Predictive perception via simultaneous learning and inference

मनुष्य एक ऐसी दुनिया में नेविगेट करते हैं जो शायद ही कभी स्पष्ट होती है। हम भीड़भाड़ वाले कमरों में बातचीत सुनते हैं, बदलती छायाओं में चेहरों को पहचानते हैं, और तब भी संगीत का अर्थ समझते हैं जब उसका संकेत बहुत धीमा हो। ऐसा करने के लिए, हमारे मस्तिष्क केवल उस चीज़ को रिकॉर्ड नहीं करते जो हमारी इंद्रियों से टकराती है; वे सक्रिय रूप से अनुमान लगाते हैं कि बाहर क्या है, और जो डेटा हमें प्राप्त होता है उसे अपनी पूर्व अपेक्षाओं के साथ जोड़ते हैं। यह विचार, जिसे अक्सर 'बेयसियन ब्रेन हाइपोथीसिस' (Bayesian brain hypothesis) कहा जाता है, यह सुझाव देता है कि धारणा (perception) निरंतर अनुमान लगाने और जांचने का एक रूप है। हालाँकि, एक बड़ा पहेली बना हुआ है: मस्तिष्क इन जटिल गणनाओं को वास्तविक समय में कैसे करता है? प्राकृतिक दुनिया विशाल और निरंतर है, और हर संभावित स्थिति की सटीक संभावना की गणना करना किसी भी मशीन के लिए गणितीय रूप से असंभव है, एक जैविक जीव के लिए तो बिल्कुल भी नहीं। दशकों से, वैज्ञानिकों ने इस समस्या को हल करने का प्रयास किया है, यह मानकर कि मस्तिष्क इस समस्या को विशिष्ट तरीकों से सरल बनाता है, या तो अपने अनुमानों को व्यवस्थित, सरल आकारों में ढालकर या उत्तर का अनुमान लगाने के लिए हजारों यादृच्छिक नमूनों (random samples) का उपयोग करके।

एक नया अध्ययन एक अलग मार्ग प्रस्तावित करता है, जो इन जटिल शॉर्टकट की आवश्यकता को दरकिनार कर देता है। मस्तिष्क के अनुमानों को सरल बनाने के बजाय, शोधकर्ता सुझाव देते हैं कि मस्तिष्क उस दुनिया को सरल बना सकता है जिसके बारे में वह अनुमान लगा रहा है। उनका तर्क है कि धारणा अक्सर निरंतर इनपुट को विशिष्ट, अलग अवस्थाओं (states) में वर्गीकृत करके काम करती है, ठीक वैसे ही जैसे हम एक धुन को आवृत्तियों के फिसलते हुए पैमाने के बजाय विशिष्ट स्वरों की एक श्रृंखला के रूप में सुनते हैं। वातावरण को एक सहज, अंतहीन प्रवाह के बजाय विविक्त चरणों (discrete steps) के एक सेट के रूप में मानकर, मस्तिष्क बिना किसी सन्निकटन (approximation) के सटीक, पूर्ण गणना कर सकता है। शोधकर्ताओं ने इस विचार का परीक्षण करने के लिए एक कंप्यूटर मॉडल बनाया, जिससे पता चला कि एक प्रणाली जो इन अवस्थाओं के बदलने के नियमों को सीखती है, और साथ ही यह भी पता लगाती है कि वह किस अवस्था में है, शोर वाली स्थितियों में मानव व्यवहार की नकल कर सकती है। यह दृष्टिकोण बताता है कि मस्तिष्क को धारणा का विशेषज्ञ बनने के लिए जटिल सांख्यिकी का मास्टर होने की आवश्यकता नहीं है; उसे बस खेल के नियमों को जानने और खेलते समय उन्हें अपडेट करने की आवश्यकता है।

