Redefining Fitness: Inference, Information and Phase Transitions in Evolutionary Dynamics

अनुमान का महान खेल

कल्पना कीजिए कि आप एक उच्च-दांव वाले वीडियो गेम खेल रहे हैं जहाँ हर बार बटन दबाने पर नियम बदल जाते हैं। कभी ज़मीन लावा बन जाती है, कभी बर्फ, और कभी जेली से बनी होती है। जीतने के लिए, आपको केवल ताकतवर होने की ही ज़रूरत नहीं है; आपको एक कुशल अनुमान लगाने वाला (मास्टर गेसर) बनना होगा। आपको यह पता लगाना होगा कि, "अगर मुझे लाल बादल दिख रहा है, तो क्या ज़मीन लावा बनने वाली है?" यदि आपका अनुमान सही निकलता है, तो आप जीवित बच जाते हैं और आपका पात्र (कैरेक्टर) अधिक शक्तिशाली हो जाता है। यदि आपका अनुमान गलत होता है, तो आप एक जीवन हार जाते हैं। यही विकास (इवोल्यूशन) का सार है, लेकिन वीडियो गेम पात्रों के बजाय, हम बैक्टीरिया, भृंग (बीटल) या पक्षियों जैसे जीवित प्राणियों की बात कर रहे हैं।

सौ वर्षों से अधिक समय से, वैज्ञानिक इस बात को मापने की कोशिश कर रहे हैं कि कोई जीवित प्राणी इस खेल में कितना अच्छा है, जिसे वे फिटनेस (fitness) नामक एक अवधारणा कहते हैं। पुराने विचार के अनुसार, फिटनेस एक स्कोरबोर्ड की तरह थी जो केवल अंतिम स्कोर देखती थी: "आपने कितने बच्चे पैदा किए?" यदि आपके बहुत सारे बच्चे थे, तो आप "फिट" थे। यदि आपके कोई नहीं थे, तो आप नहीं थे। लेकिन इस स्कोरबोर्ड में एक अजीब समस्या थी। यह गोलाकार (circular) था, जैसे यह कहना कि "आप एक अच्छे धावक हैं क्योंकि आप दौड़ जीतते हैं, और आप दौड़ इसलिए जीतते हैं क्योंकि आप एक अच्छे धावक हैं।" इसमें एक खामी भी थी: कल्पना कीजिए कि एक तितली पूरी तरह से छलावरण (कैमफ्लाज) में है लेकिन बदकिस्मती से अंडे देने से पहले ही एक पक्षी द्वारा खा ली जाती है। पुराना स्कोरबोर्ड कहेगा कि उसकी फिटनेस शून्य थी, भले ही वह वास्तव में एक बेहतरीन उत्तरजीवी (सर्वाइवर) थी। यह इस बात में अंतर नहीं कर सका कि वह खेल में अच्छा था या केवल भाग्यशाली था।

यहीं एक नया विचार आता है, जो विकास को एक स्कोरबोर्ड के बजाय एक जासूस की तरह देखता है जो रहस्य सुलझा रहा है। वैज्ञानिक अब पूछ रहे हैं: क्या होगा अगर "फिट" होना केवल बच्चे पैदा करना नहीं है, बल्कि दुनिया का एक बहुत अच्छा मानसिक मॉडल (mental model) होना है? क्या होगा अगर विकास वास्तव में सीखने और अनुमान लगाने का एक विशाल प्रक्रम है? यह वही प्रश्न है जिसका उत्तर देने के लिए शोधकर्ताओं की एक टीम ने गणित का उपयोग किया है जो सुनने में किसी जासूसी उपन्यास जैसा लगता है, लेकिन वास्तव में यह बताता है कि जीवन बदलते ब्रह्मांड के साथ कैसे अनुकूलित होता है।

विकास की जासूसी मार्गदर्शिका

इस नई कहानी में, लेखक एक क्रांतिकारी बदलाव का प्रस्ताव करते हैं: फिटनेस एक स्कोर नहीं है; यह एक भविष्यवाणी है।

