பேச்சையும் எழுத்தையும் தாண்டி: செயற்கை நுண்ணறிவால் (artificial intelligence) மனித எண்ணங்களை அதிவேகமாகப் பரிமாற முடியுமா?

அறிவியல் ஆய்வுக் கட்டுரை மற்றும் முன்மொழியப்பட்ட ஆராய்ச்சிக் கட்டமைப்பு | நவம்பர் 2026

இன்றைய நவீன கணினிகள் (computer) கற்பனை செய்ய முடியாத அளவுக்கு அதிவேகமாகத் தகவல்களைப் பரிமாறிக்கொள்கின்றன.

ஒரு சாதாரண கிகாபிட் ஈதர்நெட் (Gigabit Ethernet) இணைப்பின் மூலம் ஒரு வினாடிக்கு ஒரு பில்லியன் பிட்கள் (1,000,000,000 bits) என்ற வேகத்தில் தரவுகளைப் (data) பரிமாற முடிகிறது. அதிநவீன கணினி (computer) மற்றும் தரவு (data) மையத் தொழில்நுட்பங்கள் (technology) இதைவிடப் பல மடங்கு அதிக வேகத்தில் செயல்படுகின்றன.

ஆனால் மனிதர்களின் நிலை முற்றிலும் வேறுபட்டது.

மனிதர்கள் தங்களது எண்ணங்கள், சிந்தனைகள், கருத்துகள் மற்றும் உணர்வுகளை மற்றவர்களுக்குத் தெரிவிப்பதற்கு இன்றும் பெரும்பாலும் பேச்சு, எழுத்து, சைகைகள் மற்றும் உடல் (body) அசைவுகள் போன்ற வழிமுறைகளையே பயன்படுத்துகின்றனர்.

மனித மூளையில் (brain) மிகப்பெரிய அளவில் நரம்பியல் (neurology) தகவல் செயலாக்கம் (processing) நடைபெறுகின்ற போதிலும், அந்தத் தகவல்களை மற்றொரு மனிதருக்கு அர்த்தமுள்ள வகையில் பரிமாறும் திறன் ஒப்பீட்டளவில் மிகவும் குறைவாகவே உள்ளது.

இந்த நிலை ஒரு முக்கியமான அறிவியல் கேள்வியை எழுப்புகிறது.

செயற்கை நுண்ணறிவு (artificial intelligence) மற்றும் நரம்பியல் (neurology) தொழில்நுட்பங்களைப் (technology) பயன்படுத்தி, மனிதர்கள் தங்களது எண்ணங்களையும் சிந்தனைகளையும் பேச்சு அல்லது எழுத்தின் உதவியின்றி, நேரடியாகவும் துல்லியமாகவும் அதிவேகமாகவும் பரிமாறிக்கொள்ள முடியுமா?

இந்தக் கட்டுரை மனிதர்களின் தகவல் பரிமாற்ற வேகம், மூளையின் (brain) நரம்பியல் (neurology) சமிக்ஞைகளைப் புரிந்துகொள்ளும் தொழில்நுட்பங்கள் (technology), மூளை (brain)–கணினி (computer) இடைமுகங்கள், மூளை–மூளைத் தொடர்பாடல் மற்றும் 2026 நவம்பர் வரையிலான அறிவியல் முன்னேற்றங்கள் ஆகியவற்றை ஆராய்கிறது.

அத்துடன், மனிதர்களின் எண்ணங்களையும் நோக்கங்களையும் செயற்கை நுண்ணறிவின் (artificial intelligence) உதவியுடன் அதிவேகமாகப் பரிமாறுவதற்கான புதிய ஆராய்ச்சிக் கட்டமைப்பையும் முன்மொழிகிறது.

இந்த ஆராய்ச்சியின் (research) அடிப்படை நோக்கம் வெறுமனே அதிகமான டிஜிட்டல் (digital) தரவுகளைப் (data) பரிமாறுவது அல்ல.

மனிதர்கள் தாங்கள் தெரிவிக்க விரும்பும் கருத்துகளின் உண்மையான பொருளை, குறைந்த நேரத்தில், அதிகத் துல்லியத்துடன் மற்றவர்களுக்குப் பரிமாறுவதற்கான புதிய தொடர்பாடல் முறையை உருவாக்குவதற்கான அறிவியல் சாத்தியக்கூறுகளை ஆராய்வதே இதன் முக்கிய நோக்கமாகும்.

ஒரு நவீன கணினி வலையமைப்பில் (computer network) இணைக்கப்பட்டுள்ள இரண்டு கணினிகளை (computer) எடுத்துக்கொள்வோம்.

அவை மிகப்பெரிய அளவிலான தகவல்களை மின்னணு (electronic) சமிக்ஞைகளாக மாற்றி, சில மில்லி வினாடிகளுக்குள் பரிமாறிக்கொள்ளக்கூடிய திறனைக் கொண்டுள்ளன.

இப்போது இரண்டு மனிதர்கள் ஒரு சிக்கலான கருத்தைப் பரிமாறிக்கொள்வதை எடுத்துக்கொள்வோம்.

முதலாவது மனிதர் தனது மனதில் ஒரு கருத்தை உருவாக்க வேண்டும்.

பின்னர் அந்தக் கருத்தை மொழியாக மாற்ற வேண்டும்.

அதற்குப் பொருத்தமான சொற்களைத் தேர்ந்தெடுக்க வேண்டும்.

அந்தச் சொற்களை ஒரு முறையான வாக்கியமாக அமைக்க வேண்டும்.

அதன் பின்னரே அவர் பேசவோ எழுதவோ முடியும்.

அதேபோல், இரண்டாவது மனிதர் அந்த வார்த்தைகளைக் கேட்கவோ படிக்கவோ வேண்டும். பின்னர் அவற்றின் பொருளைப் புரிந்துகொண்டு, முதலாவது மனிதர் உண்மையில் என்ன தெரிவிக்க விரும்பினார் என்பதை அறிந்துகொள்ள வேண்டும்.

இந்தச் செயல்முறையின் ஒவ்வொரு கட்டத்திற்கும் நேரம் தேவைப்படுகிறது.

சில சந்தர்ப்பங்களில் தவறான புரிதல்கள் ஏற்படலாம். அப்போது கருத்தை மீண்டும் விளக்க வேண்டிய அவசியமும் ஏற்படுகிறது.

இதில் முக்கியமான பிரச்சினை மனித மூளை மெதுவாகச் செயல்படுகிறது என்பதல்ல.

மாறாக, மனித மூளையில் நடைபெறும் நரம்பியல் (neurology) தகவல் செயலாக்கத்திற்கும் (processing), அந்தத் தகவல்களை மற்றவர்களுக்குப் பரிமாறும் வேகத்திற்கும் இடையில் ஒரு குறிப்பிடத்தக்க வேறுபாடு காணப்படுகிறது.

2019ஆம் ஆண்டு Science Advances ஆய்விதழில் வெளியிடப்பட்ட Coupé மற்றும் சக ஆய்வாளர்களின் ஆராய்ச்சி, 17 மொழிகளை ஆய்வு செய்து, மனிதர்கள் பேசும் மொழிகளின் தகவல் பரிமாற்ற வீதம் சராசரியாக ஒரு வினாடிக்கு 39 பிட்கள் என்ற அளவில் இருப்பதாக மதிப்பிட்டது [1].

மற்றொரு முக்கியமான ஆய்வில் (study), Zheng மற்றும் Meister ஆகியோர் மனிதர்களின் நடத்தை சார்ந்த தகவல் செயலாக்க (processing) வீதம் சுமார் 10 பிட்கள்/வினாடி என மதிப்பிட்டனர். இந்த ஆய்வு 2024ஆம் ஆண்டு இணையத்தில் (internet) வெளியிடப்பட்டு, 2025ஆம் ஆண்டு Neuron இதழில் இடம்பெற்றது [2].

இவ்விரு ஆய்வுகளும் வெவ்வேறு வகையான தகவல் செயலாக்கத்தை (processing) அளவிடுகின்றன. எனவே, இந்த இரண்டு எண்களையும் ஒரே பொருளில் பயன்படுத்த முடியாது.

மேலும், இவை மனித மூளையின் மொத்த நரம்பியல் (neurology) செயலாக்கத் (processing) திறனுக்கான இறுதியான அளவீடுகளும் அல்ல.

