Thalamocortical credit routing from the basal ganglia and cerebellum: anatomical constraints and circuit principles

यह समझने के लिए कि एक जानवर इनाम के लिए सही क्रिया चुनने के लिए कैसे सीखता है, वैज्ञानिक लंबे समय से दो गहरे मस्तिष्क संरचनाओं पर ध्यान केंद्रित कर रहे हैं: बेसल गैन्ग्लिया (basal ganglia) और सेरिबेलम (cerebellum)। ये क्षेत्र सीखने के इंजन के रूप में कार्य करते हैं। बेसल गैन्ग्लिया यह तय करने में मदद करता है कि पिछले पुरस्कारों के आधार पर कौन सी क्रिया करने योग्य है, जबकि सेरिबेलम गतिविधियों के समय और सटीकता को परिष्कृत करता है। ये दोनों संरचनाएं सेरेब्रल कॉर्टेक्स (cerebral cortex) से निर्देश प्राप्त करती हैं, जो जटिल विचार और योजना के लिए जिम्मेदार मस्तिष्क की बाहरी परत है। इस जानकारी को संसाधित करने के बाद, वे भविष्य के व्यवहार को अपडेट करने के लिए कॉर्टेक्स को वापस संकेत भेजते हैं। यह एक निरंतर लूप बनाता है जहाँ मस्तिष्क लगातार अपने स्वयं के प्रदर्शन की जाँच करता है। हालाँकि, इस पहेली का एक महत्वपूर्ण हिस्सा अस्पष्ट बना हुआ है: ये सीखने के संकेत कॉर्टेक्स के उन विशिष्ट न्यूरॉन्स के समूहों तक कैसे पहुँचते हैं जिन्होंने वास्तव में वह क्रिया उत्पन्न की थी? एक सटीक वितरण प्रणाली के बिना, मस्तिष्क को यह पता नहीं चलेगा कि किन न्यूरॉन्स को मजबूत या कमजोर करना है, जिससे सीखना अक्षम या असंभव हो जाएगा।

जापान की एक शोध टीम ने अब चूहों में इस वितरण मार्ग का मानचित्र तैयार किया है, जिससे एक परिष्कृत प्रणाली का पता चला है जो यह सुनिश्चित करती है कि सीखने के संकेत बिल्कुल सही गंतव्य तक पहुँचें। उन्होंने पाया कि हालांकि बेसल गैन्ग्लिया और सेरिबेलम अपने संदेशों को थैलेमस (thalamus)—जो मस्तिष्क में एक केंद्रीय रिले स्टेशन है—के भीतर काफी हद तक अलग-अलग चैनलों के माध्यम से भेजते हैं, लेकिन ये चैनल कॉर्टेक्स तक पहुँचने पर फिर से मिल जाते हैं। विशेष रूप से, शोधकर्ताओं ने पाया कि दोनों प्रणालियों से आने वाले संकेत सेकेंडरी मोटर कॉर्टेक्स (secondary motor cortex) की बिल्कुल ऊपरी परत पर अभिसरित (converge) होते हैं, जो योजना बनाने और नए कौशल सीखने के लिए एक महत्वपूर्ण क्षेत्र है। यह अभिसरण मस्तिष्क को विभिन्न प्रकार की सीखने की जानकारी को संयोजित करने और उन्हें उस क्रिया के लिए जिम्मेदार विशिष्ट न्यूरॉन्स की ओर निर्देशित करने की अनुमति देता है। विस्तृत ब्रेन इमेजिंग को कंप्यूटर सिमुलेशन के साथ जोड़कर, टीम ने दिखाया कि यह शारीरिक व्यवस्था मस्तिष्क के लिए "क्रेडिट" (श्रेय) को सही ढंग से सौंपना सुनिश्चित करने के लिए आवश्यक है, जिससे यह सुनिश्चित होता है कि जिन न्यूरॉन्स ने एक सफल क्रिया में योगदान दिया है, उन्हें ही सुदृढ़ किया जाए।

