Direct dependencies between neurons explain activity
यह अध्ययन प्रदर्शित करता है कि व्यक्तिगत इनपुट पर प्रत्यक्ष, गैर-परस्पर क्रिया करने वाली निर्भरताएँ विभिन्न प्रजातियों और मस्तिष्क क्षेत्रों में अधिकांश न्यूरोनल गतिविधि परिवर्तनशीलता की व्याख्या करने के लिए पर्याप्त हैं, जो यह सुझाव देता है कि जटिल तंत्रिका गणनाओं को जटिल जैव-भौतिक विवरणों के बावजूद सरल लॉजिस्टिक कृत्रिम न्यूरॉन्स द्वारा सटीक रूप से मॉडल किया जा सकता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
अपने मस्तिष्क में एक न्यूरॉन की कल्पना एक विशाल, अराजक रसोई में एक छोटे, व्यस्त शेफ (रसोइए) के रूप में करें।
द दशकों तक, वैज्ञानिकों का मानना था कि यह शेफ अविश्वसनीय रूप से जटिल था। उन्हें लगा कि शेफ को खाना पकाने का निर्णय लेने के लिए एक साथ हर संभव सामग्रियों के संयोजन (combination) को चखने की आवश्यकता है। यदि आपने नमक और काली मिर्च और लहसुन डाला, तो शेफ का व्यवहार केवल नमक और काली मिर्च डालने की तुलना में अलग हो सकता था। इस विचार ने सुझाव दिया कि मस्तिष्क की "रेसिपी बुक" अनंत रूप से जटिल थी, जिसमें शेफ को लाखों विशिष्ट सामग्री संयोजनों को याद रखने की आवश्यकता थी।
बड़ी खोज
क्रिस्टोफर लिन का पेपर इस पटकथा को उलट देता है। वे तर्क देते हैं कि शेफ वास्तव में बहुत सरल है। शेफ को जटिल सामग्री संयोजनों की चिंता करने की आवश्यकता नहीं है। इसके बजाय, शेफ बस प्रत्येक सामग्री को व्यक्तिगत रूप से देखता है और निर्णय लेता है: "क्या नमक मुझे खाना पकाने के लिए प्रेरित करता है? हाँ। क्या काली मिर्च? नहीं।"
यह पेपर दिखाता है कि यदि आप जानते हैं कि एक न्यूरॉन अपने प्रत्येक इनपुट (सामग्री) के प्रति एक-एक करके कैसे प्रतिक्रिया करता है, तो आप लगभग सब कुछ अनुमान लगा सकते हैं जो वह करेगा। आपको यह जानने की आवश्यकता नहीं है कि उसके इनपुट आपस में कैसे क्रिया करते हैं।
"लॉजिस्टिक्स न्यूरॉन" (Logistic Neuron) सादृश्य
एक न्यूरॉन को एक जैविक रहस्य के रूप में नहीं, बल्कि एक स्मार्ट लाइट स्विच के रूप में सोचें।
- इनपुट: कल्पना करें कि स्विच के चारों ओर 1,000 लोग खड़े हैं, जिनमें से प्रत्येक के हाथ में एक बटन है।
- पुराना दृष्टिकोण: हमें लगा कि लाइट तभी जलेगी जब लोगों का एक बहुत ही विशिष्ट, जटिल समूह एक ही समय में अपने बटन दबाएगा (जैसे, "केवल यदि व्यक्ति A, B और C एक साथ बटन दबाते हैं, लेकिन यदि D वहां है तो नहीं")।
- नया दृष्टिकोण: पेपर दिखाता है कि लाइट स्विच वास्तव में एक साधारण कैलकुलेटर है। यह प्रत्येक व्यक्ति के "वोटों" को जोड़ता है। यदि कुल "वोट" एक निश्चित रेखा को पार कर जाते हैं, तो लाइट जल जाती है। इसे समूहों की गतिशीलता (group dynamics) की परवाह नहीं है; इसे केवल व्यक्तिगत वोटों के योग की परवाह है।
गणितीय शब्दों में, यह सरल स्विच एक लॉजिस्टिक आर्टिफिशियल न्यूरॉन कहलाता है। पेपर सिद्ध करता है कि चूहों, मक्खियों और यहाँ तक कि कृमियों (worms) में वास्तविक, जैविक न्यूरॉन लगभग इन्हीं सरल कृत्रिम स्विचों की तरह कार्य करते हैं।
"शोर" (Noise) बनाम "सिग्नल" का रूपक
कल्पित करें कि आप एक भीड़ भरे कमरे में बातचीत को समझने की कोशिश कर रहे हैं।
- जटिल दृष्टिकोण: आपको लगता है कि बातचीत को समझने के लिए आपको जटिल स्लैंग, अंदरूनी चुटकुलों और सभी की आवाज़ें कैसे मिल रही हैं, यह समझने की आवश्यकता है।
