Structural generalization and continual learning enabled by factorized entorhinal-hippocampal memory and entorhinal-parietal action circuits

दुनिया में रास्ता खोजने के लिए, मानव मस्तिष्क इंजीनियरिंग का एक ऐसा कारनामा करता है जो विशिष्ट नेविगेशन कार्यों पर मानक आवर्ती तंत्रिका नेटवर्क (recurrent neural networks) द्वारा भी बेअचैन कर देने वाला है। इसे विशिष्ट स्थानों को याद रखना चाहिए—जैसे एक पसंदीदा कैफे, या बचपन का घर—जबकि साथ ही साथ स्थान के काम करने के अमूर्त नियमों को भी समझना चाहिए, जिससे हम उस ज्ञान को एक नए शहर में लागू कर सकें जहाँ हम पहले कभी नहीं गए। यह क्षमता मस्तिष्क में दो अलग लेकिन जुड़े हुए तंत्रों पर निर्भर करती है। एक प्रणाली, जो हिप्पोकैम्पस (hippocampus) में केंद्रित है, विशिष्ट घटनाओं और स्थानों के लिए एक उच्च-क्षमता वाली फाइलिंग कैबिनेट की तरह कार्य करती है, जो हमने जो देखा है उसके अद्वितीय विवरणों को संग्रहीत करती है। दूसरा तंत्र, जिसमें एंटोरहिनल कॉर्टेक्स (entorhinal cortex) शामिल है, एक सार्वभौमिक ग्रिड प्रदान करता है, एक मानसिक समन्वय प्रणाली (coordinate system) जो इस बात की परवाह किए बिना दूरी और दिशा को मापती है कि वास्तव में क्या देखा जा रहा है। हालाँकि वैज्ञानिक लंबे समय से जानते हैं कि ये प्रणालियाँ मौजूद हैं, लेकिन यह एक रहस्य बना हुआ है कि वे हमें तेजी से सीखने, नई स्थितियों में सामान्यीकरण करने और पुरानी यादों को मिटाए बिना सब कुछ याद रखने में कैसे सक्षम बनाती हैं।

MIT और अन्य जगहों के शोधकर्ताओं की एक टीम ने अब मनुष्यों, बंदरों और कंप्यूटर मॉडल द्वारा एक विशिष्ट नेविगेशन चुनौती को संभालने के तरीके का परीक्षण करके इस रहस्य की परतों को खोल दिया है। उन्होंने एक कार्य डिजाइन किया जहाँ विषयों को एक शुरुआती चित्र से एक लक्ष्य चित्र तक, जैसे कि 'स्टेपिंग स्टोन्स' (stepping stones), चित्रों के एक अनुक्रम के माध्यम से गुजरना था। शोधकर्ताओं ने तीन स्तरों की कठिनाई का परीक्षण किया। सबसे पहले, उन्होंने विषयों को दृश्य संकेतों (visual clues) के साथ नेविगेट करने के लिए कहा, फिर बिना उनके, जिससे मस्तिष्क को यात्रा का आंतरिक रूप से अनुकरण करने के लिए मजबूर होना पड़ा। दूसरा, उन्होंने परीक्षण किया कि क्या विषय उन चित्र युग्मों (picture pairs) के बीच नेविगेट कर सकते हैं जिनका उन्होंने पहले अभ्यास नहीं किया था। तीसरा, उन्होंने पूरी तरह से नए चित्रों के सेट पेश किए यह देखने के लिए कि क्या मस्तिष्क अपने नेविगेशन कौशल को एक पूरी तरह से नए वातावरण में स्थानांतरित कर सकता है। परिणाम स्पष्ट थे: जबकि मनुष्यों और बंदरों ने तीनों चुनौतियों को आसानी से पार कर लिया, मानक आवर्ती तंत्रिका नेटवर्क मॉडल पूरी तरह से विफल रहे। हालाँकि, जब शोधकर्ताओं ने एक नए प्रकार का कंप्यूटर मॉडल बनाया जो मस्तिष्क की विशिष्ट वास्तችን (architecture) की नकल करता था—यानी "मानचित्र" (map) को "स्मृति" (memory) से अलग करता था—तो वह वहां सफल रहा जहाँ अन्य विफल रहे।

