে।

Samuel Kostousov, Abhinn Kaushik and Brokoslaw Laschowski posted a preprint to arXiv on Aug. 18, 2026, listed as arXiv:2608.18244 under machine learning and artificial intelligence. এর প্রারম্ভিক বিন্দু হল পূর্ববর্তী কাজে রিপোর্ট করা একটি অসামঞ্জস্য: গবেষকরা যখন একটি নিউরাল নেটওয়ার্কের অভ্যন্তরীণ অ্যাক্টিভেশনগুলিকে রেকর্ড করা মস্তিষ্কের প্রতিক্রিয়াগুলির সাথে তুলনা করেন, তখন মডেলের উপস্থাপনাগুলি স্নায়বিক প্রতিক্রিয়াগুলি মডেলের উপস্থাপনাগুলির পূর্বাভাসের তুলনায় স্নায়বিক প্রতিক্রিয়াগুলির পূর্বাভাস দেয়। লেখকরা জিজ্ঞাসা করেন যে শেখা উপস্থাপনার জ্যামিতি নিজেই — কীভাবে বৈচিত্র্য বিভিন্ন মাত্রা জুড়ে বিতরণ করা হয় — সেই কারণের অংশ যে তুলনা অন্য দিক থেকে এক দিক থেকে এত ভাল চলে।

To test that, they describe a computational framework that combines two pieces: spectral regularization, which shapes the distribution of variance across the dimensions of a learned representation during training, and bidirectional predictivity analyses, which score alignment in both directions rather than only from model to brain. ফ্রেমওয়ার্কটি সাধারণ হিসাবে উপস্থাপিত হয়, কিন্তু বিমূর্তটি স্ব-তত্ত্বাবধানে দ্বন্দ্বমূলক দৃষ্টি মডেলের উপর পরিচালিত একটি প্রাথমিক প্রদর্শন হিসাবে মূল্যায়নকে বর্ণনা করে — একই চিত্রের বিভিন্ন দৃষ্টিভঙ্গি একসাথে টেনে লেবেল ছাড়াই প্রশিক্ষিত চিত্র মডেলের একটি পরিবার।

রিপোর্ট করা ফলাফল অভিন্নভাবে ইতিবাচক নয় বরং দিকনির্দেশক। শেখা উপস্থাপনাগুলির বর্ণালী জ্যামিতি পরিচালনা করার ফলে বিপরীত ভবিষ্যদ্বাণী উল্লেখযোগ্যভাবে বৃদ্ধি পায় — স্নায়ু প্রতিক্রিয়াগুলি মডেল উপস্থাপনাগুলিকে কতটা ভালভাবে ভবিষ্যদ্বাণী করে — অন্যদিকে বিনয়ীভাবে সামনের ভবিষ্যদ্বাণীকে হ্রাস করে। মিলিতভাবে, লেখকরা দ্বিমুখী ভবিষ্যদ্বাণীতে 55% আপেক্ষিক উন্নতির রিপোর্ট করেছেন। তারা আরও রিপোর্ট করে যে পরিবর্তনটি কার্যকরী মাত্রার হ্রাসের সাথে এসেছে, যার অর্থ ভিন্নতা কম অর্থপূর্ণ দিকগুলিতে কেন্দ্রীভূত হয়েছে এবং দুটি সিস্টেমের মধ্যে ভাগ করা সাবস্পেসের পুনর্গঠন। সেই ভাগ করা সাবস্পেসের মধ্যে, তারা বলে, মধ্যবর্তী বর্ণালী সূচকগুলিতে এগিয়ে এবং বিপরীত ভবিষ্যদ্বাণী প্রায় প্রতিসম হয়ে উঠেছে।

