A Connectome Test of the Fly Hashing Algorithm
यह शोधपत्र चार इलेक्ट्रॉन-माइक्रोस्कोपी कनेक्टोम्स का उपयोग करके ड्रोसोफिला (Drosophila) घ्राण हैशिंग एल्गोरिदम का पुनर्मूल्यांकन करता है और पाता है कि जबकि मक्खी की विशिष्ट वायरिंग डिग्री-संरक्षण यादृच्छिक पुनर्गठन (degree-preserving random rewiring) की तुलना में कोई सुसंगत पुनर्प्राप्ति लाभ नहीं देती है, सक्रिय इकाइयों के प्रति इसकी दक्षता यह सुझाव देती है कि यह उन हार्डवेयर के लिए एक व्यवहार्य मॉडल बना हुआ है जहाँ अंकगणितीय संचालन के बजाय सक्रिय इकाइयाँ प्राथमिक कम्प्यूटेशनल लागत होती 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 के विशाल परिदृश्य में, सबसे निरंतर रहस्यों में से एक यह है कि कैसे एक जानवर हजारों अन्य गंधों के बीच एक विशिष्ट गंध को इतनी तेजी और विश्वसनीयता के साथ पहचान सकता है। इसे हल करने के लिए, प्रकृति अक्सर "स्पार्स कोडिंग" (sparse coding) नामक एक रणनीति पर भरोसा करती है। कल्पना कीजिए कि एक पुस्तकालय है जहाँ, हर किताब को पढ़ने के बजाय, आप केवल उन कुछ विशिष्ट अलमारियों की जाँच करते हैं जहाँ उत्तर होने की संभावना अधिक है। फ्रूट फ्लाई (फल मक्खी) के मस्तिष्क में, यह प्रक्रिया मशरूम बॉडी (mushroom body) नामक एक संरचना में होती है। जब एक मक्खी किसी चीज़ को सूंघती है, तो एक संकेत उसके एंटीना से लगभग 50 विशिष्ट इकाइयों के एक समूह, जिसे ग्लोमेरुली (glomeruli) कहा जाता है, तक जाता है। ये संकेत फिर लगभग 2,000 न्यूरॉन्स के एक बहुत बड़े समूह को भेजे जाते हैं जिन्हें केन्योन सेल्स (Kenyon cells) के रूप में जाना जाता है। मस्तिष्क की चाल यह है कि किसी भी दी गई गंध के लिए इन केन्योन सेल्स का केवल एक छोटा प्रतिशत ही सक्रिय होता है, जिससे एक अनूठी, स्पार्स सिग्नेचर (sparse signature) बनती है जिसका उपयोग मक्खी गंध को याद रखने और अलग करने के लिए कर सकती है। वर्षों तक, वैज्ञानिकों का मानना था कि प्रारंभिक गंध सेंसरों को इन स्मृति कोशिकाओं से जोड़ने वाला वायरिंग अनिवार्य रूप से रैंडम (यादृच्छिक) था, जैसे तारों का एक अराजक जाल। इस विचार ने "फ्लाई हैश" (fly hash) नामक एक शक्तिशाली कंप्यूटर एल्गोरिदम को जन्म दिया, जो इस जैविक प्रक्रिया की नकल करता है ताकि पारंपरिक तरीकों की तुलना में डेटा को तेजी से सॉर्ट और पुनः प्राप्त किया जा सके।
हालाँकि, यह धारणा कि यह जैविक वायरिंग पूरी तरह से रैंडम है, हाल ही में चुनौती दी गई है। उन्नत इलेक्ट्रॉन माइक्रोस्कोपी के आगमन के साथ, शोधकर्ता अब एक मक्खी के मस्तिष्क में व्यक्तिगत सिनैप्स (synapses) के स्तर तक वास्तविक कनेक्शनों का मानचित्रण कर सकते हैं। इस नए डेटा ने खुलासा किया कि वायरिंग बिल्कुल भी रैंडम नहीं है; यह अत्यधिक संरचित है। इस खोज ने कंप्यूटर वैज्ञानिकों और तंत्रिका वैज्ञानिकों दोनों के लिए एक महत्वपूर्ण प्रश्न खड़ा कर दिया: क्या यह विशिष्ट, वास्तविक-दुनिया की संरचना वास्तव में मक्खी की स्मृति प्रणाली को बेहतर बनाती है, या मूल विचार कि वायरिंग रैंडम है, केवल एक भाग्यशाली अनुमान था जो कंप्यूटर मॉडल में अच्छी तरह से काम कर गया? एक हालिया अध्ययन ने चार अलग-अलग मक्खियों के वास्तविक कनेक्टोम डेटा का उपयोग करके, वास्तविक वायरिंग की तुलना सैद्धांतिक रैंडम वायरिंग से करके इसका उत्तर देने का प्रयास किया।
शोधकर्ताओं ने चार फ्रूट फ्लाई के पूर्ण वायरिंग आरेख, या कनेक्टोम्स (connectomes) लिए, जिनमें सात अलग-अलग मस्तिष्क गोलार्द्धों का डेटा शामिल था। उन्होंने इन वास्तविक मानचित्रों का उपयोग यह सिम्युलेट करने के लिए किया कि मक्खी का मस्तिष्क जानकारी को कैसे सॉर्ट और पुनः प्राप्त करेगा, और अपने परिणामों की तुलना एक नियंत्रण समूह (control group) से की जहाँ कनेक्शनों को समान इनपुट और आउटपुट रखते हुए रैंडम तरीके से बदला गया था। उन्होंने इस प्रणाली का परीक्षण विभिन्न कार्यों के साथ किया, जिसमें विभिन्न छवियों को पहचानना, वर्ड वेक्टर्स (word vectors) को सॉर्ट करना और गंध के जटिल मिश्रणों के बीच अंतर करना शामिल था। लक्ष्य यह देखना था कि क्या वास्तविक, जैविक वायरिंग ने समान वस्तुओं को जल्दी खोजने के लिए, जिसे समानता खोज (similarity search) कहा जाता है, एक विशिष्ट लाभ प्रदान किया।
