No Plan, Yet Human: A Reactive Robotics Model Predicts Human Planning Failures on a Clinical Task
यह अध्ययन प्रदर्शित करता है कि AICON, जो कि लुकअहेड प्लानिंग (lookahead planning) से रहित एक रिएक्टिव रोबोटिक फ्रेमवर्क है, टॉवर ऑफ लंदन टेस्ट पर मानवीय नियोजन कठिनाइयों और विफलता के पैटर्न की सटीक भविष्यवाणी करता है, विशेष रूप से कम संज्ञानात्मक क्षमता वाले व्यक्तियों के लिए, जो यह सुझाव देता है कि बाधाओं के तहत जैविक नियोजन (biological planning) उन रिएक्टिव मोड की ओर स्थानांतरित हो जाता है जैसा कि रोबोटिक्स में मॉडल किया गया 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
मानव स्वभाव रूप से उन पहेलियों को हल करने में अत्यंत कुशल है जिनमें चरणों का एक क्रम आवश्यक होता है। चाहे हम कमरे में फर्नीचर की व्यवस्था बदल रहे हों या किसी शहर के जटिल मार्ग से गुजर रहे हों, हम अक्सर भविष्य की स्थितियों की कल्पना करते हुए आगे की ओर देखते हैं और तय करते हैं कि आगे क्या करना है। योजना बनाने की यह क्षमता मानव बुद्धि का एक आधार स्तंभ है, लेकिन यह नाजुक भी है। जब मस्तिष्क घायल हो जाता है या पार्किंसंस रोग जैसी स्थितियों से प्रभावित होता है, तो यह क्षमता सिमट सकती है, जिससे लोग उन समस्याओं पर अटक जाते हैं जिन्हें वे पहले आसानी से हल कर लेते थे। यह समझना कि ये विफलताएं वास्तव में कैसे और क्यों होती हैं, इन स्थितियों के बेहतर निदान और उपचार के तरीके विकसित करने के लिए अत्यंत महत्वपूर्ण है। दशकों से, वैज्ञानिकों ने मानव सोच की नकल करने वाले कंप्यूटर मॉडल बनाने की कोशिश की है, जो आमतौर पर उन्हें ठीक वैसे ही भविष्य की संभावनाओं का अनुकरण करने के लिए प्रोग्राम करते हैं जैसे एक व्यक्ति करता है। हालांकि, एक नया अध्ययन बताता है कि मानव संघर्ष को समझने का सबसे सटीक तरीका एक बेहतर 'प्लानर' (योजनाकार) बनाना नहीं है, बल्कि एक ऐसा सिस्टम बनाना है जो बिल्कुल भी योजना न बनाता हो।
बर्लिन की टेक्निकल यूनिवर्सिटी और फ्री यूनिवर्सिटी ऑफ बर्लिन के शोधकर्ताओं ने इस जांच के लिए 'टावर ऑफ लंदन' नामक एक सरल और प्रसिद्ध पहेली का सहारा लिया। इस परीक्षण में, एक व्यक्ति को अलग-अलग ऊंचाइयों के तीन खंभे और रंगीन मोतियों का एक सेट दिया जाता है। लक्ष्य मोतियों को शुरुआती व्यवस्था से एक विशिष्ट लक्षित व्यवस्था तक न्यूनतम चालों में ले जाना है। नियम सख्त हैं: एक मोती को तभी हिलाया जा सकता है जब वह किसी ढेर के ऊपर हो, और एक खंभा अपनी ऊंचाई के आधार पर मोतियों की एक निश्चित संख्या ही रख सकता है। हालांकि नियम सरल हैं, लेकिन मानसिक प्रयास की आवश्यकता एक पहेली से दूसरी पहेली में बहुत भिन्न होती है। कुछ व्यवस्थाएं