Quantifying the cost of network computations to unpack structure-function relationships in the brain
यह शोध पत्र नियंत्रण सिद्धांत (कंट्रोल थ्योरी) पर आधारित एक मात्रात्मक ढांचे को प्रस्तुत करता है जो नेटवर्क संक्रमण की लागत को मापने के लिए एक "कंप्यूटेशनल अफोर्डेंस लैंडस्केप" को परिभाषित करता है, जो यह प्रकट करता है कि कीटों, मनुष्यों और प्रशिक्षित तंत्रिका नेटवर्क (न्यूरल नेटवर्क) में विशिष्ट नेटवर्क संरचनाएं उनकी कम्प्यूटेशनल क्षमताओं और कार्यात्मक भूमिकाओं को कैसे आकार देती हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
मस्तिष्क की कल्पना एक स्थिर कंप्यूटर के रूप में नहीं, बल्कि एक हलचल भरे, गतिशील शहर के रूप में करें जहाँ विचार सड़कों से बहते ट्रैफ़िक की तरह हैं। दशकों से, वैज्ञानिकों ने सड़कों (न्यूरॉन्स के बीच के कनेक्शन) का मानचित्र बनाया है और ट्रैफ़िक जाम तथा सुचारू रूप से चलते राजमार्गों (गतिविधि के पैटर्न) को देखा है। लेकिन एक बड़ा रहस्य बना हुआ था: केवल इसलिए कि एक सड़क मौजूद है, क्या इसका मतलब यह है कि उस पर गाड़ी चलाना आसान है? या क्या यह एक खड़ी, घुमावदार चट्टान है जिसके लिए चढ़ने हेतु एक विशाल इंजन की आवश्यकता होती है? यह प्रश्न तंत्रिका विज्ञान (neuroscience) और भौतिकी के संगम पर स्थित है, विशेष रूप से "कंट्रोल थ्योरी" (नियंत्रण सिद्धांत) नामक एक क्षेत्र में। कंट्रोल थ्योरी को स्टीयरिंग करने के विज्ञान के रूप में समझें; यह पूछता है कि एक प्रणाली को एक अवस्था (जैसे कि नींद आना) से दूसरी अवस्था (जैसे कि सतर्क होना) में धकेलने के लिए कितने "ऊर्जा" या "प्रयास" की आवश्यकता होती है। इसे समझना महत्वपूर्ण है क्योंकि यह हमें यह समझने में मदद करता है कि हमारे मस्तिष्क की संरचना ऐसी क्यों है। यदि मस्तिष्क की संरचना कुछ विचारों को सोचने के लिए "सस्ता" और दूसरों को "महंगा" बनाती है, तो मस्तिष्क के वायरिंग आरेख का आकार वह गुप्त कोड हो सकता है जो यह समझाता है कि हम दुनिया में कैसे नेविगेट करते हैं, निर्णय लेते हैं और सीखते हैं।
इस पहेली को सुलझाने के लिए शोधकर्ताओं ने एक गणितीय "लागत मानचित्र" (cost map) बनाने का निर्णय लिया। उन्होंने इस मानचित्र को एक कंप्यूटेशनल एफोर्डेंस लैंडस्केप (computational affordance landscape) कहा। एक पहाड़ी इलाके की कल्पना करें जहाँ ज़मीन की ऊँचाई उस मानसिक कार्य को करने के लिए आवश्यक ऊर्जा का प्रतिनिधित्व करती है। यदि कोई कार्य एक चिकनी, सपाट घाटी है, तो यह मस्तिष्क के लिए "सस्ता" और आसान है। यदि यह एक ऊबड़-खाबड़, खड़ी पहाड़ी है, तो यह "महंगा" और कठिन है। मस्तिष्क के वायरिंग आरेख को इस भूभाग के ब्लूप्रिंट के रूप में उपयोग करके, टीम यह भविष्यवाणी कर सकी कि मस्तिष्क स्वाभाविक रूप से किन मानसिक कार्यों में कुशल है और किन कार्यों में उसे संघर्ष करना पड़ता है।
