নিউরাল এনকোডিং যদি অনুসন্ধান করে বাহ্যিক উদ্দীপনা কীভাবে মস্তিষ্কে স্পাইকের প্যাটার্ন তৈরি করে ($p(mathbf{r} | s)$), তবে নিউরাল ডিকোডিং হলো তার ঠিক বিপরীত মৌলিক সমস্যা যা মস্তিষ্কের পরবর্তী স্তর বা ব্রেন-কম্পিউটার ইন্টারফেসকে (BCI) সমাধান করতে হয়: দেখা যাওয়া স্পাইক $mathbf{r}$ থেকে কীভাবে উদ্ধার করা যাবে আদি উদ্দীপনা বা উদ্দেশ্য $s$? ক্লদ শ্যাননের তথ্যতত্ত্ব এবং রোনাল্ড ফিশারের প্রাক্কলন তত্ত্বের সমন্বয়ে আধুনিক গণনামূলক স্নায়ুবিজ্ঞান মস্তিষ্কের কোড ডিকোড করার এক অভাবনীয় দ্বার উন্মোচন করেছে।
১. জর্জোপোলোস পপুলেশন ভেক্টর (Population Vector)
কর্টেক্সের নিউরনগুলো সাধারণত একক মানের জন্য নয়, বরং টিউনিং কার্ভের মাধ্যমে একটি বিস্তৃত অঞ্চলের জন্য সংবেদনশীল। ১৯৮২ সালে অ্যাপোস্টোলোস জর্জোপোলোস রেসাস বানরের মোটর কর্টেক্সে হাত নাড়ানোর গতি রেকর্ড করে দেখেন যে প্রতিটি নিউরন তার একটি পছন্দের দিক $vec{c}_i$-এর সাথে কোসাইন কোণ অনুপাতে সর্বোচ্চ ফায়ার করে:
f_i(theta) = b_i + k_i cos(theta – theta_i)
যেহেতু একটি একক নিউরনের ফায়ারিং রেট দেখে নিখুঁত দিক বলা অসম্ভব, মস্তিষ্ক হাজার হাজার নিউরনের সমন্বিত ভোটের মাধ্যমে দিক নির্ধারণ করে: যা হলো জর্জোপোলোস পপুলেশন ভেক্টর:
vec{F}_{text{pop}} = sum_{i=1}^N left( frac{r_i – b_i}{k_i} right) vec{c}_i
প্রতিটি নিউরন তার পছন্দের দিকের ভেক্টর প্রদান করে, যা তার স্বাভাবিকের চেয়ে অতিরিক্ত ফায়ারিং রেট দ্বারা গুণিত হয়। এই সমন্বিত পপুলেশন ভেক্টরটি বানরের হাত নড়াচড়া করার শত মিলিসেকেন্ড আগেই নিখুঁতভাবে হাতের গন্তব্য নির্দেশ করে—যা আজকের সমস্ত ব্রেন-কম্পিউটার ইন্টারফেস (BCI) এবং কৃত্রিম অঙ্গ নিয়ন্ত্রণের মূল ভিত্তি।
২. বায়েসিয়ান ডিকোডিং ও MAP এস্টিমেটর
পরিসংখ্যানগতভাবে আদর্শ ডিকোডার হলো বায়েসের উপপাদ্য প্রয়োগ করা:
p(s | vec{r}) propto p(vec{r} | s) p(s)
ম্যাক্সিমাম এ পোস্টেরিওরি (MAP) এস্টিমেটর অতীত জ্ঞান বা প্রায়র $p(s)$ এবং বর্তমান স্পাইকের লাইকলিহুড একত্রিত করে সবচেয়ে সম্ভাব্য ফলাফল বের করে:
hat{s}_{text{MAP}} = argmax_s left[ ln p(vec{r} | s) + ln p(s) right]
এই বায়েসিয়ান দৃষ্টিভঙ্গি প্রমাণ করে কেন চোখের নানা অপটিক্যাল বিভ্রান্তি বা ইল্যুশন আসলে মস্তিষ্কের কোনো ভুল নয়, বরং নয়েজপূর্ণ সংকেতের সাথে বাস্তব পৃথিবীর অতীত অভিজ্ঞতার নিখুঁত বায়েসিয়ান সমন্বয়।
৩. ফিশার তথ্য ও ক্র্যামার-রাও অসমতা
একটি নিউরন দল কোনো সংকেতকে তাত্ত্বিকভাবে কতটা নিখুঁতভাবে ধারণ করতে পারে? এর পরম সীমা নির্ধারণ করে ফিশার তথ্য (Fisher Information) $J(s)$:
J(s) = sum_{i=1}^N frac{(f_i'(s))^2}{f_i(s)}
ক্র্যামার-রাও অসমতা (Cramér-Rao Bound) অনুসারে, যেকোনো নিরপেক্ষ ডিকোডারের ভ্যারিয়েন্স ফিশার তথ্যের বিপরীতের চেয়ে কম হতে পারে না:
text{Var}(hat{s}) ge frac{1}{J(s)}
লক্ষণীয় যে ফিশার তথ্য টিউনিং কার্ভের ঢাল বা অন্তরক $f'(s)$-এর বর্গের সমানুপাতিক। অর্থাৎ কোনো সংকেত সম্পর্কে সবচেয়ে বেশি তথ্য দেয় সেই নিউরনগুলো নয় যারা চূড়ায় আছে, বরং যাদের টিউনিং কার্ভের ঢাল সবচেয়ে খাড়া!
৪. মিউচুয়াল ইনফরমেশন ও ইনফোম্যাক্স নীতি
শ্যাননের মিউচুয়াল ইনফরমেশন $I(S; R)$ সংকেত ও নিউরাল রেসপন্সের মধ্যবর্তী বিটের হিসাব প্রদান করে। বেল ও সেজনোস্কির ইনফোম্যাক্স নীতি (Infomax Principle) অনুসারে, বিবর্তনের ধারায় সংবেদনশীল অঙ্গগুলো এমনভাবে গঠিত হয়েছে যাতে সীমিত ক্ষমতার চ্যানেলের মধ্য দিয়ে সর্বোচ্চ মিউচুয়াল তথ্য আদান-প্রদান করা যায়। এটি প্রমাণ করে কেন রেটিনা ও ভিজ্যুয়াল কর্টেক্সের গঠন প্রাকৃতিক দৃশ্যের স্বাধীন উপাংশগুলোর সাথে হুবহু মিলে যায়।
