Morphological Cognition: Classifying MNIST Digits Through Morphological Computation Alone
यह शोध पत्र "रूपात्मक संज्ञान" (morphological cognition) का एक प्रयोगात्मक प्रदर्शन प्रस्तुत करता है, जो यह दर्शाता है कि निश्चित व्यवहारों वाले सिम्युलेटेड वोक्सेल्स (voxels) से निर्मित एक रोबोट बिना किसी तंत्रिका परिपथ (neural circuitry) के उपयोग के, MNIST अंकों (विशेष रूप से 0 और 1 के बीच अंतर करने) को वर्गीकृत कर सकता है और उसी के अनुसार आगे बढ़ सकता 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
कल्पना कीजिए एक ऐसी दुनिया की जहाँ सोचना वह नहीं है जो मस्तिष्क के भीतर होता है, बल्कि वह है जो आपके शरीर की बनावट के कारण होता है। दशकों से, वैज्ञानिक इस विचार के प्रति जुनूनी रहे हैं कि बुद्धिमत्ता एक सॉफ्टवेयर की तरह है: एक जटिल प्रोग्राम जो मस्तिष्क या कंप्यूटर चिप के हार्डवेयर पर चलता है। यह "मस्तिष्क-केंद्रित" दृष्टिकोण है, जहाँ शरीर केवल एक निष्क्रिय रोबोटिक हाथ है जो निर्देशों की प्रतीक्षा कर रहा है। लेकिन प्रकृति एक अलग कहानी बताती है। एक पौधे को सूरज की ओर मुड़ते हुए देखें या एक स्लाइम मोल्ड (slime mold) को भूलभुलैया में सबसे छोटा रास्ता खोजते हुए देखें; इन जीवों के पास मस्तिष्क नहीं है, फिर भी वे समस्याओं को हल करते हैं। अध्ययन का यह क्षेत्र, जिसे "एम्बोडीड कॉग्निशन" (embodied cognition) कहा जाता है, यह सुझाव देता है कि किसी जीव का आकार और सामग्री वास्तव में उसके लिए सोच सकती है। बड़ा सवाल यह है: क्या हम एक ऐसी मशीन बना सकते हैं जो केवल एक निश्चित तरीके से आकार पाकर सोच सके, बिना कोड की एक भी पंक्ति या न्यूरल नेटवर्क की आवश्यकता के कि उसे क्या करना है?
यह शोध उस रोमांचक विचार को एक डिजिटल प्रयोग के साथ परखता है। शोधकर्ताओं ने, एक सिम्युलेटेड 2D दुनिया में काम करते हुए, "सॉफ्ट रोबोट्स" विकसित करने की कोशिश की जो 'वॉक्सेल्स' (voxels) नामक छोटे ब्लॉकों से बने थे, ताकि वे एक क्लासिक मस्तिष्क कार्य कर सकें: संख्याओं को पहचानना। विशेष रूप से, वे चाहते थे कि ये रोबोट MNIST नामक एक प्रसिद्ध डेटासेट से "0" और "1" अंकों की छवियों को देखें और अलग-अलग प्रतिक्रिया दें। यदि रोबोट ने शून्य देखा, तो उसे बाईं ओर जाना चाहिए; यदि उसने एक देखा, तो उसे दाईं ओर जाना चाहिए। पेच यह था? इन रोबोटों के पास कोई मस्तिष्क, कोई नियंत्रक (controller) और कोई न्यूरल सर्किट नहीं है। वे केवल सरल, स्थिर हिस्सों के संग्रह हैं जो हिलते-डुलते हैं और अपना आकार बदलते हैं।
