🌀 nonlinear sciences

Internal-state criticality in Bayesian-inverse-Bayesian inference

यह शोध पत्र बेयसियन-इनवर्स-बेयसियन (BIB) अनुमान को एक न्यूनतम जनरेटिव मॉडल के रूप में प्रस्तावित करता है जो परिकल्पना नवीनीकरण (hypothesis renewal) के माध्यम से बार-बार खेले जाने वाले खेलों में सुदृढ़ आंतरिक क्रिटिकैलिटी (internal criticality) को प्रेरित करता है, जो बाहरी पैरामीटर ट्यूनिंग की आवश्यकता के बिना भारी-पूंछ वाले सांख्यिकी (heavy-tailed statistics) और शून्य-ड्रिफ्ट लॉग-पोस्टीरियर वॉक (zero-drift log-posterior walk) द्वारा अभिलक्षित है।

मूल लेखक: Kazuto Sasai, Yukio-Pegio Gunji

प्रकाशित 2026-06-23

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Kazuto Sasai, Yukio-Pegio Gunji

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 कि आप एक कंप्यूटर के खिलाफ रॉक-पेपर-सिज़र्स (पत्थर-कागज-कैंची) का खेल खेल रहे हैं। आप जीतना चाहते हैं, इसलिए आप यह पता लगाने की कोशिश करते हैं कि कंप्यूटर अगला कदम क्या उठाने वाला है।

अधिकांश कंप्यूटर प्रोग्राम पूर्ण होने की कोशिश करते हैं। वे संभावनाओं की गणना करते हैं, पैटर्न देखते हैं, और अंततः एक "सुरक्षित" रणनीति पर टिक जाते हैं: रॉक, पेपर और सिज़र्स को 33% बार पूरी तरह से यादृच्छिक (random) रूप से खेलना। गेम थ्योरी में, इसे "नैश इक्विलिब्रियम" (Nash Equilibrium) कहा जाता है। यह वह बिंदु है जहाँ आपको हराया नहीं जा सकता, लेकिन आप जीत भी नहीं सकते। यदि आप एक पूर्ण कंप्यूटर के विरुद्ध खेलते हैं, तो खेल यादृच्छिक चालों का एक उबाऊ, अनुमानित सिलसिला बन जाता है।

लेकिन इंसान ऐसे नहीं होते। जब हम खेलते हैं, तो हम 'स्ट्रिक्स' (लगातार एक ही चीज़ करने के दौर) में फंस जाते हैं। हम शायद लगातार पांच बार "रॉक" खेल सकते हैं, और फिर अचानक दस टर्न के लिए "पेपर" पर स्विच कर सकते हैं। हमारे निर्णय यादृच्छिक नहीं होते; उनमें एक "हैवी टेल" (heavy tail) होती है, जिसका अर्थ है कि शुद्ध संयोग की तुलना में लंबे स्ट्रिक्स अधिक बार होते हैं।

यह शोध पत्र सोचने का एक नया तरीका पेश करता है, जिसे बेयसियन-इनवर्स-बेयसियन (BIB) इन्फरेंस कहा जाता है। यह दावा करता है कि यह विधि कंप्यूटर को स्वाभाविक रूप से वे मानव-समान स्ट्रिक्स और पैटर्न विकसित करने की अनुमति देती है, इसलिए नहीं कि इसे मनुष्यों की नकल करने के लिए प्रोग्राम किया गया था, बल्कि इसलिए क्योंकि इसके आंतरिक "मस्तिष्क" के काम करने का तरीका ऐसा है।

यह कैसे काम करता है, इसका विवरण यहाँ सरल उपमाओं के साथ दिया गया है:

1. दो-चरणीय सोचने की प्रक्रिया

BIB एजेंट दो विपरीत मानसिक चरणों का उपयोग करता है जो एक-दूसरे को संतुलित करते हैं:

