A framework for the use of generative modelling in non-equilibrium statistical mechanics
यह शोध पत्र जनरेटिव मॉडल्स और वेरिएशनल फ्री एनर्जी प्रिंसिपल का उपयोग करके गैर-संतुलन (non-equilibrium) और स्व-संगठित (self-organizing) प्रणालियों को मॉडल करने के लिए एक रूपरेखा प्रस्तावित करता है, जो सिस्टम द्वारा शाब्दिक रूप से इन्फरेंस (inference) किए बिना, सिस्टम डायनेमिक्स की एक सुलभ और संक्षिप्त व्याख्या वेरिएशनल इन्फरेंस के रूप में प्रस्तुत करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
यहाँ इस शोध पत्र का सरल भाषा और रचनात्मक उपमाओं के साथ विवरण दिया गया, जो पूरी तरह से लेखकों के दावों पर आधारित है।
बड़ी तस्वीर: "मानो कि" (As If) का खेल
कल्पना कीजिए कि आप आकाश में पक्षियों के एक झुंड को मंडराते हुए देख रहे हैं। एक वैज्ञानिक के लिए, ये पक्षी केवल भौतिक वस्तुएं हैं जो हवा, गुरुत्वाकर्षण और मांसपेशियों की शक्ति के अनुसार चल रही हैं। लेकिन यह शोध पत्र उन्हें देखने का एक अलग तरीका सुझाता है।
लेखक तर्क देते हैं कि हम इन पक्षियों का वर्णन ऐसे कर सकते हैं मानो (as if) वे गणित कर रहे हों। विशेष रूप से, हम यह मान सकते हैं कि वे लगातार अनुमान लगा रहे हैं कि उन्हें कहाँ होना चाहिए और अपने अनुमानों को वास्तविकता से मिलाने के लिए अपनी उड़ान को समायोजित कर रहे हैं। वे वास्तव में आकाश में बैठकर कैलकुलस (calculus) नहीं कर रहे हैं; वे केवल भौतिक वस्तुएं हैं। लेकिन उन्हें ऐसा मानकर वर्णित करना कि वे अनुमान लगा रहे हैं, हमारे लिए (वैज्ञानिकों के लिए) यह समझना और भविष्यवाणी करना बहुत आसान बना देता है कि वे कैसे चलते हैं।
शोध पत्र इसे फ्री एनर्जी प्रिंसिपल (FEP) कहता है। यह एक ऐसा उपकरण है जो हमें जटिल, अव्यवधर प्रणालियों (जैसे कोशिकाओं, मस्तिष्क, या यहाँ तक कि मौसम) को इस तरह मॉडल करने की अनुमति देता है जैसे कि वे "आश्चर्य" (surprise) को कम करने की कोशिश कर रहे हों।
मुख्य अवधारणा: "मार्कोव ब्लैंकेट" (एक अदृश्य दीवार)
यह समझने के लिए कि यह कैसे काम करता है, एक ऐसे घर की कल्पना करें जिसकी एक विशेष दीवार है।
- घर के अंदर: "आंतरिक अवस्थाएँ" (वहाँ रहने वाला परिवार)।
- घर के बाहर: "बाहरी अवस्थाएँ" (मौसम, पड़ोसी, दुनिया)।
- दीवार: "मार्कोव ब्लैंकेट"। यह एक सीमा है (जैसे संवेदी अंग या त्वचा) जो अंदर को बाहर से अलग करती है।
दीवार में दो प्रकार की खिड़कियाँ होती हैं:
- संवेदी खिड़कियाँ (Sensory Windows): आप बाहर देख सकते हैं, लेकिन आप सीधे बाहर को छू नहीं सकते।
- सक्रिय द्वार (Active Doors): आप बाहर की ओर दबाव डाल सकते हैं (जैसे हवा अंदर आने देने के लिए खिड़की खोलना), लेकिन आप उनके माध्यम से देख नहीं सकते।
शोध पत्र का दावा है कि यदि किसी प्रणाली में इस तरह की दीवार है, तो वह स्वाभाविक रूप से ऐसी स्थिति में रहने की ओर झुकती है जहाँ वह उन चीज़ों से "आश्चर्यचकित" न हो जो संवेदी खिड़कियों के माध्यम से आती हैं। यदि एक मछली पानी में है, तो वह गीला महसूस करने की अपेक्षा करती है। यदि वह अचानक सूखा (उच्च आश्चर्य) महसूस करती है, तो वह मुसीबत में है। प्रणाली स्वाभाविक रूप से "गीले" क्षेत्र में बने रहने के लिए चलती है।
