The adaptive nature of confirmation bias

तकनीकी सारांश: पुष्टिकरण पूर्वाग्रह (Confirmation Bias) की अनुकूलन क्षमता

समस्या विवरण
पुष्टिकरण पूर्वाग्रह (Confirmation bias), जो पूर्व मान्यताओं के अनुरूप जानकारी को प्राथमिकता देने की प्रवृत्ति है, को पारंपरिक रूप से एक अनुमानात्मक त्रुटि के रूप में देखा जाता है जो तर्कसंगतता को बाधित करती है, विशेष रूप से बेयसियन अनुमान (Bayesian inference) के ढांचे के भीतर। जबकि मौजूदा साहित्य इस पूर्वाग्रह को सीमित तर्कसंगतता (bounded rationality), कार्यशील स्मृति (working memory) की सीमाओं, या पुरस्कार संरचनाओं के रूप में देखता है, ये स्पष्टीकरण अक्सर विशिष्ट पुरस्कार संदर्भों से स्वतंत्र पुष्टिकरण पूर्वाग्रह की संभावित तर्कसंगत स्थिति की व्याख्या करने में विफल रहते हैं। इसके अलावा, मानक बेयसियन मॉडल यह समझाने में संघर्ष करते हैं कि ऐसे पूर्वाग्रह क्यों विकासवादी लाभ प्रदान कर सकते हैं, जैसे कि कम मेमोरी आवश्यकताएं या त्वरित त्रुटि न्यूनीकरण। यह शोध पत्र इस प्रश्न को संबोधित करता है: क्या पुष्टिकरण पूर्वाग्रह को सूचना की खोज और परिकल्पना परीक्षण के लिए एक इष्टतम (optimal), अनुकूलन योग्य रणनीति के रूप में तैयार किया जा सकता है?

कार्यप्रणाली
लेखक बाइनरी परिकल्पना परीक्षण और साक्ष्य चयन की समस्या को क्वांटम संभाव्यता (quantum probability) के गणितीय ढांचे के भीतर पुनर्गठित करते हैं, विशेष रूप से वर्गमूल संभाव्यता (square-root probabilities) के स्थान (एक हिल्बर्ट स्पेस) का उपयोग करते हुए।

• प्रतिनिधित्व: शास्त्रीय संभाव्यता के विपरीत, जहाँ प्रेक्षणों को संभाव्यता स्थान पर यादृच्छिक चरों के रूप में मॉडल किया जाता है, यहाँ प्रेक्षणों को हिल्बर्ट स्पेस पर कार्य करने वाले मैट्रिसेस (ऑपरेटरों) के रूप में दर्शाया जाता है।
• असंगत प्रेक्षण (Incompatible Observations): यह ढांचा परस्पर गैर-तुल्य सूचना स्रोतों (प्रेक्षणों) के एक परिवार की अनुमति देता है जो एक संयुक्त संभाव्यता वितरण को स्वीकार नहीं करते हैं। यह विभिन्न साक्ष्य स्रोतों को गैर-क्रमविनिमेय (non-commuting) मैट्रिसेस के रूप में प्रस्तुत करके प्राप्त किया जाता है।
• तर्कसंगत अद्यतन (Rational Updating): विश्वास अद्यतन को जैविक दक्षता के मानदंड द्वारा परिभाषित किया गया है, जो उत्तरजीविता को ऊर्जा खपत (और इस प्रकार सूचना प्रसंस्करण लागत) के न्यूनीकरण के रूप में समान मानता है। एक तर्कसंगत अद्यतन को पूर्व विश्वास से उत्तरवर्ती (posterior) विश्वास में परिवर्तन के रूप में परिभाषित किया गया है जो साक्ष्य के साथ निरंतरता बनाए रखते हुए पूर्व और उत्तरवर्ती के बीच "दूरी" (विशेष रूप से हिल्बर्ट स्पेस में बट्टाचर्यया दूरी या कोणीय पृथकता) को न्यूनतम करता है। यह वॉन न्यूमैन-ल्यूडर प्रोजेक्शन पोस्टुलेट (von Neumann-Lüders projection postulate) की ओर ले जाता है, जो शास्त्रीय बेयस नियम का सामान्यीकरण करता है।
• सक्रिय अनुमान (Active Inference): अध्ययन सक्रिय अनुमान तक विस्तृत है, जहाँ एक निर्णय लेने वाला एक विशिष्ट मानदंड को अनुकूलित करने के लिए साक्ष्य स्रोत (पैरामीटर $\theta$ द्वारा पैरामीटराइज्ड) को सक्रिय रूप से चुनता है। दो मानदंडों की तुलना की जाती है:
  1. परिकल्पना चयन में त्रुटि की अपेक्षित संभावना को न्यूनतम करना।
  2. अपेक्षित पारस्परिक सूचना (mutual information/सूचना लाभ) को अधिकतम करना।

