A behavior-environment information loop drives sensory navigation

कल्पना कीजिए कि आप एक नए शहर में सबसे अच्छा पिज्जा खोजने की कोशिश कर रहे हैं। आपके पास इसे करने के दो तरीके हैं। पहला तरीका निष्क्रिय (passive) है: आप स्थिर खड़े रहते हैं, किसी खुशबू के आने का इंतज़ार करते हैं, और यदि खुशबू अच्छी लगती है, तो आप उसकी ओर बढ़ते हैं। यदि खुशबू रुक जाती है, तो आप भी रुक जाते हैं। यह एक ऐसे रोबोट की तरह है जो केवल उसी चीज़ पर प्रतिक्रिया देता है जिसे वह अभी महसूस कर रहा है। दूसरा तरीका सक्रिय (active) है: आपको एहसास होता है कि स्थिर खड़े रहने से कोई मदद नहीं मिलेगी, इसलिए आप टेढ़े-मेढ़े (zig-zag) पैटर्न में चलना शुरू कर देते हैं। चलकर, आप अपने अनुभव को बदलने की कोशिश करते हैं ताकि बेहतर जानकारी प्राप्त की जा सके। इस तरह जीवित प्राणी, सूक्ष्म बैक्टीरिया से लेकर मनुष्यों तक, वास्तव में नेविगेट करते हैं। वे केवल दुनिया के बताने का इंतज़ार नहीं करते; वे जानने के लिए चलते हैं।

वैज्ञानिकों ने लंबे समय से अध्ययन किया है कि जानवर अपने इंद्रियों का उपयोग निर्णय लेने के लिए कैसे करते हैं, लेकिन उन्होंने ज्यादातर केवल एकतरफा रास्ते को देखा है: कि कैसे एक गंध एक मोड़ में बदल जाती है। उन्होंने शायद ही कभी दूसरा सवाल पूछा: क्या मुड़ने के कार्य से मिलने वाली अगली गंध बदल जाती है? यह शोध पत्र इसी अंतराल को भरने का प्रयास करता है। यह विज्ञान की एक शाखा का उपयोग करता है जिसे सूचना सिद्धांत (information theory) कहा जाता है, जो मूल रूप से इस बात का गणित है कि किसी संदेश में कितनी "आश्चर्यजनकता" या "नवीनता" होती है। लेखक यह मापना चाहते हैं कि एक जीव के कार्यों और उसके आसपास की दुनिया के बीच दो-तरफा संवाद कैसा होता है। वे पूछते हैं: क्या जीव केवल दुनिया के प्रति प्रतिक्रिया दे रहा है, या वह प्रतिक्रिया पाने के लिए दुनिया को सक्रिय रूप से उकसा रहा है? इस लूप (loop) को समझना महत्वपूर्ण है क्योंकि यह समझाता है कि कैसे जीव एक अराजक, परिवर्तनशील दुनिया में भोजन, साथी या सुरक्षा पाते हैं, और यह हमें बेहतर रोबोट बनाने में भी मदद कर सकता है जो बिना रास्ता भटके नेविगेट कर सकें।

---

महान सूचना लूप: कैसे चलने से आपकी जानकारी बदल जाती है

दुनिया में रास्ता खोजने को एक दोस्त के साथ "हॉट एंड कोल्ड" (गर्म और ठंडा) खेल खेलने जैसा समझें, जो किसी खजाने के पास छिपा हुआ है। पुराने सोचने के तरीके में, वैज्ञानिक मानते थे कि खिलाड़ी केवल सुरागों को सुनने वाला एक जासूस है। यदि दोस्त ने "गर्म" कहा, तो खिलाड़ी करीब गया। यदि उन्होंने "ठंडा" कहा, तो खिलाड़ी दूर चला गया। यह एक प्रतिक्रियात्मक (reactive) रणनीति है: वातावरण एक संकेत भेजता है, और खिलाड़ी उस पर प्रतिक्रिया देता है।

लेकिन यह शोध पत्र तर्क देता है कि असली जादू तब होता है जब खिलाड़ी को एहसास होता है कि वह दोस्त को बोलने के लिए मजबूर कर सकता है। यदि खिलाड़ी गोल-गोल दौड़ना शुरू करता है, तो वह अनजाने में खजाने से टकरा सकता है या एक नया सुराग सक्रिय कर सकता है। यह एक सक्रिय (active) रणनीति है: खिलाड़ी के कार्य पर्यावरण को बदलते हैं, जो फिर वापस नई, बेहतर जानकारी भेजता है। येल्स यूनिवर्सिटी के लेखकों ने इसे "व्यवहार-पर्यावरण सूचना लूप" (behavior-environment information loop) कहा है। वे यह मापना चाहते थे कि नेविगेशन का कितना हिस्सा प्रतिक्रिया देने से आता है और कितना हिस्सा अनुभव को सक्रिय रूप से आकार देने से आता है।