प्रयोग एक सरल सेटअप के साथ शुरू हुआ। मानव स्वयंसेवक और दो बंदर एक स्क्रीन के सामने बैठे थे जिस पर छवियों की एक निश्चित रेखा प्रदर्शित थी, जैसे कि विशिष्ट वस्तुओं की एक श्रृंखला। उन्हें एक शुरुआती छवि और एक लक्ष्य छवि दी गई थी और उन्हें लक्ष्य तक पहुँचने के लिए अनुक्रम के माध्यम से आगे बढ़ने के लिए एक जॉयस्टिक का उपयोग करना था। पहले चरण में, छवियां स्क्रॉल हो रही थीं, जो निरंतर दृश्य फीडबैक प्रदान कर रही थीं। एक बार जब विषयों ने छवियों के क्रम को सीख लिया, तो शोधकर्ताओं ने दृश्य संकेतों को हटा दिया। अब विषयों को स्क्रीन काली होने पर जॉयस्टिक चलाना था, जिससे वे पूरी तरह से इस बात पर निर्भर थे कि उन्होंने कितनी दूरी तय की है। इसे मानसिक नेविगेशन (mental navigation) कहा जाता है। विषयों ने इसे सहजता से किया, जिससे पता चला कि उन्होंने अनुक्रम का एक मानसिक मानचित्र बना लिया है। इसके बाद, शोधकर्ताओं ने 'ट्रांजिटिव जनरलाइजेशन' (transitive generalization) का परीक्षण करने के लिए पूछा कि वे उन शुरुआती और अंतिम बिंदुओं के बीच नेविगेट करें जिनका उन्होंने पहले कभी अभ्यास नहीं किया था। अंत में, उन्होंने संरचनात्मक सामान्यीकरण (structural generalization) का परीक्षण करने के लिए छवियों का एक तीसरा वातावरण पेश किया।

जैविक विषयों का प्रदर्शन उल्लेखनीय था। मनुष्यों और बंदरों ने न केवल नए मार्गों और नए वातावरणों में उच्च सटीकता के साथ नेविगेट किया, बल्कि उन्होंने मूल वातावरण को भूले बिना उसे याद रखने की अपनी क्षमता भी बनाए रखी। "कैटास्ट्रोफिक फॉरगेटिंग" (catastrophic forgetting - अचानक भूल जाना) की यह कमी जैविक सीखने की एक महत्वपूर्ण विशेषता है जिसे कृत्रिम प्रणालियाँ दोहराने के लिए संघर्ष करती हैं। जब शोधकर्ताओं ने एक मानक आवर्ती तंत्रिका नेटवर्क का उपयोग करके इस व्यवहार को दोहराने की कोशिश की, तो ये मॉडल हर परीक्षण में विफल रहे। वे दृश्य फीडबैक के साथ दृश्य कार्य को सीख सकते थे, लेकिन जैसे ही दृश्य संकेत हटा दिए गए, या मार्ग बदल गया, या वातावरण नया था, मॉडल ढह गए। वे न तो सामान्यीकरण कर सके, और न ही नए सबक सीखते समय पुराने सबक याद रख सके।

ब्रेकथ्रू तब आया जब शोधकर्ताओं ने एक ऐसा मॉडल बनाया जो मस्तिष्क की प्रस्तावित संरचना की नकल करता था। इस मॉडल को, जिसे वे 'वेक्टर-हाश ऑगमेंटेड एक्शन पॉलिसी' (Vector-HaSH augmented Action policy) कहते हैं, दो मुख्य भाग हैं जो तालमेल में काम करते हैं। पहला भाग ग्रिड कोशिकाओं (grid cells) पर आधारित एक संरचित स्मृति मचान (memory scaffold) है। इसे ग्रिड कोशिकाओं पर आधारित एक कठोर, सामग्री-स्वतंत्र रूलर (ruler) के रूप में समझें जो दूरी और दिशा को मापता है। इसे इस बात की परवाह नहीं है कि चित्र क्या हैं; इसे केवल उनके बीच की जगह की परवाह है। दूसरा भाग एक 'पॉलिसी नेटवर्क' है जो रूलर द्वारा मापी गई दूरी के आधार पर आगे बढ़ने का निर्णय लेता है। क्योंकि रूलर स्थिर और सार्वभौमिक है, इसलिए एक वातावरण में सीखा गया 'पॉलिसी' तुरंत एक नए वातावरण में लागू किया जा सकता है। यह मॉडल इस रूलर के साथ नए चित्रों को जोड़ने के लिए एक तेज़, एक-बार की सीखने की प्रक्रिया का उपयोग करता है, ठीक वैसे ही जैसे मस्तिष्क का हिप्पोकैम्पस करता है।