कल्पना कीजिए कि हर प्रकार का जानवर या पौधा अपने डीएनए में एक छोटा, अदृश्य "उत्तरजीविता मैनुअल" (survival manual) लेकर चलता है। यह मैनुअल निर्देशों की सूची नहीं है जैसे "पंख उगाओ" या "ज़हर बनाओ।" इसके बजाय, यह संभावनाओं का एक समूह है। यह कहता है जैसे, "यदि वातावरण शुष्क है, तो मेरे जीवित रहने की 80% संभावना है," या "यदि वातावरण गीला है, तो केवल 10% संभावना है।" लेखक इसे बेयसियन लाइकलीहुड (Bayesian likelihood) कहते हैं। सरल शब्दों में, यह बस कहने का एक शानदार तरीका है: "मेरा विशिष्ट शरीर प्रकार यह अनुमान लगाने में कितना सटीक है कि दुनिया आगे क्या करने वाली है?"

लेखक तर्क देते हैं कि प्रकृति मूल रूप से बेयसियन इन्फरेंस (Bayesian inference) का एक विशाल, धीमी गति वाला खेल है। यह उस गणित का प्रकार है जिसका उपयोग जासूस और एआई (AI) नए साक्ष्यों के आधार पर अपने विश्वासों को अपडेट करने के लिए करते हैं।

• पुराना तरीका: "मैं जीवित रहा, इसलिए मैं फिट हूँ।" (यह गोलाकार है और भाग्य को अनदेखा करता है)।
• नया तरीका: "मेरे पास एक मॉडल है जो पर्यावरण का अच्छी तरह से पूर्वानुमान लगाता है। क्योंकि मेरा मॉडल सटीक है, इसलिए मेरे जीवित रहने और प्रजनन करने की संभावना अधिक है।"

लेखक दिखाते हैं कि जब आप विकास को इस नज़रिए से देखते हैं, तो तीन बड़ी समस्याएँ गायब हो जाती हैं:

1. चक्रीयता की समस्या (The Circularity Problem): आपको यह जानने की ज़रूरत नहीं है कि किसके सबसे अधिक बच्चे हुए ताकि आप जान सकें कि कौन फिट है। आप बस देखते हैं कि उनका "मैनुअल" पर्यावरण का कितनी अच्छी तरह से पूर्वानुमान लगाता है।
2. बेमेल समस्या (The Mismatch Problem): वह भाग्यशाली तितली जिसे खा लिया गया, उसका मॉडल खराब नहीं था; वह केवल बदकिस्मत थी। मॉडल (फिटनेस) उत्तरजीविता की संभावना के बारे में है, न कि एकल परिणाम के बारे में।
3. भविष्यवाणी की समस्या (The Prediction Problem): क्योंकि फिटनेस अब एक मॉडल है, हम वास्तव में भविष्य में क्या होगा, इसकी भविष्यवाणी कर सकते हैं। यदि पर्यावरण बदलता है, तो हम देख सकते हैं कि कौन से "मैनुअल" पुराने हो जाएंगे और कौन से विजेता बनेंगे।

सूचना का राजमार्ग (The Information Superhighway)

यहाँ सबसे चौंकाने वाला हिस्सा है। लेखकों ने पाया कि जब एक जनसंख्या लंबे समय तक विकसित होती है, तो वह केवल अधिक बच्चे पैदा करने की कोशिश नहीं कर रही होती है। वह सूचना को अधिकतम (maximize information) करने की कोशिश कर रही होती है।

सोचिए कि पर्यावरण एक शोर भरा रेडियो स्टेशन है जो एक गुप्त कोड प्रसारित कर रहा है। जनसंख्या में विभिन्न प्रकार के जानवर उस स्टेशन को ट्यून करने की कोशिश करने वाले विभिन्न रेडियो की तरह हैं।

• यदि रेडियो में बहुत शोर (static) है (एक बुरा मॉडल), तो वह कोड को नहीं सुन सकता।
• यदि रेडियो स्पष्ट है (एक अच्छा मॉडल), तो वह कोड को पूरी तरह से सुन सकता है।