ऐसा करने के लिए, उन्होंने ट्रांसफर एंट्रॉपी (transfer entropy) नामक चीज़ पर आधारित एक नया गणितीय उपकरण बनाया। कल्पना कीजिए कि आप एक वीडियो गेम के पात्र की अगली चाल का अनुमान लगाने की कोशिश कर रहे हैं। यदि आप केवल गेम स्क्रीन (संवेदी इनपुट) को देखते हैं, तो आप एक उचित अनुमान लगा सकते हैं। लेकिन यदि आप यह भी जानते हैं कि उस पात्र ने अभी क्या किया (व्यवहार संबंधी आउटपुट), तो आपका अनुमान और भी बेहतर हो जाता है। ट्रांसफर एंट्रॉपी उस "बेहतर अनुमान" वाले कारक को मापती है। यह कुल सूचना प्रवाह को दो दिशाओं में विभाजित करती है:

1. प्रतिक्रियात्मक प्रवाह ($\dot{T}_{s \to a}$): वर्तमान गंध या दृष्टि जीव को आगे क्या करना है, इसके बारे में कितना बताती है।
2. सक्रिय प्रवाह ($\dot{T}_{a \to s}$): जीव की वर्तमान चाल उसके द्वारा अगली बार क्या सूँघने या देखने की संभावना को कितना बदलती है।

सफलता का गुप्त सूत्र

टीम ने सबसे पहले एक बैक्टीरिया का एक अत्यंत सरल कंप्यूटर मॉडल बनाया। उन्होंने इसे केवल दो विकल्प दिए: सीधा दौड़ना या टम्बल करना (दिशा बदलने के लिए घूमना)। उन्होंने इसे दो संवेदी अवस्थाएँ भी दीं: भोजन की ओर (gradient के ऊपर) गंध महसूस करना या भोजन से दूर (gradient के नीचे) गंध महसूस करना।

जब उन्होंने गणना की, तो उन्हें एक आश्चर्यजनक पैटर्न मिला। बैक्टीरिया की भोजन खोजने की सफलता केवल इनमें से एक प्रवाह पर निर्भर नहीं थी। यह दोनों के ज्यामितीय माध्य (geometric mean) पर निर्भर थी। इसे एक साइकिल की तरह समझें: यदि आपके पास एक बेहतरीन इंजन (प्रतिक्रियात्मक प्रवाह) है लेकिन कोई स्टीयरिंग व्हील (सक्रिय प्रवाह) नहीं है, तो आप बस गोल-गोल घूमेंगे। यदि आपके पास एक बेहतरीन स्टीयरिंग व्हील है लेकिन इंजन नहीं है, तो आप कहीं पहुँच नहीं पाएंगे। आपको इन दोनों को एक साथ काम करने की आवश्यकता है।

उन्होंने एक एकल संख्या बनाई, जिसे वे $\Phi$ (फाई) कहते हैं, जो इस पूर्ण संतुलन का प्रतिनिधित्व करती है। जब उन्होंने इस संख्या का वास्तविक दुनिया के डेटा के साथ परीक्षण किया, तो यह बहुत प्रभावी साबित हुई। उन्होंने देखा कि:

• बैक्टीरिया जो भोजन की ओर तैर रहे थे।
• कीड़े (worms) जो रासायनिक परिदृश्यों के माध्यम से रेंग रहे थे।
• मक्खियाँ जो हवा में अदृश्य, घूमते हुए गंध के बादलों का पीछा कर रही थीं।
• AI एजेंट (कंप्यूटर प्रोग्राम) जो एक आभासी दुनिया में नेविगेट करना सीख रहे थे।

हर मामले में, $\Phi$ का मान जितना अधिक था, नेविगेशन का प्रदर्शन उतना ही बेहतर था। गणित ने उनकी सफलता दर की अविश्वसनीय सटीकता (0.95 का सहसंबंध, जो विज्ञान में लगभग पूर्ण है) के साथ भविष्यवाणी की। यह सुझाव देता है कि चाहे आप एक सूक्ष्म जीव हों या एक स्मार्ट रोबलेट, रास्ता खोजने का रहस्य आपके संवेदन और आपके चलने के बीच एक सख्त फीडबैक लूप बनाए रखने में है।

एक ही आकार सबके लिए उपयुक्त नहीं है

यहाँ मामला वास्तव में दिलचस्प हो जाता है। शोध पत्र दिखाता है कि एक अच्छा नेविगेटर होने का केवल एक तरीका नहीं है। क्योंकि सफलता इन दोनों प्रवाहों के संतुलन पर निर्भर करती है, विभिन्न जीव एक ही लक्ष्य को पूरी तरह से अलग रणनीतियों का उपयोग करके प्राप्त कर सकते हैं।

कल्पना कीजिए कि दो बैक्टीरिया एक ही गति से भोजन खोज रहे हैं।

• बैक्टीरियम A एक "प्रतिक्रिया मास्टर" है। वह भोजन को सूंघता है, उत्साहित होता है, और सीधा दौड़ता है। यदि उसे कम गंध आती है, तो वह तुरंत दिशा बदलने के लिए टम्बल करता है। वह संकेत पर प्रतिक्रिया करने पर बहुत अधिक निर्भर करता है।
• बैक्टीरियम B एक "सक्रिय खोजकर्ता" है। वह केवल प्रतिक्रिया नहीं देता; वह इस तरह से चलता रहता है जो यह सुनिश्चित करता है कि वह भोजन की गंध लेता रहेगा, भले ही संकेत कमजोर हो। वह सूचना को बहने देने के लिए अपने मार्ग को स्वयं आकार देता है।