हल करना आसान होती हैं, जबकि अन्य स्वस्थ लोगों को भी लंबी, भ्रमित करने वाली चालों के चक्रव्यूह में फंसा देती हैं। पार्किंसंस रोग, हल्के संज्ञानात्मक दोष (माइल्ड कॉग्निटिव इम्पेयरमेंट), या स्ट्रोक से पीड़ित लोग अक्सर इन परीक्षणों में बहुत विशिष्ट और अनुमानित तरीकों से विफल होते हैं, वे कुछ विशेष प्रकार की पहेलियों पर अटक जाते हैं जबकि अन्य को हल कर लेते हैं।
इस पैटर्न को समझने के लिए, टीम ने AICON नामक एक मॉडल लागू किया, जिसे मूल रूप से रोबोटों को वास्तविक दुनिया में वस्तुओं को हिलाने-डुलाने में मदद करने के लिए डिज़ाइन किया गया था। पारंपरिक कंप्यूटर प्रोग्रामों के विपरीत जो समाधान खोजने के लिए भविष्य का अनुकरण करते हैं, AICON भविष्य को नहीं देखता। यह केवल तात्कालिक स्थिति पर प्रतिक्रिया देता है। एक ऐसे रोबोट की कल्पना करें जो केवल अपने सामने रखी वस्तु और वर्तमान लक्ष्य को देख सकता है; वह वर्तमान में जो दिखाई दे रहा है उसके आधार पर लक्ष्य की ओर सबसे तीव्र पथ की गणना करता है और उस दिशा में एक कदम बढ़ाता है। यह प्रक्रिया को दोहराता है, बिना कभी पांच कदम आगे की चालों का अनुकरण किए, दुनिया की नई स्थिति के आधार पर लगातार अपने पथ को समायोजित करता है। शोधकर्ताओं ने इसी प्रतिक्रियाशील (रिएक्टिव) प्रणाली का उपयोग उन्हीं 24 टावर ऑफ लंदन पहेलियों को हल करने के लिए किया जो मानव प्रतिभागियों को दी गई थीं। इसके बाद उन्होंने कंप्यूटर के प्रदर्शन की तुलना 295 लोगों के वास्तविक परिणामों से की, जिनमें स्वस्थ स्वयंसेवक और विभिन्न न्यूरोलॉजिकल स्थितियों वाले रोगी शामिल थे।
परिणामों ने एक चौंकाने वाला और विरोधाभासी पैटर्न प्रकट किया। जब शोधकर्ताओं ने स्वस्थ स्वयंसेकर्ताओं को देखा, तो प्रतिक्रियाशील कंप्यूटर मॉडल सबसे सटीक मेल नहीं था। इसके बजाय, स्वस्थ लोगों के प्रदर्शन को उन मॉडलों द्वारा बेहतर ढंग से समझाया गया जो आगे देखते थे और योजना बनाते थे, जो यह सुझाव देता है कि स्वस्थ मनुष्य वास्तव में इन पहेलियों को हल करने के लिए भविष्योन्मुखी सोच का उपयोग करते हैं। हालांकि, कहानी पूरी तरह से तब बदल गई जब शोधकर्ताओं ने कम नियोजन क्षमता वाले समूहों का अध्ययन किया। पार्किंसंस रोग, हल्के संज्ञानात्मक दोष, या स्ट्रोक के इतिहास वाले लोगों के लिए, प्रतिक्रियाशील मॉडल किसी भी योजना-आधारित मॉडल की तुलना में कहीं अधिक सटीक था। बिना योजना बनाने वाले कंप्यूटर ने उन विशिष्ट कठिनाइयों की बेहतर भविष्यवाणी की जिनका सामना इन रोगियों को करना पड़ता था, बजाय एक ऐसे कंप्यूटर के जो योजना बनाने की कोशिश करता था। इसने सही ढंग से पहचाना कि कौन सी पहेलियाँ उनके लिए सबसे कठिन होंगी और महत्वपूर्ण रूप से, उन विशिष्ट प्रकार की गलतियों की भविष्यवाणी की जो वे करते थे।