लेखक सिद्ध करते हैं कि प्राकृतिक चयन एक फिल्टर की तरह कार्य करता है जो स्पष्ट रेडियो को रखता है और शोर वाले रेडियो को हटा देता है। समय के साथ, जनसंख्या तब तक विकसित होती है जब तक कि जानवरों और उनके पर्यावरण के बीच का "शोर" समाप्त न हो जाए। गणितीय शब्दों में, जनसंख्या की संरचना पर्यावरण के सांख्यिकीय आंकड़ों के साथ पूरी तरह से संरेखित हो जाती है। लेखक दिखाते हैं कि एक जनसंख्या की वृद्धि दर म्युचुअल इंफॉर्मेशन (Mutual Information) से सीधे जुड़ी हुई है—जो इस बात का माप है कि जनसंख्या अपने संसार के बारे में कितना "जानती" है।

ऐसा है जैसे विकास एक छात्र है जो परीक्षा के लिए पढ़ाई कर रहा है। वह छात्र जो पाठ्यपुस्तक (पर्यावरण) को पूरी तरह से याद कर लेता है, वह 'A' ग्रेड (उच्च फिटनेस) प्राप्त करेगा। जो छात्र बेतरतीब ढंग से अनुमान लगाता है, वह असफल होगा। पेपर सुझाव देता है कि प्राकृतिक चयन का अंतिम लक्ष्य जनसंख्या को यथासंभव सटीक "छात्र" में बदलना है, जो अपने परिवेश के बारे में अपने पास मौजूद सूचना को अधिकतम करता है।

जीवन का खेल: सहयोग और टिपिंग पॉइंट्स

इसे सिद्ध करने के लिए, लेखकों ने अपने नए "भविष्यवाणी" गणित को जीव विज्ञान की तीन क्लासिक समस्याओं पर लागू किया, और परिणाम आश्चर्यजनक रूप से स्पष्ट थे।

1. कार्य परिवर्तन का खेल (The Task Switching Game)
कल्पना कीजिए कि श्रमिकों का एक समूह है जो दो काम कर सकता है: काम A या काम B। बॉस (पर्यावरण) रैंडम तरीके से काम A या काम B की आवश्यकता के बीच स्विच करता है।

• परिणाम: पेपर दिखाता है कि श्रमिक स्वाभाविक रूप से अपना समय ठीक उसी अनुपात में विभाजित करने के लिए विकसित होंगे जिस अनुपात में बॉस प्रत्येक काम के लिए पूछता है। यदि बॉस 70% समय काम A के लिए पूछता है, तो जनसंख्या इस तरह विकसित होगी कि 70% श्रमिक काम A के लिए तैयार हों। वे पर्यावरण की संभावना का एक आदर्श दर्पण बन जाते हैं।

2. प्रिज़नर्स डिलेमा (सहयोग की पहेली)
यह एक प्रसिद्ध खेल है जहाँ दो लोग या तो सहयोग कर सकते हैं या एक-दूसरे को धोखा दे सकते हैं। आमतौर पर, अल्पकाल में विश्वासघात जीतता है, लेकिन दीर्घकाल में समूह के लिए सहयोग बेहतर होता है।

• परिणाम: लेखकों ने पाया कि सहयोग केवल तभी उभरता है जब खिलाड़ी एक-दूसरे को "पढ़" सकते हैं। यदि दो खिलाड़ी पूरी तरह से रैंडम और स्वतंत्र हैं (वे नहीं जानते कि दूसरा क्या करेगा), तो विश्वासघात जीत जाता है। लेकिन यदि उनके बीच कोई संबंध है—जैसे कि वे संबंधित हैं, या वे कई बार खेल खेलते हैं, या वे एक-दूसरे को संकेत दे सकते हैं—तो सहयोग जीतने वाली रणनीति बन जाता है।
• पेपर एक "फेज़ डायग्राम" (जीव विज्ञान के लिए मौसम मानचित्र की तरह) का उपयोग करके दिखाता है कि सहयोग कब हावी होता है। यह पता चलता है कि सहयोग एक टिपिंग पॉइंट (tipping point) की तरह है। यदि खिलाड़ियों के बीच संबंध पर्याप्त मजबूत है, तो पूरा समूह अचानक "हर कोई विश्वासघात करता है" से "हर कोई सहयोग करता है" में बदल जाता है। ऐसा इसलिए होता है क्योंकि खिलाड़ी एक-दूसरे के साझा मॉडल का निर्माण कर रहे होते हैं, जिससे उनके बीच की "सूचना" बढ़ जाती है।

