Quantifying Avian Morphological Evolution through Deep Representation Learning
यह शोध पत्र एक स्केलेबल, लैंडमार्क-मुक्त डीप लर्निंग फ्रेमवर्क प्रस्तुत करता है जो 10,000 से अधिक पक्षी प्रजातियों से उच्च-आयामी दृश्य विशेषताओं (विजुअल फीचर्स) को निकालता है ताकि फाइलोगेनेटिक संबंधों और पारिस्थितिक लक्षणों का पुनर्निर्माण किया जा सके, जो K-Pg सामूहिक विलुप्ति के बाद रूपात्मक विषमता (मॉर्फोलॉजिकल डिसपैरिटी) के एक स्पष्ट "अर्ली-बर्स्ट" पैटर्न को प्रकट करता 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
कल्पना कीजिए कि आप यह समझने की कोशिश कर रहे हैं कि 100 वर्षों में एक कार कैसे बदल गई है। आप एक रूलर (पैमाने) से उसके इंजन, पहियों के आकार और हुड के आकार को माप सकते हैं। यह आसान है क्योंकि कारें कठोर, सख्त हिस्सों से बनी होती हैं। लेकिन क्या होगा यदि आप यह अध्ययन करना चाहें कि एक पक्षी के पंख, उसकी रोएँदार छाती, या उसके पंखों को पकड़ने के तरीके में कैसे बदलाव आया है? आप बिना किसी हलचल या बदलाव के एक पंख की बनावट या पक्षी के रंगीन पैटर्न पर रूलर नहीं रख सकते। लंबे समय तक, विकास (evolution) का अध्ययन करने वाले वैज्ञानिकों को "लैंडमार्क्स" (चिह्न) पर निर्भर रहना पड़ता था—जो कंकाल के वे विशिष्ट बिंदु थे जिन्हें वे हाथ से माप सकते थे। यह एक बादल के किनारों को मापने की कोशिश करने जैसा था। यह तरीका धीमा था, इसमें इंसान को यह अनुमान लगाने की आवश्यकता होती थी कि रूलर कहाँ रखना है, और इसने जानवरों के उन कोमल, लचीले और रंगीन हिस्सों को पूरी तरह से छोड़ दिया जो अक्सर जीवित रहने के लिए सबसे महत्वपूर्ण होते हैं।
अब, एक नए प्रकार के जासूस की कल्पना करें जो रूलर का उपयोग नहीं करता है। इसके बजाय, यह एक "डीप लर्निंग" नामक सुपर-पावर वाले मस्तिष्क का उपयोग करता है। यह तकनीक एक ऐसे छात्र की तरह है जिसने लाखों तस्वीरें देखी हैं और बिना किसी के बताए कि क्या देखना है, चीजों के बीच सूक्ष्म अंतर पहचानना सीख लिया है। वैज्ञानिक इस तकनीक का उपयोग चेहरों या बिल्लियों को पहचानने के लिए करते रहे हैं, लेकिन एक नया अध्ययन पूछता है: क्या यह डिजिटल मस्तिष्क भी यह समझ सकता है कि जानवर कैसे विकसित होते हैं? बड़ा सवाल यह है कि क्या एक कंप्यूटर एक पक्षी की तस्वीर देख सकता है, पृष्ठभूमि (background) को अनदेखा कर सकता है, और उसके "बॉडी प्लान" (शरीर की संरचना)—उसके आकार, रंग और बनावट—को समझ सकता है, और इसका उपयोग यह बताने के लिए कर सकता है कि विभिन्न प्रजातियां आपस में कैसे संबंधित हैं, बिना यह जाने कि उनका वंश वृक्ष (family tree) क्या है। यदि यह काम करता है, तो यह पृथ्वी पर जीवन के इतिहास को समझने के हमारे तरीके में क्रांति ला सकता है, जिससे एक धुंधला, व्यक्तिपरक अनुमान एक स्पष्ट, गणितीय मानचित्र में बदल जाएगा।
द डिजिटल बर्ड वॉचर (डिजिटल पक्षी दर्शक)