टीम ने एक विकासवादी एल्गोरिदम (evolutionary algorithm) का उपयोग किया, जो प्राकृतिक चयन की नकल करने वाली एक प्रक्रिया है, ताकि इन रोबोटों को डिजाइन किया जा सके। उन्होंने विभिन्न प्रकार के वॉक्सेल्स के एक डिजिटल "सूप" से शुरुआत की: कुछ केवल संरचनात्मक गोंद (निष्क्रिय) थे, कुछ मांसपेशियों की तरह थे जो अपने आप फैलते और सिकुड़ते थे (सक्रिय), और कुछ विशेष "सेंसर" ब्लॉक थे जो उस पिक्सेल की चमक के आधार पर अपना आकार बदलते थे जिसे वे देख रहे थे। 30,000 पीढ़ियों के दौरान, कंप्यूटर ने इन ब्लॉकों को बेतरतीब ढंग से मिलाया और जोड़ा, उन डिजाइनों को रखा जो सही दिशा में चलते थे और उन्हें हटा दिया जो नहीं चल पाते थे।
परिणाम आश्चर्यजनक था। विकास प्रक्रिया ने ऐसे रोबोट खोज निकाले जो वास्तव में शून्य और एक के बीच अंतर कर सकते थे, जो पूरी तरह से उनके शरीर के भौतिक विज्ञान (physics) के माध्यम से हुआ। जब "शून्य" की छवि दिखाई गई, तो सेंसर ब्लॉक एक विशिष्ट पैटर्न में सिकुड़े या फैले, जिसने रोबमाट के शरीर को बाईं ओर खींचने के लिए मांसपेशी ब्लॉकों को सक्रिय कर दिया। जब "एक" प्रकट हुआ, तो पैटर्न बदल गया, और मांसपेशियों ने रोबोट को दाईं ओर धकेल दिया। "सोच" किसी प्रोसेसर में नहीं हो रही थी; यह इस बात में हो रही थी कि रोबोट का शरीर प्रकाश के प्रति शारीरिक रूप से कैसे प्रतिक्रिया करता है। रोबोट का आकार ही "वर्गीकरणकर्ता" (classifier) था।
शोधकर्ताओं ने केवल दो संख्याओं तक ही खुद को सीमित नहीं रखा। उन्होंने सिमुलेशन को आगे बढ़ाया, यह पूछते हुए कि क्या रोबोट चार अलग-अलग अंकों (0, 1, 2, और 3) के बीच अंतर कर सकते हैं। बिना मस्तिष्क के भी, विकास ने इन संख्याओं को समूहबद्ध करने के तरीके खोज लिए, जिससे रोबोट कुछ के लिए बाईं ओर और दूसरों के लिए दाईं ओर चलते थे। यह देखने के लिए कि ये केवल शरीर वाले रोबोट वास्तव में कितने स्मार्ट थे, टीम ने उनकी तुलना साधारण कंप्यूटर प्रोग्रामों (न्यूरल नेटवर्क) से की, जिन्हें ठीक उन्हीं उदाहरणों पर प्रशिक्षित किया गया था। कई मामलों में, भौतिक रोबोटों ने डिजिटल मस्तिष्क की तुलना में बेहतर सामान्यीकरण (generalization) किया, और नई, अनदेखी संख्याओं को डिजिटल दिमागों की तुलना में अधिक बार सही ढंग से पहचाना।
यह शोध पत्र सुझाव देता है कि यह "मॉर्फोलॉजिकल कॉग्निशन" (morphological cognition)—जहाँ शरीर स्वयं संज्ञानात्मक कार्य करता है—एक शक्तिशाली, अल्पउपयोगित बुद्धिमत्ता का स्रोत है। यह सिद्ध करता है कि उच्च-स्तरीय कार्यों के लिए जैसे कि इमेज क्लासिफिकेशन के लिए अनिवार्य रूप से मस्तिष्क की आवश्यकता नहीं होती है; यह आपस में जुड़े हुए सरल, स्थिर हिस्सों से उभर सकता है। हालांकि ये परिणाम वर्तमान में सिमुलेशन और विशिष्ट, सरल कार्यों तक सीमित हैं, यह अध्ययन एक मनोरंजक प्रमाण-अवधारणा (proof-of-concept) प्रदान करता है: कभी-कभी, किसी समस्या को हल करने का सबसे अच्छा तरीका एक स्मार्ट मस्तिष्क बनाना नहीं है, बल्कि एक ऐसा शरीर बनाना है जो जानता हो कि क्या करना 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।