शोधकर्ताओं ने, जिनका नेतृत्व मास्ट्रिच यूनिवर्सिटी के महदी एनन और सहयोगियों ने किया, एक मॉडल विकसित किया जिसे वे SLIM कहते हैं, जिसका अर्थ है 'सिमल्टेनियस लर्निंग एंड इन्फरेंस मॉडल' (Simultaneous Learning and Inference Model)। उनके विचार का मूल केंद्र यह है कि जटिलता कहाँ निहित है। पिछले सिद्धांतों में, माना जाता था कि मस्तिष्क दुनिया की विशाल संभावनाओं से जूझ रहा है, इसलिए उसे गणित को काम करने के लिए अपने विश्वासों को सीमित करना पड़ता था। SLIM इस धारणा को उलट देता है। यह मानता है कि दुनिया सीमित संख्या में अवस्थाओं से बनी है, जो वर्तमान अवस्था का पता लगाने की गणित को पूरी तरह से हल करने योग्य बनाता है। चुनौती यह है कि दुनिया एक अवस्था से दूसरी अवस्था में कैसे जाती है, यह सीखना। मॉडल प्रत्येक बार अनुमान लगाने पर इन संक्रमणों (transitions) के अपने आंतरिक मानचित्र को अपडेट करने के लिए एक सरल, स्थानीय नियम का उपयोग करता है। यह केवल कच्चे संवेदी डेटा से ही नहीं, बल्कि अपने स्वयं के निष्कर्षों (inferences) से सीखता है, जिससे यह पर्यावरण के नियम बदलने पर अनुकूलित होने में सक्षम होता है।

यह देखने के लिए कि क्या यह सिद्धांत काम करता है, टीम ने कंप्यूटर सिमुलेशन की एक श्रृंखला चलाई। उन्होंने आभासी वातावरण बनाए जहाँ गति के नियम या तो स्थिर और अनुमानित थे या यादृच्छिक और परिवर्तनशील। फिर उन्होंने मॉडल को शोर वाले संकेत दिए, जो हमारी इंद्रियों द्वारा प्राप्त अपूर्ण डेटा की नकल करते हैं। परिणाम आश्चर्यजनक थे। मॉडल ने वातावरण के अंतर्निहित पैटर्न को सफलतापूर्वक सीखा, भले ही संवेदी इनपुट अत्यधिक विकृत था। जब वातावरण अचानक एक अनुमानित पैटर्न से अराजक पैटर्न में बदल गया, तो मॉडल तेजी से अनुकूलित हुआ, और उसकी आंतरिक अनिश्चितता नई वास्तविकता के अनुरूप बढ़ गई। महत्वपूर्ण रूप से, मॉडल शोर वाले संकेतों के बावजूद भी सटीक भविष्यवाणियां करने में सक्षम रहा, जो पूरी तरह से अपने सीखे हुए अपेक्षाओं पर निर्भर था। इसने प्रदर्शित किया कि सिस्टम बाहरी दुनिया के शांत होने पर अपने आंतरिक मॉडल पर भरोसा करके दुनिया का एक स्थिर दृष्टिकोण बनाए रख सकता है।

शोधकर्ताओं ने यह भी परीक्षण किया कि क्या यह सरल ढांचा विभिन्न समय पैमानों (time scales) को संभालने की मस्तिष्क की क्षमता को पकड़ सकता है। वास्तविक दुनिया में, हम तत्काल पैटर्न देखते हैं, जैसे कि एक ड्रम की थाप, लेकिन लंबे ढांचे भी देखते हैं, जैसे कि एक गीत की लय। टीम ने अपने मॉडल का एक पदानुक्रमित (hierarchical) संस्करण बनाया, जिसमें एक परत अल्पकालिक संक्रमणों को सीखती है और दूसरी परत दीर्घकालिक पैटर्न को सीखती है। जब उन्होंने मॉडल को ऐसे अनुक्रम प्रस्तुत किए जो एक स्थानीय नियम का पालन करते थे लेकिन एक वैश्विक नियम का उल्लंघन करते थे, तो मॉडल ने प्रत्येक स्तर पर विशिष्ट त्रुटि संकेत (error signals) उत्पन्न किए, जो इस बात को दर्शाता है कि मानव मस्तिष्क स्थानीय बनाम वैश्विक आश्चर्यों के प्रति कैसे प्रतिक्रिया करता है। इससे पता चला कि सीखने और निष्कर्ष निकालने का वही बुनियादी तंत्र विभिन्न समय पैमानों के लिए अलग-अलग, विशिष्ट प्रणालियों की आवश्यकता के बिना जटिल, बहु-स्तरीय धारणा की व्याख्या कर सकता है।

