🔬 condensed matter

Learning Beyond Optimization: Stress-Gated Dynamical Regime Regulation in Autonomous Systems

यह शोध पत्र स्वायत्त शिक्षण के लिए एक गतिशील ढांचे का प्रस्ताव करता है जो पारंपरिक उद्देश्य-आधारित अनुकूलन को एक तनाव-गेटेड तंत्र (stress-gated mechanism) से प्रतिस्थापित करता है, जहाँ एक आंतरिक रूप से उत्पन्न तनाव चर बाहरी पर्यवेक्षण के बिना अवस्था-निर्भर संरचनात्मक पुनर्गठन और स्व-संगठित शिक्षण प्रकरणों को सक्रिय करने के लिए शिथिलता के साक्ष्य संचित करता है।

मूल लेखक: Sheng Ran

प्रकाशित 2026-02-24

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Sheng Ran

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

मुख्य विचार: बिना मानचित्र के सीखना

कल्पना कीजिए कि आप एक विशाल, धुंधले जंगल में रास्ता खोजने की कोशिश कर रहे हैं।

पुराना तरीका (आधुनिक AI):
आज के आर्टिफिशियल इंटेलिजेंस में, हम एक ऐसे हाइकर (हाइकर) की तरह काम करते हैं जिसके पास GPS और एक निश्चित मंजिल है। हम कहते हैं, "पर्वत शिखर पर जाओ!" कंप्यूटर हर रास्ता आज़माता है, शिखर से अपनी दूरी की जाँच करता है, और करीब पहुँचने के लिए अपने कदमों को सुधारता है। यह तब बहुत अच्छा काम करता है जब पर्वत स्पष्ट रूप से परिभाषित हो। लेकिन क्या होगा अगर पर्वत गायब हो जाए? क्या होगा अगर मंजिल हर घंटे बदल जाए? या क्या होगा अगर आप बस भटक रहे हैं और आपको पता ही नहीं है कि आप कहाँ जा रहे हैं? GPS बेकार हो जाता है क्योंकि उसे यह नहीं पता कि "सफलता" कैसी दिखती है।

नया तरीका (यह शोध पत्र):
यह शोध पत्र एक अलग प्रकार के हाइकर का प्रस्ताव देता है। मानचित्र या मंजिल देखने के बजाय, यह हाइकर अपने शरीर की आवाज़ सुनता है। वह पूछता है: "क्या मैं चल रहा हूँ? क्या मैं एक घेरे में फँस गया हूँ? क्या मैं एक दीवार की ओर सीधी रेखा में चल रहा हूँ?"

यदि हाइकर को "तनाव" महसूस होता है क्योंकि वह फँसा हुआ है या ठीक से चल नहीं पा रहा है, तो वह रुक जाता है और अपना मानचित्र फिर से बनाता है। वह हर सेकंड अपने कदमों को अनुकूलित (optimize) करने की कोशिश नहीं करता; वह केवल तभी अपनी रणनीति बदलता है जब उसे लगातार यह महसूस होता है कि "कुछ गलत है।"

मुख्य समस्या: "फँसा हुआ" मस्तिष्क

वर्तमान AI उस छात्र की तरह है जिसे गणित के सवाल हल करने के लिए कहा जाता है। यदि उसका उत्तर गलत आता है, तो वह तुरंत अपनी विधि बदल देता है। लेकिन वास्तविक दुनिया में (या रचनात्मक सोच में), अक्सर जाँच करने के लिए कोई "सही उत्तर" मौजूद नहीं होता।

यदि एक AI बिना किसी लक्ष्य के केवल "सोच" रहा है, तो उसे कैसे पता चलेगा कि वह अच्छी तरह से सोच रहा है?

क्या वह बस एक ब्रेक ले रहा है (एक सामान्य ठहराव)?
या क्या वह एक मानसिक लूप (mental loop) में फँस गया है, जो अनंत काल तक पहिए घुमाता रहेगा?