चरण A: "फोकस" (बेयसियन अपडेट)
कल्पना कीजिए कि आप सुराग इकट्ठा करने वाले एक जासूस हैं। हर बार जब आपको कोई सुराग मिलता है, तो आप एक विशिष्ट संदिग्ध के बारे में अधिक आश्वस्त हो जाते हैं। आप अन्य लोगों को अनदेखा करना शुरू कर देते हैं। यदि आप इसे हमेशा के लिए करते रहते, तो आप केवल एक ही संदिग्ध के बारे में 100% निश्चित हो जाते और किसी और को नहीं देखते। यह "एकाग्रता" (concentration) है।
चरण B: "रीसेट" (इनवर्स-बेयसियन चरण)
अब, कल्पना कीजिए कि जब आप बहुत अधिक आश्वस्त हो जाते हैं, तो एक दोस्त आपके कंधे पर थपथपाता है और कहता है, "हे, याद है वह अजीब पैटर्न जो हमने पहले देखा था? चलो मान लेते हैं कि वही नया सच है, भले ही हमारे पास अभी बहुत अधिक सबूत न हों।"
यह चरण आपके सबसे कम विश्वसनीय विचार को लेता है और उसे हाल ही में देखे गए सबसे नए पैटर्न से बदल देता है। यह आपके दिमाग को खुला रखने और आपको केवल एक विचार पर अटकने से रोकने के लिए मजबूर करता है।

2. "क्रिटिकल स्टेट" (सही संतुलन)

यह शोध पत्र तर्क देता है कि जब आप इन दो चरणों को मिलाते हैं—एकाग्र होना और फिर रीसेट होना—तो आप एक "स्वीट स्पॉट" (सही बिंदु) पर पहुँचते हैं जिसे क्रिटिकैलिटी (criticality) कहा जाता है।

एक रस्सी पर चलने वाले (tightrope walker) के बारे में सोचें।

यदि वे केवल फोकस (चरण A) करते हैं, तो वे कठोर हो जाते हैं और गिर जाते हैं क्योंकि वे अनुकूलित नहीं हो पाते।
यदि वे केवल रीसेट (चरण B) करते हैं, तो वे बहुत अराजक होते हैं और निर्णय लेने में सक्षम नहीं होते।
लेकिन यदि वे दोनों को संतुलित करते हैं, तो वे आंतरिक क्रिटिकैलिटी की स्थिति में प्रवेश करते हैं। वे खड़े रहने के लिए पर्याप्त स्थिर हैं, लेकिन हवा के साथ झूमने के लिए पर्याप्त लचीले भी हैं।

इस स्थिति में, एजेंट का "पसंदीदा अनुमान" (वह परिकल्पना जिस पर वह सबसे अधिक भरोसा करता है) कुछ समय के लिए एक जैसा रहता है, और फिर अचानक बदल जाता है। वह समय जो वह एक अनुमान पर बिताता है, एक विशिष्ट गणितीय नियम (पावर लॉ) का पालन करता है। इसका मतलब है कि एजेंट स्वाभाविक रूप से एक ही विचार के लंबे स्ट्रिक्स उत्पन्न करता है, ठीक वैसे ही जैसे इंसान करते हैं।

3. यह क्यों विशेष है

शोधकर्ताओं ने इसका परीक्षण एक मानक "केवल-बेयसियन" कंप्यूटर (जो केवल चरण A, यानी "फोकस" करता है) के विरुद्ध किया।

मानक कंप्यूटर: यह जल्दी ही एक उबाऊ, यादृच्छिक पैटर्न में सेट हो जाता है। इसमें कोई लंबे स्ट्रिक्स नहीं होते। यह एक ऐसे रोबोट की तरह है जो तब तक अपना विचार नहीं बदलता जब तक कि उसे मजबूर न किया जाए।
BIB कंप्यूटर: यह स्वाभाविक रूप से "क्रिटिकल स्टेट" में गिर जाता है। इसमें एक रणनीति पर टिके रहने के लंबे स्ट्रिक्स होते हैं, जिसके बाद अचानक, नाटकीय बदलाव आते हैं।