शोधकर्ताओं ने चूहों के मस्तिष्क में भौतिक मार्गों का पता लगाने के लिए शुरुआत की कि सीखने के ये संकेत कहाँ जाते हैं। उन्होंने बेसल गैन्ग्लिया और सेरिबेलम में फ्लोरोसेंट ट्रेसर (fluorescent tracers) की सूक्ष्म मात्रा इंजेक्ट की और देखा कि संकेत थैलेमस के माध्यम से कॉर्टेक्स तक कैसे यात्रा करते हैं। उन्होंने पाया कि थैलेमस में बेसल गैन्ग्लिया से इनपुट प्राप्त करने वाले न्यूरॉन्स ज्यादातर एक क्षेत्र में स्थित थे, जबकि सेरिबेलम से इनपुट प्राप्त करने वाले दूसरे क्षेत्र में थे। इसने पुष्टि की कि दोनों प्रणालियाँ थैलेमस से गुजरते समय काफी हद तक अलग रहती हैं। हालाँकि, जब शोधकर्ताओं ने देखा कि थैलेमस से कॉर्टेक्स तक संकेत ले जाने वाले एक्सोन (axons)—यानी लंबी तंतुएँ—अंततः कहाँ समाप्त होते हैं, तो तस्वीर बदल गई। थैलेमस में अलग-अलग स्थानों से शुरू होने के बावजूद, दोनों प्रणालियों के एक्सोन का गंतव्य आश्चर्यजनक रूप से एक ही था: सेकेंडरी मोटर कॉर्टेक्स की सबसे ऊपरी परत। इस परत में उन तंत्रिका कोशिकाओं के दूर तक फैले सिरे होते हैं जो गति को नियंत्रित करते हैं। शोधकर्ताओं ने यह भी पाया कि थैलेमस में एक छोटा क्षेत्र है जहाँ दोनों प्रणालियों के संकेत मिलते हैं, लेकिन सबसे महत्वपूर्ण खोज कॉर्टेक्स में यह साझा आगमन बिंदु था।

यह समझने के लिए कि यह साझा गंतव्य क्यों महत्वपूर्ण है, टीम ने पूरे मस्तिष्क सर्किट का एक विस्तृत कंप्यूटर मॉडल बनाया, जिसमें कॉर्टेक्स, थैलेमस, बेसल गैन्ग्लिया और सेरिबेलम शामिल थे। अपने सिमुलेशन में, उन्होंने यह परीक्षण किया कि जब संकेतों को सही ढंग से रूट किया जाता है बनाम जब उन्हें अस्त-व्यस्त कर दिया जाता है, तो मस्तिष्क कैसे सीखता है। उन्होंने पाया कि सीखना तब सबसे अच्छा काम करता है जब बेसल गैन्ग्लिया और सेरिबेलम से मिलने वाला फीडबैक उन विशिष्ट न्यूरॉन्स के समूहों को वापस भेजा जाता है जिन्होंने क्रिया उत्पन्न करने में मदद की थी। यदि संकेत गलत न्यूरॉन्स को भेजे जाते, तो सीखना विफल हो जाता। मॉडल ने यह भी खुलासा किया कि मस्तिष्क इन संकेतों को वापस भेजने के लिए दो अलग-अलग तरीकों का उपयोग करता है। एक प्रकार का संकेत "वॉल्यूम नॉब" (volume knob) की तरह कार्य करता है, जो एक न्यूरॉन की मौजूदा गतिविधि को मजबूत या कमजोर बनाता है। दूसरा प्रकार एक "डायरेक्ट पुश" (direct push) की तरह कार्य करता है, जो न्यूरॉन में नई गतिविधि जोड़ता है। शोधकर्ताओं ने पाया कि कुशलतापूर्वक सीखने के लिए इन दोनों तंत्रों का एक साथ काम करना आवश्यक है। वह "वॉल्यूम नॉब" प्रभाव, जो कॉर्टेक्स की उस ऊपरी परत में होता है, मस्तिष्क को सही संकेतों को बढ़ाने में मदद करता है, जबकि डायरेक्ट पुश क्रिया को आगे बढ़ाने में मदद करता है।

