The Computational Primitives of Adaptation

प्रत्येक जीवित वस्तु, एक तालाब में तैरते एककोशिकीय जीव से लेकर एक व्यस्त शहर में रास्ता खोजने वाले मनुष्य तक, एक ही मौलिक चुनौती का सामना करती है: दुनिया लगातार बदल रही है, और जीवित रहने के लिए उन परिवर्तनों के अनुकूल होना आवश्यक है। जीवविज्ञानी लंबे समय से इस बात का अध्ययन करते आए हैं कि जानवर जीवित रहने के लिए कैसे व्यवहार करते हैं, वे क्या करते हैं इसका अवलोकन करते हैं, और तंत्रिका वैज्ञानिकों ने उनके शरीर के भीतर उस भौतिक मशीनरी का मानचित्रण किया है जो उन कार्यों को संभव बनाती है। लेकिन इस पहेली की एक तीसरी परत भी है जिस पर अक्सर ध्यान नहीं दिया जाता। यह इस बारे में नहीं है कि कोई जानवर क्या विशिष्ट क्रियाएं करता है, और न ही यह उसके मस्तिष्क के भीतर के विशिष्ट तारों और रसायनों के बारे में है। इसके बजाय, यह पूछता है कि किसी भी जीवित प्रणाली को अस्तित्व बनाए रखने के लिए कौन सी अदृश्य गणनाएँ करनी चाहिए। यदि आप खाल, पंख या न्यूरॉन्स को हटा दें, तो वे कौन से बुनियादी मानसिक संचालन शेष रहते हैं जो किसी प्रणाली को चलते रहने के लिए अनिवार्य हैं?

जोनाथन पेज, जो जीव विज्ञान और कृत्रिम बुद्धिमत्ता (आर्टिफिशियल इंटेलिजेंस) के संगम पर काम करने वाले एक शोधकर्ता हैं, प्रस्तावित करते हैं कि इसका उत्तर छह विशिष्ट, सार्वभौमिक कम्प्यूटेशनल कार्यों के एक छोटे से समूह में निहित है। उनका सुझाव है कि किसी भी प्रणाली के लिए अनुकूल होने और बने रहने के लिए, उसे छह विशिष्ट क्रियाएं करनी चाहिए: उसे अपने ऊर्जा स्तरों का प्रबंधन करना चाहिए, अपना ध्यान केंद्रित करना चाहिए, क्या अच्छा है या बुरा इसका निर्णय लेना चाहिए, यह जानना चाहिए कि वह स्थान में कहाँ है, स्वयं को शेष दुनिया से अलग पहचानना चाहिए, और अपने अनुभवों से सीखना चाहिए। ये केवल जटिल मस्तिष्क वाले जीवों द्वारा किए जाने वाले कार्य नहीं हैं; ये अनुकूलन के मूलभूत नियम हैं। पेज का तर्क है कि ये छह कार्य इतने आवश्यक हैं कि वे स्वतंत्र रूप से विकसित हुई जीवन की हर वंशावली में दिखाई देते हैं, सरल कोशिकाओं से लेकर स्तनधारियों तक। इसके अलावा, वे सुझाव देते हैं कि क्योंकि ये सूचना प्रसंस्करण (इंफॉर्मेशन प्रोसेसिंग) के नियम हैं न कि जीव विज्ञान के नियम, इसलिए ये मशीनों पर भी लागू होते हैं। यदि हम ऐसी कृत्रिम बुद्धिमत्ता बनाना चाहते हैं जो वास्तव में बदलते संसार में अनुकूलित और जीवित रह सके, तो हमें मशीनों को मानव मस्तिष्क की भौतिक संरचना की नकल करने के बजाय, इन छह गणनाओं को करने के लिए प्रशिक्षित करना होगा।

