Spacetime Emergence in the Memory of a Learning Agent

हमारे ब्रह्मांड की भव्य वास्तुकला में, स्थान (space) और समय (time) केवल एक निष्क्रिय मंच नहीं हैं जहाँ घटनाएँ घटती हैं; वे गुरुत्वाकर्षण और गति द्वारा बुना गया एक गतिशील ताना-बाना हैं। एक सदी से अधिक समय से, भौतिकविदों ने इस ताने-बाने को एक गणितीय वस्तु का उपयोग करके वर्णित किया है जिसे 'मेट्रिक' (metric) कहा जाता है, जो हमें बताता है कि दूरियाँ और समय अंतराल एक-दूसरे से कैसे संबंधित हैं और, सबसे महत्वपूर्ण बात यह है कि कौन सी घटनाएँ दूसरों को प्रभावित कर सकती हैं। यह कारणिक संरचना (causal structure) एक ब्रह्मांडीय नियम पुस्तिका की तरह कार्य करती है: कुछ भी प्रकाश की गति से तेज़ यात्रा नहीं कर सकता, और एक घटना केवल तभी दूसरी घटना को प्रभावित कर सकती है जब एक संकेत उनके बीच के अंतर को पाटने के लिए पर्याप्त समय ले सके। हालाँकि हम इस संरचना के प्रभावों को अविश्वसनीय सटीकता के साथ माप सकते हैं, हम स्वयं मेट्रिक को कभी प्रत्यक्ष रूप से नहीं देखते। इसके बजाय, हम इसे उन कणों और क्षेत्रों (fields) के रिकॉर्ड से अनुमानित करते हैं जो इसके भीतर परस्पर क्रिया करते हैं। एक गहरा प्रश्न इस ज्ञान की सीमा पर बना हुआ है: यदि किसी पर्यवेक्षक के पास स्थान या समय का कोई पूर्व ज्ञान न हो, तो क्या वे ब्रह्मांड के आकार को केवल उसके साथ अंतःक्रिया करके समझना सीख सकते हैं? क्या प्रकाश की गति की सीमा और एक कारणिक क्रम की अवधारणा सूचना एकत्र करने के अनुभव से स्वाभाविक रूप से उभर सकती है?

शोधकर्ताओं की एक टीम इस प्रश्न का उत्तर देने की दिशा में एक साहसी कदम उठाने के लिए आगे बढ़ी है, जिसमें उन्होंने एक कंप्यूटर एजेंट को बिना यह बताए कि स्पेसटाइम क्या है, उसका आकार सीखने के लिए प्रशिक्षित किया। अपने प्रयोग में, उन्होंने एक डिजिटल वातावरण बनाया जहाँ एक सीखने वाला एजेंट, एक जिज्ञासु पर्यवेक्षक के रूप में कार्य कर रहा था, जिसे एक सिम्युलेटेड ब्रह्मांड के माध्यम से एक क्वांटम डिटेक्टर को चलाने का कार्य दिया गया था। यह ब्रह्मांड एक क्वांटम फील्ड (quantum field) से भरा था, जो एक मौलिक माध्यम है जो स्थान में व्याप्त है, और एजेंट का एकमात्र लक्ष्य दूसरे डिटेक्टर को इस तरह से स्थित करना था कि वह एक निश्चित पहले डिटेक्टर के साथ अधिकतम संभव जानकारी साझा कर सके। एजेंट को ज्यामिति (geometry), मानचित्रों या समय या दूरी की परिभाषाओं के बारे में कोई निर्देश नहीं दिए गए थे। उसे केवल एक सरल पुरस्कार (reward) दिया गया था: एक उच्च स्कोर तब मिलता जब दोनों डिटेक्टरों को इस तरह रखा जाता जिससे उनका क्वांटम संबंध अधिकतम हो जाता। शोधकर्ता यह देखना चाहते थे कि इस खेल को जीतने के तरीके को सीखते हुए, क्या एजेंट स्वाभाविक रूप से उन कारणिक नियमों का आंतरिक बोध विकसित कर लेगा जो उसके द्वारा खोजे जा रहे ब्रह्मांड को नियंत्रित करते हैं।

