Beyond model-free Pavlovian responding: a two-stage Pavlovian-instrumental transfer paradigm
यह अध्ययन एक नवीन दो-चरणीय पावलोवियन-इंस्ट्रुमेंटल ट्रांसफर प्रतिमान प्रस्तुत करता है जो यह प्रदर्शित करता है कि सिंगल-लीवर पीआईटी (PIT) मुख्य रूप से स्वचालित मॉडल-फ्री प्रक्रियाओं के बजाय लचीले, मॉडल-आधारित शिक्षण तंत्रों द्वारा संचालित होता है, और यह प्रकट करता है कि ये संज्ञानात्मक रणनीतियाँ माइंड वेंडरिंग (मन की भटकन) द्वारा चुनिंदा रूप से बाधित होती हैं।
मूल पेपर CC BY 4.0 (https://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
कल्पना कीजिए कि आपका मस्तिष्क एक व्यस्त रेस्टोरेंट की रसोई है। लंबे समय तक, वैज्ञानिकों को लगा कि रसोई में केवल एक ही प्रकार का शेफ है: हैबिट शेफ (आदत वाला शेफ)। यह शेफ ऑटोपायलट पर काम करता है। यदि वे एक घंटी बजते देखते हैं (एक संकेत), तो वे तुरंत सब्जियां काटना शुरू कर देते हैं क्योंकि "घंटी = काटना" एक हार्ड-वायर्ड नियम है। वे इस बारे में नहीं सोचते कि घंटी क्यों बजी या आगे क्या हो सकता है; वे बस प्रतिक्रिया करते हैं। इसे मॉडल-फ्री (Model-Free) लर्निंग कहा जाता है।
हालाँकि, यह नया अध्ययन बताता है कि वास्तव में रसोई में दूसरा शेफ भी है: स्ट्रैटेजिस्ट शेफ (रणनीतिकार शेफ)। यह शेफ पूरे रेस्टोरेंट का एक मानसिक मानचित्र बनाता है। वे जानते हैं कि "घंटी A" आमतौर पर "ग्रिल" की ओर ले जाती है, जो आमतौर पर "स्टेक" की ओर ले जाती है, लेकिन कभी-कभी "सलाद" की ओर भी ले जा सकती है। यदि घंटी बजती है, तो स्ट्रैटेजिस्ट केवल प्रतिक्रिया नहीं देता; वह गणना करता है, "आह, घंटी बजी, लेकिन आज ग्रिल खराब है, इसलिए मुझे शायद सलाद का ऑर्डर देना चाहिए।" यह मॉडल-बेस्ड (Model-Based) लर्निंग है।
मुख्य प्रश्न
वर्षों तक, शोधकर्ताओं का मानना था कि जब हम उन संकेतों पर प्रतिक्रिया करते हैं जिन्हें हम नियंत्रित नहीं कर सकते (जैसे भोजन की गंध से भूख लगना, या नोटिफिकेशन की आवाज़ से फोन चेक करना), तो हम पूरी तरह से हैबिट शेफ होते हैं। उन्हें लगा कि ये "पावलोवियन" प्रतिक्रियाएं सरल, स्वचालित रिफ्लेक्स थे जिन्हें जटिल सोच से प्रभावित नहीं किया जा सकता था।
यह पेपर पूछता है: क्या यह सच है? क्या इन स्वचालित प्रतिक्रियाओं के दौरान भी स्ट्रैटेजिस्ट शेफ कार्यभार संभाल सकता है?