இருப்பினும், மனிதர்களின் உணர்வுபூர்வமான செயல்பாடுகள் மற்றும் தொடர்பாடல்களின் தகவல் வீதம், பல மின்னணு (electronic) அமைப்புகளின் தரவுப் (data) பரிமாற்ற வீதத்தைவிட மிகவும் குறைவாக இருப்பதை இந்த ஆய்வுகள் (studies) எடுத்துக்காட்டுகின்றன.

இந்த வேறுபாடே எமது புதிய ஆராய்ச்சிக்கான அடிப்படையாக அமைகிறது.

கணினிகள் (computer) தகவல்களை டிஜிட்டல் (digital) வடிவமாக மாற்றி, குறிப்பிட்ட தகவல் தொடர்பு நெறிமுறைகளின் அடிப்படையில் பரிமாறிக்கொள்கின்றன.

உதாரணமாக:

இந்த அளவீடுகள் (measurement) கணினி வலையமைப்பின் (computer network) தகவல் பரிமாற்றத் திறனைக் குறிக்கின்றன.

ஆனால், ஒரு கணினி (computer) அனுப்பப்படும் தகவல்களின் உண்மையான பொருளைப் புரிந்துகொள்ளும் வேகத்தை இவை குறிக்கவில்லை.

மனிதர்களின் தொடர்பாடல் முற்றிலும் வேறுபட்டது.

ஏனெனில், மனிதர்களுக்கிடையிலான தகவல் பரிமாற்றத்தில் மிகவும் முக்கியமானது தகவலின் அளவு மட்டுமல்ல. அதன் பொருளுமாகும்.

உதாரணமாக, ஒருவர் மிகவும் சிக்கலான ஒரு முடிவைச் சில வார்த்தைகளில் தெளிவாகத் தெரிவிக்கலாம்.

அதே கருத்தை மற்றொருவர் பல பத்திகளில் விளக்க வேண்டியிருக்கலாம்.

எனவே, கணினிகளின் (computer) தரவுப் (data) பரிமாற்ற வேகத்தையும் மனிதர்களின் தொடர்பாடல் வேகத்தையும் ஒப்பிடும்போது மிகுந்த அறிவியல் கவனம் தேவைப்படுகிறது.

ஒரு கணினி (computer) ஒரு வினாடிக்கு ஒரு பில்லியன் பிட்களைப் பரிமாறலாம்.

ஆனால் அந்தத் தகவலின் பொருளை அது புரிந்துகொள்கிறது என்று இதனால் கூற முடியாது.

அதே நேரத்தில், ஒரு மனிதர் சில சொற்களை மட்டுமே பயன்படுத்தி மிகவும் ஆழமான கருத்தை மற்றொருவருக்குத் தெரிவிக்கக்கூடும்.

ஆகவே, எமது ஆராய்ச்சியின் நோக்கம் மனித மூளையை ஒரு கிகாபிட் கணினி வலையமைப்பாக (computer network) மாற்றுவது அல்ல.

மாறாக, மனிதர்களுக்கிடையில் அர்த்தமுள்ள எண்ணங்களையும் கருத்துகளையும் சரியாகப் புரிந்துகொள்ளக்கூடிய வகையில் பரிமாறும் வேகத்தை அதிகரிப்பதே எமது நோக்கமாகும்.

இதுவே இந்த ஆராய்ச்சியின் மிக முக்கியமான அறிவியல் அடிப்படையாகும்.

மூளை–கணினி (computer) இடைமுகம், சுருக்கமாக BCI, என்பது மனித மூளையின் நரம்பியல் (neurology) செயல்பாடுகளுக்கும் வெளிப்புறக் கணினி (computer) அமைப்பிற்கும் இடையே தொடர்பை ஏற்படுத்தும் தொழில்நுட்பமாகும் (technology).

இந்தத் தொழில்நுட்பத்தைப் (technology) பயன்படுத்தி மூளையிலிருந்து பெறப்படும் சமிக்ஞைகளை கணினி (computer) மூலம் ஆய்வு செய்ய முடியும்.

மூளையின் செயல்பாடுகளைப் பதிவு செய்வதற்கு இரண்டு முக்கியமான அணுகுமுறைகள் உள்ளன.

முதலாவது, அறுவைச் (surgery) சிகிச்சையின்றி மூளையின் மின்சாரச் செயல்பாடுகளைப் பதிவு செய்யும் EEG போன்ற முறைகள்.

இரண்டாவது, அறுவைச் (surgery) சிகிச்சையின் (treatment) மூலம் மூளையில் பொருத்தப்படும் மின்முனைகளைப் பயன்படுத்தும் முறைகள்.

செயற்கை நுண்ணறிவு (artificial intelligence) மாதிரிகள் இந்த நரம்பியல் (neurology) சமிக்ஞைகளை ஆய்வு செய்து, ஒருவர் மேற்கொள்ள நினைக்கும் செயல், தெரிவிக்க விரும்பும் சொல் அல்லது தொடர்பாடல் கட்டளை ஆகியவற்றை அடையாளம் காண முயற்சிக்கின்றன.

2023ஆம் ஆண்டு ஆகஸ்ட் மாதம் Nature ஆய்விதழில் வெளியிடப்பட்ட Willett மற்றும் சக ஆய்வாளர்களின் ஆராய்ச்சி இதில் ஒரு முக்கியமான முன்னேற்றமாக அமைந்தது.

அந்த ஆராய்ச்சியில், பேச முயற்சிக்கும்போது ஏற்படும் நரம்பியல் (neurology) செயல்பாடுகளை எழுத்துகளாக மாற்றும் தொழில்நுட்பம் (technology) உருவாக்கப்பட்டது.

ஆய்வில் பங்கேற்ற நபர் ஒரு நிமிடத்திற்கு சுமார் 62 சொற்கள் என்ற வேகத்தில் தொடர்பாட முடிந்தது.

50 சொற்களைக் கொண்ட கட்டுப்படுத்தப்பட்ட சொற்களஞ்சியத்தில் சொற்பிழை வீதம் 9.1% ஆகவும், 125,000 சொற்களைக் கொண்ட பெரிய சொற்களஞ்சியத்தில் 23.8% ஆகவும் பதிவானது [3].

இந்த ஆராய்ச்சி, ஒருவர் பேச முயற்சிக்கும்போது உருவாகும் மூளைச் (brain) சமிக்ஞைகளைப் பயன்படுத்தி ஒப்பீட்டளவில் விரைவாகத் தொடர்பாட முடியும் என்பதை நிரூபித்தது.

ஆனால் இந்த அமைப்பு மனிதரின் மனதில் தோன்றும் எல்லா எண்ணங்களையும் கட்டுப்பாடின்றி வாசிக்கக்கூடிய தொழில்நுட்பம் (technology) அல்ல.

அது பேசுவதற்கான முயற்சியுடன் தொடர்புடைய நரம்பியல் (neurology) செயல்பாடுகளையே அடையாளம் கண்டது.

2025ஆம் ஆண்டில் இந்தத் துறையில் மேலும் குறிப்பிடத்தக்க முன்னேற்றங்கள் ஏற்பட்டன.

Littlejohn மற்றும் சக ஆய்வாளர்கள், மனித மூளையிலிருந்து பெறப்படும் சமிக்ஞைகளை 80 மில்லி வினாடி இடைவெளிகளில் செயலாக்கி (processing), செயற்கை நுண்ணறிவின் (artificial intelligence) உதவியுடன் பேச்சாக மாற்றும் தொழில்நுட்பத்தை (technology) உருவாக்கினர் [4].

மற்றொரு ஆராய்ச்சியில் Wairagkar மற்றும் சக ஆய்வாளர்கள், மூளையின் நரம்பியல் (neurology) சமிக்ஞைகளைப் பயன்படுத்தி நிகழ்நேரத்தில் வெளிப்பாட்டுத் தன்மையுடன் கூடிய செயற்கைப் பேச்சை உருவாக்கும் முறையை விளக்கினர்.

அதில் ஆய்வில் பங்கேற்ற நபர், குரலின் ஏற்ற இறக்கம் போன்ற வெளிப்பாட்டுக் கூறுகளையும் ஒரு குறிப்பிட்ட அளவுக்குக் கட்டுப்படுத்த முடிந்தது [5].

இது மிகவும் முக்கியமான முன்னேற்றமாகும்.

ஏனெனில், மனிதத் தொடர்பாடல் என்பது வெறுமனே சொற்களைப் பரிமாறுவது மட்டுமல்ல.

