A Drosophila Whole-Connectome Network Can Learn Human-Designed Cognitive Tasks
यह अध्ययन प्रदर्शित करता है कि एक नर *Drosophila* कनेक्टोम की स्थिर शारीरिक वायरिंग, मानव-निर्मित संज्ञानात्मक कार्यों, जैसे कि सीमित जोड़ (bounded addition) और ग्राउंडेड रिलेशनल लैंग्वेज, को सीखने के लिए एक प्रभावी कम्प्यूटेशनल सबस्ट्रेट के रूप में कार्य करती है, जो यादृच्छिक नेटवर्क रीवायर्स (randomized network rewires) की तुलना में काफी बेहतर प्रदर्शन करती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मानव मस्तिष्क को अक्सर ज्ञात ब्रह्मांड की सबसे जटिल वस्तु के रूप में वर्णित किया जाता है, अरबों कोशिकाओं का एक उलझा हुआ जाल जो हमें सोचने, चलने और बोलने में सक्षम बनाता है। दशकों से, वैज्ञानिक इस वायरिंग का मानचित्र बनाने का प्रयास कर रहे हैं, विस्तृत आरेख (डायग्राम) बना रहे हैं जिन्हें 'कनेक्टोम' कहा जाता है, जो यह दिखाते हैं कि कौन सा न्यूरॉन किससे जुड़ा है। इन मानचित्रों का अध्ययन आमतौर पर यह समझने के लिए किया जाता है कि मस्तिष्क शरीर को कैसे नियंत्रित करता है, जैसे कि एक मक्खी फूल को कैसे देखती है या एक मनुष्य कप कैसे उठाता है। लेकिन एक नई जांच एक साहसी प्रश्न पूछती है: यदि आप किसी मस्तिष्क के भौतिक वायरिंग आरेख को एक कंप्यूटर प्रोग्राम के कंकाल (स्केलेटन) के रूप में उपयोग करें, तो क्या वह प्रोग्राम उन चीजों को सीख सकता है जो उस जीव ने कभी विकसित नहीं कीं? यह इस बात का परीक्षण है कि क्या जैविक कनेक्शनों की विशिष्ट आकृति में एक गुप्त शक्ति निहित है जो यादृच्छिक (रैंडम) कनेक्शनों में नहीं होती।
कोरिया एडवांस्ड इंस्टीट्यूट ऑफ साइंस एंड टेक्नोलॉजी के शोधकर्ताओं ने एक नर फल मक्खी (फ्रूट फ्लाई) के संपूर्ण तंत्रिका तंत्र का उपयोग करके इस विचार का परीक्षण करने का निर्णय लिया। उन्होंने इस मक्खी के मस्तिष्क के सार्वजनिक रूप से उपलब्ध मानचित्र का उपयोग किया, जिसमें 1,66,000 से अधिक न्यूरॉन्स और लगभग 2.6 करोड़ कनेक्शन हैं, और इसे एक कृत्रिम नेटवर्क के लिए एक निश्चित संरचना के रूप में उपयोग किया। उन्होंने मक्खी के वास्तविक विचारों या गतिविधियों का अनुकरण करने का प्रयास नहीं किया। इसके बजाय, उन्होंने इस जैविक ढांचे को दो कार्यों को हल करने के लिए प्रशिक्षित किया जिनका फल मक्खियों से कोई लेना-देना नहीं है: संख्याओं को जोड़ना और संवेदी घटनाओं के बारे में एक सरल भाषा को समझना। पहले कार्य में, नेटवर्क को दो संख्याओं को जोड़ने के लिए प्रशिक्षित किया जाना था, जहाँ योग कभी भी सौ से अधिक नहीं होता था। दूसरे कार्य में, उसे दो शारीरिक संवेदनाओं का विवरण सुनना था, जैसे कि पैर पर एक मजबूत दबाव और उसके बाद एक कमजोर हलचल, और फिर उस विवरण को सही ढंग से घटना से मिलाना था, भले ही घटनाओं का क्रम उल्टा हो।
यह देखने के लिए कि क्या मक्खी की विशिष्ट वायरिंग मायने रखती है, वैज्ञानिकों ने एक नियंत्रण समूह (कंट्रोल ग्रुप) बनाया। उन्होंने न्यूरॉन्स की समान संख्या और कनेक्शनों का उपयोग किया लेकिन लिंक को यादृच्छिक रूप से इधर-उधर बदल दिया, केवल यह रखते हुए कि प्रत्येक न्यूरॉन के कनेक्शनों की संख्या समान रहे। इससे एक "रीवाइर्ड" (पुनर्गठित) मस्तिष्क बना जो सांख्यिकीय रूप से समान दिखता था लेकिन इसमें वास्तविक मक्खी के विशिष्ट, विकसित पथों का अभाव था। जब उन्होंने वास्तविक मक्खी के नेटवर्क को जोड़ (एडिशन) कार्य पर प्रशिक्षित किया, तो यह उच्च सटीकता के साथ सफल रहा, और उन नई समस्याओं पर भी लगभग 93 प्रतिशत बार सही उत्तर दिया जिन्हें उसने पहले कभी नहीं देखा था। यादृच्छिक, पुनर्गठित नेटवर्क काफी संघर्ष करते रहे, और केवल लगभग 68 प्रतिशत सटीकता ही प्राप्त कर सके। अंतर काफी बड़ा था, जिससे पता चलता है कि मक्खी के मस्तिष्क की विशिष्ट व्यवस्था ने गणित सीखने के लिए एक छिपी हुई बढ़त प्रदान की, भले ही मक्खी स्वयं गणित नहीं करती है।
