For MSTd, Autoencoding is all you need
यह अध्ययन प्रदर्शित करता है कि सुपरवाइज्ड सेल्फ-मोशन एस्टीमेशन कार्यों के बजाय, MT-जैसे ऑप्टिक फ्लो संकेतों पर प्रशिक्षित अनसुपरवाइज्ड ऑटोएनकोडिंग मॉडल, प्राइमेट डार्सल एरिया MSTd के न्यूरल ट्यूनिंग गुणों के लिए सबसे अच्छा कम्प्यूटेशनल स्पष्टीकरण प्रदान करते 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
मुख्य विचार: दृष्टि को समझने के दो मार्ग
कल्पना कीजिए कि आपके मस्तिष्क में जो आप देखते हैं उसे प्रोसेस करने के लिए दो मुख्य राजमार्ग (highways) हैं:
- "क्या" का राजमार्ग (Ventral Stream): यह आपको बताता है कि आप क्या देख रहे हैं (जैसे, "वह एक लाल सेब है")। वैज्ञानिकों ने इसे "गोल-ड्रिवन" (लक्ष्य-आधारित) AI का उपयोग करके सफलतापूर्वक मॉडल किया है। ये उन छात्रों की तरह हैं जो एक विशिष्ट परीक्षा (जैसे, फोटो में वस्तुओं की पहचान करना) पास करने के लिए कड़ी मेहनत से पढ़ाई करते हैं।
- "कहाँ/कैसे" का राजमार्ग (Dorsal Stream): यह आपको बताता है कि आप दुनिया में कैसे आगे बढ़ रहे हैं (जैसे, "मैं आगे बढ़ रहा हूँ और बाईं ओर मुड़ रहा हूँ")। यहीं पर मस्तिष्क का क्षेत्र MSTd स्थित है। यह मस्तिष्क का आंतरिक GPS और मोशन सेंसर है।
समस्या: वर्षों तक, वैज्ञानिकों ने "क्या" राजमार्ग के लिए काम करने वाले उसी "गोल-ड्रिवन" AI का उपयोग करके "कहाँ/कैसे" राजमार्ग को मॉडल करने की कोशिश की। उन्होंने AI मस्तिष्क बनाए और उन्हें यह गणना करने के लिए सिखाया कि एक व्यक्ति कितनी तेजी से और किस दिशा में घूम रहा है।
आश्चर्य: यह शोध बताता है कि यह दृष्टिकोण विफल रहा। सिर्फ इसलिए कि एक AI आपकी गति की गणना करने में अच्छा है, इसका मतलब यह नहीं है कि वह आपके मस्तिष्क की तरह सोचता है। वास्तव में, जो AI गणित की परीक्षा में सबसे अच्छा था, उसका "मस्तिष्क जैसा" ढांचा सबसे खराब था।
समाधान: "ऑटोएन्कोडर" (द कॉपीकैट/नकलची)
शोधकर्ताओं ने पाया कि यदि आप वास्तव में एक ऐसा AI मस्तिष्क बनाना चाहते हैं जो MSTd क्षेत्र की तरह सोचता है, तो आपको उसे गणित की समस्या हल करना सिखाने की आवश्यकता नहीं है। इसके बजाय, आपको उसे एक कॉपीकैट (नकलची) बनने के लिए सिखाने की आवश्यकता है।
उपमा: कला का छात्र बनाम कला का संरक्षक (Art Student vs. Art Restorer)
- गोल-ड्रिवन AI (कला का छात्र): इस छात्र को एक पेंटिंग दी जाती है और कहा जाता है, "मुझे ठीक-ठीक बताओ कि कलाकार क्या सोच रहा था और विषय क्या है।" वह कड़ी मेहनत करता है, तथ्यों को याद करता है, और परीक्षा में 'A' ग्रेड प्राप्त करता है। लेकिन उसके आंतरिक नोट्स (कि वह छवि को कैसे प्रोसेस करता है) एक वास्तविक मानव कलाकार के देखने के तरीके से बहुत अलग हैं।
- ऑटोएन्कोडर (कला का संरक्षक): इस छात्र को एक पेंटिंग दी जाती है, उसे एक छोटे, गुप्त नोट में संकुचित (compress) करने के लिए कहा जाता है, और फिर उसे उस नोट से मूल पेंटिंग को पूरी तरह से पुनर्गठित (reconstruct) करने के लिए कहा जाता है। वह पेंटिंग को "हल" करने की कोशिश नहीं कर रहा है; वह बस एक सटीक प्रतिलिपि बनाने की कोशिश कर रहा है।
निष्कर्ष: "कला संरक्षकों" (ऑटोएन्कोडर्स) के आंतरिक नोट्स लगभग बिल्कुल वैसे ही निकले जैसे एक बंदर के मस्तिष्क में MSTd न्यूरॉन्स होते हैं। "कला छात्रों" (गोल-ड्रिवन AI) के नोट्स ऐसे नहीं थे।
