Curiosity shapes brain-like architectures and functions
यह शोध पत्र यह प्रदर्शित करता है कि शिशु जैसी जिज्ञासा को मस्तिष्क जैसी जैव-भौतिक बाधाओं के साथ जोड़ना कृत्रिम तंत्रिका नेटवर्क (आर्टिफिशियल न्यूरल नेटवर्क्स) में जटिल तंत्रिका संरचनाओं और संज्ञानात्मक क्षमताओं, जैसे कि संरचनात्मक सामान्यीकरण (कंपोजिशनल जनरलाइजेशन), के उद्भव को प्रेरित करने के लिए पर्याप्त है।
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
मानव मस्तिष्क अनंत संभावनाओं का एक स्थान है। कुछ साधारण निर्माण खंडों से, हम अनंत विचार बना सकते हैं, दूर भविष्य की योजना बना सकते हैं, और एक ऐसी दुनिया को समझ सकते हैं जो कभी नहीं रुकती। एक सदी से अधिक समय से, वैज्ञानिकों ने उन व्यवहारों और मस्तिष्क सर्किटों का मानचित्रण किया है जो इसे संभव बनाते हैं, फिर भी एक मौलिक रहस्य बना हुआ है: कैसे सरल भागों से बना एक तंत्र इतने गहरे जटिलता वाले मन में बदल जाता है? एक लंबे समय से चली आ रही धारणा यह सुझाव देती है कि मस्तिष्क हर उत्तर के साथ पहले से ही वायर्ड (pre-wired) होकर नहीं आता है। इसके बजाय, यह स्व-संगठित हो सकता है, जैविक सीमाओं और समय के साथ प्राप्त अनुभवों के बीच परस्पर क्रिया के माध्यम से खुद को आकार दे सकता है। हालाँकि, एक जीवित मानव मस्तिष्क में इस सिद्धांत का परीक्षण करना असंभव है; हम एक बच्चे की जिज्ञासा को छीन नहीं सकते या उनके मस्तिष्क की वायरिंग को फिर से व्यवस्थित नहीं कर सकते यह देखने के लिए कि क्या होता है। इस पहेली को सुलझाने के लिए, शोधकर्ताओं ने एक अलग प्रकार की प्रयोगशाला की ओर रुख किया है: कंप्यूटर सिमुलेशन। विशिष्ट नियमों का पालन करने वाले कृत्रिम मस्तिष्क बनाकर, वैज्ञानिक देख सकते हैं कि सरलता से जटिलता कैसे उभरती है, जो इस बात की खिड़की प्रदान करती है कि हमारे अपने मन ने कैसे आकार लिया होगा।
एक नए अध्ययन में, शोधकर्ताओं ने यह देखने के लिए प्रयास किया कि क्या दो विशिष्ट सामग्रियां एक मन जैसी मशीन बनाने के लिए पर्याप्त थीं। उन्होंने कृत्रिम तंत्रिका नेटवर्क (artificial neural networks) की एक आबादी ली—जो कि ऐसे कंप्यूटर प्रोग्राम हैं जिन्हें न्यूरॉन्स के जुड़ने के तरीके की नकल करने के लिए डिज़ाइन किया गया है—और उन्हें दो मानवीय लक्षण दिए। पहला था जिज्ञासा का एक रूप, जिसे शिशुओं द्वारा दुनिया की खोज करने के तरीके के आधार पर मॉडल किया गया था। दूसरा भौतिक बाधाओं का एक सेट था, जो वास्तविक मस्तिष्क द्वारा सामना की जाने वाली जैविक लागतों की नकल करता है, जैसे कि मस्तिष्क के दूरस्थ हिस्सों के बीच लंबे कनेक्शन बनाने के लिए आवश्यक ऊर्जा। शोधकर्ता यह जानना चाहते थे कि क्या ये दो कारक, एक साथ मिलकर, कृत्रिम नेटवर्क को मानव मस्तिष्क में देखी जाने वाली समान जटिल संरचनाओं और क्षमताओं को विकसित करने में सक्षम बना सकते हैं।