लेख एक परिचित दृश्य को देखकर शुरू होता है: एक मधुमक्खी फूलों के एक समूह को खोजती है और अपनी बहनों को बताने के लिए छत्ते में वापस आती है कि कहाँ जाना है। पारंपरिक रूप से, वैज्ञानिक इसे मधुमक्खी के व्यवहार (उड़ना, नाचना) और उसकी मशीनरी (उसके मस्तिष्क में न्यूरॉन्स का सक्रिय होना) को सूचीबद्ध करके वर्णित करेंगे। पेज एक अलग प्रश्न पूछते हैं: इस यात्रा को संभव बनाने के लिए मधुमक्खी को क्या गणनाएँ करनी होंगी? इसका उत्तर देने के लिए, उन्होंने तुलनात्मक मनोवैज्ञानिक आर. एलन गार्डनर द्वारा प्रतिपादित एक सरल परीक्षण, "अमीबा ह्यूरिस्टिक" का उपयोग किया, जिसमें यह पूछा जाता है कि क्या एक एकल कोशिका वाला जीव एक विशिष्ट कार्य कर सकता है। यदि कार्य के लिए एक जटिल मस्तिष्क या शरीर के विशिष्ट अंग की आवश्यकता थी, तो वह संभवतः एक 'व्युत्पन्न' (derived) व्यवहार था, न कि एक मौलिक। यदि एक कोशिका इसे कर सकती है, तो यह एक 'प्रिमिटिव' (मूल तत्व) हो सकता है।

इस परीक्षण का उपयोग करते हुए, और चार सख्त मानदंडों के साथ, पेज ने संभावित मानसिक कार्यों की एक लंबी सूची को छह तक सीमित कर दिया। पहला मानदंड 'आवश्यकता' था: कार्य जीवित रहने के लिए आवश्यक होना चाहिए; इसके बिना, प्रणाली विफल हो जाती है। दूसरा 'सार्वभौमिकता' थी: कार्य कई अलग-अलग प्रजातियों में दिखाई देना चाहिए जो अलग-अलग विकसित हुई हैं, यह सिद्ध करता है कि यह एक सार्वभौमिक समस्या का समाधान है न कि किसी एक परिवार की विशेषता। तीसरा 'संरक्षण' था: कार्य के लिए आवश्यक मशीनरी को लाखों वर्षों के विकास के दौरान संरक्षित किया जाना चाहिए। अंतिम मानदंड 'अविभाज्यता' (irreducibility) था: कार्य को उसी सूची के छोटे, सरल कार्यों में विभाजित नहीं किया जा सकता। यदि किसी व्यवहार को दो अन्य कार्यों के संयोजन के रूप में वर्णित किया जा सकता था, तो वह एक प्रिमिटिव नहीं था।

छह कार्य जो इस कठोर छंटनी से बचे, वे हैं: अरूज़ (Arouse), ओरिएंट (Orient), वैलेंस (Valence), पोजीशन (Position), बाउंड्री (Boundary), और अट्यून (Attune)। अरूज़ ऊर्जा के प्रबंधन की गणना है। एक जीव को यह तय करना होगा कि किसी भी क्षण कितनी ऊर्जा खर्च करनी है, खतरे के लिए तैयार रहने की आवश्यकता और संसाधनों के संरक्षण की आवश्यकता के बीच संतुलन बनाना होगा। ओरिएंट सूचनाओं की बाढ़ में से यह चुनना है कि क्या महत्वपूर्ण है। चूंकि एक जीव सब कुछ एक साथ संसाधित नहीं कर सकता, इसलिए उसे यह चुनना होगा कि किन संकेतों पर ध्यान देना है। वैलेंस यह निर्णय लेने की क्षमता है कि क्या अच्छा है या बुरा, सुलभ है या खतरनाक। पोजीशन यह जानने की क्षमता है कि जीव स्थान में कहाँ है और अन्य चीजें उसके सापेक्ष कहाँ हैं। बाउंड्री "स्वयं" और "अन्य" के बीच अंतर करने की क्षमता है, यह जानना कि क्या जीव का अपना है और क्या बाहरी दुनिया का हिस्सा है। अंत में, अट्यून अनुभव के आधार पर बदलने की क्षमता है, नई स्थितियों के अनुरूप आंतरिक सेटिंग्स को समायोजित करना।