जब इस नए मॉडल का परीक्षण किया गया, तो इसने मानव और बंदर के व्यवहार की पूरी श्रृंखला को पुनरुत्पादित किया। इसने बिना दृश्य फीडबैक के नेविगेट किया, नए मार्गों पर चला, और नए वातावरणों के अनुकूल तुरंत खुद को ढाल लिया, और यह सब पुराने अनुभवों को याद रखते हुए किया। शोधकर्ताओं ने मॉडल के भीतर झाँका यह देखने के लिए कि यह कैसे काम करता है और कार्य करने वाले बंदरों के मस्तिष्क से रिकॉर्ड किए गए वास्तविक विद्युत संकेतों के साथ इसकी आंतरिक गतिविधि की तुलना की। उन्होंने पाया कि मॉडल का "दूरी" (distance) मॉड्यूल, जो विषय की लक्ष्य से दूरी को ट्रैक करता था, एंटोरहिनल कॉर्टेक्स के न्यूरॉन्स की तरह व्यवहार करता था। मॉडल का "एक्शन" (action) मॉड्यूल, जो यह तय करता था कि कब आगे बढ़ना है और कब रुकना है, पोस्टीरियर पैरिएटल कॉर्टेक्स (posterior parietal cortex) की गतिविधि से मेल खाता था। इसने पुष्टि की कि मस्तिष्क संभवतः नेविगेशन के कार्य को दो अलग-अलग गणनाओं में विभाजित करता है: एक जो दूरी मापता है और दूसरा जो क्रिया (action) का निर्णय लेता है।

एक अंतिम खोज ने खुलासा किया कि मस्तिष्क इस प्रणाली को कैसे कैलिब्रेट (calibrate) करता है। शोधकर्ताओं ने पाया कि मॉडल के पूर्ण रूप से काम करने के लिए, इसे अपने आंतरिक रूलर को छवियों के अंतराल के साथ संरेखित करने के लिए एक विशिष्ट स्केलिंग फैक्टर (scaling factor) सीखना आवश्यक था। यदि रूलर के निशान छवियों के सापेक्ष बहुत दूर या बहुत पास होते, तो मॉडल संघर्ष करता। हालाँकि, जब मॉडल को सीखने के दौरान इस स्केल फैक्टर को समायोजित करने की अनुमति दी गई, तो इसने तेजी से सटीक संरेखण पा लिया, ठीक वैसे ही जैसे मस्तिष्क करता है। यह सुझाव देता है कि मस्तिष्क अपने आंतरिक गति और दूरी के बोध को उस वातावरण की संरचना के अनुरूप ढालने के लिए सक्रिय रूप से ट्यून करता है जिसका वह अन्वेषण कर रहा है।

अध्ययन निष्कर्ष निकालता है कि मस्तिष्क की सीखने, सामान्यीकरण करने और याद रखने की क्षमता अधिक डेटा या अधिक प्रोसेसिंग पावर का परिणाम नहीं है, बल्कि एक विशिष्ट वास्तुशिल्प डिजाइन (architectural design) का परिणाम है। स्थान की अपरिवर्तनीय संरचना को अनुभव की विशिष्ट सामग्री से अलग करके, मस्तिष्क एक ऐसी प्रणाली बनाता है जो लचीली और स्थिर दोनों है। एंटोरहिनल-हिप्पोकैम्पल सर्किट एक सार्वभौमिक मीट्रिक प्रदान करता है जो मस्तिष्क को पिछले पाठों को नई स्थितियों में लागू करने की अनुमति देता है बिना अतीत को मिटाए। स्मृति और क्रिया का यह विभाजन (factorization) बताता है कि हम कैसे एक नए शहर में जा सकते हैं, अपना रास्ता खोज सकते हैं, और फिर भी घर जाने का रास्ता याद रख सकते हैं, एक ऐसा कारनामा जिसे मानक आवर्ती तंत्रिका नेटवर्क मॉडल अब तक हासिल नहीं कर पाए हैं।