বিমূর্তটি উল্লেখ করে না এমন বেশ কয়েকটি জিনিস দাবিটি পড়ার জন্য উপাদান। এটি তুলনার জৈবিক দিকের জন্য ব্যবহৃত নিউরাল ডেটাসেট, প্রজাতি বা রেকর্ডিং পদ্ধতি সনাক্ত করে না; এটি নির্দিষ্ট দৃষ্টি মডেল বা তাদের স্কেলের নাম দেয় না; এবং এটি কোন পরম ভবিষ্যদ্বাণীর মান দেয় না, তাই 55% চিত্রটি একটি বেসলাইনের বিপরীতে একটি আপেক্ষিক পরিবর্তন যার শুরুর স্তরটি এখানে প্রকাশ করা হয়নি। ফরোয়ার্ড ভবিষ্যদ্বাণীতে 'নম্র' হ্রাসের আকার বিমূর্তটিতে পরিমাপ করা হয়নি, তালিকার পৃষ্ঠায় কোনও কোড বা ডেটা প্রকাশের উল্লেখ নেই এবং পোস্টিংটি একটি v1 প্রিপ্রিন্ট যা পিয়ার পর্যালোচনার মাধ্যমে হয়নি।

উত্স বিবরণ: arxiv.org ↗

কেন এটা গুরুত্বপূর্ণ

মস্তিষ্কের রেকর্ডিং এবং মডেল অ্যাক্টিভেশনের মধ্যে তুলনা ব্যাপকভাবে প্রমাণ হিসাবে ব্যবহৃত হয় যে একটি মডেল 'মস্তিষ্কের মতো', তবে সেই তুলনা সাধারণত এক দিকে চালিত হয়। যদি একটি প্রশিক্ষণ গাঁট দুটি দিক স্বাধীনভাবে স্থানান্তর করতে পারে, তবে প্রান্তিককরণ স্কোরগুলি শুধুমাত্র ভাগ করা সামগ্রীর পরিবর্তে প্রতিনিধিত্বমূলক জ্যামিতিকে আংশিকভাবে প্রতিফলিত করতে পারে।

একটি মডেলের অ্যাক্টিভেশন কতটা ভালোভাবে মস্তিষ্কের রেকর্ডিংয়ের ভবিষ্যদ্বাণী করে তা পরিমাপ করা একটি প্রমিত উপায় হয়ে উঠেছে যে একটি কৃত্রিম সিস্টেম জৈবিক প্রক্রিয়াকরণ সম্পর্কে কিছু ক্যাপচার করে এবং সেই স্কোরগুলি লিডারবোর্ড, অনুদানের বর্ণনা এবং সর্বজনীন দাবি করে যে একটি মডেল 'মস্তিষ্কের মতো'। যে তুলনা প্রায় সবসময় একটি একক দিক রিপোর্ট করা হয়. এই প্রিপ্রিন্টের ফ্রেমিং - যে দুটি দিককে প্রশিক্ষণ পরিবর্তন করে কিছুটা স্বাধীনভাবে সরানো যেতে পারে, টাস্ক পরিবর্তন না করেই - বোঝায় যে একটি এক-দিকনির্দেশক স্কোর হল দুটি প্রতিনিধিত্বমূলক সিস্টেম আসলে কতটা ঘনিষ্ঠভাবে মিলিত তার একটি অসম্পূর্ণ সারাংশ।

সংখ্যার মতোই প্রক্রিয়াটি গুরুত্বপূর্ণ। যদি উন্নতি হয় কিভাবে বৈচিত্র্যকে বিভিন্ন মাত্রায় ছড়িয়ে দেওয়া হয় তা পুনর্নির্মাণ থেকে আসে এবং এর সাথে নিম্ন কার্যকরী মাত্রা থাকে, তাহলে একটি প্রান্তিককরণ স্কোর পরিমাপ করার অংশটি বিশ্ব সম্পর্কে ভাগ করা বিষয়বস্তুর পরিবর্তে সক্রিয়করণের দুটি সেটের মধ্যে জ্যামিতিক সামঞ্জস্য হতে পারে। এটি প্রতিনিধিত্বমূলক সাদৃশ্য ব্যবস্থা সম্পর্কে দীর্ঘস্থায়ী উদ্বেগের একটি নির্দিষ্ট, পরীক্ষাযোগ্য সংস্করণ: যে তারা উপস্থাপনা বিন্যাসের বৈশিষ্ট্যগুলির প্রতি সংবেদনশীল হতে পারে। কাগজটি প্রশ্ন নিষ্পত্তি করে না, তবে এটি একটি গাঁট অফার করে যা অন্যদের এটি সরাসরি তদন্ত করতে দেয়।