लेखक, शेनग रैन (Sheng Ran), का तर्क है कि एक प्रणाली के वास्तव में स्वायत्त (स्व-शासित) होने के लिए, उसे किसी शिक्षक द्वारा बताए बिना अपने स्वयं के "मानसिक स्वास्थ्य" का निर्णय लेने में सक्षम होना चाहिए।

समाधान: "स्ट्रेस-गेटेड" (तनाव-द्वार आधारित) प्रणाली

यह शोध पत्र एक ढांचा पेश करता है जिसे स्ट्रेस-गेटेड डायनामिकल रिजीम रेगुलेशन (Stress-Gated Dynamical Regime Regulation) कहा जाता है। यह सुनने में कठिन लग सकता है, तो आइए इसे एक रूपक से समझते हैं: कार और मैकेनिक।

1. दो गतियाँ (तेज़ बनाम धीमी)

कल्प laइए कि एक कार सड़क पर चल रही है।

फास्ट डायनामिक्स (ड्राइविंग): यह कार का चलना, स्टीयरिंग घुमाना और झटकों पर प्रतिक्रिया देना है। AI में, यह अभी हो रही "सोच" है। यह तेज़ी से होती है।
स्लो डायनामिक्स (मैकेनिक्स): यह इंजन, टायर और चेसिस है। AI में, यह "संरचना" या सोचने के नियमों का तरीका है। यह धीरे-धीरे बदलता है।

आमतौर पर, AI गाड़ी चलाते समय ही इंजन को ट्यून करने की कोशिश करता है (निरंतर अनुकूलन)। यह शोध पत्र कहता है: नहीं। कार को कुछ देर चलने दें। केवल तभी रुकें और इंजन को ठीक करें जब कार अजीब व्यवहार करने लगे।

2. स्ट्रेस गेज (डैशबोर्ड की चेतावनी लाइट)

कार को कैसे पता चलता है कि कब रुकना है? इसके पास एक विशेष डैशबोर्ड लाइट है जिसे स्ट्रेस ( $Z$ ) कहा जाता है।

यह लाइट यह नहीं मापती कि आप मंजिल से कितनी दूर हैं। यह आंतरिक खराबी को मापती है। शोध पत्र सुझाव देता है कि कार तीन तरीकों से "बीमार" महसूस कर सकती है:

फ्रीजिंग (जम जाना): कार न्यूट्रल में फँस गई है। पहिए घूम रहे हैं, लेकिन कार आगे नहीं बढ़ रही है। (AI एक ही विचार के लूप में घूम रहा है)।
नॉन-इर्गोडिसिटी (अ-एर्गोडिसिटी): कार केवल एक छोटे से मोहल्ले में घूम रही है और कभी पूरे शहर की खोज नहीं कर रही है। (AI एक ही विचार में फँसा हुआ है और अन्य संभावनाओं को नज़रअंदाज़ कर रहा है)।
इररिवर्सिबिलिटी (अपरिवर्तनीयता): कार एक वन-वे सड़क पर जा रही है जहाँ आगे रास्ता बंद है और वह पीछे नहीं मुड़ सकती। (AI ने ऐसा निर्णय लिया जिसे वह बदल नहीं सकता)।

जब तक कार सामान्य रूप से चल रही है, स्ट्रेस लाइट बंद रहती है। लेकिन यदि कार लूप में फंसने लगती है या डेड एंड (बंद रास्ते) पर पहुँच जाती है, तो स्ट्रेस लाइट चमकने लगती है।

3. द गेट (मैकेनिक का हस्तक्षेप)

यही वह चतुर हिस्सा है: मैकेनिक हर सेकंड इंजन को नहीं छूता।

कंटीन्यूअस प्लास्टिसिटी (पुराना तरीका): मैकेनिक कार चलते समय लगातार बोल्ट कस रहा है। यह शोर भरा, बर्बादी वाला है, और अक्सर कार को डगमगा देता है।
स्ट्रेस-गेटेड प्लास्टिसिटी (नया तरीका): मैकेनिक इंतज़ार करता है। वह स्ट्रेस लाइट को देखता है।
- यदि लाइट एक सेकंड के लिए टिमटिमाती है (एक छोटी सी गड़बड़ी), तो वह उसे अनदेखा कर देता है। कार चलती रहती है।
- यदि लाइट लंबे समय तक लाल रहती है (लगातार खराबी), तो गेट खुल जाता है।