प्रमुख योगदान और परिणाम

1. पुष्टिकरण पूर्वाग्रह का तर्कसंगत मूल:
   बाइनरी परिकल्पना परीक्षण परिदृश्य में त्रुटि की अपेक्षित संभावना को न्यूनतम करके, लेखक एक इष्टतम साक्ष्य चयन रणनीति प्राप्त करते हैं। परिणाम दिखाते हैं कि इष्टतम साक्ष्य चयन ($\theta^*$) तटस्थ नहीं है बल्कि उस परिकल्पना की ओर झुकता है जिसकी पूर्व प्रायिकता अधिक है। जैसे-जैसे पूर्व प्रायिकता $p$, 1 की ओर बढ़ती है, इष्टतम साक्ष्य विकल्प उस पैरामीटर की ओर अभिसरित होता है जो उस परिकल्पना से जुड़ा है। यह गणितीय रूप से प्रदर्शित करता है कि एक सक्रिय पुष्टिकरण पूर्वाग्रह गैर-क्रमविनिसीय (non-commuting) सूचना स्रोतों के साथ काम करते समय त्रुटि को न्यूनतम करने का एक तर्कसंगत परिणाम है।

2. त्रुटि प्रायिकता में घातांकीय न्यूनीकरण (Exponential Reduction):
   अनुक्रमिक साक्ष्य एकत्र करने में, यह शोध पत्र स्थापित करता है कि पुष्टिकरण पूर्वाग्रह का एक इष्टतम स्तर त्रुटि की प्रायिकता में घातांकीय कमी लाता है।

• शास्त्रीय/पक्षपात रहित मामला: साक्ष्यों के आधार पर पूर्व धारणाओं के बिना (या निश्चित, निष्पक्ष स्रोतों के साथ), त्रुटि की प्रायिकता धीरे-धीरे घटती है।
• इष्टतम/पुष्टिकरण पूर्वाग्रह वाला मामला: जब साक्ष्य को पूर्व प्रायिकता (prior) के आधार पर इष्टतम रूप से चुना जाता है, तो त्रुटि की प्रायिकता $P^{(n)}$, नमूना आकार $n$ के फलन के रूप में $\exp(n \ln(\cos^2(\delta/2)))$ के रूप में स्पर्शोन्मुख रूप से स्केल करती है, जहाँ $\delta$ परिकल्पनाओं के बीच का पृथक है। यह शास्त्रीय समकक्षों की तुलना में सीखने की प्रक्रिया में एक महत्वपूर्ण त्वरण का प्रतिनिधित्व करता है।

3. न्यूनतम मेमोरी क्षमता:
   एक उल्लेखनीय निष्कर्ष यह है कि पुष्टिकटन पूर्वाग्रह के साथ इष्टतम अनुक्रमिक रणनीति अनुमान के लिए मेमोरी की आवश्यकता को कम करती है।

• बिना सक्रिय चयन के एक मानक अनुक्रमिक प्रक्रिया में, उत्तरवर्ती (posterior) परिणामों की कुल गणना पर निर्भर करता है, जिसके लिए ऐसी मेमोरी की आवश्यकता होती है जो $n$ के साथ रैखिक रूप से बढ़ती है (या इतिहास अवस्थाओं के संदर्भ में $2^n$ के रूप में)।
• इष्टतम पुष्टिकरण पूर्वाग्रह रणनीति के तहत, $n$ चरणों के बाद की उत्तरवर्ती प्रायिकता केवल अंतिम परीक्षण के परिणाम पर निर्भर करती है। निर्णय लेने वाला प्रभावी रूप से पिछले परीक्षणों के इतिहास को "भूल" जाता है, उसे केवल वर्तमान उत्तरवर्ती और नया प्रेक्षण चाहिए होता है। यह मेमोरी जटिलता को घातांकीय ($2^n$) से घटाकर स्थिरांक (केवल हालिया घटना की स्थिति की आवश्यकता) तक कम कर देता है।