इस अध्ययन में, जियाओ सुन नामक एक शोधकर्ता ने कंप्यूटर को एक परम पक्षी दर्शक बनाने का निर्णय लिया। हड्डियों को मापने के बजाय, कंप्यूटर को 10,000 से अधिक विभिन्न प्रजातियों का प्रतिनिधित्व करने वाली 4.8 मिलियन से अधिक पक्षियों की तस्वीरों के एक विशाल पुस्तकालय से प्रशिक्षित किया गया। लक्ष्य केवल यह कहना नहीं था कि, "यह एक रॉबिन है," बल्कि हर एक पक्षी के दृश्य सार (visual essence) को समझना था।
कंप्यूटर ने 'कन्वोल्यूशनल न्यूरल नेटवर्क' (CNN) नामक एक विशिष्ट प्रकार के आर्टिफिशियल इंटेलिजेंस का उपयोग किया, जो एक डिजिटल आँख की तरह है जो पैटर्न देखकर सीखती है। शोधकर्ताओं ने इस आँख को पुस्तकालय में मौजूद हर पक्षी प्रजाति को पहचानने के लिए प्रशिक्षित किया। एक बार जब कंप्यूटर इतना "स्मार्ट" हो गया कि वह गौरैया और बाज के बीच अंतर कर सके, तो शोधकर्ताओं ने केवल अंतिम उत्तर को नहीं देखा। इसके बजाय, उन्होंने कंप्यूटर के मस्तिष्क के भीतर झाँका ताकि वे "फीचर वेक्टर्स" (विशेषता वेक्टर) देख सकें—वे जटिल, उच्च-आयामी नंबर जिन्हें कंप्यूटर ने प्रत्येक पक्षी का वर्णन करने के लिए बनाया था। इन नंबरों को हर पक्षी के आकार, रंग और बनावट के लिए एक अद्वितीय, अदृश्य फिंगरप्रिंट के रूप में समझें।
अदृश्य जंगल का मानचित्रण
यहाँ जादू वाला हिस्सा है: शोधकर्ताओं ने इन डिजिटल फिंगरप्रिंट्स को एक विशाल, अदृश्य मानचित्र पर अंकित किया। उन्होंने कंप्यूटर को यह नहीं बताया कि पक्षियों का "परिवार" या "क्रम" (order) क्या है। उन्होंने बस कंप्यूटर को पक्षियों को उनके डिजिटल फिंगरप्रिंट की समानता के आधार पर वर्गीकृत करने दिया।
परिणाम आश्चर्यजनक था। भले ही कंप्यूटर को पक्षियों के वर्गीकरण (taxonomy) के नियमों (वैज्ञानिक नाम और वंश वृक्ष) के बारे में कभी नहीं सिखाया गया था, फिर भी इसने स्वाभाविक रूप से पक्षियों को परिवारों और क्रमों में इस तरह समूहबद्ध किया जो वास्तविक दुनिया से लगभग पूरी तरह मेल खाते थे। यह ऐसा था जैसे कंप्यूटर ने पेंगुइन की एक तस्वीर और अल्बाट्रॉस की एक तस्वीर देखी और महसूस किया, "हे, ये दोनों मुझे एक बत्तख की तुलना में एक जैसे दिखते हैं," और उन्हें एक साथ वर्गीकृत कर दिया।
अध्ययन में पाया गया कि यह डिजिटल मानचित्र उन चीजों को भी पकड़ सकता था जिन्हें पारंपरिक रूलर नहीं पकड़ पाते थे। इसने सफलतापूर्वक उन पक्षियों को एक साथ रखा जो समान जीवन जीते हैं क्योंकि वे दिखने में समान हैं, भले ही वे निकट रूप से संबंधित न हों। उदाहरण के लिए, इसने उल्लू और नाइटजार जैसे निशाचर पक्षियों को एक साथ रखा क्योंकि उन दोनों की आँखें बड़ी होती हैं और रात में शिकार के लिए छलावरण (camouflage) वाले पंख होते हैं। इसने उन पक्षियों को भी एक साथ रखा जो मुर्गे या बटेर जैसे दिखते हैं, भले ही वे अलग-अलग परिवारों से हों, क्योंकि उन सभी में वही "जमीन पर रहने वाला" शरीर का आकार होता है। कंप्यूटर ने खोज निकाला कि विकास अक्सर अलग-अलग जानवरों को एक जैसा दिखने के लिए प्रेरित करता है यदि वे समान चुनौतियों का सामना करते हैं—जिसे 'अभिसारी विकास' (converit evolution) कहा जाता है।