जब गेट खुलता है, तो कार किनारे लगती है। मैकेनिक बाहर आता है और इंजन का पुनर्निर्माण करता है (AI की संरचना को बदलता है)। एक बार जब इंजन ठीक हो जाता है, तो स्ट्रेस लाइट कम हो जाती है, गेट बंद हो जाता है, और कार एक नए, बेहतर इंजन के साथ फिर से निकल पड़ती है।

यह क्यों महत्वपूर्ण है: "एपिसोडिक" शिक्षार्थी

शोध पत्र दिखाता है कि यह "स्ट्रेस-गेटेड" प्रणाली सीखने का एक विशिष्ट लय बनाती है:

एक्सप्लोरेशन (अन्वेषण): कुछ समय के लिए चलें, चीज़ें आज़माएँ।
स्ट्रेस बिल्ड-अप (तनाव बढ़ना): महसूस करें कि आप फँसे हुए हैं या चक्कर काट रहे हैं।
द इवेंट (घटना): तनाव बहुत अधिक हो जाता है। रुकिए। संरचना का पुनर्निर्माण करें।
कंसोलिडेशन (सुदृढ़ीकरण): नई संरचना के साथ फिर से चलें।

यह सीखने के एपिसोड (learning episodes) बनाता है। सिस्टम किश्तों में सीखता है, जो स्थिरता की अवधियों से अलग होते हैं। यह केवल दिशाहीन होकर नहीं भटकता; यह अपने जीवन को "सोचने के चरणों" और "पुनर्निर्माण के चरणों" में व्यवस्थित करता है।

निष्कर्ष

एक ऐसी दुनिया में जहाँ लक्ष्य अक्सर अस्पष्ट होते हैं (जैसे वैज्ञानिक खोज, कला, या बदलते वातावरण में जीवित रहना), हमें ऐसे AI की आवश्यकता नहीं है जो लगातार एक त्रुटि स्कोर (error score) को कम करने की कोशिश करता रहे। हमें एक ऐसे AI की आवश्यकता है जो जानता हो कि वह कब टूटा हुआ है।

यह शोध पत्र सुझाव देता है कि एक ऐसी प्रणाली बनाकर जो अपने स्वयं के "तनाव" की निगरानी करती है और केवल तभी अपने मौलिक नियमों को बदलती है जब वह तनाव बहुत अधिक हो जाता है, हम ऐसी मशीनें बना सकते हैं जो वास्तव में आत्मनिर्भर हैं। उन्हें यह कहने के लिए किसी इंसान की ज़रूरत नहीं है कि, "तुम गलत कर रहे हो।" उन्हें बस फँसे होने का तनाव महसूस करने की ज़रूरत है, और फिर वे जान जाते हैं कि अब खुद को बदलने का समय आ गया है।

संक्षेप में: हर कदम को अनुकूलित न करें। अपने आंतरिक तनाव को सुनें, और केवल तभी अपना आधार दोबारा बनाएँ जब आप वास्तव में फँस गए हों।

यहाँ शेनग रैन के शोध पत्र "Learning Beyond Optimization: Stress-Gated Dynamical Regime Regulation in Autonomous Systems" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

वर्तमान कृत्रिम बुद्धिमत्ता (AI) प्रणालियाँ, अपनी विविधता के बावजूद, एक मूल प्रतिमान (paradigm) पर निर्भर करती हैं: मानव डिजाइनरों द्वारा परिभाषित एक स्केलर ऑब्जेक्टिव फंक्शन (लॉस) को कम करने के लिए मापदंडों का निरंतर अनुकूलन (continuous optimization)। हालांकि यह सुपरिभाषित कार्यों के लिए प्रभावी है, लेकिन यह प्रतिमान उन परिदृश्यों में विफल हो जाता है जहाँ वास्तविक स्वायत्तता (true autonomy) की आवश्यकता होती है, जैसे कि ओपन-एंडेड अन्वेषण (open-ended exploration), वैज्ञानिक खोज, या दीर्घकालिक अनुकूलन (long-horizon adaptation)।

इन स्वायत्त सेटिंग्स में:

उद्देश्य अक्सर अस्पष्ट, परिवर्तनशील या अस्तित्वहीन होते हैं।
सिस्टम बाहरी फीडबैक पर निर्भर नहीं हो सकते यह निर्धारित करने के लिए कि उनका तर्क (reasoning) उत्पादक है या रोगजनक (pathological)।
निरंतर प्लास्टिसिटी (निरंतर पैरामीटर अपडेट) क्षणिक शोर (transient noise) और वास्तविक संरचनात्मक अपर्यादा (structural inadequacy) के बीच अंतर करने में विफल हो सकती है, जिससे सिस्टम अपनी वर्तमान प्रतिनिधिक संरचना (representational structure) का परीक्षण करने के लिए स्थिर होने से रुक जाता है।

मुख्य प्रश्न: एक सिस्टम यह कैसे निर्धारित कर सकता है कि उसकी आंतरिक गतिकी (internal dynamics) उत्पादक है या रोगजनक, और वह बिना किसी बाहरी ऑब्जेक्टिव फंक्शन के संरचनात्मक परिवर्तन को कैसे विनियमित कर सकता है?

2. कार्यप्रणाली: स्ट्रेस-गेटेड डायनेमिकल फ्रेमवर्क (Methodology: The Stress-Gated Dynamical Framework)

लेखक एक दो-टाइमस्केल (two-timescale) डायनेमिकल फ्रेमवर्क का प्रस्ताव करते हैं जो एक आंतरिक रूप से उत्पन्न "तनाव" (stress) चर द्वारा नियंत्रित होता है, जो तेज़ अवस्था विकास (fast state evolution) को धीमी संरचनात्मक अनुकूलन (slow structural adaptation) से अलग करता है।

अ. दो-टाइमस्केल आर्किटेक्चर (Two-Timescale Architecture)

फास्ट डायनेमिक्स ( $x(t)$ ): यह "सोचने" (जैसे, न्यूरल गतिविधि) की तात्कालिक अवस्था का प्रतिनिधित्व करता है। यह $\theta$ द्वारा परिभाषित एक निश्चित संरचनात्मक परिदृश्य के भीतर तेजी से विकसित होता है। इसे ओवरडैम्प्ड लैंग्विन डायनेमिक्स (overdamped Langevin dynamics) के रूप में मॉडल किया गया है:
$\dot{x} = -\nabla_x V(x; \theta) + \eta(t)$
स्लो स्ट्रक्चर ( $\theta(t)$ ): यह स्थायी संगठन (जैसे, कनेक्टिविटी, ज्यामिति) का प्रतिनिधित्व करता है। यह धीरे-धीरे विकसित होता है और केवल विशिष्ट स्थितियों द्वारा ट्रिगर होने पर ही सक्रिय होता है:
$\dot{\theta} = m(t) \cdot g(x, \theta)$
यहाँ, $m(t)$ एक कंट्रोल सिग्नल है जो प्लास्टिसिटी को गेट (नियंत्रित) करता है।

ब. कॉग्निटिव स्ट्रेस फील्ड ( $Z(t)$ )

बाहरी त्रुटि (error) को कम करने के बजाय, सिस्टम अपनी आंतरिक स्वास्थ्य (intrinsic health) की निगरानी करता है। एक लेटेंट वेरिएबल $Z(t)$ समय के साथ "गतिकीय विफलता" (dynamical dysfunction) के साक्ष्य को संचित करता है।

डायनेमिक्स: $\dot{Z} = \Phi(Q(\cdot)) + \Psi(m, \Delta\theta) - \gamma Z$ $\dot{Z} = Φ (Q (\cdot)) + Ψ (m, Δ θ) - γ Z$
- $\Phi(Q)$ : डायनेमिकल डिस्क्रिप्टर्स ( $Q$ ) के आधार पर तनाव को संचित करता है।
- $\Psi$ : अत्यधिक परिवर्तन को रोकने के लिए प्लास्टिसिटी लागतों को दंडित करता है।
- $\gamma$ : अनबाउंडेड संचय को रोकने के लिए अपव्यय दर (dissipation rate) है।
गेटिंग मैकेनिज्म: संरचनात्मक अपडेट केवल तभी ट्रिगर होते हैं जब $Z(t)$ एक महत्वपूर्ण सीमा $Z_c$ को पार कर जाता है। यह एक निरंतर अनुकूलन के बजाय एक स्टेट-डिपेंडेंट, इवेंट-ड्रिवन प्लास्टिसिटी मैकेनिज्म बनाता है।