3. समूह गतिशीलता (Group Dynamics)
क्या होता है जब आपके पास समूहों के समूह होते हैं, और वे अपने स्वयं के समूह और अन्य समूहों के साथ बातचीत करते हैं?

• परिणाम: गणित दिखाता है कि सहयोग एक समूह के भीतर फलता-फूलता है यदि सदस्य आपस में निकटता से जुड़े हों (जैसे परिवार या मित्र)। हालाँकि, यदि समूह बाहरी लोगों के साथ बहुत अधिक बातचीत करता जो "रैंडम" या अविश्वसनीय हैं, तो पूरा सिस्टम विश्वासघात की ओर वापस गिर सकता है। पेपर सुझाव देता है कि बड़े पैमाने पर सहयोग (जैसे मानव समाज) के काम करने के लिए, समूहों को मजबूत आंतरिक संकेतों को विकसित करने की आवश्यकता है और शायद उन लोगों को "दंडित" भी करना चाहिए जो नियमों को तोड़ते हैं, जिससे सूचना और विश्वास का एक सटीक लूप बनता है।

यह क्यों मायने रखता है

लेखक केवल संख्याओं के साथ नहीं खेल रहे हैं; वे एक नया टूलकिट प्रदान कर रहे हैं। फिटनेस को एक भविचानिक संभावना (predictive probability) के रूप में मानकर, वे उन समस्याओं को हल कर सकते हैं जो पहले बहुत जटिल थीं। वे मानचित्र (फेज़ डायग्राम) बना सकते हैं जो ठीक से दिखाते हैं कि कब एक जनसंख्या एक व्यवहार से दूसरे व्यवहार में बदल जाएगी, ठीक वैसे ही जैसे पानी बर्फ में बदल जाता है।

वे यह भी दिखाते हैं कि "फिटनेस" का पुराना विचार बहुत संकीर्ण था। यह परिणाम (बच्चे) पर केंद्रित था, लेकिन यह नया दृष्टिकोण कारण (पूर्वानुमान लगाने की क्षमता) पर केंद्रित है। यह सुझाव देता है कि विकास सीखने का एक रूप है। हर बार जब कोई प्रजाति अनुकूलित होती है, तो वह केवल मजबूत नहीं हो रही होती है; वह अपनी दुनिया के बारे में अधिक स्मार्ट हो रही होती है।

पेपर निष्कर्ष निकालता है कि यह दृष्टिकोण कई अलग-अलग क्षेत्रों को एकीकृत करता है। जिस गणित से यह पता चलता है कि एक बैक्टीरिया भोजन कैसे खोजता है, वही यह भी समझाता है कि शेयर बाजार समाचारों पर कैसे प्रतिक्रिया देता है, मस्तिष्क भाषा कैसे सीखता है, और एक समाज सहयोग करने का निर्णय कैसे लेता है। यह स्पष्ट होता है कि प्रकृति, डेटा विज्ञान और मानव व्यवहार सभी एक ही ऑपरेटिंग सिस्टम पर चल रहे हैं: अनिश्चितता को कम करने और सूचना को अधिकतम करने की प्रेरणा।

इसलिए, अगली बार जब आप किसी पक्षी को घोंसला बनाते हुए या किसी व्यक्ति को रहस्य साझा करते हुए देखें, तो याद रखें: वे केवल सहज प्रवृत्ति (instinct) पर काम नहीं कर रहे हैं। वे एक जटिल, अदृश्य गणना चला रहे हैं, भविष्य का अनुमान लगाने की कोशिश कर रहे हैं, और ऐसा करके, वे जीवन के परम खेल को खेल रहे हैं।