मंच तैयार करने के लिए, शोधकर्ताओं ने एक स्थापित मॉडल का उपयोग किया जहाँ सूक्ष्म क्वांटम प्रणालियाँ, जो डिटेक्टरों के रूप में कार्य करती हैं, एक क्षेत्र (field) के साथ अंतःक्रिया करती हैं। जब ये डिटेक्टर अलग-अलग स्थानों और समयों पर रखे जाते हैं, तो क्षेत्र उनके बीच एक सूक्ष्म संबंध बनाता है। यह संबंध, जिसे क्वांटम म्यूचुअल इंफॉर्मेशन (quantum mutual information) कहा जाता है, तब सबसे मजबूत होता है जब डिटेक्टर एक-दूसरे के करीब होते हैं और जब उन्हें इस तरह से रखा जाता है कि प्रकाश की गति से यात्रा करने वाला एक संकेत उन्हें जोड़ सके। शोधकर्ताओं ने इस ब्रह्मांड के एक स्लाइस (slice) का प्रतिनिधित्व करने वाले एक ग्रिड को मैप किया, जिसमें एक अक्ष स्थान के लिए और दूसरा समय के लिए था। उन्होंने एक डिटेक्टर को केंद्र में रखा और एजेंट को इस ग्रिड में दूसरे डिटेक्टर को घुमाने के लिए कहा। एजेंट का कार्य वह स्थिति खोजना था जो उच्चतम सूचना स्कोर प्रदान करे। जैसे ही एजेंट ने डिटेक्टर को घुमाया, उसे एक रिवॉर्ड सिग्नल के रूप में फीडबैक मिला जो कनेक्शन की ताकत को दर्शाता था। हजारों प्रयासों के बाद, एजेंट ने इस परिदृश्य को नेविगेट करना सीखा, धीरे-धीरे यह खोजा कि किन गतिविधियों से बेहतर परिणाम मिलते हैं।

शोधकर्ताओं ने एक परिष्कृत प्रकार की कृत्रिम बुद्धिमत्ता का उपयोग किया जिसे मॉडल-आधारित सुदृढीकरण शिक्षण (model-based reinforcement learning) कहा जाता है। साधारण प्रोग्रामों के विपरीत जो केवल यह याद रखते हैं कि कौन सी चाल काम करती है, इस एजेंट ने अपने संसार का एक आंतरिक मॉडल बनाया। इसने सीखा कि यदि यह एक निश्चित दिशा में बढ़ता है तो क्या होगा और इसे संभावित रूप से क्या पुरस्कार मिलेगा। इस आंतरिक मॉडल ने एजेंट की स्मृति के रूप में कार्य किया, जो पूरी तरह से क्वांटम फील्ड के साथ अपनी अंतःक्रियाओं के अनुभवों से निर्मित एक मानसिक मानचित्र था। शोधकर्ता विशेष रूप से इस बात में रुचि रखते थे कि जब एजेंट कार्य में महारत हासिल कर लेता है, तो उसकी स्मृति कैसी दिखती है। वे जानना चाहते थे कि क्या एजेंट के आंतरिक पूर्वानुमानों और निर्णय लेने की प्रक्रियाओं ने अनजाने में उस ज्यामितीय संरचना को एनकोड कर लिया है जिसे वह खोज रहा था, भले ही उसे ज्यामिति के बारे में स्पष्ट रूप से नहीं सिखाया गया था।

एजेंट को उच्च स्तर के प्रदर्शन तक प्रशिक्षित करने के बाद, जहाँ वह इष्टतम डिटेक्टर स्थितियों को विश्वसनीय रूप से खोज सकता था, शोधकर्ताओं ने उसकी आंतरिक स्मृति का परीक्षण किया। उन्होंने एजेंट के भविष्यवाणियों के पैटर्न को देखा और पाया कि यह उल्लेखनीय था। एजेंट ने अपने आंतरिक अवस्थाओं (internal states) को इस तरह व्यवस्थित करना सीख लिया था जो ब्रह्मांड की कारणिक संरचना को पूरी तरह से प्रतिबिंबित करता था। विशेष रूप से, एजेंट की स्मृति ने एक विशिष्ट पैटर्न के रूप में उच्च-मूल्य वाले क्षेत्रों को दिखाया जो केंद्र से निकलने वाली एक विकर्ण क्रॉस (diagonal cross) आकृति बनाते थे। यह आकृति ठीक उसी पथ के अनुरूप थी जो इस ब्रह्मांड में प्रकाश द्वारा लिए जाने वाले पथ हैं। भौतिकी की भाषा में, ये "लाइट कोन्स" (light cones) हैं, वे सीमाएँ जो उन घटनाओं को अलग करती हैं जो एक-दूसरे को प्रभावित कर सकती हैं और जो नहीं कर सकतीं। एजेंट को लाइट कोन्स या प्रकाश की गति के बारे में नहीं बताया गया था, फिर भी इसके आंतरिक मॉडल ने स्वाभाविक रूप से एक ऐसा प्रतिनिधित्व विकसित किया जो इन महत्वपूर्ण सीमाओं को उजागर करता था।