जिज्ञासा के सार को पकड़ने के लिए, टीम ने सबसे पहले 275 शिशुओं का अध्ययन किया, जिनकी आयु आठ से पंद्रह महीने के बीच थी। उन्होंने देखा कि बच्चे स्क्रीन पर दृश्य पैटर्न को कैसे देखते हैं, और ठीक उस समय को नोट किया जब वे देखना बंद कर देते थे। शोधकर्ताओं ने पाया कि शिशु यादृच्छिक (randomly) रूप से नहीं देख रहे थे। इसके बजाय, वे भोजन की तलाश करने वाले 'फोरेजर' (foragers) की तरह व्यवहार कर रहे थे, लेकिन उनका "भोजन" नई जानकारी थी। बच्चे किसी पैटर्न के साथ तब तक जुड़े रहे जब तक कि वह उन्हें कुछ नया सिखा रहा था। जिस क्षण पैटर्न ने नई अंतर्दृष्टि देना बंद कर दिया, और उनकी सीख धीमी हो गई, वे हट गए और आगे बढ़ गए। यह व्यवहार पारिस्थितिकी (ecology) के एक सिद्धांत से मेल खाता है जिसे 'मार्जिनल वैल्यू थ्योरम' कहा जाता है, जो भविष्यवाणी करता है कि एक एजेंट संसाधन को तब छोड़ देता है जब उसका स्थानीय रिटर्न उपलब्ध औसत रिटर्न से नीचे गिर जाता है। शोधकर्ताओं ने इस नियम को एक कंप्यूटर एल्गोरिदम में अनुवादित किया, जिससे उनके कृत्रिम नेटवर्क को यह तय करने की अनुमति मिली कि वे उस समय कितनी सीख रहे हैं, इसके आधार पर कार्य को कब बदलना है।
दूसरे घटक में नेटवर्क का भौतिक विन्यास (layout) शामिल था। वास्तविक मस्तिष्क केवल न्यूरॉन्स की एक थैली नहीं हैं; वे एक खोपड़ी के भीतर पैक होते हैं जहाँ लंबे कनेक्शन बनाना और बनाए रखना महंगा होता है। इसकी नकल करने के लिए, शोधकर्ताओं ने अपने कृत्रिम नेटवर्क को एक आभासी स्थान (virtual space) में रखा जो मानव मस्तिष्क की वास्तविक ज्यामिति से मेल खाता था। उन्होंने नेटवर्क को दूरगामी कनेक्शन बनाने के लिए दंडित किया, जिससे उन्हें कुशल बनने के लिए मजबूर होना पड़ा, ठीक वैसे ही जैसे विकास (evolution) ने मानव मस्तिष्क को मजबूर किया है। फिर उन्होंने इन नेटवर्कों को बीस अलग-अलग संज्ञानात्मक कार्यों (cognitive tasks) के समूह पर प्रशिक्षित किया, जिसमें सरल मिलान वाले खेल से लेकर जटिल निर्णय लेने वाली चुनौतियाँ शामिल थीं। नेटवर्क अपने भौतिक वायरिंग लागतों से बंधे होने के बावजूद, जिज्ञासा एल्गोरिदम द्वारा निर्देशित होकर, यह चुनने के लिए स्वतंत्र थे कि उन्हें अगले किस कार्य का अभ्यास करना है।
परिणाम आश्चर्यजनक थे। जिन नेटवर्कों ने भौतिक बाधाओं के साथ जिज्ञासा को जोड़ा, उन्होंने न केवल कार्यों को सीखा; बल्कि उन्होंने ऐसी आंतरिक संरचनाएं विकसित कीं जो मानव मस्तिष्क के समान दिखती थीं। उनके कनेक्शन विशिष्ट मॉड्यूल में संगठित हुए, बिल्कुल मानव मस्तिष्क के विशिष्ट क्षेत्रों की तरह, और उन्होंने एक "रिच क्लब" (rich club) बनाया जो अत्यधिक जुड़े हुए केंद्रों (hחubs) का समूह है, जो मानव मन में कुशल संचार