अद्भुत बात यह है कि यह स्वचालित रूप से होता है। शोधकर्ताओं को कोई बटन घुमाने या कंप्यूटर को यह बताने की आवश्यकता नहीं थी कि, "हे, इंसान की तरह व्यवहार करने की कोशिश करो।" उन्होंने बस "रीसेट" चरण जोड़ा, और जटिल, मानव-समान व्यवहार अपने आप उभर आया।

4. "आंतरिक" बनाम "बाहरी" रहस्य

इसमें एक मोड़ है। जब दो BIB कंप्यूटर एक-दूसरे के खिलाफ खेलते हैं, तो वे दोनों इतने अनुकूलनशील हो जाते हैं कि वे यादृच्छिक रूप से खेलने लगते हैं, बिल्कुल मानक कंप्यूटर की तरह। वे एक-दूसरे को बेअसर कर देते हैं।

हालाँकि, उनके आंतरिक विचार अभी भी अराजक और स्ट्रिकी (streaky) होते हैं। वे लंबे स्ट्रिक्स में सोच रहे हैं, लेकिन क्योंकि वे एक ऐसे प्रतिद्वंद्वी के खिलाफ खेल रहे हैं जो भी पूरी तरह से अनुकूलित है, वे विचार उनके अंतिम कदमों में दिखाई नहीं देते हैं।

लेकिन यदि आप एक इंसान के खिलाफ BIB खेलते हैं (जो गलतियाँ करता है और जिसके पूर्वाग्रह अनुमानित होते हैं), तो BIB एजेंट की आंतरिक "स्ट्रिकी" प्रकृति उसे मानव के पैटर्न को पकड़ने और उनका फायदा उठाने की अनुमति देती है। यह एक लचीले शिकारी की तरह कार्य करता है जो अवसर मिलते ही अपनी रणनीति बदलने में सक्षम है।

मुख्य निष्कर्ष

यह शोध पत्र सुझाव देता है कि मनुष्य (और शायद जानवर भी) लंबे, हेवी-टेल्ड स्ट्रिक्स में निर्णय क्यों लेते हैं, इसका कारण यह नहीं है कि हम गणित में खराब हैं या हम "तर्कहीन" हैं। इसके बजाय, यह संभव है कि हमारा मस्तिष्क एक समान "फोकस और रीसेट" तंत्र का उपयोग करता है।

एक मानक सीखने वाले एल्गोरिदम में एक सरल "भूलने और नवीनीकरण" चरण जोड़कर, सिस्टम स्वाभाविक रूप से खुद को क्रिटिकैलिटी की स्थिति में व्यवस्थित करता है। यह स्थिरता और लचीलेपन के बीच एक संतुलन बनाता है जो स्पष्ट रूप से प्रोग्राम किए बिना जटिल, अनुकूलन योग्य व्यवहार की अनुमति देता है। यह AI बनाने का एक नया तरीका है जो एक कठोर कैलकुलेटर के बजाय एक जीवित, सांस लेते हुए निर्णय लेने वाले की तरह सोचता है।

तकनीकी सारांश: बेयसियन-इनवर्स-बेयसियन अनुमान में आंतरिक-अवस्था की नैमित्तिकता (Criticality)

समस्या विवरण
हालिया अनुभवजन्य और सैद्धांतिक कार्य संकेत देते हैं कि नैमित्तिकता (criticality) और अनुमान गतिकी (inference dynamics) के बीच एक अभिसरण (convergence) है, जहाँ तंत्रिका रिकॉर्डिंग और जैविक खोज व्यवहार अक्सर क्रिटिकल पॉइंट्स के पास भारी-पूंछ वाले (power-law) सांख्यिकी प्रदर्शित करते हैं। हालाँकि, मौजूदा साहित्य मुख्य रूप से नैमित्तिकता के संकेतों की पहचान करता है या यह तर्क देता है कि अनुमानित मॉडल क्रिटिकल सतहों के पास रहने की प्रवृत्ति रखते हैं, लेकिन यह कोई ठोस अनुमान नियम (inference rule) प्रदान नहीं करता जिसकी अपनी गतिकी स्वाभाविक रूप से नैitical हो। इसके अतिरिक्त, मानक गेम-प्लेइंग AI (जैसे कि काउंटरफैक्चुअल रिग्रेट मिनिमाइजेशन जैसे नैश-टारगेटिंग ऑप्टिमाइज़र) सटीकता और इष्टतम रणनीतियों की ओर अभिसरण खोजने का प्रयास करता है, जो अक्सर सममित शून्य-योग खेलों (symmetric zero-sum games) में एक समान यादृच्छिक खेल (uniform random play) में ढह जाता है, जिससे वह मानव निर्णय लेने की गैर-तुच्छ, भारी-पूंछ वाली गतिकी को पकड़ने में विफल रहता है। यह शोध एक न्यूनतम जनरेटिव मॉडल की आवश्यकता को संबोधित करता जहाँ नैमित्तिकता स्वयं अनुमान प्रक्रिया से उत्पन्न होती है, न कि किसी बाहरी ट्यूनिंग या अवशोषक अवस्था (absorbing state) की ओर स्व-संगठन (self-organization) द्वारा थोपी जाती है।