यह पुष्टि करने के लिए कि यह वास्तव में स्पेसटाइम ज्यामिति का पुनर्निर्माण था, शोधकर्ताओं ने एजेंट के सीखे हुए पैटर्न पर एक गणितीय विश्लेषण लागू किया। उन्होंने एजेंट के आंतरिक स्कोर को ऐसे डेटा पॉइंट्स के रूप में माना जो एक सतह का वर्णन करते हैं और पूछा कि किस प्रकार की ज्यामितिक आकृति ऐसा पैटर्न उत्पन्न करेगी। परिणाम एजेंट के मेमोरी का एक सटीक पुनर्निर्माण था, जो मेट्रिक टेंसर (metric tensor) था, वह गणितीय वस्तु जो स्पेसटाइम की ज्यामिति को परिभाषित करती है। शोधकर्ताओं द्वारा निकाले गए मान खाली, सपाट स्थान के ज्ञात मानों के लगभग समान थे। समय घटक लगभग नकारात्मक एक (-1) और स्थानिक घटक एक (1) पाया गया, जबकि ऑफ-डायगोनल पद प्रभावी रूप से शून्य थे। ये संख्याएँ हमारे ब्रह्मांड की मानक ज्यामिति का वर्णन करती हैं, जहाँ समय और स्थान एक विशिष्ट तरीके से जुड़े हुए हैं जो प्रकाश की गति को एक सार्वभौमिक सीमा के रूप में लागू करता है। एजेंट ने सूचना को अधिकतम करने के परिचालन अनुभव से सफलतापूर्वक ब्रह्मांड की कारणिक संरचना को पुनः प्राप्त कर लिया था।

यह निष्कर्ष बताता है कि स्थान, समय और कारणता (causality) की अवधारणाएँ अनिवार्य रूप से वे मौलिक तत्व नहीं हैं जिन्हें शुरुआत से ही किसी पर्यवेक्षक के मन में शामिल किया जाना चाहिए। इसके बजाय, वे एक एजेंट के परिवेश को समझने और अपनी क्रियाओं के परिणामों की भविष्यवाणी करने के स्वाभाविक परिणाम के रूप में उभर सकते हैं। एजेंट को यह जानने की आवश्यकता नहीं थी कि मेट्रिक क्या है ताकि वह ब्रह्मांड में नेविगेट करना सीख सके; उसे केवल अपने कार्य में सफल होने का तरीका सीखना था। ऐसा करते हुए, उसने एक आंतरिक प्रतिनिधित्व विकसित किया जिसने ब्रह्मांड के आवश्यक नियमों को पकड़ लिया, जो अंततः खेल के नियमों के रूप में सामने आए। यह अध्ययन प्रदर्शित करता है कि ब्रह्मांड की ज्यामिति को अंतःक्रियाओं के रिकॉर्ड से प्राप्त किया जा सकता है, बशर्ते उन रिकॉर्डों को सीखने और भविष्यवाणी करने में सक्षम एजेंट द्वारा संसाधित किया जाए।