நாம் பேசும் வேகம், குரலின் தொனி, உணர்ச்சி வெளிப்பாடு மற்றும் அழுத்தம் (pressure) கொடுத்துச் சொல்லும் விதம் ஆகியவையும் ஒரு கருத்தின் உண்மையான பொருளை வெளிப்படுத்துகின்றன.

இந்த ஆராய்ச்சிகள், இயல்பான மனிதப் பேச்சை நரம்பியல் (neurology) சமிக்ஞைகளிலிருந்து மீட்டுருவாக்குவதற்கான சாத்தியக்கூறுகளை எடுத்துக்காட்டுகின்றன.

இருப்பினும், இவை இன்னும் குறிப்பிட்ட ஆய்வுச் சூழல்களில் பயன்படுத்தப்படும் பரிசோதனைத் தொழில்நுட்பங்களாகவே (technology) உள்ளன.

2026ஆம் ஆண்டு ஜூன் மாதம் Nature Medicine ஆய்விதழில் வெளியிடப்பட்ட ஒரு ஆராய்ச்சி, மூளை–கணினி (computer) இடைமுகத் தொழில்நுட்பத்தின் (technology) நடைமுறைப் பயன்பாட்டில் முக்கியமான முன்னேற்றத்தைக் காட்டியது.

Card மற்றும் சக ஆய்வாளர்கள் மேற்கொண்ட இந்த ஆய்வில், கடுமையான உடல் இயக்க முடக்கத்தைக் கொண்ட ஒருவர், மூளையில் பொருத்தப்பட்ட இடைமுகத்தின் உதவியுடன் நீண்டகாலமாகச் சுயமாகத் தொடர்பாடினார்.

கிட்டத்தட்ட இரண்டு ஆண்டுகள் நடைபெற்ற இந்த ஆய்வில், அவர் தனது வீட்டில் 3,800 மணிநேரத்திற்கும் அதிகமாக இந்தத் தொழில்நுட்பத்தைப் (technology) பயன்படுத்தினார்.

அதன் மூலம் சுமார் 1.96 மில்லியன் சொற்களையும், 183,060 வாக்கியங்களையும் தொடர்பாட முடிந்தது.

சராசரி தொடர்பாடல் வேகம் ஒரு நிமிடத்திற்கு சுமார் 56 சொற்களாக இருந்தது.

கட்டுப்படுத்தப்பட்ட பேச்சுப் பரிசோதனைகளில் சொற்களின் துல்லியம் 99% ஐத் தாண்டியது. ஆனால் அன்றாட இயல்பான உரையாடல்களில் இந்தத் துல்லியம் எல்லா நேரங்களிலும் ஒரே அளவில் இருக்கவில்லை [6].

இந்த வேறுபாடு மிகவும் முக்கியமானது.

ஒரு தொழில்நுட்பம் (technology) ஆய்வகத்தில் சிறப்பாகச் செயல்படுவது ஒரு சாதனை.

அதே தொழில்நுட்பம் (technology) மனிதர்களின் அன்றாட வாழ்க்கையில் நீண்டகாலமாக நம்பகமான முறையில் செயல்படுவது மற்றொரு சாதனை.

எனவே, எமது அதிவேக மனித எண்ணப் பரிமாற்ற ஆராய்ச்சியிலும் இந்த இரண்டு அம்சங்களும் தனித்தனியாக நிரூபிக்கப்பட வேண்டும்.

மூளை–மூளைத் தொடர்பாடல் (Brain-to-Brain Communication) தொடர்பாகவும் அறிவியல் உலகில் சில ஆரம்பகட்ட வெற்றிகள் கிடைத்துள்ளன.

2019ஆம் ஆண்டு BrainNet என்ற ஆய்வு வெளியிடப்பட்டது.

இந்த ஆய்வில் மூன்று மனிதர்கள், மூளைச் சமிக்ஞைகளைப் பயன்படுத்தி ஒரு எளிய விளையாட்டில் இணைந்து செயல்பட்டனர்.

முதலிரண்டு பங்கேற்பாளர்களின் முடிவுகள் EEG தொழில்நுட்பத்தின் (technology) மூலம் பதிவு செய்யப்பட்டன.

அந்தத் தகவல்கள் மூன்றாவது பங்கேற்பாளருக்கு Transcranial Magnetic Stimulation (TMS) என்ற மூளைத் தூண்டுதல் முறையின் மூலம் வரையறுக்கப்பட்ட சமிக்ஞைகளாக அனுப்பப்பட்டன.

ஐந்து குழுக்கள் இந்தப் பரிசோதனையில் (test/examination) பங்கேற்றன.

அவற்றின் சராசரி செயல்திறன் துல்லியம் 81.25% ஆகப் பதிவானது [7].

மனித மூளைகளுக்கிடையில் குறிப்பிட்ட தகவல்களை நரம்பியல் (neurology) இடைமுகங்கள் மூலம் பரிமாறுவதற்கான சாத்தியத்தை இந்த ஆய்வு எடுத்துக்காட்டியது.

ஆனால் இதில் பரிமாறப்பட்டவை மிகவும் எளிய முடிவுகள் மட்டுமே.

சிக்கலான எண்ணங்கள், நினைவுகள் அல்லது முழுமையான கருத்துகள் நேரடியாகப் பரிமாறப்படவில்லை.

எனவே, ஒரு எளிய இருநிலைத் தகவலைப் பரிமாறுவதற்கும், மனிதரின் முழுமையான சிந்தனையை மற்றொருவருக்குப் பரிமாறுவதற்கும் இடையே மிகப்பெரிய அறிவியல் வேறுபாடு உள்ளது.

2025ஆம் ஆண்டு ஆகஸ்ட் மாதம் Cell ஆய்விதழில் Kunz மற்றும் சக ஆய்வாளர்கள் வெளியிட்ட ஆராய்ச்சி, ஒருவர் மனதில் பேசுவதாகக் கற்பனை செய்யும்போது ஏற்படும் நரம்பியல் (neurology) செயல்பாடுகளைப் பகுதியளவில் அடையாளம் காண முடியும் என்பதைக் காட்டியது.

இந்த ஆராய்ச்சியின் மற்றொரு முக்கியமான அம்சம் மனதின் தனியுரிமையாகும்.

ஒருவர் மற்றவர்களுக்குத் தெரிவிக்க விரும்பாத தனிப்பட்ட மனப்பேச்சு, தொழில்நுட்பத்தின் (technology) மூலம் தற்செயலாக வெளிப்படுவதற்கான அபாயங்களும் ஆராயப்பட்டன.

மேலும், தொடர்பாடுவதற்காக வேண்டுமென்றே உருவாக்கப்படும் எண்ணங்களையும், தனிப்பட்ட மனச் செயல்பாடுகளையும் வேறுபடுத்துவதற்கான பாதுகாப்பு முறைகளும் பரிசோதிக்கப்பட்டன [8].

2026ஆம் ஆண்டு செப்டம்பர் மாதம் Nature Neuroscience ஆய்விதழில் வெளியிடப்பட்ட மற்றொரு ஆராய்ச்சி, கற்பனையான பேச்சுக்கும் வெளிப்படையான பேச்சுக்கும் இடையிலான நரம்பியல் (neurology) செயல்பாடுகளில் சில பொதுவான அமைப்புகள் இருப்பதை ஆராய்ந்தது [9].

இந்தக் கண்டுபிடிப்புகள் எதிர்காலத்தில் மனிதர்கள் பேச முயற்சிக்காமலேயே சில தகவல்களைத் தொடர்பாடுவதற்கான வாய்ப்புகளை உருவாக்கக்கூடும்.

ஆனால் தற்போதைய தொழில்நுட்பங்கள் (technology) எந்தவொரு மனிதரின் மனதிலும் தோன்றும் எல்லா எண்ணங்களையும், முன்னதாகப் பயிற்சி (exercise/training) அல்லது ஒத்துழைப்பு இல்லாமல் துல்லியமாகப் புரிந்துகொள்ள முடியும் என்று கூறுவதற்கு அறிவியல் ஆதாரங்கள் (evidence) இல்லை.

Artificial Intelligence-Assisted High-Speed Thought Communication

இந்த ஆராய்ச்சியின் மைய நோக்கம்:

மனிதர்கள் தாங்களாக முன்வந்து தொடர்பாட விரும்பும் எண்ணங்களையும் கருத்துகளையும் மூளையின் நரம்பியல் (neurology) சமிக்ஞைகளிலிருந்து அடையாளம் கண்டு (eye), அவற்றைத் திறமையான டிஜிட்டல் (digital) வடிவமாக மாற்றி, மற்றொரு மனிதருக்குப் பரிமாறி, அவர் அந்தக் கருத்தின் உண்மையான பொருளைத் துல்லியமாகப் புரிந்துகொள்ளக்கூடிய தொழில்நுட்பத்தை (technology) உருவாக்குவதற்கான சாத்தியக்கூறுகளை ஆராய்வதாகும்.