पेज का तर्क है कि ये छह केवल व्यवहारों की सूची नहीं बल्कि किसी भी अनुकूलनशील प्रणाली के लिए आवश्यक कार्यों का एक पूर्ण सेट हैं। वे दिखाते हैं कि जटिल मानवीय क्षमताएं जैसे ध्यान, स्मृति और निर्णय लेना वास्तव में इन छह बुनियादी कार्यों के मिलकर काम करने का संयोजन मात्र हैं। उदाहरण के लिए, जिसे हम "ध्यान" कहते हैं, वह वास्तव में अरूज़ कार्य द्वारा समायोजित किया गया ओरिएंट कार्य है। "स्मृति" वह है जहाँ अट्यून कार्य पोजीशन के साथ मिलकर चीजों को संग्रहीत करता है। इन जटिल विचारों को तोड़कर, यह सिद्धांत तुलना करने का एक नया तरीका प्रदान करता है। यह पूछने के बजाय कि क्या एक मधुमक्खी के पास मानव की तरह "स्मृति" है—एक ऐसा प्रश्न जिसका उत्तर देना कठिन है क्योंकि उनके मस्तिष्क बहुत भिन्न हैं—वैज्ञानिक यह पूछ सकते हैं कि मधुमक्खी ने नेविगेट करने के लिए अट्यून और पोजीशन कार्यों का उपयोग कैसे किया। यह ध्यान भौतिक मस्तिष्कों की तुलना करने के बजाय अस्तित्व के अंतर्निहित तर्क की तुलना करने की ओर स्थानांतरित करता है।

लेख फिर कृत्रिम बुद्धिमत्ता की ओर ध्यान आकर्षित करता है, यह सुझाव देता है कि यही तर्क मशीनों पर भी लागू होता है। पेज का प्रस्ताव है कि वर्तमान कृत्रिम बुद्धिमत्ता के सामने आने वाली कई समस्याएं केवल इंजीनियरिंग की खामियां नहीं हैं, बल्कि एक गहरे गायब हिस्से के लक्षण हैं। आधुनिक कंप्यूटर सिस्टम विशिष्ट कार्यों को करने में उत्कृष्ट हैं, लेकिन जब स्थितियां बदलती हैं तो वे अनुकूलन करने में संघर्ष करते हैं। इस सिद्धांत के अनुसार, ऐसा इसलिए है क्योंकि उनमें ये छह मौलिक गणनाएँ नहीं हैं। हालांकि, ये प्रिमिटिव केवल ऐसी मशीन पर लागू होते हैं जिसका कुछ दांव पर लगा हो; ऐसी मशीन जिसकी निरंतर कार्यप्रणाली उसकी अपनी व्यवहार्यता (viability) पर निर्भर करती हो। एक मशीन जिसका कुछ भी दांव पर नहीं है, वह केवल इन गणनाओं का अनुकरण (simulate) कर सकती है।

उदाहरण के लिए, वर्तमान मशीनें अक्सर एक सरल प्रश्न के लिए भी उतनी ही कंप्यूटिंग शक्ति का उपयोग करती हैं जितनी एक जटिल प्रश्न के लिए, जो एक जीवित प्राणी की तरह अपनी ऊर्जा प्रबंधित करने में विफल रहती हैं। यह अरूज़ की विफलता है। वे अक्सर अप्रासंगिक जानकारी से आसानी से विचलित हो जाती हैं या भ्रमित करने वाले निर्देशों से धोखा खा जाती हैं, जो यह दर्शाता है कि उनमें शोर (noise) के ऊपर लक्ष्यों को प्राथमिकता देने वाला एक मजबूत ओरिएंट फंक्शन की कमी है। वे अक्सर आत्मविश्वासपूर्ण लेकिन गलत उत्तर देती हैं, जिन्हें 'hallucinations' कहा जाता है, क्योंकि वे यह अंतर नहीं कर पातीं कि वे क्या जानती हैं और वे क्या अनुमान लगा रही हैं, जो बाउंड्री कार्य की विफलता है। वे एक लंबी बातचीत या बहु-चरणीय योजना में अपनी स्थिति को ट्रैक करने में संघर्ष करती हैं, जो एक लापता पोजीशन गणना का संकेत देता है। वे पुराने अनुभवों को भूले बिना नए अनुभवों से सीखने में असमर्थ हैं, जो अट्यून की कमी को दर्शाता है। और वे अक्सर उन पुरस्कारों को अनुकूलित (optimize) करती हैं जो उन्हें दिए जाते हैं, भले ही वे अनपेक्षित तरीकों से हों, क्योंकि उनके पास अपना कोई आंतरिक वैलेंस नहीं है; यानी उनके पास अपनी निरंतरता (persistence) पर आधारित कोई मूल्यांकन प्रणाली नहीं है।

