A Relational Code for Objects in Primate Frontal Cortex

जब हम एक बिखरी हुई मेज पर नज़र डालते हैं, तो हमारा मस्तिष्क केवल अलग-थलग वस्तुओं की एक सूची नहीं बनाता है। यह तुरंत उस दृश्य को एक संपूर्ण इकाई के रूप में समझ लेता है: जैसे कि एक लैपटॉप के बाईं ओर रखा हुआ मग, या उनके पीछे स्थित एक लैंप। वस्तुओं के बीच स्थानिक संबंधों को समझने की यह क्षमता हमारे दुनिया में नेविगेट करने के लिए मौलिक है, फिर भी दशकों से, तंत्रिका वैज्ञानिक (neuroscientists) इस बात को स्पष्ट करने के लिए संघर्ष कर रहे हैं कि मस्तिष्क इन संबंधों का निर्माण कहाँ और कैसे करता है। मस्तिष्क के स्थानिक मानचित्रों (spatial maps) के बारे में हम जो कुछ भी जानते हैं, उसका अधिकांश हिस्सा इस बात के अध्ययन से आता है कि व्यक्तिगत न्यूरॉन्स हमारी दृष्टि के सापेक्ष एक एकल वस्तु के स्थान को कैसे ट्रैक करते हैं। ये न्यूरॉन आंतरिक दिशा-सूचक यंत्रों (compasses) की तरह कार्य करते हैं, जो तब सक्रिय होते हैं जब कोई विशिष्ट वस्तु हमारी दृष्टि के एक विशिष्ट स्थान पर दिखाई देती है। हालाँकि, यह "एकल-वस्तु" वाला दृष्टिकोण एक कमी छोड़ देता है। यह स्पष्ट नहीं करता कि मस्तिष्क एक साथ कई वस्तुओं की व्यवस्था को कैसे समझता है, या यह कैसे समझता है कि एक वस्तु दूसरी वस्तु के सापेक्ष कहाँ स्थित है, चाहे हम कहीं भी देख रहे हों।

इस अंतर को पाटने के लिए, मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी के शोधकर्ताओं की एक टीम ने अपना ध्यान 'फ्रंटल आई फील्ड्स' (frontal eye fields) की ओर लगाया, जो बंदर के मस्तिष्क के दो छोटे क्षेत्र हैं और आँखों की गति तथा स्थानिक ध्यान (spatial attention) को नियंत्रित करने के लिए जाने जाते हैं। उन्होंने एक सरल लेकिन गहन प्रश्न पूछा: क्या इन क्षेत्रों के न्यूरॉन्स केवल व्यक्तिगत वस्तुओं के स्थान को ट्रैक करते हैं, या वे वस्तुओं के बीच के संबंध को भी समझते हैं? यह जानने के लिए, उन्होंने दो रीसस मकाक (rhesus macaques) बंदरों को एक स्मृति कार्य (memory task) करने के लिए प्रशिक्षित किया जिसमें एक या दो वस्तुओं का उपयोग किया गया था। प्रत्येक परीक्षण में, बंदरों को एक स्क्रीन देखनी थी जहाँ एक केंद्रीय बिंदु के चारों ओर एक वलय (ring) पर फलों के एक या दो चित्र दिखाई देते थे। एक संक्षिप्त अंतराल के बाद, एक संकेत उन्हें बताता था कि उन्हें किसे याद रखना है, और उन्हें पुरस्कृत होने के लिए उसी याद किए गए स्थान की ओर देखना होता था। शोधकर्ताओं ने इस कार्य को करते समय बंदरों के मस्तिष्क में सैकड़ों न्यूरॉन्स की विद्युत गतिविधि को रिकॉर्ड किया, और यह देखा कि कोशिकाएं वस्तुओं की बदलती स्थितियों के प्रति कैसे प्रतिक्रिया करती हैं।