இந்த ஆராய்ச்சி பல்வேறு அறிவியல் துறைகளை ஒருங்கிணைக்கிறது.

மூளை–கணினி (computer) இடைமுகங்கள் (Brain–Computer Interfaces): மனித மூளையிலிருந்து பெறப்படும் சமிக்ஞைகளைப் பதிவு செய்து ஆய்வு செய்வதற்குப் பயன்படுகின்றன.

செயற்கை நுண்ணறிவு (Artificial Intelligence): நரம்பியல் (neurology) சமிக்ஞைகளில் உள்ள வடிவங்களைக் கண்டறிதல் (detection/diagnosis), மொழி உருவாக்கம், கருத்துகளைப் புரிந்துகொள்ளுதல் மற்றும் பிழைகளைச் சரிசெய்தல் போன்ற பணிகளுக்குப் பயன்படுகிறது.

தகவல் கோட்பாடு (Information Theory): தகவல்களை எவ்வளவு திறமையாகவும் துல்லியமாகவும் பரிமாற முடிகிறது என்பதை கணித ரீதியாக மதிப்பிட உதவுகிறது.

பாதுகாப்பான டிஜிட்டல் (digital) வலையமைப்புகள் (Secure Digital Networking): உருவாக்கப்பட்ட தகவல்களைப் பாதுகாப்பாக மற்றொரு கணினி (computer) அமைப்பிற்கு அனுப்ப உதவுகின்றன.

மூளைத் தூண்டுதல் மற்றும் நரம்பியல் (neurology) தொழில்நுட்பங்கள் (technology): எதிர்காலத்தில் தகவல்களைப் பெறுபவரின் நரம்பியல் (neurology) அமைப்பிற்கே குறிப்பிட்ட தகவல்களை வழங்குவதற்கான வாய்ப்புகளை ஆராய உதவக்கூடும். இதற்கு விரிவான மருத்துவ மற்றும் அறிவியல் பரிசோதனைகள் அவசியமாகும்.

இந்த ஆராய்ச்சியின் முக்கியமான வாய்ப்பு, ஒருவர் சொல்ல விரும்பும் ஒவ்வொரு வார்த்தையையும் தனித்தனியாக உருவாக்கிப் பரிமாற வேண்டிய அவசியமின்றி, அவர் தெரிவிக்க விரும்பும் கருத்தின் பொருளைப் பரிமாறுவதற்கான முறையை உருவாக்குவதிலேயே இருக்கலாம்.

உதாரணமாக, ஒருவர் தனது மனதில் பின்வருமாறு நினைக்கிறார் எனக் கருதுவோம்:

"இந்தத் திட்டத்திற்கு நான் சம்மதிக்கிறேன். ஆனால் இதை நடைமுறைப்படுத்துவதை அடுத்த வாரத்திற்கு ஒத்திவைக்க விரும்புகிறேன்."

எதிர்காலத் தொழில்நுட்பம் (technology) இந்த எண்ணத்தில் உள்ள மூன்று முக்கியமான அம்சங்களை அடையாளம் காண முயற்சிக்கலாம்.

முதலாவது, திட்டத்திற்கு ஒப்புதல்.

இரண்டாவது, உடனடியாக நடைமுறைப்படுத்துவதற்கான தயக்கம்.

மூன்றாவது, அடுத்த வாரத்திற்கு ஒத்திவைக்க வேண்டும் என்ற கோரிக்கை.

இந்த அடிப்படை அர்த்தங்களை செயற்கை நுண்ணறிவு (artificial intelligence) அடையாளம் கண்டு, மற்றொருவருக்குப் புரிந்துகொள்ளக்கூடிய வாக்கியமாக உருவாக்கலாம்.

ஆனால் இங்கு ஒரு முக்கியமான சவால் உள்ளது.

செயற்கை நுண்ணறிவு (artificial intelligence) உருவாக்கும் வாக்கியம் மொழி ரீதியாக அழகாக இருப்பது மட்டும் போதாது.

அது முதலாவது மனிதர் உண்மையில் தெரிவிக்க விரும்பிய கருத்தை மாற்றமின்றி வெளிப்படுத்த வேண்டும்.

இதுவே அர்த்த அடிப்படையிலான தொடர்பாடல் (Semantic Communication) என்ற கருத்தின் முக்கியத்துவமாகும்.

இந்த ஆராய்ச்சியை நடைமுறைப்படுத்துவதற்கான ஆரம்பகட்ட அமைப்பை ஆறு முக்கிய நிலைகளாகப் பிரிக்கலாம்.

ஒரு நபர் தனது முழுமையான சம்மதத்துடன், மற்றொருவருக்குத் தகவல் தெரிவிக்கத் தீர்மானிக்கிறார்.

அந்த நேரத்தில் அவர் வேண்டுமென்றே தெரிவிக்க முயற்சிக்கும் சொல், கட்டளை அல்லது கருத்துடன் தொடர்புடைய மூளைச் செயல்பாடுகள் பொருத்தமான நரம்பியல் (neurology) இடைமுகத்தின் உதவியுடன் பதிவு செய்யப்படுகின்றன.

ஆரம்பகட்ட ஆராய்ச்சியில் அறுவைச் (surgery) சிகிச்சை (treatment) தேவையில்லாத EEG போன்ற முறைகளையும் ஏற்கெனவே வெளியிடப்பட்ட ஆராய்ச்சித் தரவுகளையும் (data) பயன்படுத்தலாம்.

பதிவு செய்யப்பட்ட மூளைச் சமிக்ஞைகள் இயந்திரக் கற்றல் மாதிரிகள் மூலம் ஆய்வு செய்யப்படுகின்றன.

இதன் நோக்கம், அந்த நபர் வேண்டுமென்றே தெரிவிக்க முயற்சித்த தகவலை அடையாளம் காண்பதாகும்.

ஆரம்பத்தில் குறைந்த எண்ணிக்கையிலான சொற்கள், கட்டளைகள் அல்லது கருத்துகளை அடையாளம் காணும் முறையிலிருந்து ஆராய்ச்சி தொடங்கப்பட வேண்டும்.

அந்த அடிப்படைத் தொழில்நுட்பத்தின் (technology) துல்லியம் உறுதிசெய்யப்பட்ட பின்னரே சிக்கலான எண்ணங்களைப் புரிந்துகொள்ளும் முயற்சிகளுக்கு முன்னேற வேண்டும்.

அடையாளம் காணப்பட்ட தகவல், செயற்கை நுண்ணறிவின் (artificial intelligence) உதவியுடன் ஒரு கட்டமைக்கப்பட்ட டிஜிட்டல் (digital) வடிவமாக மாற்றப்படுகிறது.

இதில் அந்த எண்ணத்தின் முக்கியமான கருத்துகள், அவற்றுக்கிடையிலான தொடர்புகள், நிபந்தனைகள் மற்றும் கணிப்பின் நிச்சயமற்ற தன்மை ஆகியவை இடம்பெறலாம்.

இதன்மூலம் முழுமையான வாக்கியத்தை உருவாக்குவதற்கு முன்பே, தகவலின் அடிப்படைப் பொருளை ஒரு கணினி (computer) அமைப்பில் பிரதிநிதித்துவப்படுத்த முடியும்.

உருவாக்கப்பட்ட தரவு (data) பாதுகாப்பான, மறையாக்கம் செய்யப்பட்ட டிஜிட்டல் (digital) தொடர்பு வழியாக மற்றொரு அமைப்பிற்கு அனுப்பப்படுகிறது.

இந்தக் கட்டத்தில் கணினி வலையமைப்பின் (computer network) வேகம் மிகப்பெரிய தடையாக இருக்க வேண்டிய அவசியமில்லை.

ஏனெனில், தற்போதைய கணினி வலையமைப்புகளே (computer network) மிக அதிக வேகத்தில் தகவல்களைப் பரிமாறக்கூடியவை.

மாறாக, மூளைச் சமிக்ஞைகளைத் துல்லியமாகப் புரிந்துகொள்வதும், சரியான கருத்தை உருவாக்குவதும், முழுச் செயல்முறைக்குத் தேவையான நேரத்தைக் குறைப்பதுமே மிகவும் சிக்கலான பிரச்சினைகளாக இருக்கலாம்.

