Transition from model-free to structure-informed decision making in dynamic environments

जीवित चीजों के निर्णय लेने के विशाल परिदृश्य में, वैज्ञानिकों ने लंबे समय से दुनिया को समझने के दो मौलिक तरीकों के बीच अंतर किया है। एक दृष्टिकोण तात्कालिक और प्रतिक्रियात्मक है: एक जानवर सीखता है कि एक विशिष्ट क्रिया से इनाम मिलता है और वह उस क्रिया को दोहराता है, बिना यह समझे कि वह क्यों काम करती है। यह आदत बनाने की एक रणनीति है, जो कुछ करने और कुछ अच्छा पाने के बीच सरल जुड़ाव पर आधारित है। दूसरा दृष्टिकोण अधिक विचारशील और जानबूझकर वाला है: एक जानवर इस बात का आंतरिक मानचित्र बनाता है कि दुनिया कैसे संरचित है, यह समझते हुए कि कैसे एक घटना दूसरी घटना की ओर ले जाती है और कैसे विभिन्न विकल्प इनाम मिलने की संभावनाओं को बदलते हैं। यह योजना बनाने की एक रणनीति है, जहाँ निर्णय लेने वाला व्यवहार को निर्देशित करने के लिए नियमों के ज्ञान का उपयोग करता है। वर्षों तक, शोधकर्ताओं का मानना था कि जैसे-जैसे जानवर किसी कार्य का लंबे समय तक अभ्यास करते हैं, वे धीरे-धीरे इस विचारशील योजना से सरल, स्वचालित आदतों की ओर स्थानांतरित हो जाते हैं। यह विचार सुझाव देता था कि पर्याप्त दोहराव के साथ, मस्तिष्क गणना करना बंद कर देगा और मांसपेशियों की स्मृति (मसल मेमोरी) पर भरोसा करने लगेगा।

एक शोध दल ने इस धारणा का परीक्षण करने का निर्णय लिया कि जानवर कैसे सीखते हैं, लेकिन एक महत्वपूर्ण मोड़ के साथ: उन्होंने जानवरों के विशेषज्ञ बनने की प्रतीक्षा करने के बजाय सीखने की प्रक्रिया के बिल्कुल शुरुआती दौर को देखा। चूहों को ऐसी स्थिति में रखा गया जहाँ उन्हें इनाम खोजने के लिए विकल्पों की एक श्रृंखला में से चुनाव करना था। वातावरण जटिल था; इनाम तक का रास्ता हमेशा सीधा नहीं होता था। कभी-कभी, एक विकल्प उम्मीद के अनुसार अगले कदम की ओर ले जाता था, लेकिन अन्य बार, रास्ता अप्रत्याशित मोड़ ले लेता था। इसके अलावा, रास्ते के अंत में इनाम मिलने की संभावना स्थिर नहीं थी; यह समय के साथ बदलती रहती थी, जिससे चूहों को अपनी अपेक्षाओं को लगातार अपडेट करने के लिए मजबूर होना पड़ा। शोधकर्ताओं ने प्रशिक्षण सत्रों के दौरान चूहों के व्यवहार का बारीकी से अवलोकन किया, और इस बात को ट्रैक किया कि क्या जानवर केवल पिछले पुरस्कारों पर प्रतिक्रिया दे रहे थे या क्या वे कार्य की छिपी हुई संरचना को समझने लगे थे।

परिणामों ने एक आश्चर्यजनक पैटर्न का खुलासा किया जो यह समझने के पुराने दृष्टिकोण को चुनौती देता है कि सीखना कैसे विकसित होता है। जैसे-जैसे चूहों ने अभ्यास किया, उनका व्यवहार एक विशिष्ट तरीके से बदला, जो संकेत देता था कि वे केवल आदतें नहीं बना रहे थे। जब चूहों को ऐसी स्थिति का सामना करना पड़ा जहाँ रास्ता अप्रत्याशित मोड़ ले लेता था, तो उन्होंने भविष्य के विकल्पों को उस तरह से अलग ढंग से समायोजित किया जैसे वे तब करते थे जब रास्ता उम्मीद के मुताबिक चलता था। व्यवहार में यह विचलन एक स्पष्ट संकेत है कि जानवरों ने अपने निर्णयों को निर्देशित करने के लिए कार्य की संरचना के अपने ज्ञान का उपयोग करना शुरू कर दिया था। चूहों के कार्यों पर विभिन्न सीखने की शैलियों के गणितीय मॉडलों को लागू करके, शोधकर्ताओं ने पाया कि चूहे तेजी से एक ऐसी रणनीति पर भरोसा कर रहे थे जो इस संरचनात्मक ज्ञान का उपयोग करती थी। यह बदलाव प्रशिक्षण प्रक्रिया के शुरुआती चरणों में ही हुआ, इससे बहुत पहले कि चूहों ने कार्य पर व्यापक समय बिताया हो।

यह निष्कर्ष बताता है कि सरल, प्रतिक्रियात्मक सीखने से जटिल, संरचना-सूचित निर्णय लेने की ओर संक्रमण पहले से कहीं अधिक जल्दी होता है। जबकि पिछले अध्ययन इस बात पर केंद्रित थे कि लंबे समय तक अभ्यास करने के बाद क्या होता है, और अक्सर यह निष्कर्ष निकालते थे कि मस्तिष्क अंततः सोचना बंद कर देता है और ऑटोपायलट पर कार्य करने लगता है, यह नया कार्य दिखाता है कि मस्तिष्क लगभग तुरंत ही नियमों का एक मानसिक मॉडल बनाना शुरू कर देता है। चूहों ने आदत बनने का इंतज़ार नहीं किया कि वे खेल को समझना शुरू करें; इसके बजाय, वे केवल पिछले पुरस्कारों पर निर्भर रहने के बजाय तेजी से आगे बढ़े और बेहतर चुनाव करने के लिए कार्य के निर्माण के तरीके की अपनी समझ का उपयोग करने लगे। यह प्रदर्शित करता है कि गतिशील वातावरण में जहाँ नियम और पुरस्कार बदल सकते हैं, वहां अंतर्निहित संरचना को समझने की क्षमता अस्तित्व के लिए एक प्राथमिक उपकरण है, जिसे मस्तिष्क जल्दी और अक्सर अपनाता है।