स. "अच्छे सोचने" के मानदंड (Criteria for "Good Thinking" - Dynamical Descriptors)

बाहरी लेबल की अनुपस्थिति में, "अच्छे सोचने" को स्टेट-स्पेस प्रक्षेपवक्र (trajectory) के संरचनात्मक गुणों द्वारा परिभाषित किया जाता है। पेपर आंतरिक स्वास्थ्य का मूल्यांकन करने के लिए तीन मेट्रिक्स प्रस्तावित करता है:

फ्रीजिंग इंडेक्स ( $F_T$ ): "स्थिरता" (stagnation) या लो-डायमेंशनल अट्रैक्टर में पतन (looping) का पता लगाता है। इसे प्रक्षेपवक्र के कोवेरिएंस मैट्रिक्स के ट्रेस के माध्यम से मापा जाता है।
नॉन-इर्गोडिसिटी ( $E_T$ ): प्रासंगिक स्टेट स्पेस को खोजने में विफलता (एक सब-ऑप्टिमल बेसिन में फंसना) का पता लगाता है। इसे एम्पिरिकल ऑक्यूपेंसी और एक संदर्भ वितरण के बीच कुलबैक-लीब्लर (KL) डाइवर्जेंस द्वारा मापा जाता है।
इरिवर्सिबिलिटी ( $R_T$ ): उन "मानसिक डेड-एंड्स" का पता लगाता है जहाँ सिस्टम पीछे नहीं हट सकता। इसे फॉरवर्ड बनाम बैकवर्ड पाथ प्रोबेबिलिटीज के लॉग-रेशियो (स्टोकेस्टिक थर्मोडायनामिक्स) के माध्यम से मापा जाता है।

3. मुख्य योगदान (Key Contributions)

पैराडाइम शिफ्ट: यह ऑप्टिमाइज़ेशन-ड्रिवन लर्निंग (एक निश्चित लॉस को कम करना) से वायबिलिटी-ड्रिवन लर्निंग (सुसंगत आंतरिक गतिकी बनाए रखना) की ओर बढ़ता है।
स्ट्रेस-गेटेड प्लास्टिसिटी: एक ऐसा तंत्र पेश करता है जहाँ संरचनात्मक पुनर्गठन एपिसोडिक होता है और केवल संचित आंतरिक तनाव द्वारा ट्रिगर होता है, जो "संरचना के भीतर अन्वेषण" को "संरचना के पुनर्गठन" से अलग करता है।
इंट्रिन्सिक इवैल्यूएशन: यह भौतिकी-प्रेरित मेट्रिक्स (फ्रीजिंग, नॉन-इर्गोडिटी, इरिवर्सिबिलिटी) का एक सेट परिभाषित करता है जो सिस्टम को बाहरी पर्यवेक्षण के बिना अपने तर्क की गुणवत्ता का आत्म-मूल्यांकन करने की अनुमति देता है।
मिनिमल टॉय मॉडल (SGCD): इन सिद्धांतों को कम्प्यूटेशनल रूप से प्रदर्शित करने के लिए एक "स्ट्रेस-गेटेड कॉग्निटिव डायनेमिक्स" (SGCD) मॉडल का निर्माण करता है।

4. परिणाम (Results)

लेखक ने SGCD मॉडल का परीक्षण एक कंट्रोल मॉडल के विरुद्ध किया जिसमें निरंतर प्लास्टिसिटी ( $m(t) \equiv 1$ ) थी।