प्रयोग: कैसीनो गेम
यह पता लगाने के लिए, शोधकर्ताओं ने एक चतुर वीडियो गेम बनाया जो एक "दो-चरणीय कैसीनो" की तरह काम करता है।
- सेटअप: आप दो अलग-अलग "कैसीनो वर्कर्स" (मान लीजिए वर्कर A और वर्कर B) से मिलते हैं।
- नियम:
- वर्कर A आमतौर पर (80% बार) आपको स्लॉट मशीन 1 पर ले जाता है, लेकिन दुर्लभ रूप से (20% बार) आपको स्लॉट मशीन 2 पर ले जाता है।
- वर्कर B इसके विपरीत करता है।
- स्लॉट मशीनें आपको पैसे देती हैं या आपसे पैसे छीन लेती हैं, लेकिन इनके जीतने की संभावना समय के साथ धीरे-धीरे बदलती रहती है।
- ट्विस्ट: जब आप ये नियम सीख जाते हैं, तो गेम रुक जाता है। आपसे एक सरल गेम खेलने के लिए कहा जाता है जहाँ आप कार्ड "इकट्ठा करने" या "बचने" के लिए बटन दबाते हैं। लेकिन खेलते समय, बैकग्राउंड में एक कैसीनो वर्कर दिखाया जाता है।
परीक्षण:
यदि आप हैबिट शेफ हैं, तो आप केवल उस वर्कर की परवाह करते हैं जिसे आपने अभी देखा है। यदि वर्कर A ने आपको अभी पैसे दिए, तो आप बटन अधिक दबाते हैं। यदि वर्कर A ने पैसे छीन लिए, तो आप रुक जाते हैं। आपको दूसरे वर्कर या अजीब बदलावों की परवाह नहीं होती।
यदि आप स्ट्रैटेजिस्ट शेफ हैं, तो आप गहराई से सोचते हैं। आप महसूस करते हैं, "रुको, वर्कर A दुर्लभ रूप से मुझे स्लॉट मशीन 2 पर ले जाता है। यदि मैंने अभी वर्कर A को देखा लेकिन मैं स्लॉट मशीन 2 पर पहुँच गया, तो यह एक इत्तेफाक था! असली संबंध अभी भी वर्कर A स्लॉट मशीन 1 है।" आप केवल पिछले परिणाम के आधार पर नहीं, बल्कि खेल की संरचना के आधार पर अपनी अपेक्षाओं को अपडेट करते हैं।
उन्हें क्या मिला
परिणाम आश्चर्यजनक थे।
- स्ट्रैटेजिस्ट की जीत: अधिकांश प्रतिभागी केवल ऑटोपायलट पर प्रतिक्रिया नहीं दे रहे थे। वे स्ट्रैटेजिस्ट शेफ का उपयोग कर रहे थे। वे कैसीनो के जटिल नियमों को समझ गए थे और उन्होंने केवल पिछले जीत या हार के आधार पर नहीं, बल्कि खेल की छिपी हुई संरचना के आधार पर अपने बटन दबाने के तरीके को बदला।
- "माइंड वेंडरिंग" (मन भटकने) का प्रभाव: शोधकर्ताओं ने प्रतिभागियों से यह भी पूछा, "क्या आप अभी ख्यालों में खोए हुए हैं?"
- जब लोग केंद्रित (focused) थे, तो स्ट्रैटेजिस्ट शेफ प्रभारी था। उन्होंने स्मार्ट, गणनात्मक निर्णय लिए।
- जब लोग ख्यालों में खोए हुए (daydreaming) थे, तो स्ट्रैटेजिस्ट शेफ ब्रेक पर चला गया था। प्रतिभागी हैबिट शेफ पर वापस आ गए, जो बड़ी तस्वीर के बारे में सोचे बिना केवल हालिया परिणाम पर प्रतिक्रिया दे रहे थे।
- महत्वपूर्ण रूप से, "हैबिट शेफ" को इस बात से कोई फर्क नहीं पड़ता था कि लोग ख्यालों में खोए हैं या नहीं; वे बस अपना सरल रूटीन जारी रखते थे।
यह क्यों महत्वपूर्ण है
अपने दैनिक जीवन के बारे में सोचें। जब आप "सेल" का बोर्ड देखते हैं, तो क्या आप इसलिए चीजें खरीदते हैं क्योंकि आप एक mindless रोबोट (हैबिट) हैं, या इसलिए क्योंकि आपने गणना की है कि वास्तव में आपको उस वस्तु की आवश्यकता है और कीमत सही है (स्ट्रैटेजी)?
यह अध्ययन दिखाता है कि हमारी सबसे "स्वचालित" प्रतिक्रियाएं—जैसे कैंडी के रैपर को देखकर स्नैक्स की इच्छा होना—भी लचीली और स्मार्ट हैं, जब तक कि हम ध्यान दे रहे हैं।
निष्कर्ष:
- हम जितना सोचते हैं उससे कहीं अधिक स्मार्ट हैं: भले ही हम उन संकेतों पर प्रतिक्रिया कर रहे हों जिन्हें हम नियंत्रित नहीं कर सकते, हमारा मस्तिष्क अक्सर सबसे अच्छा कदम उठाने के लिए जटिल सिमुलेशन चला रहा होता है।
- ध्यान (Attention) एक स्विच है: यदि हम विचलित या ख्यालों में खोए हुए हैं, तो हम अपने "स्ट्रैटेजिस्ट" मस्तिष्क को खो देते हैं और बुरी आदतों में गिर जाते हैं।
- मानसिक स्वास्थ्य के लिए आशा: कई व्यसन (addictions) और विकार "हैबिट मोड" में फंस जाने से जुड़े हैं। यह शोध सुझाव देता है कि यदि हम लोगों को केंद्रित और व्यस्त रहने में मदद कर सकें, तो वे अपने "स्ट्रैटेजिस्ट मोड" पर वापस आने और उन बुरे चक्रों को तोड़ने में सक्षम हो सकते हैं।
संक्षेप में: आपका मस्तिष्क केवल एक रिफ्लेक्स मशीन नहीं है; यह एक शानदार जासूस है। लेकिन यदि आप ध्यान देना बंद कर देते हैं, तो जासूस घर चला जाता है, और ऑटोपायलट नियंत्रण ले लेता 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।