निष्कर्ष आश्चर्यजनक और सटीक थे। जब शोधकर्ताओं ने सिमुलेशन चलाया, तो वास्तविक जैविक वायरिंग ने रैंडम तरीके से बदले गए संस्करण की तुलना में बेहतर प्रदर्शन नहीं किया। वास्तव में, विभिन्न मक्खियों और विभिन्न प्रकार के डेटा के मामले में, वास्तविक वायरिंग ने थोड़ा खराब प्रदर्शन किया, क्योंकि इसने रैंडम वायरिंग द्वारा खोजे गए सही मिलानों का एक छोटा प्रतिशत छोड़ दिया था। यह परिणाम तब भी कायम रहा जब शोधकर्ताओं ने विशिष्ट विवरणों, जैसे कि प्रत्येक गंध सेंसर ने मेमोरी सेल्स के साथ कितने कनेक्शन बनाए, की जांच की। अध्ययन ने दिखाया कि कनेक्शनों का विशिष्ट, गैर-रैंडम पैटर्न प्रकृति में पाया जाने वाला पैटर्न, वस्तुओं को पुनः प्राप्त करने के कार्य के लिए कोई सुसंगत लाभ प्रदान नहीं करता है। इसके बजाय, रैंडम वायरिंग, जो कनेक्शनों की समान संख्या को बनाए रखती है लेकिन विशिष्ट जैविक युग्मों को हटा देती है, उतनी ही अच्छी या थोड़ी बेहतर काम करती है।
अध्ययन ने इस पहले के दावे की भी समीक्षा की कि मक्खी की हैशिंग विधि मानक कंप्यूटर एल्गोरिदम से श्रेष्ठ है। शोधकर्ताओं ने पुष्टि की कि मक्खी की विधि, जो केवल सबसे सक्रिय न्यूरॉन्स को चुनने पर निर्भर करती है, वास्तव में मानक गणितीय प्रोजेक्शन से बेहतर प्रदर्शन करती है जब लक्ष्य बहुत छोटे कोड का उपयोग करना हो। हालाँकि, उन्होंने इस लाभ के बारे में एक महत्वपूर्ण विवरण स्पष्ट किया। मक्खी की विधि इसलिए नहीं जीतती क्योंकि यह गणनाओं की संख्या के मामले में गणितीय रूप से अधिक कुशल है, बल्कि इसलिए क्योंकि यह सक्रिय न्यूरॉन्स की संख्या के मामले में कुशल है। यदि आप समान मात्रा में गणितीय कार्य का उपयोग करके दोनों विधियों की तुलना करते हैं, तो मानक कंप्यूटर विधि वास्तव में जानकारी को बेहतर ढंग से पुनः प्राप्त करती है। मक्खी का लाभ केवल तब दिखाई देता है जब लागत को सक्रिय होने वाले सेल्स की संख्या के आधार पर मापा जाता है, जो यह सुझाव देता है कि यह जैविक डिज़ाइन उस हार्डवेयर के लिए अनुकूलित है जहाँ ऊर्जा जटिल गणनाओं के बजाय कोशिकाओं को सक्रिय करने पर खर्च होती है।
इसके अलावा, शोधकर्ताओं ने जांच की कि यदि वास्तविक वायरिंग सरल स्मृति पुनर्प्राप्ति में मदद नहीं करती है, तो यह जिस तरह की है वह किसलिए है। उन्होंने पाया कि वास्तविक मक्खियों में, कुछ गंध सेंसर अन्य की तुलना में बहुत अधिक मेमोरी सेल्स से जुड़ते हैं, जिससे एक असमान वितरण पैदा होता है। जब उन्होंने मॉडल को एक समान वितरण बनाने के लिए मजबूर किया, तो समान वस्तुओं को पुनः प्राप्त करने की प्रणाली की क्षमता वास्तव में सुधर गई। यह सुझाव देता है कि प्राकृतिक, असमान वायरिंग पूरी तरह से अलग उद्देश्य के लिए हो सकती है, शायद इस बात से संबंधित है कि मक्खी भोजन या खतरे के प्रति कैसे प्रतिक्रिया करती है, न कि केवल इस बात से कि वह किसी चीज़ की गंध को कैसे याद रखती है। अध्ययन ने निष्कर्ष निकाला कि समान वस्तुओं को खोजने के विशिष्ट कार्य के लिए, मक्खी को अपने जटिल, वास्तविक दुनिया के वायरिंग आरेख की आवश्यकता नहीं है; एक रैंडम, स्पारस नेटवर्क भी उतना ही अच्छा काम करेगा। यह संकेत देता है कि मक्खी का मस्तिष्क इस प्रकार की स्मृति खोज को अनुकूलित करने के बजाय किसी अन्य कारण से अपने विशिष्ट संरचना के लिए विकसित हुआ होगा, जो इस बात को भविष्य की खोज के लिए छोड़ देता है कि उसका वास्तविक उद्देश्य क्या 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।