असली मंत्र: यह केवल लक्ष्य के बारे में नहीं है
शोधकर्ताओं ने 54 अलग-अलग प्रकार के AI मस्तिष्कों का परीक्षण किया। उन्होंने पाया कि दो विशिष्ट सामग्रियां एक मस्तिष्क जैसे MSTd बनाने के लिए "जादुई सॉस" थीं:
इनपुट (कच्चा माल):
- यदि आप AI को कच्चे वीडियो पिक्सेल (जैसे कैमरा देखता है) खिलाते हैं, तो उसे सही पैटर्न सीखने में संघर्ष करना पड़ता है।
- सुधार: AI को एक "प्री-प्रोसेस्ड" सिग्नल दें। कल्पना कीजिए कि AI कच्चे वीडियो को नहीं देख रहा है, बल्कि वह एक निचले स्तर के मस्तिष्क क्षेत्र MT (जो सरल गति का पता लगाता है) के आउटपुट को देख रहा है।
- उपमा: यह एक शेफ को कच्ची सामग्री (सब्जियां, मांस) देने बनाम उन्हें पहले से कटे हुए और मसालेदार मिश्रण के रूप में देने जैसा है। जिस AI ने "पहले से कटे हुए" मोशन सिग्नल्स (MT-जैसे इनपुट) के साथ शुरुआत की थी, उसने सही पैटर्न बहुत तेज़ी से सीखे।
उद्देश्य (कार्य):
- AI को आपकी गति की गणना करने के लिए मत कहें (सटीकता/Accuracy)।
- AI को मोशन सिग्नल को पुनर्गठित करने के लिए कहें (ऑटोएन्कोडिंग/Autoencoding)।
- उपमा: यदि आप कान से पियानो बजाना सीखना चाहते हैं, तो केवल नोट्स का सही अनुमान लगाने की कोशिश न करें। इसके बजाय, एक गाना सुनें और उसे पूरी तरह से वापस बजाने की कोशिश करें। ध्वनि को पुन: बनाने की क्रिया आपके मस्तिष्क को सही संरचना सिखाती है।
क्या काम नहीं आया? (मिथक)
इस पेपर ने मस्तिष्क के काम करने के संबंध में कई सामान्य मिथकों को तोड़ दिया:
- मिथक 1: "मस्तिष्क बहुत कुशल है और बहुत कम न्यूरॉन्स का उपयोग करता है।"
- वास्तविकता: शोधकर्ताओं ने AI को "स्पार्स" (बहुत कम सक्रिय न्यूरॉन्स का उपयोग करना) बनाने के लिए मजबूर किया। इससे कोई मदद नहीं मिली। वास्तव में, सबसे अच्छे मॉडल मध्यम रूप से सक्रिय थे, बहुत अधिक स्पार्स नहीं।
- मिथक 2: "मस्तिष्क को बहुत गहरा और जटिल होने की आवश्यकता है।"
- वास्तविकता: सबसे अच्छे मॉडल वास्तव में उथले (shallow) (सरल) थे। गति को समझने के लिए आपको 20-परत वाले गहरे न्यूरल नेटवर्क की आवश्यकता नहीं है; एक सरल, उथला मॉडल बेहतर काम करता है।
- मिथक 3: "कार्य में सटीक होना सबसे महत्वपूर्ण है।"
- वास्तविकता: जो AI मॉडल गति की गणना करने में सबसे सटीक थे, वे जैविक मस्तिष्क के सबसे कम समान थे। काम में अच्छा होना इसका मतलब यह नहीं है कि आप उस मस्तिष्क की तरह बने हैं जो वह काम करता है।
निष्कर्ष
मस्तिष्क का मोशन सेंटर (MSTd) मुख्य रूप से एक "कैलकुलेटर" नहीं है जो यह पता लगाने की कोशिश कर रहा है कि आप कहाँ जा रहे हैं। इसके बजाय, यह एक पुनर्गठन इंजन (reconstruction engine) है।
यह विजुअल सिस्टम के निचले स्तरों से मोशन सिग्नल लेता है और उन्हें फिर से बनाने (rebuild) की कोशिश करता है। मोशन को केवल "कॉपी" करने की कोशिश करके, मस्तिष्क स्वाभाविक रूप से उन्हीं ट्यूनिंग गुणों को विकसित कर लेता है जिन्हें वैज्ञानिक वास्तविक न्यूरॉन्स में देखते हैं।
एक वाक्य में: हमारे मोशन सेंटर की तरह सोचने वाला कंप्यूटर मस्तिष्क बनाने के लिए, उसे गणित की समस्या हल करना न सिखाएं; उसे एक परफेक्ट कॉपीकैट बनना सिखाएं।
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।