परिणाम भाषा कार्य के साथ और भी आश्चर्यजनक थे। यहाँ, नेटवर्क को संवेदी इनपुट को शब्दों से जोड़ना था, यह सीखना कि संकेतों का एक विशिष्ट पैटर्न "मजबूत दबाव" का अर्थ है और यह "कमजोर हलचल" से "पहले" हुआ था। शोधकर्ताओं ने नेटवर्क का परीक्षण चार अलग-अलग तरीकों से किया, जिसमें यह बदला गया कि संवेदी जानकारी मस्तिष्क में कहाँ प्रवेश करती है और शब्द कहाँ से निकलते हैं, ताकि यह सुनिश्चित किया जा सके कि परिणाम किसी एक विशिष्ट सेटअप का संयोग मात्र नहीं हैं। इन सभी परीक्षणों में, वास्तविक मक्खी के मस्तिष्क पर आधारित नेटवर्क ने पुनर्गठित संस्करणों की तुलना में लगातार बेहतर प्रदर्शन किया। सबसे कठिन परीक्षण में, जिसमें एक दृश्य को उसके विवरण के साथ और विपरीत दृश्य को उसके विपरीत विवरण के साथ सही ढंग से जोड़ना आवश्यक था, वास्तविक मस्तिष्क ने लगभग 62 प्रतिशत का स्कोर प्राप्त किया, जबकि यादृच्छिक संस्करणों का औसत केवल 44 प्रतिशत रहा। बीस अलग-अलग यादृच्छिक पुनर्गठन वाले एक बड़े तुलनात्मक अध्ययन में, वास्तविक मक्खी का मस्तिष्क प्रथम स्थान पर रहा, जिसने उन सभी को पीछे छोड़ दिया।
महत्वपूर्ण रूप से, अध्ययन ने दिखाया कि यह लाभ केवल कनेक्शनों की सही संख्या के बारे में नहीं था। शोधकर्ताओं ने पाया कि वास्तविक मस्तिष्क की सफलता संवेदी इनपुट और उन विशिष्ट भागों के बीच संरेखण (अलाइनमेंट) पर बहुत अधिक निर्भर थी जिनसे वे जुड़े हुए थे। जब उन्होंने संवेदी संकेतों को इस तरह से अस्त-व्यस्त कर दिया कि इनपुट अब मस्तिष्क की प्राकृतिक वायरिंग से मेल नहीं खाता था, तो वास्तविक मस्तिष्क का प्रदर्शन गिरकर लगभग 61 प्रतिशत से मात्र 19 प्रतिशत रह गया। इसने सिद्ध किया कि मस्तिष्क की संरचना केवल एक सामान्य पात्र (कंटेनर) नहीं थी; बल्कि यह एक विशिष्ट मशीन थी जहाँ इनपुट का भौतिक स्थान अत्यंत महत्वपूर्ण था। यादृच्छिक नेटवर्क, जिनमें इस विशिष्ट संरेखण का अभाव था, भ्रम से उबरने में सक्षम नहीं थे।
निष्कर्ष बताते हैं कि मस्तिष्क को कैसे वायर किया गया है, इसमें सीखने के लिए एक पुन: प्रयोज्य ब्लूप्रिंट, यानी एक 'इंडक्टिव बायस' (आगमनात्मक पूर्वाग्रह) होता है जो इसे समस्याओं को कुशलतापूर्वक हल करने में मदद करता है। इसका मतलब यह नहीं है कि मक्खी का मस्तिष्क एक सार्वभौमिक कंप्यूटर है जो कुछ भी कर सकता है। नेटवर्क को अभी भी शुरुआत से प्रशिक्षित करने की आवश्यकता थी, और यह सही संवेदी इनपुट के बिना नहीं सीख सकता था। हालाँकि, यह अध्ययन दर्शाता है कि एक कनेक्टोम में जैविक व्यवस्था के किनारे (एजेस) केवल एक जीव के अतीत का रिकॉर्ड मात्र नहीं हैं; बल्कि यह एक कार्यात्मक वास्तुकला है जिसे मानव-निर्मित संज्ञानात्मक कार्यों के लिए पुन: उपयोग किया जा सकता है। विशिष्ट पथ जो एक मक्खी को उसकी दुनिया में नेविगेट करने के लिए विकसित हुए थे, वे वास्तव में एक कंप्यूटर को अंकगणित या भाषा सीखने में बढ़त दिलाने के लिए भी सहायक सिद्ध होते हैं। यह खोज इस विचार को चुनौती देती है कि जैविक वायरिंग केवल उन व्यवहारों के लिए उपयोगी है जिनके लिए वह मूल रूप से विकसित हुई थी।
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।