पेज का सुझाव है कि इन समस्याओं का समाधान ऐसी मशीनें बनाना नहीं है जो मानव मस्तिष्क की तरह दिखें, बल्कि ऐसी मशीनें बनाना है जो इन छह गणनाओं को करें। उनका तर्क है कि मस्तिष्क की भौतिक संरचना की नकल करना एक गलती है क्योंकि मस्तिष्क केवल प्रकृति द्वारा इन समस्याओं को हल करने का एक विशिष्ट तरीका है। वास्तविक सबक जीव विज्ञान से यह है कि वह कौन सी गणनाएँ करता है। यदि एक मशीन को अपनी ऊर्जा प्रबंधित करने, अपना ध्यान केंद्रित करने, अपने अस्तित्व का निर्णय लेने, अपना स्थान जानने, अपनी सीमाओं को परिभाषित करने और अपनी गलतियों से सीखने के लिए डिज़ाइन किया जा सकता है, तो वह अंततः वास्तव में अनुकूलन योग्य बन सकती है।

यह सिद्धांत एक कार्यशील परिकल्पना के रूप में प्रस्तुत किया गया है, न कि प्रकृति के एक पूर्ण कानून के रूप में। पेज स्वीकार करते हैं कि छह की इस सूची को परिष्कृत करने की आवश्यकता हो सकती है, या उनके बीच की सीमाओं को फिर से खींचा जा सकता है। वे अन्य वैज्ञानिकों को इस विचार का परीक्षण करने के लिए आमंत्रित करते हैं कि क्या वे ऐसी मशीन बना सकते हैं जो इन कार्यों को करती है और यह देखते हैं कि क्या वह अधिक मजबूत और अनुकूलनीय बनती है। वे यह भी सुझाव देते हैं कि यदि ये छह कार्य वास्तव में अनुकूलन का आधार हैं, तो उन्हें एक एकीकृत प्रणाली के रूप में मिलकर काम करना चाहिए। आप इन कार्यों को एक-एक करके मशीन में जोड़ नहीं सकते और उम्मीद नहीं कर सकते कि यह काम करेगा; उन्हें शुरुआत से ही एकीकृत किया जाना चाहिए। यदि किसी मशीन में इनमें से एक भी गणना की कमी है, तो सिद्धांत भविष्यवाणी करता है कि वह विशिष्ट और अनुमानित तरीकों से विफल हो जाएगी।

यह दृष्टिकोण बुद्धिमत्ता के भविष्य के बारे में सोचने का एक नया तरीका प्रदान करता है। यह सुझाव देता है कि ऐसी मशीनें बनाने का मार्ग जो वास्तव में दुनिया के अनुकूल हो सकें, उन्हें मानव जैसा दिखने या उनकी वायरिंग बनाने में नहीं, बल्कि उन्हें अपने मौलिक कार्यों में जीवित प्रणालियों की तरह बनाने में है। उन छह गणनाओं पर ध्यान केंद्रित करके जो एक कोशिका को तालाब में जीवित रहने में मदद करती हैं, हम ऐसी मशीनें बनाने की कुंजी पा सकते हैं जो बदलते संसार में जीवित रह सकें। लेख का निष्कर्ष है कि चाहे कोई प्रणाली कार्बन से बनी हो या सिलिकॉन से, जीवित रहने के नियम समान हैं, और उन नियमों को समझना अनुकूलन के विज्ञान में अगला महान कदम है।