जो लोग बुद्धि परीक्षणों में उच्च स्कोर करते हैं, वे अपने कम बुद्धिमान समकक्षों की तुलना में सरल प्रश्नों का उत्तर अधिक तेज़ी से देते हैं। हालाँकि, जब समस्याएँ अधिक चुनौतीपूर्ण हो जाती हैं, तो स्थिति उलट जाती है, कम से कम एक निश्चित प्रकार के प्रश्न के लिए। इनका सामना करने पर, बुद्धिमान लोग अपना समय लेते हैं, लेकिन उत्तर सही मिलने की संभावना अधिक होती है। निष्कर्ष कुछ धारणाओं को खत्म करते हैं और परीक्षण प्रक्रियाओं में बदलाव को सही ठहरा सकते हैं, लेकिन मस्तिष्क नेटवर्क मॉडल (बीएनएम) के साथ समर्थित हैं जो व्यक्तियों के दिमाग की कनेक्टिविटी को दोहराते हैं।
दिमाग जिनके कनेक्शन उन्हें अत्यधिक सिंक्रनाइज़ करते हैं, वे सटीक उत्तर देने की अधिक संभावना रखते हैं, लेकिन कभी-कभी गति की कीमत पर।
लोकप्रिय कल्पना में, तेजी से सोचना आमतौर पर बुद्धिमत्ता से जुड़ा होता है, और कई अध्ययन इस विचार का समर्थन करते हैं, लेकिन हो सकता है कि वे उपायों की एक विस्तृत श्रृंखला पर विचार नहीं कर रहे हों।
बर्लिन इंस्टीट्यूट ऑफ हेल्थ इन डेर चैरिटे के प्रोफेसर पेट्रा रिटर सिमुलेशन बनाने की कोशिश कर रहे हैं जो व्यक्तिगत मानव मस्तिष्क की विशेषताओं की नकल करते हैं। इन बीएनएम को सटीक बनाने के लिए, रिटर और उनके सहयोगियों ने मानव संयोजी परियोजना में 1,176 प्रतिभागियों के डेटा पर आकर्षित किया, जो एफएमआरआई का उपयोग चुनौती देने और आराम करने पर मस्तिष्क के कनेक्शन को देखने के तरीके का निरीक्षण करने के लिए करता है। नेचर कम्युनिकेशंस में, वे अपेक्षित और काफी आश्चर्यजनक निष्कर्षों के मिश्रण की घोषणा करते हैं।
परीक्षणों में प्रतिभागियों को पैटर्न की एक श्रृंखला दिखाना और उन्हें उनके पीछे के नियमों की पहचान करने के लिए कहना, एक आसान काम से शुरू करना और उत्तरोत्तर कठिन होता जाना शामिल था। सभी प्रतिभागियों के आईक्यू को पारंपरिक परीक्षणों का उपयोग करके मापा गया और रिटर ने सक्रियण पैटर्न, मापा आईक्यू और परीक्षण प्रदर्शन के बीच संबंध का पता लगाया।
रिटर ने एक बयान में कहा, “यह न्यूरॉन्स का सही उत्तेजना-अवरोधक संतुलन है जो निर्णय लेने को प्रभावित करता है और कमोबेश किसी व्यक्ति को समस्याओं को हल करने में सक्षम बनाता है।”
अधिक बुद्धिमान प्रतिभागी, जो आम तौर पर अधिक मस्तिष्क तुल्यकालन वाले थे, आसान समस्याओं का समाधान जल्दी देखने में सक्षम थे। हालाँकि, जैसे-जैसे जटिलता बढ़ती गई, उनका बड़ा फायदा यह था कि मस्तिष्क के सभी क्षेत्रों में प्रसंस्करण की आवश्यकता होने तक प्रतीक्षा करने के लिए धैर्य रखना था, बजाय इसके कि इसमें से केवल कुछ को ही हल किया जा सके।
कठिन प्रश्नों के सामने, सिंक्रनाइज़ेशन धीमी प्रतिक्रियाओं से संबंधित है। जहाँ कम समकालिक दिमाग निष्कर्ष पर पहुंचे, वहीं अधिक समकालिक दिमागों के ललाट पालि के तंत्रिका सर्किट निर्णय लेने से पीछे हट गए जब तक कि पूरे मस्तिष्क के पास आवश्यक प्रसंस्करण करने का समय नहीं था। परिणामों की पुष्टि 650 प्रतिभागियों के एक सबसेट के साथ की गई जिनके साथ अधिक विस्तृत अवलोकन उपलब्ध थे।