জৈবিক ভিজ্যুয়াল প্রসেসিংয়ের জন্য দাঁড়ানোর উদ্দেশ্যে মডেল তৈরি করা গবেষকদের জন্য — ভিজ্যুয়াল প্রোস্থেটিক্স, মস্তিষ্ক-কম্পিউটার ইন্টারফেস এবং নিউরাল ডিকোডিং-এর কাজ সহ — একটি প্রশিক্ষণ পদ্ধতি যা মস্তিষ্কের কার্যকলাপ থেকে মডেল স্পেসে ভবিষ্যদ্বাণী উন্নত করে তা সম্ভাব্য কার্যকর, কারণ এই অ্যাপ্লিকেশনগুলির সাধারণত বিপরীত দিক প্রয়োজন, রেকর্ড করা কার্যকলাপকে মডেলের অভ্যন্তরীণ অবস্থার উপর ম্যাপ করা। উল্লিখিত প্রভাব অনুশীলন পরিবর্তন করার জন্য যথেষ্ট বড় কিনা তা এই বিমূর্ত দ্বারা প্রতিষ্ঠিত হয় না, যা কোনো প্রয়োগকৃত ডিকোডিং টাস্কের কর্মক্ষমতার পরিবর্তে পূর্বাভাস মেট্রিক্সের প্রতিবেদন করে।

ফলাফল একটি ট্রেড-অফ হিসাবে পড়া উচিত, একটি বিনামূল্যে লাভ নয়. বিপরীত ভবিষ্যদ্বাণী বেড়েছে যখন এগিয়ে ভবিষ্যদ্বাণী হ্রাস পেয়েছে, এবং সামগ্রিক উন্নতি নির্ভর করে কিভাবে দুটি দিককে ওজন করা হয় তার উপর। সরাসরি একটি প্রান্তিককরণ মেট্রিকের জন্য অপ্টিমাইজ করার ক্ষেত্রেও একটি সুস্পষ্ট বিপত্তি রয়েছে: একটি সাদৃশ্য পরিমাপে ভাল স্কোর করার জন্য প্রশিক্ষিত একটি মডেল মস্তিষ্কের একটি ভাল মডেল নয়, অগত্যা একটি ভাল পারফরম্যান্স মডেলও নয়। বিমূর্ত কোন ডাউনস্ট্রিম টাস্ক নির্ভুলতা, দৃঢ়তা বা স্থানান্তর ফলাফল রিপোর্ট করে, তাই সাধারণ মডেল ইউটিলিটি থেকে নিয়মিতকরণের খরচ উৎস থেকে অজানা।

পরবর্তী কি দেখতে

সম্পূর্ণ কাগজটি নিউরাল ডেটাসেট এবং মডেলগুলির নাম দেয় কিনা, প্রভাবটি বাইরের দৃষ্টিভঙ্গির প্রতিলিপি করে কিনা, নিয়মিত মডেলগুলি তাদের টাস্ক পারফরম্যান্স বজায় রাখে কিনা এবং অ্যালাইনমেন্ট বেঞ্চমার্কগুলি উভয় দিকের রিপোর্ট করা শুরু করে কিনা।

