તા. ૧ સપ્ટેમ્બર ર૦ર૪ વિક્રમ સંવત ર૦૮૦ શ્રાવણ વદ-૧૪, રવિવાર
News of Tuesday, 28th July 2026
રોબોટિક્સ ક્ષેત્રે નવી ક્રાંતિ: રોબોટ્સને માનવ જેવા સંવેદનશીલ બનાવવા માટે હવે ‘બ્રેઈન વેવ ડેટા’નો ઉપયોગ કરાશે
માનવ મગજના તરંગો અને વિચારસરણીના આધારે રોબોટ્સ નિર્ણય લેશે: આર્ટિફિશિયલ ઈન્ટેલિજન્સ અને ન્યુરોસાઈન્સના સમન્વયથી માનવસહજ વર્તનનો માર્ગ મોકળો

નવી દિલ્હી : આર્ટિફિશિયલ ઈન્ટેલિજન્સ અને રોબોટિક્સની દુનિયામાં એક અત્યંત ક્રાંતિકારી સંશોધન સામે આવ્યું છે, જેમાં રોબોટ્સને વધુ માનવસહજ અને બુદ્ધિશાળી બનાવવા માટે માનવ મગજના તરંગો એટલે કે ‘બ્રેઈન વેવ ડેટા’ (Brain Wave Data) નો ઉપયોગ કરવામાં આવશે; ન્યુરોસાઈન્ટિસ્ટ્સ અને ટેકનોલોજી નિષ્ણાતોના મતે, માનવ મગજમાંથી ઉત્પન્ન થતા ન્યુરલ સિગ્નલ્સનો અભ્યાસ કરીને તે ડેટાને રોબોટ્સના એલ્ગોરિધમમાં ફીડ કરવામાં આવશે; આ પ્રક્રિયાથી રોબોટ્સ માત્ર આપેલા આદેશોનું પાલન કરવાને બદલે માણસની સ્થિતિ, ભાવનાઓ અને નિર્ણયો લેવાની શૈલીને સમજીને તે મુજબ પ્રતિક્રિયા આપી શકશે; તબીબી સારવાર, વૃદ્ધોની સંભાળ અને જટિલ રેસ્ક્યુ ઓપરેશન જેવા ક્ષેત્રોમાં આવા હ્યુમનોઈડ રોબોટ્સ ભવિષ્યમાં માનવબળના વિકલ્પ તરીકે અત્યંત મદદરૂપ સાબિત થશે.
ફિઝિકલ એઆઈ એટલે એવા એઆઈ મોડલ્સ કે જે માત્ર સવાલોના જવાબ નથી આપતા. પરંતુ, રોબોટ્સ, ઓટોનોમસ મશીન્સ અને અન્ય ઈન્સ્ટ્રુમેન્ટ્સને વાસ્તવિક દુનિયામાં કામ કરવાનું શીખવે છે. તેમને દરેક પ્રક્રિયા શીખવવા માટે વિશાળ માત્રામાં ડેટાની જરૂર પડે છે. જેમાં, અસંખ્ય વીડિયો કે તસવીરો ઉપયોગમાં લેવામાં આવે છે. હવે, તેમને શીખવવા મગજના તરંગોના ડેટાનો પણ ઉપયોગ કરવામાં આવશે. જ્યારે, કોઈ વ્યક્તિ કામ કરે છે ત્યારે માત્ર હાથ કે શરીરની હલનચલન જ મહત્વની નથી હોતી, કોઈપણ નિર્ણય લેતા પહેલા મગજ કેવી રીતે કામ કરે છે તે પણ તેટલું જ મહત્વનું હોય છે. જો એઆઈ સિસ્ટમો આ ન્યુરલ સંકેતોને સમજે તો ભવિષ્યના રોબોટ્સ કામ કરવાની સાથે તેના નિર્ણયની પ્રક્રિયાને પણ વધુ સારી રીતે શીખી શકશે. આ કારણે બ્રેઈન વેવ ડેટાને મહત્ત્વપૂર્ણ ટ્રેનિંગ સોર્સ તરીકે જોવામાં આવી રહ્યું છે. લાર્જ લેંગ્વેજ મોડલ્સ માટે જરૂરી ડેટાનો મોટો ભાગ ઈન્ટરનેટ પર હાજર હતો. પરંતુ, ફિઝિકલ એઆઈ માટે જરૂરી ડેટા તૈયાર કરવો પડી રહ્યો છે. તેમાં, કેમેરા, સેન્સર, હ્યુમન પાર્ટનરશિપ, એનોટેશન અને બ્રેઈન-વેવ રેકોર્ડિંગનો સમાવેશ થાય છે. તે વધુ ખર્ચાળ છે અને તેને એકત્ર કરવામાં વધુ સમય લાગે છે. તે વધુ ખર્ચાળ હોવા છતાં તે સચોટ હોવાથી સંશોધકો તેને અપનાવી રહ્યા છે.
(6:03 PM IST)









છેલ્લા 8 દિવસમાં સૌથી લોકપ્રિય 
