Continuous attractor circuits for decision making with Laplace-domain neural representations

अपने मस्तिष्क की कल्पना एक हलचल भरे शहर के रूप में करें जहाँ लाखों नन्हे संदेशवाहक (न्यूरॉन्स) लगातार एक-दूसरे को जानकारी चिल्लाकर दे रहे हैं। दशकों से, वैज्ञानिक यह समझने की कोशिश कर रहे हैं कि यह अराजक शहर यह कैसे तय करता है कि आगे क्या करना है, जैसे कि दो रास्तों में से एक को चुनना या यह तय करना कि कोई आवाज़ खतरा है या नहीं। इस क्षेत्र में सबसे प्रसिद्ध विचारों में से एक "डिफ्यूजन डिसीजन मॉडल" (diffusion decision model) है। इसे एक ऐसे व्यक्ति के रूप में सोचें जो हाथ में सिक्का लिए एक गलियारे में चल रहा है। हर बार जब उसे कोई आवाज़ सुनाई देती है, तो वह सिक्का उछालता है। यदि 'हेड्स' आता है, तो वह "हाँ" वाले दरवाजे की ओर एक कदम बढ़ाता है; यदि 'टेल्स' आता है, तो वह "नहीं" वाले दरवाजे की ओर एक कदम बढ़ाता है। वह तब तक सिक्के उछालता और चलता रहता है जब तक कि वह किसी एक दरवाजे तक नहीं पहुँच जाता, और वही उसका निर्णय होता है। यह सरल विचार समझाता है कि हम निर्णय कैसे लेते हैं जब दुनिया शोर भरी और भ्रमित करने वाली होती है। लेकिन यहाँ एक रहस्य है: जबकि गणित कहता है कि हम केवल एक गलियारे में चलते हुए एक अकेले व्यक्ति हैं, वास्तविक मस्तिष्क अरबों कोशिकाओं से बना है जो सभी एक जैसी नहीं दिखतीं। कुछ कोशिकाएं ऐसी लगती हैं जैसे वे बढ़ती हुई ज्वार की तरह धीरे-धीरे ऊर्जा संचित करती हैं, जबकि अन्य एक रिले रेस की तरह एक त्वरित, व्यवस्थित क्रम में सक्रिय होती हैं। लंबे समय तक, वैज्ञानिक अनिश्चित थे कि क्या ये अलग-अलग पैटर्न यह दर्शाते हैं कि मस्तिष्क दो अलग-अलग चीजें कर रहा है, या वे एक ही निर्णय का वर्णन करने के दो अलग-अलग तरीके हैं।

इस शोध पत्र में, शोधकर्ता चेनयु वांग, रुई काओ और मार्क डब्ल्यू. हावर्ड इस पहेली का एक चतुर समाधान प्रस्तावित करते हैं। वे सुझाव देते हैं कि मस्तिष्क दो अलग-अलग चीजें नहीं कर रहा है; इसके बजाय, यह एक ही बात को एक ही समय में कहने के लिए दो अलग-अलग "भाषाओं" का उपयोग कर रहा है। उन्होंने मस्तिष्क के एक सर्किट का कंप्यूटर सिमुलेशन बनाया जो गतिविधि की एक निरंतर, बहती हुई नदी की तरह कार्य करता है। इस नदी में, दो प्रकार की "नावें" हैं: एक प्रकार एक तीक्ष्ण, चलती हुई सीमा (जैसे पानी की उठती हुई दीवार) बनाती है, और दूसरी एक लुढ़कते हुए, स्थानीय उभार (जैसे लहर का ऊपर उठना) का निर्माण करती है। लेखक दिखाते हैं कि ये दोनों पैटर्न वास्तव में पूरी तरह से तालमेल में रहने वाले साथी हैं। "एज" (edge) वाली नावें साक्ष्य के धीरे-धीरे बढ़ते हुए संचय का प्रतिनिधित्व करती हैं, जबकि "बंप" (bump) वाली नावें न्यूरॉन्स के एक त्वरित, क्रमिक फायरिंग का प्रतिनिधित्व करती हैं। इन दोनों समूहों को एक विशिष्ट तरीके से जोड़कर, उनका मॉडल सिद्ध करता है कि दोनों पैटर्न एक ही अंतर्निहित निर्णय प्रक्रिया से उत्पन्न हो सकते हैं। परिणाम यह है कि एक एकल, एकीकृत प्रणाली जो क्लासिक "सिक्का उछालने वाले" निर्णय मॉडल की तरह व्यवहार करती है, लेकिन यह भी समझाती है कि वास्तविक न्यूरॉन्स एक-दूसरे से इतने अलग क्यों दिखते हैं। लेखकों ने पाया कि उनके सिमुलेशन में, यह दोहरी-भाषा प्रणाली मानव प्रतिक्रिया समय और चुनाव की सटीकता की सटीक नकल कर सकती है, जो यह सुझाव देती है कि मस्तिष्क इस सुंदर, ज्यामितीय तरकीब का उपयोग करके अव्यवस्थित संवेदी शोर को एक स्पष्ट, आत्मविश्वासपूर्ण विकल्प में बदल सकता है।