कार्यप्रणाली
लेखक बार-बार होने वाले $N$ -हैंड चक्रीय-प्रभुत्व वाले रॉक-पेपर-सिज़र्स (RPS) खेलों के संदर्भ में बेयसियन-इनवर्स-बेयसियन (BIB) अनुमान का प्रस्ताव और सिमुलेशन करते हैं।

मॉडल: BIB एजेंट प्रतिद्वंद्वी के बारे में परिकल्पनाओं ( $N_h$ ) का एक सेट बनाए रखता है। यह देखे गए परिणामों के आधार पर एक मानक बेयसियन अपडेट (संकुचन/contraction) करता है। महत्वपूर्ण रूप से, यह इसे एक इनवर्स-बेयसियन चरण (विश्रांति/relaxation) के साथ जोड़ता है: $m$ अवलोकनों के एक विंडो के बाद, सबसे कम पश्च प्रायिकता (posterior probability) वाली परिकल्पना को हाल के अवलोकनों के अनुभवजन्य हिस्टोग्राम (empirical histogram) द्वारा बदल दिया जाता है। यह "परिकल्पना नवीनीकरण" (hypothesis renewal) पश्च पतन (posterior collapse) को रोकता है और नए डेटा प्रवाह को प्रतिबिंबित करने वाली नई परिकल्पनाओं को इंजेक्ट करता है।
प्रायोगिक डिजाइन: अध्ययन एक विशाल-स्तरीय सिमुलेशन ( $\sim 10^8$ निर्णय घटनाएँ) का उपयोग करता है जो छह अक्षों का सर्वेक्षण करता है: गेम का आकार ( $N \in \{3, 5, 7\}$ ), परिकल्पना गणना ( $N_h \in \{3, 6, 10, 15, 20\}$ ), विंडो का आकार ( $m \in \{10, 20, 50, 100\}$ ), प्रारंभिक अवस्था (यादृच्छिक बनाम संरचित), भविष्यवाणी मोड (सैंपलिंग बनाम argmax), और लाइकलीहुड शार्पनेस।
नियंत्रण (Controls): लेखक BIB की तुलना निम्नलिखित से करते हैं:
- बेयस-ओनली (BO): वे एजेंट जो इनवर्स चरण के बिना मानक बेयसियन अपडेट करते हैं।
- मानक शिक्षार्थी (Standard Learners): विन-स्टे/लूज़-शिफ्ट (WSLS), Q-लर्निंग, और रिग्रेट मैचिंग।
- यादृच्छिक एजेंट (Random Agents): यूनिफॉर्म रैंडम प्ले (नैश इक्विलिब्रियम बेसलाइन)।
अवलोकनीय (Observables): प्राथमिक मीट्रिक argmax-पर्सिस्टेंस समय ( $T_{argmax}$ ) है, जिसे परिभाषित किया गया है कि सबसे संभावित परिकल्पना कितनी अवधि तक अपरिवर्तित रहती है। माध्यमिक मीट्रिक लैमिनार-फेज की लंबाई (वे अवधि जहाँ अधिकतम पश्च प्रायिकता एक थ्रेशोल्ड से अधिक होती है) और परिमित-आकार स्केलिंग (finite-size scaling) विश्लेषण हैं।