पक्षी विविधता का "अर्ली बर्स्ट" (प्रारंभिक विस्फोट)
शोधकर्ताओं ने फिर इस नए मानचित्र का उपयोग समय में पीछे देखने के लिए किया। वे यह देखना चाहते थे कि डायनासोर को खत्म करने वाली विशाल विलुप्ति घटना (लग लगभग 66 मिलियन वर्ष पूर्व K-Pg मास एक्सटिंक्शन) के बाद पक्षियों के आकार में कैसे बदलाव आया।
एक विशेष गणितीय तकनीक का उपयोग करते हुए जो उनके मानचित्र को एक सपाट शीट के बजाय एक घुमावदार सतह (गोले) की तरह मानती है, उन्होंने सिम्युलेट किया कि पक्षियों के आकार का विकास कैसे हुआ होगा। उन्होंने एक स्पष्ट "अर्ली-बर्स्ट" पैटर्न पाया। इसका अर्थ यह है कि डायनासोर के गायब होने और दुनिया में बहुत सारी खाली जगह छोड़ने के तुरंत बाद, पक्षी केवल धीरे-धीरे नहीं बदले। वे नए आकार और आकार में तेजी से उभरे।
डेटा बताता है कि एक अपेक्षाकृत छोटे भूगर्भीय कालखंड में, पक्षियों ने लगभग 50% उस "शेप स्पेस" (आकार स्थान) को भर दिया जो वे आज रखते हैं। यह एक ऐसे कमरे की तरह है जो खाली था, और अचानक, लोगों की एक बड़ी भीड़ अंदर आ गई, जिसने हर कोने को अलग-अलग कपड़ों और शैलियों से भर दिया, और फिर अगले कुछ मिलियन वर्षों में कमरे में धीरे-धीरे कुछ और लोग आए। यह इस विचार का समर्थन करता है कि जब प्रकृति का बोर्ड साफ हो जाता है, तो जीवन खाली स्थानों (niches) को अत्यधिक विविधता के साथ भरने के लिए दौड़ पड़ता है।
यह क्यों महत्वपूर्ण है
यह अध्ययन एक बड़ी बात है क्योंकि यह सिद्ध करता है कि अब हमें विकास को मापने के लिए शरीर रचना विज्ञान (anatomy) के विशेषज्ञ होने की आवश्यकता नहीं है। हम बस तस्वीरों का उपयोग कर सकते हैं। कंप्यूटर ने पक्षी के "बॉडी प्लान"—उसके समग्र आकार और संरचना—को समझना सीख लिया, न कि केवल उसके पंखों की बनावट से विचलित हुआ। यह सोचने के पुराने तरीके से एक बदलाव है, जो मानता था कि कंप्यूटर केवल बनावट (textures) की परवाह करते हैं।
शोधकर्ताओं ने दिखाया कि यह पद्धति अविश्वसनीय रूप से शक्तिशाली है। यह उन कोमल, लचीले और रंगीन गुणों को संभाल सकती है जिन्हें रूलर से मापना असंभव है। यह सुझाव देता है कि जीवन का इतिहास एक तस्वीर के पिक्सेल में लिखा है, और सही डिजिटल उपकरणों के साथ, हम उस इतिहास को पहले से कहीं अधिक तेज़ी से और अधिक सटीकता से पढ़ सकते हैं। हालांकि कंप्यूटर का मानचित्र पूर्ण नहीं है—कभी-कभी यह उन पक्षियों को एक साथ रखता है जो दिखने में समान हैं लेकिन संबंधित नहीं हैं, या कुछ नई खोजी गई प्रजातियों को छोड़ देता है—फिर भी यह जैव विविधता की सुंदरता और जटिलता को मापने का एक नया, स्केलेबल तरीका प्रदान करता है। यह जानवरों के वर्णन की बिखरी हुई, व्यक्तिपरक कला को एक सटीक, गणितीय विज्ञान में बदल देता 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।