सबसे पहले, उन्होंने इस विचार का परीक्षण फल मक्खी (fruit fly) के मस्तिष्क के एक छोटे, सुप्रसिद्ध सर्किट पर किया जो एक दिशा सूचक यंत्र (compass) की तरह कार्य करता है। मक्खी को नेविगेट करने के लिए यह जानने की आवश्यकता होती है कि उसका मुख किस दिशा में है। शोधकर्ताओं ने पाया कि उनके लागत मानचित्र पर "सबसे सस्ता" मार्ग—अर्थात वह मार्ग जिसमें सबसे कम ऊर्जा की आवश्यकता होती है—ठीक वही गति है जिसका उपयोग मक्खी अपनी दिशा अपडेट करने के लिए करती है। यह ऐसा था मानो मक्खी के मस्तिष्क की वायरिंग को इस तरह से तराशा गया था कि मुड़ना सबसे आसान काम बन जाए। इसके अलावा, मानचित्र ने सटीक रूप से भविष्यवाणी की कि मक्खी के मस्तिष्क को इस मोड़ को लेने के लिए संकेत कैसे प्राप्त होने चाहिए, और वे भविष्यवाणियां वास्तविक मक्खियों में पहले से ही देखे गए जैविक तथ्यों से मेल खाती थीं।
इसके बाद, उन्होंने मानव मस्तिष्क को देखा, जो बहुत अधिक जटिल है। उन्होंने मस्तिष्क को अलग-अलग पड़ोसों में विभाजित किया, जैसे कि "विजुअल नेटवर्क" (जो देखता है) और "डिफ़ॉल्ट मोड नेटवर्क" (जो दिवास्वप्न देखता है और योजना बनाता है)। उन्होंने एक दिलचस्प पैटर्न की खोज की: "विजुअल नेटवर्क" का परिदृश्य बहुत ऊबड़-खाबड़ और असमान था। कुछ कार्य बेहद आसान थे, जबकि अन्य अविश्वसनीय रूप से कठिन थे। यह सुझाव देता है कि मस्तिष्क का यह हिस्सा विशिष्ट है, जैसे कि एक मास्टर शेफ जो स्टेक पकाने में तो माहिर है लेकिन बेकिंग में बहुत खराब है। इसके विपरीत, "डिफ़ॉल्ट मोड नेटवर्क" का परिदृश्य बहुत अधिक सपाट और चिकना था। इसका अर्थ है कि यह कई अलग-अलग प्रकार के विचारों के बीच आसानी से स्विच कर सकता है, जो एक बहुमुखी सामान्य विशेषज्ञ (generalist) की तरह कार्य करता है। इस "ऊबड़-खाबड़पन" का अंतर मस्तिष्क के संगठन के साथ पूरी तरह मेल खाता है, जो विशिष्ट कार्यों वाले संवेदी क्षेत्रों से लेकर लचीले, जटिल चिंतन को संभालने वाले साहचर्य क्षेत्रों (association areas) तक फैला हुआ है।
अंत में, टीम ने विशिष्ट पहेलियों को हल करने के लिए कृत्रिम कंप्यूटर मस्तिष्क (recurrent neural networks) को प्रशिक्षित किया। प्रशिक्षण शुरू करने से पहले, कंप्यूटर का "लागत परिदृश्य" (cost landscape) सपाट और उबाऊ था; प्रत्येक कार्य की लागत लगभग समान थी। लेकिन जैसे-जैसे कंप्यूटर ने सीखना शुरू किया, परिदृश्य बदलने लगा। जिस कार्य का वह अभ्यास कर रहा था, उसके लिए गहरे गड्ढे (valleys) और बाकी सब चीज़ों के लिए ऊँची चोटियाँ विकसित होने लगीं। यह सुझाव देता है कि सीखना केवल तथ्यों को याद करना नहीं है; यह वास्तव में मस्तिष्क के (या कंप्यूटर के) आंतरिक मानचित्र को शारीरिक रूप से नया आकार देना है ताकि भविष्य में आपके द्वारा अभ्यास की जाने वाली चीज़ें "सस्ती" और आसान हो सकें।
संक्षेप में, यह शोध पत्र बताता है कि मस्तिष्क की संरचना केवल एक निष्क्रिय ढांचा नहीं है, बल्कि एक सक्रिय मार्गदर्शक है जो यह निर्धारित करती है कि कौन से विचार सहज आते हैं और किनके लिए भारी प्रयास की आवश्यकता होती है। इन लागतों का मानचित्र बनाकर, वैज्ञानिक अब देख सकते हैं कि कैसे मस्तिष्क की भौतिक वायरिंग उसकी सोचने, सीखने और अनुकूलन करने की क्षमता को आकार देती है।
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।