பெறப்பட்ட தகவலை செயற்கை நுண்ணறிவு (artificial intelligence) மற்றொரு மனிதருக்குப் புரிந்துகொள்ளக்கூடிய வடிவமாக மாற்றுகிறது.

அது எழுத்தாகவோ, பேச்சாகவோ அல்லது வேறு பொருத்தமான தொடர்பாடல் வடிவமாகவோ இருக்கலாம்.

தகவலைப் பெறுபவர் அதன் பொருளைப் புரிந்துகொள்ளவும், சந்தேகம் இருந்தால் விளக்கம் கேட்கவும், செயற்கை நுண்ணறிவின் (artificial intelligence) கணிப்பில் உள்ள நிச்சயமற்ற தன்மையை அறிந்துகொள்ளவும் வழிவகை செய்யப்பட வேண்டும்.

தகவலைப் பெறுபவர் அந்தக் கருத்தைச் சரியாகப் புரிந்துகொண்டாரா என்பதை உறுதிசெய்ய வேண்டும்.

தேவைப்பட்டால் விளக்கம் அல்லது திருத்தம் கோருவதற்கான வசதியும் வழங்கப்பட வேண்டும்.

எதிர்காலத்தில் நேரடியான மூளை–மூளைத் தொடர்பாடலை உருவாக்க வேண்டுமானால், தகவலைப் பெறுபவரின் நரம்பியல் (neurology) அமைப்பிற்கு அந்தத் தகவலை வழங்கக்கூடிய தனியான தொழில்நுட்பமும் (technology) உருவாக்கப்பட வேண்டும்.

இங்கு ஒரு முக்கியமான வேறுபாட்டைக் கவனிக்க வேண்டும்.

ஒருவரின் மூளைச் சமிக்ஞையை கணினி (computer) மூலம் எழுத்தாக மாற்றி, மற்றொருவர் திரையில் படிப்பது என்பது மூளை–கணினி (computer)–மனிதர் தொடர்பாடலாகும்.

அதனை முழுமையான நேரடி மூளை–மூளைத் தொடர்பாடல் என்று கூற முடியாது.

இந்த வேறுபாடு ஆராய்ச்சியின் அனைத்து நிலைகளிலும் தெளிவாகப் பேணப்பட வேண்டும்.

இந்த ஆராய்ச்சிக்கான மையக் கருதுகோள் பின்வருமாறு முன்மொழியப்படுகிறது.

மனிதர்கள் வேண்டுமென்றே தொடர்பாட விரும்பும் நரம்பியல் (neurology) தகவல்களை செயற்கை நுண்ணறிவின் (artificial intelligence) உதவியுடன் அடையாளம் கண்டு, அவற்றின் பொருளைத் திறமையான டிஜிட்டல் (digital) வடிவமாக மாற்றுவதன் மூலம், பேச்சு அல்லது எழுத்துடன் ஒப்பிடும்போது குறைந்த நேரத்தில் குறிப்பிட்ட கருத்துகளை மற்றவர்களுக்குப் பரிமாற முடியும். அதே நேரத்தில் ஏற்றுக்கொள்ளத்தக்க துல்லியத்தையும் பேண முடியும்.

இந்தக் கருதுகோளை அறிவியல் ரீதியாகப் பரிசோதிக்க முடியும்.

இதற்காக ஒரே வகையான தகவல்களை வழக்கமான பேச்சு, எழுத்து மற்றும் செயற்கை நுண்ணறிவுடன் (artificial intelligence) இணைக்கப்பட்ட நரம்பியல் (neurology) இடைமுகங்கள் ஆகியவற்றின் மூலம் பரிமாறிப் பார்க்கலாம்.

சாத்தியமான இடங்களில் ஒரே பங்கேற்பாளர்களையும் ஒரே தகவல்களையும் பயன்படுத்தி முடிவுகளை ஒப்பிட வேண்டும்.

இந்த ஆய்வில் பின்வரும் அளவீடுகள் (measurement) முக்கியமானவை.

1. முழுமையான தகவல் பரிமாற்றத் தாமதம் (End-to-End Latency)

ஒருவர் தகவலைத் தெரிவிக்கத் தொடங்கிய நேரத்திலிருந்து மற்றொருவர் அதைச் சரியாகப் பெற்றுக்கொள்ளும் வரையிலான நேரம்.

2. பயனுள்ள தகவல் பரிமாற்ற வீதம் (Effective Information-Transfer Rate)

பிழைகள் மற்றும் திருத்தங்களைக் கருத்தில் கொண்ட பின்னர், ஒரு வினாடியில் எவ்வளவு தகவல் சரியாகப் பரிமாறப்பட்டது என்பதைக் குறிக்கும் அளவீடு.

3. அர்த்தத் துல்லியம் (Semantic Fidelity)

முதலாவது மனிதர் தெரிவிக்க விரும்பிய கருத்திற்கும், இரண்டாவது மனிதர் புரிந்துகொண்ட கருத்திற்கும் இடையே உள்ள பொருள் ஒற்றுமை.

4. பிழை வீதம் (Error Rate)

தவறாக அடையாளம் காணப்பட்ட சொற்கள், கருத்துகள், தொடர்புகள் மற்றும் முடிவுகளின் அளவு.

5. பெறுபவரின் புரிதல் (Receiver Comprehension)

தகவலைப் பெற்றவர் அதன் உண்மையான பொருளைச் சரியாகப் புரிந்துகொண்டாரா என்பதைக் குறிக்கும் அளவீடு.

6. பயனரின் முயற்சி (User Effort)

தொழில்நுட்பத்தைப் (technology) பயன்படுத்துவதற்குத் தேவையான கவனம், மனச்சோர்வு (depression) அல்லது களைப்பு, பயிற்சி மற்றும் பயன்பாட்டின் எளிமை.

7. தனியுரிமைப் (privacy) பாதுகாப்பு (Privacy Protection)

பயனர் அனுமதிக்காத எண்ணங்கள் அல்லது தகவல்கள் தவறுதலாக வெளியிடப்படுகின்றனவா என்பதைக் கண்காணித்தல்.

ஒரு தொழில்நுட்பத்தின் (technology) இணைய (internet) இணைப்பு வேகமாக உள்ளது என்பதற்காக மட்டும் மனிதர்களுக்கிடையிலான தொடர்பாடல் வேகமாகிவிட்டது என்று கூற முடியாது.

அதேபோல், செயற்கை நுண்ணறிவு (artificial intelligence) ஒரு வாக்கியத்தை மிக வேகமாக உருவாக்குகிறது என்பதும் போதுமான ஆதாரம் அல்ல.

முழுமையான மனிதர்–மனிதர் தொடர்பாடல் செயல்முறையே அளவிடப்பட வேண்டும்.

இந்த ஆராய்ச்சியை மூன்று முக்கியமான கட்டங்களாக மேற்கொள்ளலாம்.

ஆரம்பத்தில், மனிதர்கள் வேண்டுமென்றே தெரிவிக்க விரும்பும் சில குறிப்பிட்ட கருத்துகளை மூளைச் சமிக்ஞைகளிலிருந்து அடையாளம் காண முடியுமா என்பதை ஆராய வேண்டும்.

ஏற்கெனவே வெளியிடப்பட்ட EEG தரவுத்தொகுப்புகளையோ (data), உரிய ஒப்புதல் மற்றும் அனுமதியுடன் மேற்கொள்ளப்படும் புதிய ஆய்வுகளையோ பயன்படுத்தலாம்.

உதாரணமாக, பங்கேற்பாளர்கள் (participants) பின்வரும் கருத்துகளில் ஒன்றைத் தெரிவிக்க முயற்சிக்கலாம்.

இந்தக் கருத்துகளுடன் தொடர்புடைய மூளைச் சமிக்ஞைகளில் வேறுபாடுகள் காணப்படுகின்றனவா என்பதை இயந்திரக் கற்றல் மாதிரிகள் மூலம் ஆய்வு செய்யலாம்.

பின்னர், பயிற்சிக்குப் பயன்படுத்தப்படாத தரவுகள் (data), வேறுபட்ட பரிசோதனை அமர்வுகள் மற்றும் சுயாதீனமான பங்கேற்பாளர்களைக் கொண்டு மாதிரியின் செயல்திறனை மதிப்பிட வேண்டும்.