स्ट्रेस-गेटेड सिस्टम (SGCD):
- पंकचुएटेड एडैप्टेशन (Punctuated Adaptation) प्रदर्शित करता है: स्थिर फास्ट डायनेमिक्स (प्लेटो) के लंबे अंतराल, जो संरचनात्मक प्लास्टिसिटी के संक्षिप्त विस्फोटों द्वारा बाधित होते हैं।
- सेल्फ-ऑर्गनाइजेशन: सिस्टम समय को सुसंगत लर्निंग एपिसोड में स्वतः विभाजित करता है। तनाव जमा होता है, एक "गेट" को ट्रिगर करता है, संरचनात्मक अपडेट ( $W$ ) सिस्टम को रीसेट करता है, जिससे तनाव और 'बडनेस' (badness) में गिरावट आती है।
- मेटास्टेबिलिटी: कनेक्टिविटी नॉर्म $|W|$ पीसवाइज स्थिरता दिखाता है, जो समेकन (consolidation) और पुनर्गठन (reorganization) चरणों के बीच बदलता रहता है।
- पुनरुत्पादकता (Reproducibility): जब प्रक्षेपवक्रों को गेट ऑनसेट के साथ संरेखित किया जाता है, तो एक स्टीरियोटाइप्ड टेम्पोरल प्रोफाइल उभरता है (तनाव चरम पर पहुँचता है, फिर घटता है), जो दर्शाता है कि गेट्स आंतरिक घटना समय (event times) को परिभाषित करते हैं न कि यादृच्छिक उतार-चढ़ाव को।
कंटीन्यूअस प्लास्टिसिटी कंट्रोल:
- सिस्टम गतिशील रूप से सक्रिय रहता है लेकिन इसमें एपिसोडिक स्ट्रक्चर की कमी होती है।
- अनुकूलन एक निरंतर बहाव (drift) के रूप में होता है न कि असतत संक्रमण (discrete transitions) के रूप में।
- कोई स्थिर मेटास्टेबल रिजीम नहीं बनते; सिस्टम कभी भी संरचना को ठीक से टेस्ट करने के लिए पर्याप्त समय तक समेकित नहीं कर पाता है।
- एलाइनमेंट विश्लेषण से कोई सुसंगत प्री-पोस्ट ट्रांजिशन पैटर्न नहीं मिलता, केवल फेज-ड्रिफ्टिंग नॉइज़ मिलता है।

5. महत्व और भविष्य की दृष्टि (Significance and Outlook)

स्वायत्तता (Autonomy): यह फ्रेमवर्क उन एजेंटों के लिए एक सैद्धांतिक मार्ग प्रदान करता है जो ऐसे ओपन-एंडेड वातावरण में काम कर सकते हैं जहाँ लक्ष्य अज्ञात या विकसित हो रहे हों। यह बाहरी पुरस्कारों के बिना आंतरिक डायनेमिकल हेल्थ को वायबिलिटी के प्रॉक्सी के रूप में उपयोग करके "क्रेडिट असाइनमेंट" की समस्या को हल करता है।
जैविक संभाव्यता (Biological Plausibility): तेज़ सोच और धीमी संरचनात्मक परिवर्तन के बीच का अलगाव, जिसे तनाव द्वारा नियंत्रित किया जाता है, जैविक घटनाओं जैसे नींद-आधारित समेकन (sleep-dependent consolidation), विकास के क्रिटिकल पीरियड्स और न्यूरोमोड्यूलेशन को दर्शाता है।
नए गणितीय प्रश्न: यह कार्य स्व-नियमित डायनेमिकल सिस्टम के अध्ययन के लिए नए रास्ते खोलता है, यह पूछते हुए कि स्थिरता के लिए किन आंतरिक मेट्रिक्स का समूह पर्याप्त है और गेटेड प्लास्टिसिटी ड्रिफ्ट को कैसे रोकता है।
निष्कर्ष: यह पेपर तर्क देता है कि वास्तव में स्वायत्त बुद्धिमत्ता के लिए, डायनेमिकल वायबिलिटी के आधार पर अपनी आंतरिक संरचना का स्व-मूल्यांकन और पुनर्गठन करने की क्षमता, एक पूर्व-निर्धारित स्केलर ऑब्जेक्टिव के अनुकूलन से अधिक मौलिक है। लर्निंग को एक निश्चित लैंडस्केप में नीचे उतरने के रूप में नहीं, बल्कि स्वयं लैंडस्केप के सक्रिय नियमन के रूप में फिर से परिभाषित किया गया है।