अध्ययन ने यह भी पता लगाया कि मस्तिष्क सबसे पहले यह कैसे तय करता है कि किन न्यूरॉन्स को सीखने के संकेत प्राप्त होने चाहिए। कंप्यूटर मॉडल में, शोधकर्ताओं ने दिखाया कि मस्तिष्क विश्राम की अवधि के दौरान अपनी गतिविधि का अवलोकन करके अपने फीडबैक को संरेखित करना सीख सकता है। यह देखकर कि एक न्यूरॉन कितना सक्रिय था और उसके द्वारा क्रिया को ट्रिगर करने की कितनी संभावना थी, मस्तिष्क अपने कनेक्शनों को समायोजित कर सकता है ताकि सीखने के संकेत सही स्थान पर भेजे जा सकें। इस प्रक्रिया को, जिसे उन्होंने 'लोकल कैलिब्रेशन' (local calibration) कहा, ने मॉडल को अपनी सीखने की क्षमता को पुनः प्राप्त करने की अनुमति दी, भले ही प्रारंभिक कनेक्शन पूरी तरह से सेट न किए गए हों। इसके अलावा, शोधकर्ताओं ने परीक्षण किया कि क्या यह प्रणाली उन जटिल कार्यों को संभाल सकती है जहाँ एक साथ कई न्यूरॉन्स को प्रशिक्षित करने की आवश्यकता होती है, जैसे कि ब्रेन-मशीन इंटरफेस प्रयोगों में जहाँ एक व्यक्ति अपने विचारों से कंप्यूटर कर्सर को नियंत्रित करना सीखता है। उन्होंने पाया कि जब मस्तिष्क पूरे नेटवर्क को एक एकल, वैश्विक पुरस्कार संकेत (global reward signal) भेजता है, तो वह उन लक्ष्यों को एक साथ प्रशिक्षित करने में संघर्ष करता है जिन्हें विपरीत दिशाओं में जाने की आवश्यकता होती है। हालाँकि, जब फीडबैक को अलग-अलग, समानांतर चैनलों के माध्यम से रूट किया जाता है, तो मस्तिष्क सफलतापूर्वक एक साथ कई न्यूरॉन्स को प्रशिक्षित कर सकता है। यह सुझाव देता है कि जटिल, बहु-स्तरीय कार्यों को सीखने की मस्तिष्क की क्षमता इन विशिष्ट, समानांतर मार्गों पर निर्भर करती है जो हस्तक्षेप के बिना न्यूरॉन्स के विशिष्ट समूहों को क्रेडिट पहुँचा सकते हैं।

ये निष्कर्ष मस्तिष्क के सीखने के तरीके को देखने का एक नया नजरिया प्रदान करते हैं। बेसल गैन्ग्लिया और सेरिबेलम को स्वतंत्र प्रणालियों के रूप में देखने के बजाय, जो केवल अपने आउटपुट को जोड़ती हैं, शोधकर्ता प्रस्तावित करते हैं कि वे एक समन्वित टीम के रूप में कार्य करते हैं जो सीखने के संकेतों को वितरित करने के लिए एक साझा राजमार्ग का उपयोग करते हैं। यह राजमार्ग, जो मोटर कॉर्टेक्स की ऊपरी परत पर अभिसरित होता है, मस्तिष्क को विभिन्न प्रकार की जानकारी को एकीकृत करने और उसे सटीक रूप से वहीं निर्देशित करने की अनुमति देता है जहाँ इसकी आवश्यकता होती है। अध्ययन बताता है कि इन कनेक्शनों का भौतिक विन्यास केवल एक निष्क्रिय वायरिंग आरेख नहीं है, बल्कि सीखने की प्रक्रिया का एक सक्रिय घटक है। यह सुनिश्चित करके कि सीखने के संकेत उस क्रिया के लिए जिम्मेदार विशिष्ट न्यूरॉन्स तक पहुँचें, मस्तिष्क अपने व्यवहार को कुशलतापूर्वक परिष्कृत कर सकता है और नई चुनौतियों के अनुकूल हो सकता है। यह कार्य यह समझने के लिए एक ठोस शारीरिक और कम्प्यूटेशनल ढांचा प्रदान करता है कि मस्तिष्क 'क्रेडिट असाइनमेंट' (credit assignment) की समस्या को कैसे हल करता है, जो सीखने की एक मौलिक चुनौती है और जो न केवल जानवरों बल्कि आर्टिफिशियल इंटेलिजेंस सिस्टम के विकास पर भी लागू होती है। शोधकर्ताओं के परिणाम, जो चूहों में प्रत्यक्ष अवलोकन और कठोर कंप्यूटर सिमुलेशन दोनों से प्राप्त हुए हैं, यह उजागर करते हैं कि जटिल व्यवहारों को सीखने में सक्षम बनाने के लिए 'लैमिनार कन्वर्जेंस' (laminar convergence) और 'मॉड्यूलर फीडबैक' (modular feedback) का कितना महत्व है।