Quantifying uncertainty in drift diffusion models of decision making under temporal dependence and parameter variability

कल्पना कीजिए कि आप यह समझने की कोशिश कर रहे हैं कि एक चूहा भोजन खोजने के लिए दो रास्तों में से किसी एक का चुनाव कैसे करता है। वैज्ञानिकों के पास एक विशेष गणितीय उपकरण है जिसे "ड्रिफ्ट डिफ्यूजन मॉडल" (DDM) कहा जाता है, जो चूहे के मस्तिष्क के लिए एक मौसम पूर्वानुमान की तरह काम करता है। यह अनुमान लगाने की कोशिश करता है कि चूहा जो जानकारी देखता है, उसके आधार पर कितनी तेज़ी और सटीकता से निर्णय लेगा।

हालाँकि, इस टूल को उपयोग करने के तरीके में एक समस्या है। पारंपरिक तरीके चूहे के निर्णयों को स्वतंत्र 'सिक्का उछालने' (coin flips) की एक श्रृंखला की तरह मानते हैं, यह मानकर कि चूहे का मस्तिष्क एक स्थिर मशीन है जो कभी अपनी सेटिंग्स नहीं बदलती। वास्तव में, चूहे का मस्तिष्क एक जीवित, सांस लेते जीव की तरह है जो थकता है, उत्साहित होता है, या अपना ध्यान बदलता है। इसकी "सेटिंग्स" समय के साथ बदलती रहती हैं, और इसके निर्णय अक्सर इस बात से जुड़े होते हैं कि ठीक एक सेकंड पहले क्या हुआ था।

जब वैज्ञानिक इन बदलावों को अनदेखा करते हैं, तो यह एक ऐसी कार की गति मापने की कोशिश करने जैसा है जो लगातार तेज़ हो रही है या ब्रेक लगा रही है, लेकिन आप एक ऐसे पैमाने (रूलर) का उपयोग कर रहे हैं जो केवल तभी काम करता है जब कार एक समान गति से चल रही हो। परिणाम? आपको लग सकता है कि आप जानते हैं कि कार कितनी तेज़ चल रही है, लेकिन आपका माप छिपी हुई त्रुटियों से भरा होता है क्योंकि आपने कार के बदलते व्यवहार को ध्यान में नहीं रखा।

यह शोध पत्र क्या करता है:

शोधकर्ताओं ने एक नया, अधिक स्मार्ट पैमाना (एक कम्प्यूटेशनल विधि) बनाया है जो इन गलतियों को ठीक करता है। यह कैसे काम करता है, इसके लिए सरल उपमाओं का उपयोग किया गया है:

1. समय के "रोलर कोस्टर" का हिसाब रखना: यह मानने के बजाय कि चूहे का निर्णय लेना एक शांत झील की तरह है, यह नई विधि स्वीकार करती है कि चूहे का निर्णय लेना एक रोलर कोस्टर की तरह है। यह उतार-चढ़ाप (टेम्पोरल डिपेंडेंस) और इस तथ्य को ध्यान में रखती है कि सवारी आगे बढ़ते हुए बदलती रहती है (नॉनस्टेशनैरिटी)।
2. यह जानना कि आप कितने आश्वस्त हैं: पुराने तरीके अक्सर चूहे के निर्णय लेने के लिए एक एकल संख्या देते थे, बिना यह बताए कि आप उस संख्या पर कितना भरोसा कर सकते हैं। यह नई विधि एक मौसम रिपोर्ट की तरह है जो आपको कॉन्फिडेंस इंटरवल (विश्वास अंतराल) देती है। यह सिर्फ यह नहीं कहती कि "बारिश होगी"; यह कहती है, "बारिश होगी, और हम 95% आश्वस्त हैं कि ऐसा होगा, भले ही हवा अजीब तरह से चल रही हो।" यह स्पष्ट रूप से "अनिश्चितता" (uncertainty) की गणना करता है, ताकि आपको पता चल सके कि आपका डेटा कब संदिग्ध है।
3. सुरागों (कोवेरियेट्स) का उपयोग करना: यह विधि वैज्ञानिकों को अतिरिक्त सुराग डालने की अनुमति देती है, जैसे कि चूहे के दिल की धड़कन या यह कि वह कितने समय से काम कर रहा है, ताकि यह समझाया जा सके कि उस क्षण चूहे की निर्णय लेने की शैली क्यों बदल रही है। यह एक नेविगेटर होने जैसा है जो केवल ट्रैफिक जाम में फंसने के बजाय ट्रैफिक जाम के कारणों को समझाता है।

परिणाम:

जब टीम ने चूहों द्वारा खेले जाने वाले एक विजुअल गेसिंग गेम पर इस नई विधि का परीक्षण किया, तो उन्हें केवल एक औसत उत्तर नहीं मिला। इसके बजाय, उन्होंने खोजा कि चूहे वास्तव में अलग-अलग समय सीमाओं में विभिन्न "निर्णय लेने वाली अवस्थाओं" (जैसे कार में गियर बदलना) के बीच स्विच कर रहे थे। कुछ बदलाव तेजी से हुए, जबकि अन्य धीमे और स्थिर थे।

संक्षेप में, यह शोध पत्र यह मापने का एक अधिक ईमानदार और लचीला तरीका प्रदान करता है कि मस्तिष्क कैसे विकल्प चुनते हैं, यह स्वीकार करते हुए कि मस्तिष्क अव्यवस्थित और परिवर्तनशील होते हैं, और वैज्ञानिकों को यह मापने का एक बेहतर तरीका देता है कि वे अपने निष्कर्षों के बारे में कितने आश्वस्त हो सकते हैं। टीम ने इस नए टूल के लिए कोड भी उपलब्ध कराया है ताकि कोई भी इसका उपयोग कर सके।