இந்தக் கட்டத்தின் முக்கியமான கேள்வி:

மூளைச் சமிக்ஞைகளிலிருந்து மனிதர் தெரிவிக்க விரும்பும் கருத்தை நம்பகமான முறையில் அடையாளம் காண முடியுமா என்பதாகும்.

முதற்கட்டத்தில் அடையாளம் காணப்பட்ட தகவல்களைச் செயற்கை நுண்ணறிவின் (artificial intelligence) உதவியுடன் முழுமையான கருத்துகளாக மாற்றும் முயற்சி மேற்கொள்ளப்படலாம்.

இதில் மூன்று அம்சங்கள் ஒப்பிடப்பட வேண்டும்.

முதலாவது, தகவலை அனுப்பியவர் உண்மையில் தெரிவிக்க விரும்பிய கருத்து.

இரண்டாவது, செயற்கை நுண்ணறிவு (artificial intelligence) மீட்டுருவாக்கிய கருத்து.

மூன்றாவது, அந்தத் தகவலைப் பெற்றவர் புரிந்துகொண்ட பொருள்.

இந்த மூன்றும் எவ்வளவு துல்லியமாகப் பொருந்துகின்றன என்பதைக் கணித மற்றும் புள்ளியியல் முறைகளின் மூலம் ஆராய வேண்டும்.

மிக முக்கியமாக, செயற்கை நுண்ணறிவிற்கு (artificial intelligence) ஒரு கருத்து தெளிவாகப் புரியாதபோது, அது தவறான தகவலை உருவாக்காமல் தனது நிச்சயமற்ற தன்மையை வெளிப்படுத்த வேண்டும்.

இந்த முறையின் செயல்திறன் வழக்கமான தட்டச்சு, பேச்சு மற்றும் பிற தொடர்பாடல் முறைகளுடன் ஒப்பிடப்பட வேண்டும்.

மூன்றாவது கட்டத்தில், முழுமையான சம்மதத்துடன் பங்கேற்கும் இரண்டு மனிதர்களுக்கிடையில் தகவல் பரிமாற்றப் பரிசோதனைகள் மேற்கொள்ளப்படலாம்.

முதலாவது நபர் வேண்டுமென்றே ஒரு தகவலை மூளைச் சமிக்ஞை மூலம் தெரிவிக்க முயற்சிக்கிறார்.

அந்தச் சமிக்ஞையை செயற்கை நுண்ணறிவு (artificial intelligence) ஆய்வு செய்து, தொடர்புடைய தகவலை அடையாளம் கண்டு, பாதுகாப்பான முறையில் அனுப்புகிறது.

இரண்டாவது நபர் அந்தத் தகவலைப் பெற்றுப் புரிந்துகொள்கிறார்.

பின்னர் முழுமையான தொடர்பாடல் செயல்முறையின் வேகம், துல்லியம் மற்றும் நம்பகத்தன்மை ஆகியவை அளவிடப்படுகின்றன.

தகவலைப் பெறுபவரின் மூளைக்கே நேரடியாகத் தகவலை வழங்குவது மிகவும் மேம்பட்ட தனியான ஆராய்ச்சிக் கட்டமாக அமையும்.

அத்தகைய முயற்சிகளுக்கு நரம்பியல் (neurology) நிபுணத்துவம், ஒழுங்குமுறை அனுமதிகள், மருத்துவப் (medical) பாதுகாப்பு மற்றும் கடுமையான அறநெறிக் கட்டுப்பாடுகள் அவசியமாகும்.

எனவே, ஆரம்பகட்ட ஆராய்ச்சியில் செயற்கை நுண்ணறிவின் (artificial intelligence) உதவியுடன் மனிதர்களுக்கிடையிலான தொடர்பாடல் செயல்திறனை மேம்படுத்த முடிகிறதா என்பதை நிரூபிப்பதற்கே முன்னுரிமை வழங்கப்பட வேண்டும்.

இந்த ஆராய்ச்சியில் பல முக்கியமான சவால்கள் உள்ளன.

முதலாவதாக, எல்லா மனிதர்களின் மூளைகளும் சொற்களையும் கருத்துகளையும் ஒரே மாதிரியான நரம்பியல் (neurology) வடிவங்களில் பிரதிநிதித்துவப்படுத்துவதில்லை.

எனவே, ஒவ்வொரு மனிதருக்கும் தனிப்பட்ட பயிற்சி அல்லது மாதிரி சரிசெய்தல் தேவைப்படலாம்.

இரண்டாவதாக, EEG போன்ற அறுவைச் (surgery) சிகிச்சையற்ற முறைகளில் பதிவு செய்யப்படும் சமிக்ஞைகளில் அதிகமான இரைச்சல்கள் மற்றும் இடையூறுகள் இருக்கலாம்.

மூளையில் பொருத்தப்படும் மின்முனைகளுடன் ஒப்பிடும்போது, சில வகையான நரம்பியல் (neurology) செயல்பாடுகளை நுணுக்கமாக அடையாளம் காணும் திறனும் குறைவாக இருக்கலாம்.

மூன்றாவதாக, பேச முயற்சிப்பது, மனதில் பேச்சைக் கற்பனை செய்வது, ஒரு கருத்தைத் தெரிவிக்க நினைப்பது மற்றும் தனிப்பட்ட முறையில் தன்னிச்சையாகச் சிந்திப்பது ஆகியவை ஒரே வகையான நரம்பியல் (neurology) செயல்பாடுகள் அல்ல.

இவற்றைத் தனித்தனியாக ஆராய வேண்டியது அவசியமாகும்.

நான்காவதாக, பெரிய மொழி மாதிரிகள் (large language model) சில நேரங்களில் தங்களுக்குக் கிடைத்த தகவல்களின் அடிப்படையில் உண்மைக்கு மாறான, ஆனால் நம்பத்தகுந்ததாகத் தோன்றும் வாக்கியங்களை உருவாக்கக்கூடும்.

மனித எண்ணப் பரிமாற்றத் தொழில்நுட்பத்தில் (technology) இத்தகைய தவறுகள் மிகப்பெரிய பிரச்சினையாக மாறலாம்.

ஏனெனில், ஒரு மனிதர் நினைக்காத கருத்தை அவர் நினைத்ததாக மற்றொருவருக்குத் தெரிவிப்பது தீவிரமான தவறான புரிதல்களை ஏற்படுத்தக்கூடும்.

ஐந்தாவதாக, அறிவியல் ஆய்வுகளின் (studies) முடிவுகளை மற்ற ஆய்வாளர்கள் மீண்டும் பெற்றுக்காட்ட முடிவது மிகவும் முக்கியமானது.

2026ஆம் ஆண்டு Journal of Neural Engineering ஆய்விதழில் வெளியிடப்பட்ட ஒரு ஆராய்ச்சி, மனதில் கற்பனை செய்யப்படும் பேச்சை அடையாளம் காணும் ஆய்வுகளின் முடிவுகளை மீண்டும் உருவாக்குவதில் பல சிக்கல்கள் இருப்பதை எடுத்துக்காட்டியது.

அந்த ஆய்வில் பரிசீலிக்கப்பட்ட பேச்சுக் கற்பனைத் தரவுத்தொகுப்புகளில் (data), வெறும் 36% பங்கேற்பாளர்களுக்கே உரிய புள்ளியியல் முக்கியத்துவ வரம்பைத் தாண்டிய வகைப்பாட்டுத் துல்லியம் கிடைத்தது [10].

இது இந்தத் துறையில் சுயாதீனமான சரிபார்ப்பு, வெளிப்படையான ஆய்வு முறைகள் மற்றும் நம்பகமான பரிசோதனைகள் எவ்வளவு முக்கியமானவை என்பதை உணர்த்துகிறது.

இறுதியாக, தகவல் பரிமாற்ற வேகம் மட்டுமே ஒரே சவால் அல்ல.

மனிதர்களின் கவனம், நினைவாற்றல், புரிதல் மற்றும் சிந்தனைச் செயல்முறைகளும் இதில் முக்கியமான பங்காற்றுகின்றன.

பேச வேண்டிய அவசியத்தை நீக்கிவிட்டால் மட்டுமே ஒரு சிக்கலான கருத்தை உருவாக்குவதற்கோ புரிந்துகொள்வதற்கோ தேவையான நேரம் முற்றிலும் மறைந்துவிடாது.

தற்போதைய அறிவியல் ஆதாரங்களின் அடிப்படையில், மனிதர்களின் எல்லா வகையான எண்ணங்களையும் கிகாபிட் வேகத்தில் நேரடியாகப் பரிமாற முடியும் என்று கூற முடியாது.