परिणामों ने एक आश्चर्यजनक और परिष्कृत कोड का खुलासा किया। जबकि कुछ न्यूरॉन्स अपेक्षित व्यवहार करते थे, यानी केवल स्क्रीन के एक निश्चित स्थान पर किसी विशिष्ट वस्तु के आने पर सक्रिय होते थे, अधिकांश रिकॉर्ड किए गए सेल अलग तरह से कार्य करते थे। इन न्यूरॉन्स को स्क्रीन पर किसी एक वस्तु के पूर्ण स्थान से कोई सरोकार नहीं था। इसके बजाय, वे तब सक्रिय होते थे जब दो वस्तुएं एक-दूसरे के सापेक्ष एक विशिष्ट व्यवस्था में दिखाई देती थीं। उदाहरण के लिए, एक न्यूरॉन तब मजबूती से सक्रिय हो सकता है जब दो वस्तुएं लंबवत (vertically) संरेखित हों, चाहे वह ऊर्ध्वाधर रेखा स्क्रीन के बाएं, दाएं या केंद्र में ही क्यों न हो। शोधकर्ताओं ने पाया कि ये "संबंधी" (relational) न्यूरॉन कोई अलग, एकसमान वर्ग नहीं थे, बल्कि एक स्पेक्ट्रम का हिस्सा थे जो शुद्ध स्थान-ट्रैकिंग से लेकर शुद्ध संबंध-ट्रैकिंग तक फैला हुआ था। इस निरंतरता के भीतर, अधिकांश इकाइयां 'रेटिनोटोपिक ट्यूनिंग' (retinotopic tuning) की तुलना में 'रिलेशनल ट्यूनिंग' द्वारा बेहतर समझाई जा सकती थीं, जो यह दर्शाता है कि मस्तिष्क केवल निर्देशांकों (coordinates) की एक सूची संग्रहीत नहीं कर रहा था; बल्कि वह सक्रिय रूप से दृश्य की ज्यामिति (geometry) का प्रतिनिधित्व कर रहा था, और वस्तुओं को जोड़ने वाली रेखा के ओरिएंटेशन को एनकोड कर रहा था।

यह खोज इस लंबे समय से चले आ रहे विचार को चुनौती देती है कि मस्तिष्क के स्थानिक मानचित्र केवल स्वतंत्र, नेत्र-केंद्रित (eye-centered) निर्देशांकों से बने होते हैं। अध्ययन ने दिखाया कि मस्तिष्क का स्थानिक प्रतिनिधित्व दो पूरक प्रणालियों का मिश्रण है। एक प्रणाली ट्रैक करती है कि व्यक्तिगत वस्तुएं कहाँ हैं, जबकि दूसरी प्रणाली यह ट्रैक करती है कि वे आपस में कैसे व्यवस्थित हैं। जब शोधकर्ताओं ने इन दो समूहों के न्यूरॉन्स की संयुक्त गतिविधि का विश्लेषण किया, तो उन्होंने पाया कि इस मिश्रण ने दृश्य के लेआउट का लगभग सटीक डिकोडिंग (decoding) संभव बनाया। यह ऐसा था मानो मस्तिष्क एक ही दृश्य का वर्णन करने के लिए दो अलग-अलग भाषाओं का उपयोग कर रहा हो, जिससे जानकारी सुदृढ़ और पूर्ण सुनिश्चित हो सके। इसके अलावा, शोधकर्ताओं ने इस न्यूरल कोड और बंदरों के व्यवहार के बीच एक सीधा संबंध भी खोजा। बंदरों की वस्तुओं के स्थान की स्मृति थोड़ी पक्षपाती (biased) थी; उनमें एक वस्तु के स्थान को दूसरी वस्तु से दूर धकेले जाने की प्रवृत्ति देखी गई, जिसे 'रिपल्शन' (repulsion) कहा जाता है। अध्ययन ने प्रदर्शित किया कि यह व्यवहारिक विचित्रता 'रिलेशनल कोड' का सीधा परिणाम थी: क्योंकि न्यूरॉन्स वस्तुओं के बीच के संबंध के लिए ट्यून किए गए थे, इसलिए उनकी संयुक्त गतिविधि स्वाभाविक रूप से अनुमानित स्थानों को एक-दूसरे से दूर धकेल देती थी, जो बंदरों की वास्तविक गलतियों को दर्शाती थी।

