स्वतन्त्रो वाणिज्यलाभरहितश्च उपक्रमःवार्ना, बुल्गारिया · २०२६ तमे वर्षे स्थापितः
MATREYA

बौद्धधर्म-विज्ञान-कृत्रिमबुद्धि-अध्ययनसंस्थानम्

प्रज्ञा · अन्वेषणम् · करुणा
सर्वेषां प्राणिनांहिताय
संस्कृतम्

कृत्रिमबुद्धिसाहाय्येन कृतोऽनुवादः; भाषाविशेषज्ञानां समीक्षा स्वागतार्हा। · मूलम् (EN) · अशुद्धिं सूचयत

अनुसन्धानम्

किं fMRI द्वारा ध्यानावस्थाभेदः ज्ञातुं शक्यते? ACAM-J-MARS-फलानां पठनम्

ध्यानविषयकस्य नूतनपूर्वप्रकाशितलेखस्य पठनमार्गदर्शनम्—वर्गीकरणाङ्कानामर्थः, नूतनव्यक्तिषु परीक्षणस्य महत्त्वम्, अनिर्णीताः प्रश्नाश्च।

योकोहामानगरे सोजिजी विहारे आसनपङ्क्तिसहितं काष्ठमयं ध्यानगृहम्
चित्रम्. सोजिजी विहारे शूर्यो ध्यानसभागृहम्, २०१५. अभिलेखछायाचित्रम्। जालार्थम् आकारपरिवर्तनं JPEG सङ्कोचनं च कृतम्; रचना रक्षिता।KQuhen · CC BY-SA 4.0 · स्रोतः मूलं च

ध्यानविषये परीक्षणयोग्यः प्रश्नः

Jian Wang इत्यनेन सहलेखकैश्च 2026 वर्षस्य अक्टोबरमासस्य 29 दिनाङ्के समर्पितः पूर्वप्रकाशितलेखः पृच्छति—किं fMRI-प्रतिरूपैः साधकैः स्वयमावेदितानां ध्यानावस्थानां समूहाः पृथक्कर्तुं शक्यन्ते? अस्माभिः ACAM-J-MARS इत्यस्य 1 संस्करणं परीक्षितम्। पाठकायास्य मूल्यं विधेर्मूल्याङ्कनसम्बद्धे निश्चितप्रश्ने वर्तते, न बोधिपरीक्षायाम्। अस्य संस्करणस्य विशेषज्ञसमीक्षितं प्रकाशनम् अस्माभिर्न सुनिश्चितम्। [1]

अत्र ध्यानशब्देन ध्यानैकाग्रतायाः अवस्थाः अभिप्रेताः, याः प्रतिभागिनः J1–J8 चिह्नैः निर्दिशन्ति; मध्यसमूहः J3–J5 अस्ति। कार्यात्मकचुम्बकीय-अनुनाद-प्रतिबिम्बनम् (fMRI) मस्तिष्कक्रियासम्बद्धान् रक्तस्य प्राणवायुमात्रापरिवर्तनान् मिमीते। अत्र सम्बन्धाः सङ्केतानां सांख्यिकसम्बन्धाः सन्ति, न शारीरतन्तूनां मानचित्रम्। [2]

अभिलेखानां सह व्यक्तीनामपि गणना

अध्ययने 22 साधकेभ्यः प्राप्ताः 204 अभिलेखखण्डाः निर्दिष्टाः। विधौ मस्तिष्कप्रदेशानां परस्परसम्बन्धाः मन्दसंकेतपरिवर्तनानां लक्षणैः संयुज्यन्ते। प्रशिक्षणार्थं परीक्षणार्थं च भिन्नाः प्रतिभागिनः उपयुज्यन्ते। एष भेदः व्यक्त्यन्तरेषु प्रयोगयोग्यतां परीक्षितुं साहाय्यं करोति; तथापि पुनःपुनरभिलेखनं 22 व्यक्तीः 204 स्वतन्त्रप्रतिभागिनः न करोति। [2]

