Quantum-Tunnelling Oscillators for Cognitive Modelling and Neural Computation: Foundations, Machine-Vision Realisation and Applications
यह शोध पत्र संज्ञानात्मक प्रणालियों के लिए एक सार्वभौमिक गतिशील इंजन के रूप में एक क्वांटम-टनलिंग ऑसिलेटर मॉडल प्रस्तावित करता है, जो यह प्रदर्शित करता है कि कैसे नेटवर्कयुक्त क्वांटम-यांत्रिक एजेंट संदर्भ-निर्भर संक्रमणों का उपयोग करके ऑप्टिकल भ्रम और समूह निर्णय लेने जैसी जटिल घटनाओं का प्रभावी ढंग से अनुकरण कर सकते हैं, जो शास्त्रीय संभाव्यता मॉडलों से परे हैं।
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
यहाँ दिए गए पेपर का सरल भाषा, रोज़मर्रा के उदाहरणों और रचनात्मक रूपकों (metaphors) के साथ स्पष्टीकरण है।
मुख्य विचार: मानव मस्तिष्क एक "क्वांटम रेडियो" के रूप में
कल्पना कीजिए कि आपका मस्तिष्क एक मानक कंप्यूटर नहीं है जो कैलकुलेटर की तरह जानकारी को प्रोसेस करता है (1 + 1 = 2)। इसके बजाय, कल्पना कीजिए कि यह एक रेडियो ट्यूनर की तरह है जो शोर (static) के बीच एक सिग्नल खोजने की कोशिश कर रहा है।
लेखक, इवान मैक्सिमोव (Ivan Maksymov), यह समझने का एक नया तरीका प्रस्तावित करते हैं कि मनुष्य निर्णय कैसे लेते हैं, ऑप्टिकल इल्यूजन (दृष्टि भ्रम) कैसे देखते हैं, और समूहों में अपनी राय कैसे बनाते हैं। उनका सुझाव है कि हमारा मन केवल फैसला लेने के लिए सिक्का नहीं उछालता; बल्कि, वह "सुपरपोजिशन" (एक ही समय में दो जगहों पर होना) की स्थिति में रहता है, जब तक कि कोई चीज़ निर्णय लेने के लिए मजबूर न कर दे।
इसे मॉडल करने के लिए, वे भौतिकी (physics) की एक अवधारणा का उपयोग करते हैं जिसे "क्वांटम टनलिंग" (Quantum Tunnelling) कहा जाता है।
1. समस्या: हम अपना मन क्यों बदलते हैं?
क्या आपने कभी किसी ऑप्टिकल इल्यूजन को देखा है, जैसे कि प्रसिद्ध नेकर क्यूब (Necker Cube) (एक वायरफ्रेम क्यूब जो ऊपर की ओर इशारा करता हुआ दिखता है, और फिर अचानक नीचे की ओर इशारा करने लगता है)?
- शास्त्रीय दृष्टिकोण (Classical View): एक पारंपरिक कंप्यूटर मॉडल कहेगा, "क्यूब या तो ऊपर की ओर इशारा कर रहा है या नीचे की ओर।" यह एक बाइनरी चुनाव है।
- वास्तविकता: जब इंसान इसे देखते हैं, तो हमारा मस्तिष्क तुरंत बदलाव नहीं करता। हम भ्रम की स्थिति में झूलते रहते हैं। हम एक सेकंड के लिए दोनों संभावनाओं को एक साथ देखते हैं, इससे पहले कि हमारा मस्तिष्क उस छवि को एक संस्करण में "कोलैप्स" (collapse) कर दे।
इसके अलावा, यदि आप किसी से आज कोई निर्णय लेने के लिए कहते हैं, और फिर कल उनसे वही सवाल पूछते हैं, तो वे आपको अलग उत्तर दे सकते हैं। शास्त्रीय सिद्धांत कहते हैं कि यह एक गलती या रैंडम शोर है। यह पेपर कहता है: नहीं, यह कोई त्रुटि (bug) नहीं, बल्कि एक विशेषता (feature) है। हमारा मन स्वाभाविक रूप से तरल और अनिश्चित होता है जब तक कि हमें चुनने के लिए मजबूर न किया जाए।
2. समाधान: "क्वांटम टनल"
इस तरलता को समझाने के लिए, लेखक भौतिकी के एक रूपक का उपयोग करते हैं: कटोरे में गेंद (The Ball in the Bowl)।
- शास्त्रीय गेंद (The Classical Ball): कल्पना कीजिए कि एक कटोरे में एक गेंद है जिसके बीच में एक छोटी पहाड़ी है। यदि गेंद के पास उस पहाड़ी के ऊपर से लुढ़कने के लिए पर्याप्त ऊर्जा नहीं है, तो वह एक तरफ फंसी रह जाएगी। वह दूसरी तरफ कभी नहीं पहुँच सकती।
- क्वांटम गेंद (The Quantum Ball): क्वांटम दुनिया में, कण (जैसे इलेक्ट्रॉन) अजीब होते हैं। भले ही उनके पास पहाड़ी के ऊपर से जाने के लिए पर्याप्त ऊर्जा न हो, फिर भी वे कभी-कभी पहाड़ी के आर-पार टनल (सुरंग) बना कर निकल सकते हैं और दूसरी तरफ दिखाई दे सकते हैं।
मस्तिष्क के लिए रूपक:
अपनी दो संभावित पसंद (जैसे, "मुझे यह पसंद है" बनाम "मुझे यह नापसंद है") को एक पहाड़ी द्वारा अलग किए गए दो घाटियों के रूप में सोचें।
- एक सामान्य मस्तिष्क में, आप एक घाटी में फंस सकते हैं।