यह समझने के लिए कि मस्तिष्क ऐसा जटिल कोड कैसे उत्पन्न कर सकता है, शोधकर्ताओं ने इस बात के कई मौजूदा कंप्यूटर मॉडल का परीक्षण किया कि न्यूरॉन्स कैसे कई वस्तुओं को संसाधित (process) कर सकते हैं। मानक मॉडल, जो केवल दो वस्तुओं के संकेतों का औसत निकालते हैं या उनकी संयुक्त शक्ति को सामान्य (normalize) करते हैं, देखे गए रिलेशनल पैटर्न को दोहराने में विफल रहे। ये मॉडल यह समझाने में असमर्थ थे कि एक न्यूरॉन एक ऊर्ध्वाधर जोड़ी को क्षैतिज जोड़ी की तुलना में क्यों पसंद करेगा यदि दोनों ही मामलों में वस्तुएं एक ही स्थान पर हों। हालांकि, एक मॉडल जिसने भविष्य की आंखों की गतिविधियों (eye movements) का पूर्वानुमान लगाने की मस्तिष्क की क्षमता को शामिल किया, वह सफल रहा। इस "फ्यूचर फील्ड" (future field) मॉडल ने सुझाव दिया कि न्यूरॉन्स न केवल इस बात के लिए सक्रिय होते हैं कि वस्तुएं अभी कहाँ हैं, बल्कि इस बात के लिए भी कि यदि बंदर उनमें से किसी एक की ओर देखेगा तो वे कहाँ होंगी। भविष्य की योजनाबद्ध नेत्र गति के दौरान होने वाले दृष्टि परिवर्तन का अनुकरण करके, इस मॉडल ने स्वाभाविक रूप से वही रिलेशनल ट्यूनिंग उत्पन्न की जो वास्तविक मस्तिष्क में देखी गई थी। यह संकेत देता है कि वस्तुओं की व्यवस्था को समझने की मस्तिष्क की क्षमता, उन्हें देखने की उसकी योजना के साथ गहराई से जुड़ी हुई है।

निष्कर्ष बताते हैं कि फ्रंटल ओकुलोमोटर कॉर्टेक्स (frontal oculomotor cortex), जिसे पहले मुख्य रूप से आंखों की गति के लिए एकल लक्ष्यों को चुनने वाला क्षेत्र माना जाता था, हमारे दृश्य जगत को व्यवस्थित करने में बहुत व्यापक भूमिका निभाता है। ऐसा प्रतीत होता है कि मस्तिष्क केवल चीजों के स्थानों को संग्रहीत नहीं करता है; बल्कि यह दृश्य की संरचना को संग्रहीत करता है। यह रिलेशनल कोड मस्तिष्क को यह समझने में सक्षम बनाता है कि वस्तुएं कैसे व्यवस्थित हैं, भले ही हमारी आंखें हिल रही हों और रेटिना पर छवि बदल रही हो। हालांकि यह अध्ययन बंदरों पर किया गया था, लेकिन इसके सिद्धांत मनुष्यों पर भी लागू होते हैं, जो हमें उन जटिल, बहु-वस्तु दृश्यों को देखने और याद रखने का एक नया दृष्टिकोण प्रदान करते हैं जो हमारे दैनिक जीवन का हिस्सा हैं। यह शोध यह दावा नहीं करता है कि इसने दृश्य धारणा (scene perception) के पूरे रहस्य को सुलझा लिया है, लेकिन यह एक ठोस आधार प्रदान करता है, जो दिखाता है कि दुनिया का मानचित्र केवल बिंदुओं पर नहीं, बल्कि उन्हें जोड़ने वाली रेखाओं पर भी निर्मित होता है।