- पेपर का दृष्टिकोण: पेपर कहता है, "वास्तव में, आप 90% बातचीत को केवल यह सुनकर समझ सकते हैं कि कौन किससे एक-एक करके बात कर रहा है।"
शोधकर्ताओं ने पाया कि प्रत्यक्ष निर्भरताएं (कौन सीधे किससे बात करता है) एक न्यूरॉन की गतिविधि के लगभग 90% हिस्से की व्याख्या करती हैं। शेष 10% (जटिल अंतःक्रियाएं, समय की देरी और छिपे हुए चर) केवल "स्टैटिक" या शोर है। मस्तिष्क आश्चर्यजनक रूप से कुशल है; इसे कार्य करने के लिए किसी सुपर-जटिल रेसिपी की आवश्यकता नहीं है।
यह क्यों महत्वपूर्ण है: "अतिरेक" (Redundant) सुरक्षा जाल
यहाँ सबसे दिलचस्प हिस्सा है: क्योंकि प्रणाली इतनी सरल है, इसलिए यह अत्यधिक मजबूत (robust) भी है।
कल्पना करें कि एक पुल 1,000 केबलों द्वारा थामे रखा गया है।
- यदि पुल प्रत्येक एकल केबल के बीच एक जटिल, अद्वितीय गांठ (knot) पर निर्भर करता, तो एक केबल काटने से भी पूरा ढांचा ढह सकता था।
- लेकिन इस मस्तिष्क में, "केबल" (इनपुट) अतिरेक (redundant) वाले हैं। पेपर ने पाया कि आप एक न्यूरॉन के 90% कनेक्शन को काट सकते हैं, और फिर भी यह लगभग पूरी तरह से काम करता रहेगा।
यह 100 लोगों की एक टीम की तरह है जो एक भारी पियानो उठा रहे हैं। यदि पियानो को विश्वास के एक जटिल, परस्पर जुड़े जाल द्वारा उठाया जा रहा है, तो एक व्यक्ति को खोना एक आपदा है। लेकिन यदि वे केवल एक ही रस्सी को खींच रहे हैं, तो आप 10 लोगों को खो सकते हैं, और पियानो चलता रहेगा। मस्तिष्क एक विशाल सुरक्षा जाल के साथ बनाया गया है, जो नेटवर्क के क्षतिग्रस्त होने या त्रुटियों के बावजूद काम करना जारी रखने की अनुमति देता है।
"XOR" समस्या (एक अपवाद)
पेपर एक क्लासिक लॉजिक पहेली का उपयोग करता है जिसे XOR (एक्सक्लूसिव ऑर) कहा जाता है ताकि यह समझाया जा सके कि वे क्या नहीं देखते हैं।
- AND गेट: "मैं बाहर जाऊँगा यदि धूप है AND मेरे पास पैसा है।" (सरल, सीधा)।
- XOR गेट: "मैं बाहर जाऊँगा यदि धूप है OR मेरे पास पैसा है, लेकिन दोनों नहीं।" (इसके लिए दोनों स्थितियों के बीच एक जटिल अंतःक्रिया की आवश्यकता होती है)।
पेपर दिखाता है कि वास्तविक न्यूरॉन AND और OR (सरल प्रत्यक्ष योग) में माहिर हैं, लेकिन वे XOR में बहुत खराब हैं। यह पुष्टि करता है कि न्यूरॉन ज्यादातर सरल "एडर्स" (जोड़ने वाले) हैं और जटिल "लॉजिक प्रोसेसर" नहीं हैं जिन्हें जटिल संयोजनों को समझने की आवश्यकता हो।
मुख्य निष्कर्ष
इस तथ्य के बावजूद कि न्यूरॉन्स के पास सुंदर, जटिल आकार और जटिल जीव विज्ञान है, उनका व्यवहार आश्चर्यजनक रूप से सरल है।
मस्तिष्क जटिल अंतःक्रियाओं का एक अराजक तूफान नहीं है। यह सरल स्विचों के एक विशाल, कुशल नेटवर्क की तरह है। यह जानकर कि प्रत्येक न्यूरॉन अपने पड़ोसियों को व्यक्तिगत रूप से कैसे सुनता है, हम लगभग सब कुछ अनुमान लगा सकते हैं जो मस्तिष्क करता है। यह सुझाव देता है कि मस्तिष्क का "कोड" अत्यधिक रेडंडेंट और मजबूत है, जिसे नेटवर्क के हिस्सों के क्षतिग्रस्त या शोर युक्त होने पर भी काम करना जारी रखने के लिए डिज़ाइन किया गया है।
संक्षेप में: मस्तिष्क एक जटिल सुपरकंप्यूटर की तरह नहीं है जो दस लाख चरों वाले समीकरण को हल करने की कोशिश कर रहा है, बल्कि यह दस लाख सरल लाइट स्विचों की तरह है जो, जब एक साथ चालू होते हैं, तो विचार के संगीत (symphony of thought) का निर्माण करते हैं।
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।