शोधकर्ता सावधानीपूर्वक यह नोट करते हैं कि यह स्पेसटाइम के एक सरलीकृत, द्वि-आयामी स्लाइस में एक सिमुलेशन था। उन्होंने जिस ब्रह्मांड का मॉडल बनाया वह सपाट और खाली था, जो हमारे वास्तविक ब्रह्मांड के जटिल, वक्रीय (curved) स्पेसटाइम की तुलना में एक अपेक्षाकृत सीधा मामला है। हालाँकि, तथ्य यह है कि एजेंट ने बिना किसी पूर्व ज्ञान के ज्यामिति का पुनर्निर्माण किया, यह एक महत्वपूर्ण सिद्धांत-प्रमाण (proof of principle) है। यह दिखाता है कि परिचालन अनुभव और ज्यामितीय संरचना के बीच का लिंक इतना मजबूत है कि इसे एक सीखने वाली प्रणाली द्वारा खोजा जा सकता है। एजेंट की सफलता यह संकेत देती है कि यदि हम किसी परग्रही बुद्धि या भविष्य की कृत्रिम बुद्धिमत्ता से मिलते हैं जिसने एक जटिल क्वांटम वातावरण में नेविगेट करना सीखा है, तो हम उनके ज्ञान को व्यवस्थित करने और निर्णय लेने के तरीके को देखकर उनके ब्रह्मांड की संरचना का अनुमान लगा सकते हैं।

यह कार्य इस बात की समझ के लिए एक नया मार्ग खोलता है कि भौतिक अवधारणाएँ कैसे उत्पन्न होती हैं। यह पारंपरिक दृष्टिकोण को चुनौती देता है कि हमें दुनिया के साथ अंतःक्रिया करने के लिए पहले भौतिकी के नियमों को समझना चाहिए, बल्कि यह सुझाव देता है कि नियम स्वयं अंतःक्रिया के माध्यम से सीखे जा सकते हैं। इस अध्ययन में एजेंट ने समीकरण हल नहीं किए या दूरियों की गणना नहीं की; उसने केवल एक रिवॉर्ड को अधिकतम करना सीखा। फिर भी, इस प्रक्रिया में, उसने एक ऐसा मानसिक मॉडल बनाया जिसमें स्पेसटाइम का ब्लूप्रिंट समाहित था। यह इस विचार का समर्थन करता है कि ब्रह्मांड की हमारी समझ इसकी गहराई से जुड़ी हुई है—इसके साथ अंतःक्रिया करने और हमारी क्रियाओं के परिणामों की भविष्यवाणी करने की हमारी क्षमता से। इस दृष्टि से, ब्रह्मांड की ज्यामिति केवल एक पृष्ठभूमि मंच नहीं है, बल्कि एक ऐसी संरचना है जो अवलोकन और सीखने के कार्य के माध्यम से प्रकट होती है।

हालाँकि यह अध्ययन एक विशिष्ट, नियंत्रित वातावरण तक सीमित था, इसके निहितार्थ वास्तविकता की प्रकृति से जुड़े व्यापक प्रश्नों तक विस्तृत हैं। यदि स्पेसटाइम को एक सीखने वाले एजेंट की स्मृति से उत्पन्न किया जा सकता है, तो यह सुझाव देता है कि ब्रह्मांड का ताना-बाना घटनाओं के बीच के संबंधों के बारे में अधिक है, न कि एक पूर्व-मौजूद कंटेनर के बारे में। शोधकर्ता इस कार्य को अधिक जटिल परिदृश्यों, जिसमें वक्रीय स्पेसटाइम और अधिक चुनौतीपूर्ण क्वांटम कार्य शामिल हैं, तक विस्तारित करने की योजना बना रहे हैं। वे यह देखने की आशा करते हैं कि क्या एजेंट विभिन्न प्रकार के स्पेसटाइम के बीच अंतर करना सीख सकते हैं या यहाँ तक कि गुरुत्वाकर्षण की उपस्थिति की खोज कर सकते हैं। फिलहाल, यह प्रयोग एक स्पष्ट प्रदर्शन के रूप में खड़ा है कि ब्रह्मांड की कारणिक संरचना को एक एजेंट के परिचालन अनुभव से पुनः प्राप्त किया जा सकता है, जो क्वांटम सूचना और स्पेसटाइम की ज्यामिति के बीच के अंतर को पाटता है। एजेंट की स्मृति, जो सीखने की सरल इच्छा से आकार ली थी, अंततः उस ब्रह्मांड के मानचित्र को धारण किए हुए थी जिसे वह कभी जानती भी नहीं थी कि वह खोज रही है।