सिमुलेशन से आगे बढ़ने के लिए, टीम ने दो श्रवण प्रयोगों (auditory experiments) से प्राप्त वास्तविक मानव डेटा पर अपने मॉडल को लागू किया। पहले अध्ययन में, प्रतिभागियों ने बैकग्राउंड शोर के बीच एक विशिष्ट स्वर (tone) को सुना। कभी-कभी एक पूर्ववर्ती ध्वनि इस बारे में संकेत देती थी कि अगला स्वर क्या होगा, और कभी नहीं। मनुष्य अपेक्षित स्वरों को अप्रत्याशित स्वरों की तुलना में तेजी से और अधिक सटीकता से पहचानते हैं। SLIM मॉडल, जिसे व्यक्तिगत प्रतिभागियों के अनुरूप बनाया गया था, इस व्यवहार की पूरी तरह से नकल करता है। इसने अप्रत्याशित स्वरों की तुलना में अपेक्षित स्वरों के लिए उच्च "हिट रेट" और लंबी प्रतिक्रिया समय दिखाया, ठीक वैसे ही जैसे अध्ययन में शामिल लोग। मॉडल ने "आश्चर्य" (surprise) का एक माप भी उत्पन्न किया जो प्रतिभागियों की प्रतिक्रिया समय के साथ सह-संबंधित था, जो यह सुझाव देता है कि आश्चर्य की भावना मस्तिष्क के अपने आंतरिक मॉडल को अपडेट करने के प्रयास का एक सीधा उपोत्पाद है।

दूसरे प्रयोग ने एक अस्पष्ट संकेत (ambiguous cue) पेश करके जटिलता की एक परत जोड़ दी—एक ऐसी ध्वनि जिसने कोई संकेत नहीं दिया कि आगे क्या आने वाला है। इसने शोधकर्ताओं को अपेक्षा के लाभों को आश्चर्य की लागतों से अलग करने की अनुमति दी। फिर से, मॉडल मानव डेटा से मेल खाता था। प्रतिभागी तब सबसे अच्छा प्रदर्शन करते थे जब उनके पास स्पष्ट अपेक्षा होती थी, जब उनके पास कोई अपेक्षा नहीं होती थी तो प्रदर्शन खराब होता था, और अस्पष्ट संकेत होने पर बीच में। मॉडल के आंतरिक गणना के 'अपेक्षा' और 'आश्चर्य' के स्तर इन व्यवहारिक बदलावों को उच्च सटीकता के साथ ट्रैक करते थे। डेटा का विश्लेषण करके, शोधकर्ताओं ने पाया कि मॉडल का यह माप कि कोई ध्वनि कितनी आश्चर्यजनक थी, जो उसने सीखा था उसके आधार पर, लोगों द्वारा टोन का पता लगाने की क्षमता में व्यक्तिगत अंतरों की व्याख्या कर सकता था। इसने इस बात का पुख्ता प्रमाण दिया कि मस्तिष्क की अपनी पर्यावरण की सांख्यिकीय संरचना को सीखने की क्षमता ही इन संवेदी लाभों का मुख्य चालक है।

यह अध्ययन प्रचलित दृष्टिकोण को चुनौती देता है कि मस्तिष्क को दुनिया की अनिश्चितता को संभालने के लिए जटिल, सन्निकटन विधियों पर निर्भर होना चाहिए। इसके बजाय, यह सुझाव देता है कि दुनिया को विविक्त अवस्थाओं में वर्गीकृत करने की प्रक्रिया के रूप में धारणा को मानकर, मस्तिष्क सरल, स्थानीय शिक्षण नियमों का उपयोग करके सटीक गणना कर सकता है। यह दृष्टिकोण इस बात की आवश्यकता नहीं करता कि मस्तिष्क अपने विश्वासों के लिए एक विशिष्ट आकार मान ले या उत्तर खोजने के लिए हजारों यादृच्छिक नमूनों को चलाए। यह बस अवस्थाओं के बीच के संक्रमण को सीखता है और उन्हें वास्तविक समय में अपडेट करता है। हालांकि यह मॉडल सीमित संख्या में अवस्थाओं वाले वातावरण में सबसे अच्छा काम करता है, शोधकर्ता तर्क देते हैं कि यह ढांचा एक शक्तिशाली और जैविक रूप से प्रशंसनीय स्पष्टीकरण प्रदान करता है कि हम एक शोर भरी दुनिया में कैसे नेविगेट करते हैं। यह दिखाता है कि भविष्य की भविष्यवाणी करने की मस्तिष्क की क्षमता जटिल गणित से नहीं, बल्कि वर्तमान के नियमों को सीखने की एक सरल, निरंतर प्रक्रिया से आती है।