अङ्केन सह परीक्षणकार्यं पठत

1–2 सारण्योः प्रारम्भिकानां (J1–J2) उत्तरावस्थानां (J6–J8) च भेदाय सन्तुलितयाथार्थ्याङ्कः 0.757 निर्दिष्टः; प्रारम्भिक-मध्य-उत्तरसमूहानां त्रिविधवर्गीकरणे सः 0.545 अस्ति। सन्तुलितयाथार्थ्ये प्रत्येकवर्गस्य सम्यक्परिचितोदाहरणानामनुपातानां मध्यमानं गृह्यते। इमे भिन्ने वर्गीकरणकार्ये स्तः। नायमङ्कः कस्यचित् व्यक्तेर्ध्यानप्राप्तेः सम्भावना, न वा तस्य साधनागुणस्य मूल्याङ्कनम्। [2] [3]

नूतनव्यक्तेरपि बहवोऽभिलेखाः आवश्यकाः

अयं विधिः बहुभ्योऽभिलेखेभ्यः गणितं प्रत्येकप्रतिभागिनः लक्षणमध्यमानं वियोजयति। पूर्वमदृष्टप्रतिभागिनः कृते बहूनि अभिलेखनसत्राणि आवश्यकानीति लेखः स्पष्टं वदति। वर्गचिह्नानि स्वनिवेदनाधारितानि, समूहश्च लघुः; स्वतन्त्रपरीक्षणमद्याप्यावश्यकम्। अनेनैकाभिलेखेन वा तत्क्षणं वा कार्यक्षमः सिद्धः परिचायकः न स्थापितः। [2]

अनिर्णीतं सङ्ख्यावैषम्यं न गोपनीयम्

चित्रे 1 निकटतमवर्गमध्यमानवर्गीकारकस्य सन्तुलितयाथार्थ्यम् 0.745, सारण्योः 1–2 तु 0.757 दर्शितम्। PDF मध्ये उभावङ्कावस्माभिः परीक्षितौ। पठितलेखे तयोर्भेदस्य स्पष्टं समाधानं नास्ति। अतः सारणीस्थावङ्कौ एतया मर्यादया सह निर्दिशामः; मौनेन कञ्चित् कथितसंशोधिताङ्कं न वृणीमहे। [2]

पठनाभ्यासः, न ध्यानपरीक्षा

अग्रिमलेखपठनकाले चत्वारः स्तम्भाः रचनीयाः—प्रश्नः, वर्गचिह्नानि, प्रशिक्षणाद्बहिः स्थापिताः व्यक्तयः, नूतनव्यक्तेः अपेक्षिता सूचना च। प्रत्येकफलदावस्य पार्श्वे यथार्थसारणी, मापनाङ्कः, तुलनासमूहश्च लेखनीयाः। किं प्रमाणं स्वव्याख्यां परिवर्तयेत् इति पृच्छत।

ततः त्रीणि विधानानि पृथक्कुरुत—प्रतिरूपम् अभिलिखितं चिह्नं पूर्वानुमिनोति; तच्चिह्नम् अनुभवम् अविकृतं वर्णयति; स चानुभवः कस्याञ्चित् परम्परायां विशिष्टमर्थं वहति। प्रथमस्य प्रमाणम् इतरयोर्निर्णयं न करोति। इयं सारणी सम्पादकीयपठनसहायिका, न चिकित्सोपकरणं न वा साधकानां श्रेणीनिर्णयविधिः।

अस्माभिः किं परीक्षितम्

अस्माभिः पूर्वप्रकाशितलेखः पठितः, PDF-सारण्यश्चित्राणि च परीक्षितानि; प्रयोगास्तु न पुनःकृताः। अनुरोधेन सङ्गणकसङ्केतः उपलब्ध इति लेखे उक्तम्। अन्वेषणे Nemotron-तर्कणसहितः Maximus उपयुक्तः; लेखनं सर्वासां 13 भाषारूपाणां तुलना च कृत्रिमबुद्धिसाहाय्येन कृता। विशेषज्ञाणां भाषासमीक्षा अद्यापि शेषा। छायाचित्रं ध्यानशालां दर्शयति, न अध्ययनस्य प्रतिभागिनो न वा प्रयोगस्थानम्। [2]

स्रोतांसि

  1. Wang et al. — ACAM-J-MARS, arXiv:2610.39171v1 (29 October 2026)
  2. ACAM-J-MARS — full paper, version 1: methods, Tables 1–2 and Figure 1
  3. scikit-learn — balanced_accuracy_score: mean recall across classes