4. मानदंडों की समानता:
   यह शोध पत्र प्रदर्शित करता है कि इस हिल्बर्ट स्पेस ढांचे में, वह रणनीति जो अपेक्षित त्रुटि प्रायिकता को न्यूनतम करती है, वही है जो प्रेक्षण और परिकल्पना के बीच पारस्परिक सूचना को अधिकतम करती है। अतः, पुष्टिकरण पूर्वाग्रह दोनों मानदंडों ("त्रुटि न्यूनीकरण" और "सूचना अधिकतमकरण"/सक्रिय अनुमान) के तहत तर्कसंगत है, बशर्ते कि अनुमान गैर-क्रमविनिसीय प्रेक्षणों पर किया जाए।

5. संज्ञान में क्वांटम श्रेष्ठता (Quantum Supremacy in Cognition):
   लेखक तर्क देते हैं कि त्रुटि प्रायिकता में घातांकीय कमी संज्ञानात्मक प्रसंस्करण में "क्वांटम श्रेष्ठता" के एक रूप को दर्शाती है। महत्वपूर्ण रूप से, इसके लिए भौतिक क्वांटम संसाधनों (जैसे क्वांटम कणों) की आवश्यकता नहीं है, बल्कि यह असंगतता (incompatibility) के व्यवहारिक गुण पर आधारित है—अर्थात दो प्रस्तावों का एक साथ संयुक्त संभाव्यता वितरण के साथ मूल्यांकन करने में असमर्थता। यह सुझाव देता है कि मानव मस्तिष्क कुशल अनुमान के लिए क्वांटम संभाव्यता संरचनाओं के गणितीय लाभों का लाभ उठा सकता है।

महत्व और दावे
यह शोध पत्र "सक्रिय क्वांटम अनुमान" (active quantum inference) के लिए पहला परिचालन ढांचा प्रदान करने का दावा करता है, जो एक प्रोटोकॉल पेश करता है जहाँ मैट्रिसेस के स्थान पर इष्टतम साक्ष्य चयन की खोज की जाती है।

• विकासवादी लाभ: निष्कर्ष बताते हैं कि पुष्टिकरण पूर्वाग्रह केवल एक संज्ञानात्मक दोष नहीं है, बल्कि एक अनुकूलन योग्य तंत्र है जो महत्वपूर्ण विकासवादी लाभ प्रदान करता है: यह मेमोरी की मेटाबॉलिक लागत को कम करता है (न्यूनतम क्षमता की आवश्यकता के माध्यम से) और सीखने की गति को अधिकतम करता है (त्रुटि दरों को घातांकीय रूप से कम करके)।
• तर्कसंगतता का पुनर्निर्धारण: यह कार्य इस प्रचलित धारणा को चुनौती देता है कि पुष्टिकरण पूर्वाग्रह स्वाभाविक रूप से तर्कहीन है। इसके बजाय, यह तर्क देता है कि असंगत सूचना स्रोतों की स्थिति में, पूर्व मान्यताओं के साथ संरेखित साक्ष्य खोजना एक जैविक प्रणाली के लिए गणितीय रूप से इष्टतम रणनीति है जिसका लक्ष्य अनिश्चितता और ऊर्जा खपत को न्यूनतम करना है।
• सीमाएं और दायरा: लेखक नोट करते हैं कि यह तर्कसंगतता इस धारणा के तहत मान्य है कि सूचना स्रोत वास्तविक (सिग्नल प्लस नॉइज़) हैं और धोखेबाज़ होने के लिए डिज़ाइन नहीं किए गए हैं। उन सामाजिक संदर्भों में जहाँ स्रोत हेरफेर कर सकते हैं, पुष्टिकरण पूर्वाग्रह के अनुकूलन योग्य लाभों को विफल किया जा सकता है। यह शोध पत्र निष्कर्ष निकालता है कि जबकि यह ढांचा तर्कसंगत पुष्टिकरण पूर्वाग्रह के तंत्र की व्याख्या करता है, यह सभी सामाजिक संदर्भों में पूर्वाग्रह को वैध नहीं ठहराता, विशेष रूप से जहाँ "फेक न्यूज" या भ्रामक संकेत मौजूद हों।

संक्षेप में, यह शोध पत्र पुष्टिकरण पूर्वाग्रह को क्वांटम संभाव्यता ढांचे के भीतर त्रुटि प्रायिकता और ऊर्जा खपत को न्यूनतम करने के रूप में एक तर्कसंगत, अनुकूलन योग्य रणनीति के रूप में तैयार करता है, जो यह प्रकट करता है कि ऐसा पूर्वाग्रह घातांकीय सीखने की दक्षता और न्यूनतम मेमोरी आवश्यकताओं की ओर ले जाता है।