दो भाषाओं की कहानी

यह समझने के लिए कि यह कैसे काम करता है, आइए निर्णय लेने की प्रक्रिया को एक एकल रेखा के रूप में नहीं, बल्कि एक लंबे, घुमावदार ट्रैक के रूप में कल्पना करें। इस ट्रैक पर, धावकों की दो टीमें हैं: रैंप टीम (Ramp Team) और सीक्वेंस टीम (Sequence Team)।

रैंप टीम उन धावकों के समूह की तरह है जो सभी एक पहाड़ी पर चढ़ने की कोशिश कर रहे हैं। लेकिन यहाँ एक मोड़ है: प्रत्येक धावक का एक अलग "ढलान" सेटिंग है। कुछ धावक बहुत धीरे चढ़ते हैं, जबकि अन्य बहुत तेज़ी से चढ़ते हैं। जैसे-जैसे निर्णय चर (साक्ष्य की मात्रा जो आपने एकत्र की है) बढ़ता है, पूरा समूह स्थानांतरित होता है। इसका परिणाम गतिविधि की एक चिकनी, बढ़ती हुई दीवार जैसा दिखता है। मस्तिष्क में, यह एक न्यूरॉन के रूप में दिखता है जो आपके द्वारा अधिक साक्ष्य एकत्र करने पर अपनी फायरिंग दर को धीरे-धीरे बढ़ाता है।

सीक्वेंस टीम अलग है। कल्पना कीजिए कि धावकों की एक पंक्ति शुरुआती रेखा पर प्रतीक्षा कर रही है। जैसे-जैसे निर्णय चर आगे बढ़ता है, गतिविधि की एक एकल "लहर" उस पंक्ति में नीचे की ओर चलती है। एक धावक सक्रिय होता है, फिर अगला, फिर अगला, जैसे डोमिनो प्रभाव। यह गतिविधि के एक "बंप" (उभार) की तरह दिखता है जो न्यूरोनल आबादी के माध्यम से आगे बढ़ता है।

शोध पत्र की बड़ी खोज यह है कि ये दोनों टीमें वास्तव में एक ही दौड़ दौड़ रही हैं, बस अलग-अलग ट्रैकों पर जो गणितीय रूप से जुड़े हुए हैं। लेखकों ने गणित की एक अवधारणा का उपयोग किया जिसे "लाप्लास डोमेन" (Laplace domain) कहा जाता है (जो चीजों के समय और स्थान के साथ बदलने के तरीके को देखने का एक शानदार तरीका है) यह दिखाने के लिए कि रैंप टीम और सीक्वेंस टीम वास्तव में एक ही सिक्के के दो पहलू हैं। रैंप टीम की "दीवार" और सीक्वेंस टीम की "लहर" पूरी तरह से संरेखित हैं। यदि आप जानते हैं कि दीवार कहाँ है, तो आप जानते हैं कि लहर कहाँ है।

सर्किट कैसे काम करता है: एज और बंप

लेखकों ने इस विचार का परीक्षण करने के लिए एक डिजिटल मस्तिष्क सर्किट बनाया। उन्होंने वर्चुअल न्यूरॉन्स के दो समूह बनाए:

1. द एज पॉपुलेशन (The Edge Population): इन न्यूरॉन्स के "रिसेप्टिव फील्ड्स" एक घातांकीय वक्र (exponential curve) की तरह दिखते हैं। जैसे-जैसे निर्णय चर बदलता है, इस समूह की गतिविधि एक स्लाइडिंग डोर की तरह शिफ्ट होती है, जिससे एक तीक्ष्ण किनारा (edge) बनता है।
2. द बंप पॉपुलेशन (The Bump Population): इन न्यूरॉन्स के "रिसेप्टिव फील्ड्स" एक बेल कर्व (बंप) की तरह दिखते हैं। जैसे-जैसे निर्णय चर बदलता है, यह उभार ट्रैक पर आगे बढ़ता है।

जादू तब होता है जब वे इन दोनों समूहों को जोड़ते हैं। एज समूह बंप समूह को धकेलता है, और बंप समूह एज समूह को खींचता है। यह एक नृत्य की तरह है जहाँ एक साथी नेतृत्व करता है और दूसरा अनुसरण करता है, लेकिन वे इतने सटीक रूप से तालमेल में हैं कि वे एक एकल इकाई के रूप में चलते हैं।