यह निष्कर्ष उस लंबे समय से चली आ रही परिकल्पना का समर्थन करता जिसे इस अध्ययन से पहले AICON मॉडल के रचनाकारों ने नोट किया था। उन्होंने देखा था कि मॉडल की अपनी कमजोरियां—विशेष रूप से, परस्पर विरोधी लक्ष्यों को प्रबंधित करने की आवश्यकता वाली पहेलियों के साथ उसका संघर्ष—पार्किंसंस रोग के रोगियों के संघर्षों को प्रतिबिंबित करती हैं। नया डेटा पुष्टि करता है कि जैसे-जैसे मस्तिष्क की योजना बनाने की क्षमता कम होती है, मानव व्यवहार एक प्रतिक्रियाशील मोड की ओर स्थानांतरित हो जाता है, जो भविष्य के सिमुलेशन के बजाय तात्कालिक संकेतों पर निर्भर करता है। अध्ययन ने केवल यह नहीं दिखाया कि मॉडल पहेलियों को हल कर सकता है; इसने यह भी दिखाया कि मॉडल उसी तरह विफल हुआ जैसे विशिष्ट समूहों के लोग विफल हुए। यह संरेखण (अलाइनमेंट) इस बात का प्रमाण है कि प्रतिक्रियाशील रणनीति केवल 'टूटे हुए दिमागों' के लिए एक विकल्प नहीं है, बल्कि यह जैविक प्रणालियों द्वारा सूचना प्रसंस्करण का एक मौलिक हिस्सा है। इसका तात्पर्य यह है कि जब हम स्वस्थ होते हैं, तब भी हम संभवतः योजना और प्रतिक्रिया का मिश्रण उपयोग करते हैं, लेकिन जब हमारी नियोजन क्षमता बाधित होती है, तो प्रतिक्रियाशील पक्ष हावी हो जाता है, और हमारे द्वारा की जाने वाली त्रुटियां उस प्रणाली की अंतर्निहित संरचना को प्रकट करती हैं।
शोधकर्ताओं ने सावधानीपूर्वक यह नोट किया है कि इसका मतलब यह नहीं है कि योजना बनाना महत्वहीन है या प्रतिक्रियाशील मॉडल मानव मस्तिष्क की एक सटीक प्रतिलिपि है। यह मॉडल सीखने, व्यक्तिगत अंतरों, या स्वस्थ लोगों द्वारा उपयोग की जाने वाली जानबूझकर की गई नियोजन रणनीतियों की व्याख्या नहीं कर सकता। यह पहेली सुलझाने की प्रक्रिया के केवल एक घटक को ही पकड़ता है। हालांकि, यह तथ्य कि रोबोटिक हेरफेर के लिए बनाया गया एक सिस्टम, जिसे मानव तंत्रिका विज्ञान का कोई ज्ञान नहीं है, मस्तिष्क विकारों वाले रोगियों के विशिष्ट विफलता पैटर्न की भविष्यवाणी कर सका, एक शक्तिशाली संकेतक है। यह सुझाव देता है कि जैविक प्रणालियाँ सूचना को कैसे व्यवस्थित करती हैं, इसका मूल तर्क पहले की तुलना में कहीं अधिक गहरा और सार्वभौमिक है। एक सरल, प्रतिक्रियाशील मशीन के विफल होने के अध्ययन करके, वैज्ञानिक यह समझने के लिए एक नया झरोखा पा सकते हैं कि मानव मस्तिष्क तनाव के दौरान कैसे कार्य करता है, जो उन लोगों के लिए अधिक सटीक नैदानिक उपकरण और लक्षित उपचारों की ओर एक संभावित मार्ग प्रदान करता है जो क्रमिक नियोजन (सीक्वेंशियल प्लानिंग) के लिए संघर्ष कर रहे 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।