जादुई ट्रिक: "सरप्राइज़ल" (Surprisal) और "फ्री एनर्जी"
लेखक दो प्रमुख विचार पेश करते हैं:
- सरप्राइज़ल (Surprisal): एक प्रणाली अपनी वर्तमान स्थिति से कितनी हैरान है। यदि आप एक मछली हैं और आप पानी में हैं, तो आपका सरप्राइज़ल कम है। यदि आप ज़मीन पर हैं, तो आपका सरप्राइज़ल अधिक है।
- वैरिएशनल फ्री एनर्जी (Variational Free Energy): यह सरप्राइज़ल का एक गणितीय "अपर बाउंड" (ऊपरी सीमा) है। इसे एक स्कोरकार्ड के रूप में सोचें।
- प्रणाली को अपने सरप्राइज़ल का सटीक स्कोर नहीं पता होता (क्योंकि वह पूरी दुनिया को नहीं देख सकती)।
- इसके बजाय, यह "सर्वश्रेष्ठ अनुमान" वाले मॉडल का उपयोग करके एक स्कोरकार्ड की गणना करती है जिसे 'फ्री एनर्जी' कहा जाता है।
- शोध पत्र का तर्क है कि भौतिक प्रणालियाँ स्वाभाविक रूप से इस स्कोरकार्ड को कम करने की ओर बढ़ती हैं।
उपमा: कल्पना कीजिए कि आप एक वीडियो गेम खेल रहे हैं जहाँ आप पूरे मैप को नहीं देख सकते। आप केवल अपने चरित्र के चारों ओर एक छोटा सा घेरा देखते हैं। आप चट्टानों से गिरने से बचना चाहते हैं (सरप्राइज़)। आपको ठीक से नहीं पता कि चट्टानें कहाँ हैं, लेकिन आपके पास एक "अंदाज़ा" (जेनरेटिव मॉडल) है कि वे कहाँ हो सकती हैं। आप अपने अंदाज़े के आधार पर चट्टान से गिरने के जोखिम को कम करने के लिए चलते हैं। शोध पत्र कहता है कि भौतिक वस्तुएं स्वचालित रूप से ऐसा करती हैं, इसलिए नहीं कि वे सोच रही हैं, बल्कि इसलिए क्योंकि वे जिस तरह से बनी हैं, उसके कारण ऐसा होता है।
"मैप बनाम टेरिटरी" (नक्शा बनाम क्षेत्र) का अंतर
यह शोध पत्र द्वारा बनाया गया सबसे महत्वपूर्ण दार्शनिक बिंदु है।
- टेरिटरी (Territory): वास्तविक दुनिया (वास्तविक मछली, वास्तविक कोशिकाएं, वास्तविक भौतिकी)।
- मैप (Map): वैज्ञानिक का गणितीय मॉडल।
आलोचक अक्सर कहते हैं: "रुको! आप कह रहे हैं कि मछली के दिमाग में एक नक्शा है। यह गलत है! मछली बस एक मछली है।"
लेखक कहते हैं: "नहीं, हम ऐसा नहीं कह रहे हैं।"
वे तर्क देते हैं कि मैप (हमारा गणित) केवल एक उपकरण है जिसका उपयोग हम टेरिटरी का वर्णन करने के लिए करते हैं।
- हम एक नक्शा लिख सकते हैं जो कहता है, "मछली इस तरह व्यवहार करती है मानो वह पानी में रहने की कोशिश कर रही हो।"
- इसका मतलब यह नहीं है कि मछली वास्तव में यह सोच रही है, "मुझे गीला रहना चाहिए।"
- इसका मतलब सिर्फ यह है कि यदि हम इस "मानो कि" (as if) तर्क का उपयोग करके मछली का वर्णन करते हैं, तो गणित पूरी तरह से काम करता है।
शोध पत्र इसे एक "डिफ्लेशनरी" (deflationary) दृष्टिकोण कहता है। हम मछली को मस्तिष्क या आत्मा नहीं दे रहे हैं; हम बस इसके आंदोलन का वर्णन करने के लिए एक चतुर गणितीय ट्रिक (वैरिएशनल इन्फरेंस) का उपयोग कर रहे हैं। "इन्फरेंस" (निष्कर्ष) हमारे मॉडल में होता है, न कि अनिवार्य रूप से मछली में।