সবচেয়ে তাৎক্ষণিক প্রশ্ন হল পুরো কাগজটি কী প্রকাশ করে। পাঠকদের স্নায়ু রেকর্ডিং, প্রজাতি এবং উদ্দীপনা সেট, নির্দিষ্ট দৃষ্টি আর্কিটেকচার এবং প্রশিক্ষণ রান, পরম এগিয়ে এবং বিপরীত পূর্বাভাস মান, বীজের সংখ্যা এবং 55% চিত্রের চারপাশে ত্রুটি বারগুলির পরিচয় এবং উত্স সন্ধান করা উচিত। লেখকরা কোড প্রকাশ করেন কিনা এবং বর্ণালী নিয়মিতকারী নিজেই নির্ধারণ করবে যে অন্যরা কত দ্রুত ফলাফলটি পরীক্ষা করতে পারে এবং প্রিপ্রিন্ট পিয়ার রিভিউ পরিষ্কার করে কিনা তা নির্দেশ করবে কীভাবে দাবিটি বিশেষজ্ঞের যাচাই-বাছাই পর্যন্ত বহাল থাকে।

সাধারণতা দ্বিতীয় প্রশ্ন। প্রদর্শনটি ভিজ্যুয়াল নিউরাল প্রতিক্রিয়াগুলির তুলনায় স্ব-তত্ত্বাবধানে বিপরীত দৃষ্টি মডেলগুলিতে সীমাবদ্ধ। একই স্টিয়ারিং তত্ত্বাবধানে থাকা দৃষ্টি মডেলের জন্য, ভাষা-সম্পর্কিত মস্তিষ্কের ডেটার তুলনায় ভাষার মডেলের জন্য বা অডিও এবং মাল্টিমোডাল সিস্টেমের জন্য কাজ করে কিনা তা অমীমাংসিত। একটি অনুসন্ধান যা শুধুমাত্র একটি প্রশিক্ষণের উদ্দেশ্য এবং একটি রেকর্ডিং পদ্ধতির অধীনে প্রদর্শিত হয় তা ফ্রেমিংয়ের পরামর্শের চেয়ে একটি সংকীর্ণ ফলাফল হবে।

তৃতীয় হল খরচের দিক। স্বতন্ত্র মূল্যায়নের রিপোর্ট করা উচিত যে বর্ণালী নিয়মিতকরণ প্রচলিত ব্যবস্থাগুলিতে কী করে — চিত্রের শ্রেণিবিন্যাস বা পুনরুদ্ধারের নির্ভুলতা, ডাউনস্ট্রিম কার্যগুলিতে স্থানান্তর, বন্টন শিফটের অধীনে দৃঢ়তা — যেখানে দ্বিমুখী ভবিষ্যদ্বাণী শীর্ষে রয়েছে। যদি মধ্যবর্তী বর্ণালী সূচকগুলি যা আনুমানিক প্রতিসাম্য তৈরি করে তাও টাস্ক কর্মক্ষমতাকে অর্থপূর্ণভাবে হ্রাস করে, তবে পদ্ধতিটি একটি প্রশিক্ষণ রেসিপির পরিবর্তে একটি ডায়গনিস্টিক টুল হয়ে ওঠে।

অবশেষে, স্কোরিং অ্যালাইনমেন্টের অনুশীলন পরিবর্তন হয় কিনা তা দেখুন। যদি দ্বিমুখী রিপোর্টিং বেঞ্চমার্ক এবং কাগজপত্র দ্বারা গৃহীত হয় যা বর্তমানে এক-দিকীয় মস্তিষ্ক-পূর্বাভাস স্কোর প্রকাশ করে, মডেল জুড়ে তুলনাগুলি স্থানান্তরিত হতে পারে এবং কিছু বিদ্যমান র‌্যাঙ্কিং পরিবর্তনটি টিকে থাকতে পারে না। যদি এটি গৃহীত না হয়, তাহলে এই প্রিপ্রিন্টটি গণনামূলক নিউরোসায়েন্সের একটি বিশেষ কোণে একটি পদ্ধতিগত যুক্তি হিসেবে থেকে যাবে, যা AI মডেলগুলিকে কীভাবে সর্বজনীনভাবে মূল্যায়ন করা হয় তা পরিবর্তন করে।

সম্পর্কিত গাইড এবং কুইজ