शोध पत्र दिखाता है कि यह युग्मित प्रणाली वास्तविक जीवन के अव्यवस्थित, शोर भरे इनपुट को संभाल सकती है। जब आप इसमें यादृच्छिक शोर (जैसे हमारे गलियारे वाले उदाहरण में सिक्के उछालना) डालते हैं, तो एज और बंप आबादी अपने ट्रैक पर एक साथ चलती है। इस गति का स्थान निर्णय चर के अनुरूप होता है। यदि यह गति ट्रैक के "बाएं" छोर पर पहुँचती है, तो मस्तिष्क "बाएं" का निर्णय लेता है। यदि यह "दाएं" छोर पर पहुँचती है, तो मस्तिष्क "दाएं" का निर्णय लेता है।

सिमुलेशन ने क्या दिखाया

शोधकर्ताओं ने हजारों सिमुलेशन चलाए यह देखने के लिए कि क्या उनका मॉडल एक वास्तविक मानव की तरह निर्णय ले सकता है। उन्होंने अपने "एज-बंप" सर्किट की तुलना मानक "डिफ्यूजन डिसीजन मॉडल" (सिक्का उछालने वाला गलियारा) से की।

परिणाम आश्चर्यजनक थे। उनके सिमुलेशन में:

• प्रतिक्रिया समय (Reaction Times): उनके सर्किट को निर्णय लेने में लगने वाला समय मानव निर्णय लेने के समय से मेल खाता है। चाहे कार्य आसान हो (मजबूत साक्ष्य) या कठिन (कमजोर साक्ष्य), सर्किट बिल्कुल सही तरीके से तेज़ या धीमा हुआ।
• चुनाव की सटीकता (Choice Accuracy): जब साक्ष्य स्पष्ट था, तो सर्किट ने उतनी ही बार सही उत्तर चुना जितने अक्सर मनुष्य चुनते हैं, और जब साक्ष्य भ्रमित करने वाला था, तो इसने मनुष्यों के समान ही गलतियाँ कीं।
• न्यूरल पैटर्न (Neural Patterns): सबसे महत्वपूर्ण बात यह है कि उनके सर्किट में व्यक्तिगत न्यूरॉन्स ने वास्तविक मस्तिष्क में देखी जाने वाली विविधता को बिल्कुल दिखाया। कुछ न्यूरॉन्स धीरे-धीरे बढ़े, जबकि अन्य एक त्वरित क्रम में सक्रिय हुए। यह स्वाभाविक रूप से हुआ, बिना शोधकर्ताओं द्वारा उन्हें ऐसा करने के लिए प्रोग्राम किए। यह दो आबादी के बीच संबंध के तरीके से स्वतः ही उत्पन्न हुआ।

यह क्यों महत्वपूर्ण है

यह शोध पत्र सुझाव देता है कि मस्तिष्क को असंबंधित भागों के अव्यवस्थित संग्रह की आवश्यकता नहीं है। इसके बजाय, यह समस्याओं को हल करने के लिए एक अत्यधिक संगठित, ज्यामितीय संरचना का उपयोग कर सकता है। "एज" और "बंप" आबादी एक ही भाषा के दो अलग-अलग बोलियों की तरह हैं। एक बोली (रैंप) आत्मविश्वास के धीमे संचय को दिखाने के लिए अच्छी है, जबकि दूसरी बोली (सीक्वेंस) एक सटीक, समयबद्ध प्रगति दिखाने के लिए अच्छी है। दोनों का एक साथ उपयोग करके, मस्तिष्क एक एकल निर्णय चर को एक मजबूत और लचीले तरीके से प्रदर्शित कर सकता है।

लेखक इस बात पर जोर देते हैं कि यह एक सिमुलेशन है, एक गणितीय मॉडल जो दिखाता है कि ऐसा सिस्टम कैसे काम कर सकता है। उन्होंने यह साबित नहीं किया है कि मानव मस्तिष्क वास्तव में इसी तरह काम करता है, लेकिन उनका मॉडल एक मजबूत, परीक्षण योग्य परिकल्पना प्रदान करता है। यह सुझाव देता है कि रैंपिंग और अनुक्रमिक न्यूरॉन्स का वह अजीब मिश्रण जो हम प्रयोगों में देखते हैं, वह कोई त्रुटि या संयोग नहीं है; बल्कि यह एक विशेषता है। यह मस्तिष्क का एक तरीका है जिससे वह दो पूरक कोडों का उपयोग करके निर्णय को विकसित होते हुए ट्रैक रखता है, यह सुनिश्चित करता है कि अंतिम विकल्प सटीक और सामयिक हो।

संक्षेप में, यह शोध पत्र निर्णय लेने का एक सुंदर, एकीकृत चित्र प्रस्तुत करता है। यह मस्तिष्क के अराजक शोर को एक उठती हुई 'एज' और एक लुढ़कते हुए 'बंप' के बीच एक समन्वित नृत्य में बदल देता है, यह दिखाते हुए कि कैसे सरल, सुंदर नियमों से जटिलता उत्पन्न हो सकती है।