ऑक्सफ़ोर्ड और कैम्ब्रिज की प्रयोगशालाओं में, शोधकर्ता स्वयंसेवकों की मस्तिष्क की विद्युत गतिविधि को रिकॉर्ड कर रहे हैं, जो बस आँखें बंद करके, बिना किसी कार्य को हल किए लेटे हुए हैं। उद्दीपनों और प्रतिक्रियाओं के पारंपरिक प्रयोगों के बजाय, वैज्ञानिक इन "मुक्त" संकेतों पर मशीन लर्निंग एल्गोरिदम लागू कर रहे हैं। परिणामी पैटर्न न केवल मस्तिष्क की गतिविधि को रिकॉर्ड करने की अनुमति देते हैं, बल्कि यह भी भविष्यवाणी करते हैं कि व्यक्ति इस समय वास्तव में क्या सोच रहा है - एक बैठक के बारे में, जो आगे आने वाली है, या एक बातचीत के बारे में जो पहले ही हो चुकी है।
15 जुलाई 2026 को प्रकाशित नेचर रिव्यूज न्यूरोसाइंस में एक समीक्षा लेख, आंद्रेआ लुप्पी और ऑक्सफ़ोर्ड, कैम्ब्रिज, मॉन्ट्रियल और डबलिन के उनके सहयोगियों द्वारा लिखा गया है। कैम्ब्रिज के सेंट जॉन्स कॉलेज में वेलकॉम अर्ली करियर फेलो लुप्पी, काम के पहले और संबंधित लेखक हैं।
लेख का तर्क है कि मस्तिष्क की सहज गतिविधि चेतना की समझ के लिए एक बाधा नहीं रह गई है। लेखक बताते हैं कि कैसे डेटा-संचालित दृष्टिकोण (data-driven approaches) उन संकेतों से सार्थक जानकारी निकालते हैं जिन्हें शोधकर्ता पहले केवल शोर के रूप में खारिज कर देते थे। यह काम ईईजी, एफएमआरआई डेटा और मनुष्यों, चूहों और बंदरों की मस्तिष्क गतिविधि के तुलनात्मक विश्लेषण को एकीकृत करता है, लेकिन इसमें कोई नया प्रयोग शामिल नहीं है - यह प्रकाशित शोधों को सारांशित करने वाली एक व्यवस्थित समीक्षा है। लेखक हितों के टकराव की अनुपस्थिति की रिपोर्ट करते हैं; धन मानक विश्वविद्यालय अनुदान के माध्यम से प्रदान किया गया था।
चेतना के पारंपरिक सिद्धांत, जैसे ग्लोबल वर्कस्पेस थ्योरी (Global Workspace Theory), बाहरी उद्दीपनों पर शोध पर आधारित थे, जब व्यक्ति का ध्यान बाहरी दुनिया पर केंद्रित होता है। सहज गतिविधि एक सामान्य परिदृश्य पर सवाल उठाती है: क्या "आंतरिक" विचार मोड के लिए एक अलग तंत्र की वास्तव में आवश्यकता है? प्रेडिक्टिव प्रोसेसिंग (Predictive Processing), एक वैकल्पिक सिद्धांत, यह बताता है कि मस्तिष्क लगातार बाहरी दुनिया के बारे में भविष्यवाणियां उत्पन्न करता है।
लुप्पी और उनके सहयोगियों के आंकड़े बताते हैं कि ये भविष्यवाणियां तब भी संरचित और संज्ञानात्मक रूप से महत्वपूर्ण बनी रहती हैं जब व्यक्ति को कोई बाहरी इनपुट नहीं मिल रहा होता है - मस्तिष्क मॉडल करना, विश्लेषण करना और भविष्यवाणी करना जारी रखता है। हालांकि, समीक्षा स्वयं मौलिक प्रश्न का अंतिम उत्तर नहीं देती है: क्या इस तरह की संरचित सहज गतिविधि घटनात्मक चेतना (व्यक्तिपरक अनुभव) के उद्भव के लिए पर्याप्त है या यह केवल संबंधित जागरूकता के बिना सूचना प्रसंस्करण को दर्शाती है।
पद्धतिगत सीमाएं स्पष्ट हैं: अधिकांश अध्ययनों को प्रतिभागियों के छोटे नमूनों पर आयोजित किया गया था, और मशीन लर्निंग एल्गोरिदम को पूर्ण विश्राम की स्थितियों में एकत्र किए गए डेटा पर प्रशिक्षित किया गया था, जहां स्वयंसेवकों के विचारों और ध्यान पर नियंत्रण न्यूनतम होता है। लेखक ईमानदारी से स्वीकार करते हैं कि इन वैज्ञानिक परिणामों को नैदानिक अभ्यास में अनुवाद करने - संचालन के दौरान एनेस्थीसिया के प्रबंधन से लेकर चेतना विकारों के निदान तक - के लिए बड़े रोगी नमूनों पर अतिरिक्त सावधानीपूर्वक जांच और सत्यापन की आवश्यकता है।
दृष्टिकोण के सार को बेहतर ढंग से समझने के लिए, एक ट्रेन की कल्पना करें जो बिना किसी निश्चित शेड्यूल के ट्रैक पर चल रही है। पहले, इंजीनियरों ने केवल स्टेशनों पर रुकने का अध्ययन किया - वे क्षण जब ट्रेन खड़ी होती है या चलना शुरू करती है। अब, वे विश्लेषण करते हैं कि ट्रेन स्टेशन के बीच कैसे चलती है: इसकी गति, कंपन, प्रणालियों की बातचीत। इसी तरह, डेटा-संचालित तरीके न केवल विचार में विराम देखने की अनुमति देते हैं, बल्कि यह भी कि मस्तिष्क की सहज गतिविधि बाद की प्रतिक्रियाओं को कैसे "नेतृत्व" करती है और नए कार्यों के लिए अपनी तैयारी को आकार देती है।
यदि यह दृष्टिकोण न्यूरोसाइंस में जड़ जमा लेता है, तो न केवल शोधकर्ताओं के प्रयोगात्मक अभ्यास बदलेंगे, बल्कि हमारे मौलिक समझ भी कि स्वस्थ मस्तिष्क के लिए "सामान्य" क्या माना जाता है। अध्ययनों से पहले से ही एनेस्थीसिया के तहत और समय से पहले जन्मे नवजात शिशुओं में कार्यात्मक कनेक्टिविटी की विशिष्टता और जटिलता में कमी का संकेत मिलता है - ऐसे पैटर्न जो चेतना की स्थिति के बायोमार्कर के रूप में काम कर सकते हैं।