मुख्य लेखक प्रोफेसर माइकल शिरनर ने कहा, “अधिक चुनौतीपूर्ण कार्यों में, आपको अन्य समाधान पथों का पता लगाने और फिर इन्हें एक-दूसरे में एकीकृत करने के दौरान कार्यशील मेमोरी में पिछली प्रगति को स्टोर करना होगा।” , लेकिन यह भी बेहतर परिणाम की ओर ले जाता है।
रिटर सिलिकॉन में मानव मस्तिष्क की इन विशेषताओं की नकल करने के अपने लक्ष्य को प्राप्त करने में सक्षम था, व्यक्तिगत बीएनएम बनाकर जिसकी कनेक्टिविटी प्रत्येक प्रतिभागी के समान थी। रिटर ने कहा, “हमें इस प्रक्रिया में पता चला कि सिलिको दिमाग में ये एक दूसरे से अलग व्यवहार करते हैं – और उनके जैविक समकक्षों के समान ही।”
रिटर उम्मीद करते हैं कि कृत्रिम मस्तिष्क विकसित करना जो व्यक्तिगत वास्तविक लोगों का अनुकरण करता है, न्यूरोडिजेनरेटिव बीमारियों के पीड़ितों के लिए केस-दर-मामला आधार पर हस्तक्षेप के लक्ष्यों की पहचान करने में मदद करेगा।
इस बीच, परीक्षा आयोजित करने के तरीके की समीक्षा करना उचित हो सकता है। यदि शिरनर और रिटर ने जो पाया वह अन्य प्रकार की चुनौतियों पर लागू होता है, तो अपेक्षाकृत सरल प्रश्नों वाले परीक्षणों के लिए तंग समय सीमा अच्छी हो सकती है। जहां छात्रों को अधिक शामिल समस्याओं की छोटी संख्या का उत्तर देने की आवश्यकता होती है, हालांकि, सबसे होनहार उम्मीदवारों को खोजने के लिए समय को सीमित करना एक बहुत बुरा तरीका हो सकता है।
समय एक सीमित संसाधन होने के नाते, हालांकि, यह आश्चर्य की बात नहीं है कि खुफिया शोधकर्ताओं से लेकर विश्वविद्यालयों के लिए प्रवेश परीक्षा देने वालों तक हर कोई चीजों को छोटा रखना पसंद करता है।
इस बात को बेहतरी से समझने के लिए हमें रिसर्च टीम की बात को समझना ज़रूरी है।
बेहतर ढंग से समझने के लिए कि कैसे नेटवर्क संरचना बुद्धिमान व्यवहार को आकार देती है, उन्होंने एक लर्निंग एल्गोरिद्म विकसित किया जिसका उपयोग वे 650 मानव संयोजी परियोजना प्रतिभागियों के लिए व्यक्तिगत मस्तिष्क नेटवर्क मॉडल बनाने के लिए करते थे। उन्होंने पाया कि उच्च बुद्धि स्कोर वाले प्रतिभागियों ने कठिन समस्याओं को हल करने में अधिक समय लिया, और धीमी सॉल्वरों की औसत कार्यात्मक कनेक्टिविटी अधिक थी। सिमुलेशन के साथ उन्होंने उत्तेजना-निषेध संतुलन की निर्भरता में गति के साथ व्यापार सटीकता के लिए कार्यात्मक कनेक्टिविटी, खुफिया, प्रसंस्करण गति और मस्तिष्क तुल्यकालन के बीच एक यंत्रवत लिंक की पहचान की। घटी हुई समकालिकता ने निर्णय लेने वाले परिपथों को शीघ्रता से निष्कर्ष पर पहुँचाने में मदद की, जबकि उच्च समकालिकता ने सबूतों के बेहतर एकीकरण और अधिक मज़बूत कामकाजी स्मृति की अनुमति दी। प्राप्त परिणामों की प्रजनन क्षमता और व्यापकता सुनिश्चित करने के लिए सख्त परीक्षण लागू किए गए थे। यहां, इस स्टडी में वे मस्तिष्क संरचना और कार्य के बीच लिंक की पहचान करते हैं जो गैर-इनवेसिव रिकॉर्डिंग से संयोजी टोपोलॉजी सीखने में सक्षम होते हैं और इसे व्यवहार में अंतर-व्यक्तिगत अंतरों के लिए मैप करते हैं, अनुसंधान और नैदानिक अनुप्रयोगों के लिए व्यापक उपयोगिता का सुझाव देते हैं।