उदाहरण: यह व्यवहार में कैसे काम करता है
शोध पत्र इस विचार का परीक्षण दो कंप्यूटर सिमुलेशन के साथ करता है:
सेलुलर मॉर्फोजेनेसिस (शरीर बनाना):
- कल्पना कीजिए कि समान और अविभेदित कोशिकाओं का एक समूह है।
- वैज्ञानिक उन्हें एक "लक्ष्य" देते हैं (एक नक्शा कि सिर, शरीर और पूंछ कैसी दिखनी चाहिए)।
- कोशिकाओं के पास कोई ब्लूप्रिंट नहीं होता। इसके बजाय, वे "फ्री एनर्जी" नियम का उपयोग करती हैं। वे अपनी जगह सही न होने के "सरप्राइज़" से मेल खाने के लिए अपनी रासायनिक संकेतों को बदलती और व्यवस्थित करती हैं।
- परिणाम: कोशिकाएं स्वतः ही एक सिर, शरीर और पूंछ में व्यवस्थित हो जाती हैं, केवल इस प्रयास से कि वे कहाँ हैं, इस बारे में अपने "सरप्राइज़" को कम कर सकें।
आवधिक रूप से फायर होने वाली कोशिकाएं (एक लय/रिदम):
- कल्पना कीजिए कि कोशिकाओं का एक घेरा है जिन्हें एक विशिष्ट लय में फायर करने की आवश्यकता है (जैसे दिल की धड़कन)।
- वैज्ञानिक एक "टारगेट वेव" (साइन वेव) सेट करते हैं।
- कोशिकाएं इस तरंग से मेल खाने के लिए अपने फायरिंग को समायोजित करती हैं, जो कि जो वे महसूस करती हैं और जो वे "अपेक्षा" करती हैं, उसके बीच के अंतर को कम करती हैं।
- परिणाम: कोशिकाएं एक सटीक, स्थिर लय में बंध जाती हैं, और इस तरह व्यवहार करती हैं मानो वे भविष्य की बीट्स (beats) की भविष्यवाणी कर रही हों।
निष्कर्ष: नक्शों का नक्शा
शोध पत्र एक चतुर मोड़ के साथ समाप्त होता है।
यदि "टेरिटरी" वास्तविक दुनिया है, और "मैप" हमारा वैज्ञानिक मॉडल है...
- तो फ्री एनर्जी प्रिंसिपल एक नक्शों का नक्शा (Map of Maps) है।
यह एक नियम है जो हमें बताता है: "कोई भी भौतिक प्रणाली जो अस्तित्व में है और बनी रहती है, उसे एक पर्यवेक्षक के दृष्टिकोण से ऐसा दिखना चाहिए कि वह 'सरप्राइज़' को कम करने की कोशिश कर रही है।"
इससे कोई फर्क नहीं पड़ता कि वह प्रणाली एक पत्थर है, एक कोशिका है, या मानव मस्तिष्क है। यदि उसकी एक सीमा (मार्कोव ब्लैंकेट) है और वह स्थिर रहती है, तो हम इस "मानो कि" तर्क का उपयोग करके उसका वर्णन कर सकते हैं। शोध पत्र यह दावा नहीं कर रहा है कि पत्थर सचेत है; यह दावा कर रहा है कि दुनिया को समझने का हमारा सबसे अच्छा तरीका यह है कि हम उस पत्थर को उसके वातावरण के एक मॉडल के रूप में मानें।
एक वाक्य में सारांश
यह शोध पत्र एक गणितीय ढांचा प्रस्तावित करता है जहाँ हम किसी भी स्थिर भौतिक प्रणाली (जैसे कोशिका या मशीन) का वर्णन इस प्रकार कर सकते हैं कि वह लगातार अपने स्वयं के राज्य का अनुमान लगा रही है और उसे सुधार रही है ताकि "सरप्राइज़" से बचा जा सके—इसलिए नहीं कि वह प्रणाली वास्तव में सोच रही है, बल्कि इसलिए क्योंकि यह "मानो कि" वाला वर्णन वैज्ञानिकों के लिए दुनिया के काम करने के तरीके को मॉडल करने का सबसे शक्तिशाली और सटीक तरीका है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।