டிஜிட்டல் (digital) தரவுப் (data) பரிமாற்ற வேகத்தையும், அர்த்தமுள்ள மனிதச் சிந்தனைகளின் பரிமாற்ற வேகத்தையும் ஒன்றாகக் கருதுவது அறிவியல் ரீதியாகத் தவறான அணுகுமுறையாகும்.

மனித மூளையின் நரம்பியல் (neurology) சமிக்ஞைகளைப் புரிந்துகொள்ளும் தொழில்நுட்பங்கள் (technology) மிகவும் முக்கியமான அறநெறிப் பொறுப்புகளையும் உருவாக்குகின்றன.

சாதாரண கணினி (computer) அமைப்புகளில் மனிதர்கள் தாங்களாகவே உள்ளிடும் தகவல்கள் செயலாக்கப்படுகின்றன (processing).

ஆனால் நரம்பியல் (neurology) இடைமுகங்கள், ஒருவர் மற்றவர்களுக்குத் தெரிவிக்க விரும்பாத தனிப்பட்ட மனச் செயல்பாடுகளுடன் தொடர்புடைய சமிக்ஞைகளையும் பதிவு செய்யக்கூடும்.

எனவே, எமது ஆராய்ச்சியின் மிக முக்கியமான அடிப்படைக் கொள்கை பின்வருமாறு இருக்க வேண்டும்.

ஒரு மனிதர் தனது முழுமையான சம்மதத்துடன் வேண்டுமென்றே பரிமாற விரும்பும் தகவல்கள் மட்டுமே அடையாளம் காணப்பட்டு மற்றவர்களுக்கு அனுப்பப்பட வேண்டும்.

இந்தக் கொள்கையை நடைமுறைப்படுத்துவதற்கு பல்வேறு பாதுகாப்பு ஏற்பாடுகள் அவசியமாகும்.

பயனர் வெளிப்படையாகத் தொடர்பாடலைத் தொடங்குவதற்கான கட்டுப்பாடு இருக்க வேண்டும்.

சாத்தியமான இடங்களில் நரம்பியல் (neurology) தரவுகள் (data) பயனரின் சொந்தச் சாதனத்திலேயே செயலாக்கப்பட (processing) வேண்டும்.

தகவல்கள் மறையாக்கம் செய்யப்பட்ட முறையில் பரிமாறப்பட வேண்டும்.

அனுமதியற்ற நபர்கள் மூளைச் சமிக்ஞைகளை அணுகுவதைத் தடுப்பதற்கான வலுவான பாதுகாப்பு அமைப்புகள் உருவாக்கப்பட வேண்டும்.

தேவையற்ற நரம்பியல் (neurology) தரவுகளை (data) நீண்டகாலமாகச் சேமிப்பதைத் (storage) தவிர்க்க வேண்டும்.

பயனர் எந்த நேரத்திலும் தகவல் பரிமாற்றத்தை உடனடியாக நிறுத்தக்கூடிய வசதி இருக்க வேண்டும்.

மேலும், செயற்கை நுண்ணறிவு (artificial intelligence) உருவாக்கும் கருத்துகள், ஒருவரின் மனதில் இருந்த எண்ணங்களின் நூறு சதவீத உறுதியான பதிவுகள் அல்ல என்பதைத் தெளிவுபடுத்த வேண்டும்.

அவை நரம்பியல் (neurology) சமிக்ஞைகளின் அடிப்படையில் உருவாக்கப்பட்ட கணிப்புகளாகும்.

2025ஆம் ஆண்டு நவம்பர் மாதம் UNESCO நிறுவனம் நரம்பியல் (neurology) தொழில்நுட்பங்களின் (technology) அறநெறிப் பயன்பாடு தொடர்பான சர்வதேசப் பரிந்துரையை ஏற்றுக்கொண்டது [11].

மனதின் தனியுரிமை, மனித கண்ணியம் மற்றும் நரம்பியல் (neurology) தொழில்நுட்பங்களின் (technology) பொறுப்பான பயன்பாடு ஆகியவற்றுக்கு இந்தப் பரிந்துரை முக்கியத்துவம் வழங்குகிறது.

எமது ஆராய்ச்சியிலும் தொழில்நுட்ப (technology) வளர்ச்சியுடன் இணைந்தே தனியுரிமை மற்றும் அறநெறிப் பாதுகாப்பு நடவடிக்கைகள் முன்னெடுக்கப்பட வேண்டும்.

இந்த ஆராய்ச்சி வெற்றியடைந்தால், அதன் ஆரம்பகட்டப் பயன்களைப் பேச்சு மற்றும் உடல் இயக்கத் திறன்களில் கடுமையான சிரமங்களை எதிர்கொள்ளும் மனிதர்கள் பெறக்கூடும்.

குறிப்பாக, உடல் இயக்க முடக்கம் மற்றும் சில நரம்பியல் (neurology) பாதிப்புகளால் தொடர்பாட முடியாதவர்களுக்கு மூளை–கணினி (computer) இடைமுகங்கள் புதிய வாய்ப்புகளை உருவாக்கலாம்.

பேச்சு அல்லது உடல் அசைவுகள் மூலம் தொடர்பாடுவது கடினமாக இருக்கும் சில விசேட சூழல்களிலும் இத்தகைய தொழில்நுட்பங்கள் (technology) பயன்படலாம்.

மேலும், மாற்றுத்திறனாளிகளுக்கான கணினிப் (computer) பயன்பாட்டு வசதிகளையும் மேம்படுத்தக்கூடும்.

நீண்டகால நோக்கில் மனிதர்களுக்கும் செயற்கை நுண்ணறிவு (artificial intelligence) அமைப்புகளுக்கும் இடையிலான தொடர்பாடலை மேலும் திறமையானதாக மாற்றுவதற்கும் இந்த ஆராய்ச்சி உதவலாம்.

ஆனால் இத்தகைய பயன்பாடுகளின் உண்மையான பயன்கள் ஒவ்வொன்றாக அறிவியல் ரீதியில் நிரூபிக்கப்பட வேண்டும்.

நேரடி நரம்பியல் (neurology) தொடர்பாடல் எல்லா சந்தர்ப்பங்களிலும் சாதாரண மனித உரையாடலைவிடச் சிறந்ததாக இருக்கும் என்று முன்கூட்டியே கருத முடியாது.

ஏனெனில், மனித மொழி என்பது வெறுமனே தகவல்களைப் பரிமாறுவதற்கான மெதுவான கருவி அல்ல.

அது சிந்தனை, பகுத்தறிவு, உணர்ச்சி வெளிப்பாடு, கருத்துத் தெளிவுபடுத்தல் மற்றும் மனித (mental) உறவுகளை வளர்த்தல் போன்ற பல முக்கியமான பணிகளையும் செய்கிறது.

எனவே, புதிய தொழில்நுட்பம் (technology) மனிதர்களின் தொடர்பாடல் திறனை மேம்படுத்த வேண்டுமே தவிர, மனித மொழியின் இந்த முக்கியமான பண்புகளை இழக்கச் செய்யக்கூடாது.

இந்த ஆராய்ச்சி மனிதர்களின் எல்லா எண்ணங்களையும் நேரடியாகப் பரிமாறும் தொழில்நுட்பம் (technology) ஏற்கெனவே உருவாக்கப்பட்டுவிட்டது என்ற அடிப்படையில் முன்மொழியப்படவில்லை.

மாறாக, மூளைச் சமிக்ஞைகளை அடையாளம் காணுதல், செயற்கை நுண்ணறிவின் (artificial intelligence) உதவியுடன் கருத்தின் பொருளைப் புரிந்துகொள்ளுதல், தகவல் பரிமாற்றச் செயல்திறனை அளவிடுதல் மற்றும் மனிதர்களின் உண்மையான புரிதலை மதிப்பிடுதல் ஆகியவற்றை ஒருங்கிணைக்கும் அறிவியல் ஆராய்ச்சிக் கட்டமைப்பாக இது முன்மொழியப்படுகிறது.

இதன் முக்கியமான கேள்வி:

மனித மூளைக்குள் (brain) ஒரு மின்னணு (electronic) வலையமைப்பின் (network) முழு தரவுப் (data) பரிமாற்றத் திறனை உருவாக்க முடியுமா என்பதல்ல.