- इस क्वांटम-टनलिंग मॉडल में, आपका मन संदेह की बाधा के माध्यम से "टनल" कर सकता है। आप केवल एक राय से दूसरी राय पर कूदते नहीं हैं; आप अनिश्चितता के माध्यम से तैरते हैं, और एक निर्णय पर स्थिर होने से पहले दोनों पक्षों को एक साथ एक्सप्लोर करते हैं।
3. वास्तविक दुनिया का अनुप्रयोग: "सोशल बबल" (Social Bubble)
यह पेपर इस विचार को लेता है और इसे इस बात पर लागू करता है कि लोगों के समूह (जैसे सोशल मीडिया पर) कैसे सोचते हैं।
एक सोशल बबल (या इको चैंबर) की कल्पना आपस में जुड़े हुए कमरों के रूप में करें जिनके बीच में दीवारें हैं।
- बबल के अंदर: आप अपने दोस्तों के साथ एक कमरे में हैं। दीवारें मोटी हैं। दूसरे विचार को सुनने के लिए "टनल" करना कठिन है।
- मॉडल: लेखक इसे "पोटेंशियल वेल्स" (कमरों) का उपयोग करके सिम्युलेट करते हैं। जब लोग आपस में बातचीत करते हैं, तो उनकी राय के बीच की दीवारें पतली या मोटी हो जाती हैं।
- परिणाम: यदि दीवारें बहुत मोटी हैं, तो समूह "ध्रुवीकृत" (polarized) हो जाता है। वे दूसरी तरफ टनल नहीं कर पाते, इसलिए वे चरम विश्वासों में फंस जाते हैं। यदि दीवारें पतली हैं (नई जानकारी के लिए खुली हैं), तो विचार बह सकते हैं और मिल सकते हैं।
यह समझाता है कि किसी गरमागरम राजनीतिक बहस में किसी का मन बदलना इतना कठिन क्यों है—उनके विश्वास और आपके तथ्य के बीच की "बाधा" इतनी ऊँची है कि वे उसके माध्यम से टनल नहीं कर सकते।
4. मशीन विज़न टेस्ट: AI को हमारी तरह "देखना" सिखाना
लेखक केवल सिद्धांत तक ही सीमित नहीं रहे; उन्होंने एक न्यूरल नेटवर्क (AI का एक प्रकार) बनाया है जो इन क्वांटम नियमों का उपयोग करता है।
परीक्षण:
उन्होंने AI को मिलिट्री ट्रकों और सिविलियन ट्रकों की तस्वीरें देखने के लिए प्रशिक्षित किया। युद्ध क्षेत्र में, ये बहुत समान दिख सकते हैं (विशेष रूप से कोहरे या धुएं में)।
- मानक AI: जल्दी निर्णय लेने की कोशिश करता है। "क्या यह ट्रक है? हाँ/नहीं।" यह अक्सर गलतियाँ करता है क्योंकि यह बहुत कठोर होता है।
- क्वांटम AI: यह AI "हिचकिचाता" है। यह छवि को देखता है और कहता है, "हम्म, यह 60% नागरिक और 40% सैन्य है।" यह उस अनिश्चित अवस्था में रहता है, इधर-उधर डोलता रहता है, ठीक वैसे ही जैसे इंसान ऑप्टिकल इल्यूजन को देखते समय करते हैं।
यह बेहतर क्यों है?
जब AI अंततः निर्णय लेता है, तो वह अस्पष्ट स्थितियों में अक्सर अधिक सटीक होता है। यह मानव की उस क्षमता की नकल करता है जहाँ वह कहता है, "मैं अभी निश्चित नहीं हूँ, मुझे और करीब से देखने दो," बजाय इसके कि वह तुरंत अनुमान लगा ले।
5. व्यक्तिगत प्रेरणा
लेखक इस कार्य के लिए एक गहरा व्यक्तिगत कारण बताते हैं। वे यूक्रेन से हैं और ऑस्ट्रेलिया से युद्ध देख रहे हैं। उन्होंने देखा कि कैसे उनके देश के "संज्ञानात्मक वातावरण" (cognitive environment) में भारी बदलाव आया कि उनके दोस्त और परिवार के सदस्य उनके विचारों में अपरिचित लगने लगे।
वह एक गणितीय मॉडल बनाना चाहते थे जो यह समझा सके कि दबाव में लोग इतनी नाटकीय रूप से अपना मन क्यों बदलते हैं, और ऐसी मशीनें कैसे बनाई जा सकती हैं जो मानवीय अनिश्चितता को समझें, न कि केवल मनुष्यों को त्रुटिपूर्ण रोबोट के रूप में देखें।
सारांश: "मुख्य निष्कर्ष" (The Takeaway)
यह पेपर तर्क देता है कि मानव सोच (और बेहतर AI बनाने) को वास्तव में समझने के लिए, हमें मस्तिष्क को कैलकुलेटर की तरह मानना बंद करना होगा और इसे एक क्वांटम वेव (तरंग) की तरह मानना शुरू करना होगा।
- अनिश्चितता सामान्य है: एक ही समय में दो मन में होना ठीक है।
- निर्णय टनल हैं: हम केवल कूदते नहीं हैं; हम संदेह की बाधाओं के माध्यम से तैरते हैं।
- AI को हिचकिचाने की आवश्यकता है: जटिल, वास्तविक दुनिया की समस्याओं के लिए सबसे अच्छा AI वह हो सकता है जो एक पल के लिए अनिश्चित होने से न डरे।
कणों के दीवारों के माध्यम से टनल करने के भौतिकी का उपयोग करके, लेखक हमें यह देखने के लिए एक नया नजरिया देते हैं कि हम बहस क्यों करते हैं, हम भ्रम क्यों देखते हैं, और हम ऐसी मशीनें कैसे बना सकते हैं जो हमारे जैसा सोच सकें।
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।