प्रमुख परिणाम

सार्वभौमिक क्रिटिकल स्टेट: सभी डिजाइन विविधताओं (आरंभिक अवस्था, भविष्यवाणी मोड) और प्रतिद्वंद्वी वर्गों में, BIB गतिकी एक मजबूत आंतरिक क्रिटिकल स्टेट में स्थिर हो जाती है। Argmax-पर्सिस्टेंस समय का वितरण एक भारी-पूंछ वाले पावर लॉ का अनुसरण करता है जिसका घातांक $\alpha \approx 1.43$ है (कैनोनिकलल विंडो $m=50, N=3$ पर)।
बेयस-ओनली अनुमान में अनुपस्थिति: BO एजेंट, इनवर्स चरण के अभाव में, पावर-लॉ पर्सिस्टेंस प्रदर्शित नहीं करते हैं। उनके वितरण स्ट्रेच्ड एक्सपोनेंशियल या लॉग-नॉर्मल द्वारा बेहतर फिट होते हैं, और उनमें परिकल्पना गणनाओं केAcross एक सार्वभौमिक घातांक का अभाव होता है।
यूनिवर्सलिटी क्लास और ड्रिफ्ट: मापा गया घातांक $\alpha \approx 1.43$ एक स्थिर स्थिरांक नहीं है, बल्कि यह व्यवस्थित रूप से सार्वभौमिक मान $3/2$ (जो ऑन-ऑफ इंटरमिटेंसी और स्पारे-एंडर्सन फर्स्ट-रिटर्न लॉ की विशेषता है) की ओर ड्रिफ्ट करता है जब परिमित-नमूना अवशेष (finite-sample residual) $(N-1)/(2m)$ शून्य हो जाता है। यह पुष्टि करता है कि गतिकी एक जीरो-ड्रिफ्ट लॉग-पोस्टीरियर वॉक द्वारा संचालित है जो इनवर्स स्टेप द्वारा पिन की गई है।
परिमित-आकार स्केलिंग (Finite-Size Scaling): सिस्टम परिकल्पना गणना $N_h$ के संबंध में परिमित-आकार स्केलिंग प्रदर्शित करता है। कोर रिजीम ( $N_h \in \{6, 10\}$ ) में, घातांक अपरिवर्तित रहता है। कटऑफ समय $T_{max} \propto N_h^{-z}$ के साथ स्केल करता है जहाँ $z \approx 1.49$ है। पश्च प्रसार (posterior spread) $\sigma \propto N_h^{-\beta}$ के साथ स्केल करता है जहाँ $\beta \approx 1.07$ है, जो सूचना-सैद्धांतिक निचली सीमा के करीब है, जो इंगित करता है कि इनवर्स स्टेप स्केलिंग को नवीनीकरण गतिकी में अवशोषित कर लेता है।
मजबूती (Robustness): यह सार्वभौमिकता विभिन्न गेम आयामों ( $N=3, 5, 7$ ), विभिन्न गेम संरचनाओं (मैचिंग पेनीज़, $N=2$ पर परीक्षण किया गया), और विभिन्न अवलोकन नियमों के बावजूद बनी रहती है, बशर्ते कि बेयसियन नवीनीकरण सक्रिय रहे।
आंतरिक बनाम बाहरी: एक यूनिफॉर्म नैश प्रतिद्वंद्वी के विरुद्ध सममित BIB-बनाम-BIB खेल में, भारी-पूंछ वाली क्रिटिकैलिटी आंतरिक परिकल्पना स्थान तक सीमित है। व्यवहारिक स्ट्रिक्स (हैंड रिपीट, जीत की स्ट्रिक्स) एक्सपोनेंशियल रहती हैं क्योंकि सममित प्रतिद्वंद्वी एक्शन मार्जिनल को यूनिफॉर्म नैश तक पिन कर देता है। हालांकि, एक निश्चित, पक्षपाती (एक्सप्लॉयटेबल) प्रतिद्वंद्वी के विरुद्ध, एजेंट की व्यवहारिक स्ट्रिक्स पावर लॉ में बदल जाती हैं, जो यह दर्शाती है कि आंतरिक क्रिटिकैलिटी लचीलेपन के एक भंडार (reservoir of flexibility) के रूप में कार्य करती है।