ஒரு மனிதர் தனது மனதில் ஒரு கருத்தை உருவாக்கும் தருணத்திற்கும், மற்றொரு மனிதர் அந்தக் கருத்தைச் சரியாகப் புரிந்துகொள்ளும் தருணத்திற்கும் இடையிலான நேரத்தைக் குறைக்க முடியுமா என்பதே முக்கியமான கேள்வியாகும்.

இதற்காக, வழக்கமான பேச்சை அடையாளம் காணும் நரம்பியல் (neurology) தொழில்நுட்பங்களுடன் (technology) ஒப்பிடும்போது, செயற்கை நுண்ணறிவின் (artificial intelligence) உதவியுடன் உருவாக்கப்படும் அர்த்த அடிப்படையிலான தகவல் பிரதிநிதித்துவங்கள் கூடுதல் செயல்திறனை வழங்குகின்றனவா என்பதை ஆராய வேண்டும்.

ஒரு தொழில்நுட்பம் (technology) வெற்றிகரமானது என்று கூறுவதற்கு, செயற்கை நுண்ணறிவு (artificial intelligence) அழகான வாக்கியங்களை உருவாக்குவது மட்டும் போதாது.

அது தகவல் பரிமாற்ற நேரத்தைக் குறைக்க வேண்டும்.

அனுப்பப்பட்ட கருத்தின் உண்மையான பொருளைப் பாதுகாக்க வேண்டும்.

பிழைகளை ஏற்றுக்கொள்ளத்தக்க அளவில் கட்டுப்படுத்த வேண்டும்.

பல்வேறு மனிதர்களிடமும் நடைமுறைச் சூழல்களிலும் நம்பகமான முறையில் செயல்பட வேண்டும்.

இந்த நிபந்தனைகள் அறிவியல் பரிசோதனைகள் மூலம் நிரூபிக்கப்பட வேண்டும்.

சில அணுகுமுறைகள் வழக்கமான தொடர்பாடலைவிடச் சிறப்பாகச் செயல்படாமல் போகலாம் என்பதையும் ஆராய்ச்சி ஏற்றுக்கொள்ள வேண்டும்.

அறிவியல் ஆராய்ச்சியின் உண்மையான மதிப்பு முன்கூட்டியே எதிர்பார்க்கப்பட்ட முடிவை நிரூபிப்பதில் மட்டும் இல்லை.

அந்தக் கருதுகோள் சரியானதா, தவறானதா என்பதை நம்பகமான ஆதாரங்களின் அடிப்படையில் கண்டறிவதிலேயே உள்ளது.

கடந்த சில தசாப்தங்களில் கணினிகளின் (computer) தரவுப் (data) பரிமாற்றத் தொழில்நுட்பங்கள் (technology) மிகப்பெரிய வளர்ச்சியை அடைந்துள்ளன.

இன்று உலகின் பல்வேறு பகுதிகளில் அமைந்துள்ள கணினிகள் (computer) மிகப்பெரிய அளவிலான தகவல்களை அதிவேகமாகப் பரிமாறிக்கொள்கின்றன.

ஆனால் மனிதர்களுக்கிடையிலான தொடர்பாடல் இன்னமும் பெரும்பாலும் பேச்சு, எழுத்து மற்றும் பிற உடல்சார்ந்த வெளிப்பாட்டு முறைகளையே சார்ந்துள்ளது.

சமீபத்திய நரம்பியல் (neurology) ஆராய்ச்சிகள், மூளைச் சமிக்ஞைகளிலிருந்து பேச்சை மீட்டுருவாக்குதல், மனதில் கற்பனை செய்யப்படும் பேச்சை அடையாளம் காணுதல் மற்றும் வரையறுக்கப்பட்ட தகவல்களை மூளைகளுக்கிடையில் பரிமாறுதல் ஆகிய துறைகளில் குறிப்பிடத்தக்க முன்னேற்றங்களை ஏற்படுத்தியுள்ளன.

இருப்பினும், மனிதர்களின் எல்லா வகையான எண்ணங்களையும் நேரடியாகவும் துல்லியமாகவும் அதிவேகமாகவும் பரிமாறும் தொழில்நுட்பம் (technology) இன்னும் உருவாக்கப்படவில்லை.

இது தீர்க்கப்பட வேண்டிய மிகப்பெரிய அறிவியல் சவாலாகத் தொடர்கிறது.

எதிர்காலத்தில் செயற்கை நுண்ணறிவு (artificial intelligence) மற்றும் நரம்பியல் (neurology) தொழில்நுட்பங்களின் (technology) ஒருங்கிணைப்பு, மனிதர்கள் தங்களது எண்ணங்களை வெளிப்படுத்துவதற்குத் தேவையான நேரத்தைக் குறைப்பதற்கான புதிய வழிகளை உருவாக்கக்கூடும்.

இதற்கான நடைமுறை ஆராய்ச்சி, மனிதர்கள் வேண்டுமென்றே தெரிவிக்க முயற்சிக்கும் நரம்பியல் (neurology) சமிக்ஞைகளிலிருந்து தொடங்க வேண்டும்.

பின்னர் அவற்றைத் துல்லியமாக அடையாளம் காணும் மாதிரிகளை உருவாக்க வேண்டும்.

தொடர்ந்து, தகவல்களின் உண்மையான பொருள் எவ்வளவு துல்லியமாகப் பாதுகாக்கப்படுகிறது என்பதை மதிப்பிட வேண்டும்.

இறுதியாக, இந்தத் தொழில்நுட்பம் (technology) மனிதர்களுக்கிடையிலான தொடர்பாடல் வேகத்தையும் செயல்திறனையும் உண்மையில் மேம்படுத்துகிறதா என்பதை அறிவியல் ரீதியாக நிரூபிக்க வேண்டும்.

அதன் பின்னரே முழுமையான நேரடி மூளை–மூளைத் தொடர்பாடல் போன்ற மேம்பட்ட தொழில்நுட்பங்களை (technology) நோக்கி முன்னேற முடியும்.

ஒரு மனிதர் தனது மனதில் ஒரு எண்ணத்தை உருவாக்கும் வேகத்திற்கும், அந்த எண்ணத்தின் உண்மையான பொருளை மற்றொரு மனிதர் துல்லியமாகப் புரிந்துகொள்ளும் வேகத்திற்கும் இடையிலான இடைவெளியை முடிந்தவரை குறைப்பதே எனது ஆராய்ச்சியின் இறுதி நோக்கமாகும்.

இதற்காகச் செயற்கை நுண்ணறிவு (artificial intelligence), மூளை–கணினி (computer) இடைமுகங்கள், நரம்பியல் (neurology) அறிவியல், தகவல் கோட்பாடு மற்றும் பாதுகாப்பான அதிவேகத் தொடர்பாடல் தொழில்நுட்பங்கள் (technology) ஆகியவற்றை ஒருங்கிணைத்து ஆராய்வதே எனது முன்மொழியப்பட்ட அணுகுமுறையாகும்.

எமது இலக்கு வெறுமனே அதிகமான தரவுகளை (data) அதிவேகமாக அனுப்புவது அல்ல.

மனிதர்களின் எண்ணங்களையும் கருத்துகளையும் அவற்றின் உண்மையான பொருள் மாறாமல், பாதுகாப்பாகவும் துல்லியமாகவும் மிகக் குறைந்த நேரத்தில் பரிமாறக்கூடிய புதிய தொடர்பாடல் முறையை உருவாக்குவதற்கான அறிவியல் அடித்தளத்தை அமைப்பதே எமது இலக்காகும்.

கட்டுரையின் வகை: அறிவியல் ஆய்வுக் கட்டுரை மற்றும் முன்மொழியப்பட்ட ஆராய்ச்சிக் கட்டமைப்பு.

ஆய்வுக் குறிப்பு: இந்தக் கட்டுரை ஏற்கெனவே வெளியிடப்பட்ட அறிவியல் ஆய்வுகளின் முடிவுகளைத் தொகுத்து ஆராய்வதுடன், எதிர்கால ஆராய்ச்சிக்கான ஒரு புதிய அணுகுமுறையையும் முன்மொழிகிறது. இதில் முன்மொழியப்பட்ட முழுமையான தொழில்நுட்பம் (technology) ஏற்கெனவே உருவாக்கப்பட்டுவிட்டதாகவோ, அதற்கான புதிய பரிசோதனைகள் நிறைவடைந்து முடிவுகள் உறுதிசெய்யப்பட்டுவிட்டதாகவோ இக்கட்டுரை உரிமை கோரவில்லை.

B.Sc. (Computer Science, Mathematics and Statistics) | M.Sc. (Information Technology) | E-Commerce Professional