दोनों समान परिणाम प्राप्त करते हैं, लेकिन उनके आंतरिक "व्यक्तित्व" पूरी तरह से अलग हैं। लेखकों को बैक्टीरिया, कीड़ों और यहाँ तक कि उनके द्वारा अध्ययन किए गए AI एजेंटों में यह "डैजेनेरेसी" (degeneracy - जहाँ अलग-अलग रास्ते एक ही मंजिल तक ले जाते हैं) मिली। इसका अर्थ है कि केवल यह देखना कि कोई जीव कितनी तेज़ी से चलता है, यह समझने के लिए पर्याप्त नहीं है कि वह कैसे सोचता है। आपको सूचना लूप को देखना होगा कि वह एक प्रतिक्रियाशील अनुयायी है या एक सक्रिय आकार देने वाला।

गतिशीलता का "गोल्डिलॉक्स" ज़ोन

शोध पत्र यह भी बताता है कि जब चीजें बहुत अधिक अनुमानित हो जाती हैं, तो क्या होता है। एक बहुत ही स्थिर, शांत वातावरण में, आप सोच सकते हैं कि अत्यधिक नियतिवादी (deterministic) होना (जब आप भोजन की गंध पाते हैं तो हमेशा बिल्कुल एक ही काम करना) सबसे अच्छा होगा। लेकिन गणित इसके विपरीत सुझाव देता है।

यदि कोई जीव अपने आंदोलनों में बहुत अधिक अनुमानित हो जाता है, तो वह नई जानकारी उत्पन्न करना बंद कर देता है। यह एक ऐसे रोबोट की तरह है जो हमेशा एक सीधी रेखा में चलता है; अंततः, वह दुनिया के बारे में कुछ भी नया नहीं सीख पाता है। लेखकों ने पाया कि सर्वोत्तम प्रदर्शन अक्सर सक्रिय प्रवाह के मध्यवर्ती स्तर पर होता है। जीव को इतना चलना चाहिए कि दुनिया दिलचस्प और सूचनात्मक बनी रहे, लेकिन इतना भी नहीं कि वह अपना रास्ता भटक जाए।

उन्होंने इसे "टू-आर्म्ड बैंडिट" (दो लीवर वाली स्लॉट मशीन) नामक एक कंप्यूटर गेम के साथ परखा। जैसे-जैसे AI ने खेलना सीखा, उसने केवल अपने पुरस्कारों को अधिकतम नहीं किया; उसने अपनी सूचना प्रवाह को भी समायोजित किया। जब खेल आसान था, तो AI बहुत प्रतिक्रियाशील हो गया। जब खेल कठिन था, तो उसे खोजने के लिए अधिक सक्रिय होने की आवश्यकता थी। लेकिन यदि वह बहुत अधिक आत्मविश्वासी हो गया और खोजने में पीछे हट गया, तो उसका प्रदर्शन वास्तव में गिर गया। सबसे अच्छी रणनीति एक "गोल्डिलॉक्स" संतुलन थी: जिज्ञासु बने रहने के लिए पर्याप्त सक्रिय गति, लेकिन ट्रैक पर रहने के लिए पर्याप्त प्रतिक्रियात्मक नियंत्रण।

यह क्यों मायने रखता है

यह शोध नेविगेशन के प्रति हमारे दृष्टिकोण को बदल देता है। यह बताता है कि आंदोलन केवल बिंदु A से बिंदु B तक जाने का एक तरीका नहीं है; आंदोलन वातावरण से प्रश्न पूछने का एक तरीका है।

लेखकों ने केवल सिमुलेशन नहीं किया; उन्होंने वास्तविक बैक्टीरिया, कीड़ों और मक्खियों में इसे मापा, और यह पैटर्न कायम रहा। उन्हें नेविगेट करने का कोई एक "सर्वश्रेष्ठ" तरीका नहीं मिला। इसके बजाय, उन्हें एक सार्वभौमिक नियम मिला: सफल नेविगेशन के लिए दुनिया पर प्रतिक्रिया देने और दुनिया को देखने (पोक करने) के बीच एक नृत्य की आवश्यकता होती है।

इसलिए, अगली बार जब आप हवा में ज़िग-ज़ैग करती हुई मक्खी देखें या ज़मीन को सूंघते हुए कुत्ते को देखें, तो याद रखें: वे केवल अपनी नाक का पीछा नहीं कर रहे हैं। वे हवा, हवा के झोंकों और ज़मीन के साथ सक्रिय रूप से बातचीत कर रहे हैं, बातचीत को जारी रखने के लिए अपने स्वयं के आंदोलनों का उपयोग कर रहे हैं। और इस शोध पत्र के अनुसार, वह बातचीत ही उनके घर पहुँचने की कुंजी है।