के लिए एक महत्वपूर्ण विशेषता है। इन नेटवर्कों ने एक विकासात्मक पथ का भी अनुसरण किया जो मानव विकास को दर्शाता है। जिस तरह मानव मस्तिष्क प्रारंभिक बचपन में कनेक्शनों के तीव्र विस्फोट का अनुभव करता है और उसके बाद सावधानीपूर्वक छंटाई (pruning) के चरण से गुजरता है जो वयस्कता तक जारी रहता है, इन कृत्रिम नेटवर्कों ने भी कनेक्शन घनत्व में इसी तरह के उतार-चढ़ाव को दिखाया। जो नेटवर्क मानव मस्तिष्क की संरचना से सबसे अधिक मेल खाते थे, उन्होंने सबसे अधिक मानव-समान संज्ञानात्मक प्रदर्शन का पैटर्न भी दिखाया, जो जैसे-जैसे वे "बूढ़े" हुए वैसे ही सुधार करते रहे और फिर धीरे-धीरे गिरावट आई, ठीक वैसे ही जैसे जीवन भर मानव क्षमताएं करती हैं।
शायद सबसे महत्वपूर्ण बात यह है कि इन मानव-समान नेटवर्कों ने जटिल मानव विचार की एक पहचान प्रदर्शित की: सीखी गई चीजों को पुनर्संयोजित (recombine) करने की क्षमता। शोधकर्ताओं ने नेटवर्क के आंतरिक कनेक्शनों को फ्रीज करके और उन्हें पुराने कार्यों के मिश्रण वाले नए समस्याओं को हल करने के लिए कहकर इसका परीक्षण किया। उदाहरण के लिए, यदि एक नेटवर्क ने व्याकुलता से बचना सीखा और निर्णय लेना सीखा, तो क्या वह तुरंत एक नए कार्य को हल कर सकता है जिसमें दोनों की आवश्यकता हो? जिज्ञासा और भौतिक बाधाओं से संचालित नेटवर्कों ने इन नवीन संयोजनों को तेजी से हल किया। उन्हें बुनियादी बातों को फिर से सीखने की आवश्यकता नहीं थी; उन्होंने बस उन आंतरिक उपकरणों को पुनर्संयोजित किया जो उन्होंने पहले ही बना लिए थे। इसके विपरीत, जो नेटवर्क बिना जिज्ञासा या बिना भौतिक बाधाओं के सीखे थे, उन्हें ये संबंध बनाने में संघर्ष करना पड़ा।
अध्ययन बताता है कि जिज्ञासा केवल एक जटिल मस्तिष्क होने का उपोत्पाद (byproduct) नहीं है; यह एक चालक (driver) है जो उस जटिलता को बनाने में मदद करता है। सक्रिय रूप से नई जानकारी की तलाश करके और जब वह उपयोगी नहीं रहती तो रुककर, एक एजेंट अपने स्वयं के आंतरिक आर्किटेक्चर को आकार देता है। जब इस जिज्ञासा को एक जैविक प्रणाली की भौतिक सीमाओं के साथ जोड़ा जाता है, तो परिणाम एक ऐसी संरचना होती है जो लचीली, मानव-समान सोच के योग्य होती है। ये निष्कर्ष मानव मन के उद्भव के बारे में एक नया दृष्टिकोण प्रदान करते हैं, यह सुझाव देते हुए कि जटिल संज्ञान (cognition) का मार्ग बड़े या अधिक शक्तिशाली सिस्टम बनाने के बारे में नहीं है, बल्कि सरल बाधाओं और सक्रिय अन्वेषण को समय के साथ विकसित होने देने के बारे में है। यह दृष्टिकोण यह समझने के लिए एक परीक्षण योग्य ढांचा प्रदान करता है कि कैसे जीव विज्ञान और अनुभव की परस्पर क्रिया उन असीम विचारों की श्रेणी को बनाती है जो मानव अनुभव को परिभाषित करते हैं।
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।