महत्व और दावे
यह शोध दावा करता है कि एक मानक बेयसियन अनुमान में एक इनवर्स-बेयसियन रिलैक्सेशन स्टेप जोड़ने से एक सार्वभौमिक क्रिटिकल स्ट्रक्चर उत्पन्न होता है।

तंत्र (Mechanism): लेखक तर्क देते हैं कि यह आंतरिक-अवस्था की नैमित्तिकता का एक तंत्र है जो पारंपरिक SOC (स्व-संगठित क्रिटिकैलिटी) के विपरीत, परिकल्पना-स्थान की सीमा के निरंतर पुनर्निर्माण के माध्यम से प्राप्त की जाती है। इनवर्स स्टेप संरचनात्मक रूप से प्रति-चरण लॉग-पोस्टीरियर ड्रिफ्ट को शून्य पर पिन करता है, जिससे बाहरी पैरामीटर ट्यूनिंग के बिना एक क्रिटिकल स्टेट निर्मित होती है।
SOC से भिन्नता: यद्यपि इसमें SOC की विशेषताएं (स्केल-फ्री सांख्यिकी, कोई ट्यूनिंग नहीं) शामिल हैं, लेखक BIB को इस बात पर ध्यान देकर इससे अलग करते हैं कि यह एक अवशोषक क्रिटिकल पॉइंट की ओर स्व-संगठित नहीं होता है, बल्कि सीमा पुनर्निर्माण के माध्यम से नैमित्तिकता बनाए रखता है। वे ऑपरेशनल रूप से इसकी गतिकी को परिकल्पना वितरणों के सिमप्लेक्स पर ऑन-ऑफ इंटरमिटेंसी के रूप में पहचानते हैं।
व्यवहार संबंधी प्रासंगिकता: अध्ययन बताता है कि BIB मानव निर्णय लेने में देखी जाने वाली भारी-पूंछ वाली पर्सिस्टेंस सांख्यिकी के लिए एक जनरेटिव मॉडल प्रदान करता है। नैश-टारगेटिंग एल्गोरिदम के विपरीत, जो सममित खेलों में यादृच्छिकता में ढह जाते हैं, BIB एजेंट अपने आंतरिक तंत्र के माध्यम से मानव खेल की गैर-तुच्छ, भारी-पूंछ वाली गतिकी को स्वाभाविक रूप से पुनरुत्पादित करते हैं, जिसके लिए पूर्व-प्रशिक्षण या बाहरी फिटिंग की आवश्यकता नहीं होती।
विनम्रता (Modesty): लेखक स्पष्ट रूप से कहते हैं कि $\alpha \approx 1.43$ एक प्रोटोकॉल-निर्भर अनुमान है, न कि कोई भौतिक स्थिरांक। वे यह दावा नहीं करते कि वे शास्त्रीय SOC को सिद्ध करते हैं, बल्कि यह कि वे एक सार्वभौमिक क्रिटिकल स्ट्रक्चर का वर्णन करते हैं जो एक प्राकृतिक पैरामीटर रेंज में सुदृढ़ है। इसका महत्व इस बात में निहित है कि यह एक न्यूनतम, जनरेटिव अनुमान नियम प्रदान करता है जो तर्कसंगत अनुकूलन (जो मानव गतिकी को पकड़ने में विफल रहता है) और जैविक प्रणालियों में नैमित्तिकता के अनुभवजन्य अवलोकन के बीच के अंतर को पाटता है।

1. दो-चरणीय सोचने की प्रक्रिया

2. "क्रिटिकल स्टेट" (सही संतुलन)

3. यह क्यों विशेष है

4. "आंतरिक" बनाम "बाहरी" रहस्य

मुख्य निष्कर्ष

इसी तरह के और पेपर