Hierarchical Uncertainty Transformation During Multimodal Comprehension

मानवीय संचार शायद ही कभी शब्दों की एक सरल धारा होता है। आमने-सामने की बातचीत में, अर्थ बोले गए शब्दों और हाथ के संकेतों के एक उलझे हुए जाल के माध्यम से आता है, जिनमें से प्रत्येक अपनी गति से चलता है और अपना स्वयं का भार वहन करता है। कभी-कभी एक संकेत एक अस्पष्ट शब्द को स्पष्ट करता है; अन्य बार, एक बोला गया वाक्यांश एक भ्रमित करने वाली गति को अर्थ प्रदान करता है। मस्तिष्क को इन अलग-अलग धागों को एक एकल, सुसंगत समझ में बुनना होता है, भले ही प्रत्येक स्रोत से प्राप्त जानकारी अधूरी या संदिग्ध हो। दशकों से, वैज्ञानिक समझते आए हैं कि मस्तिष्क इस प्रक्रिया को संभावना की एक समस्या के रूप में देखता है: यह एक साथ कई संभावित अर्थों को मन में रखता है, इस बात का आकलन करता है कि प्रत्येक की कितनी संभावना है, और फिर जैसे-जैसे अधिक साक्ष्य आते हैं, सबसे उपयुक्त अर्थ पर स्थिर हो जाता है। प्रचलित दृष्टिकोण यह रहा है कि जैसे-जैसे हमें अधिक जानकारी मिलती है, मस्तिष्क केवल अनिश्चितता की मात्रा को कम कर देता है, और उत्तर स्पष्ट होने तक संभावनाओं को सीमित करता जाता है।

एक नया अध्ययन इस सरल 'निरंतर कमी' के विचार को चुनौती देता है। चाइनीज एकेडमी ऑफ साइंसेज के इंस्टीट्यूट ऑफ साइकोलॉजी के शोधकर्ताओं का प्रस्ताव है कि मस्तिष्क केवल अनिश्चितता के स्तर को कम नहीं करता है; बल्कि, यह वास्तव में उस अनिश्चितता की मूल प्रकृति को बदल देता है जब वह एक कम्प्यूटेशनल स्तर से दूसरे स्तर पर आगे बढ़ता है। इशारों और भाषण के अंशों की व्याख्या करने के तरीके को देखते हुए, टीम ने पाया कि अनिश्चितता तीन परस्पर जुड़े हुए कम्प्यूटेशनल स्तरों के माध्यम से परिवर्तित होती है। यह एक एकल इंद्रिय के भीतर भ्रम के रूप में शुरू होती है, फिर इंद्रियाँ एक-दूसरे से संवाद करते समय बदलती है, और अंत में एक एकल अर्थ में विलय होने पर एक नए रूप में स्थिर हो जाती है। यह प्रक्रिया चरणों का एक निश्चित क्रम नहीं है, बल्कि एक लचीली प्रणाली है जो इस बात पर निर्भर करती है कि प्रत्येक स्रोत से कितनी जानकारी उपलब्ध है।

इस छिपे हुए ढांचे को उजागर करने के लिए, शोधकर्ताओं ने प्रयोगों की एक श्रृंखला डिजाइन की। पहले, उन्होंने एक व्यवहारिक प्रयोग (behavioral experiment) किया जहाँ वे इशारों बनाम भाषण के अंशों में से ठीक कितनी मात्रा में अर्थ उपलब्ध था, इसे नियंत्रित कर सकते थे। उन्होंने लोगों के हाथ के इशारे करने के वीडियो और क्रिया (verbs) बोलने की आवाज़ रिकॉर्ड की। प्रारंभिक परीक्षणों में, उन्होंने उस सटीक क्षण का निर्धारण किया जब एक इशारा या एक शब्द किसी व्यक्ति द्वारा उसके अर्थ को पहचानने के लिए पर्याप्त स्पष्ट हो गया था। इसके बाद उन्होंने वीडियो और ऑडियो को तीन प्रकार के अंशों में काट दिया: ऐसे टुकड़े जो समझने के लिए बहुत छोटे थे, ऐसे टुकड़े जो पहचानने के लिए पर्याप्त लंबे थे, और ऐसे टुकड़े जो लंबे और पूरी तरह स्पष्ट थे। इन अंशों को आपस में मिलाकर, उन्होंने ऐसी स्थितियाँ बनाईं जहाँ दोनों संकेत अस्पष्ट थे, जहाँ एक स्पष्ट था और दूसरा नहीं, और जहाँ दोनों स्पष्ट थे। इस प्रयोग में प्रतिभागियों को देखे जा रहे दृश्य या सुने जा रहे शब्द का नाम बताने के लिए कहा गया। सूचना सिद्धांत (information theory) पर आधारित एक गणितीय दृष्टिकोण का उपयोग करते हुए, टीम ने प्रतिभागियों द्वारा दिए गए उत्तरों के सापेक्ष आवृत्तियों (relative frequencies) से एक प्रायिकता वितरण (probability distribution) का अनुमान लगाया और शैनन एंट्रॉपी (Shannon entropy) की गणना की। इससे उन्हें अनिश्चितता को केवल एक संख्या के रूप में नहीं, बल्कि संभावनाओं के एक बदलते परिदृश्य के रूप में मापने में मदद मिली।

इसके बाद, शोधकर्ताओं ने मस्तिष्क की विद्युत गतिविधि को रिकॉर्ड करने के लिए एक अलग EEG प्रयोग किया। इस मुख्य प्रयोग में, प्रतिभागियों ने वक्ता के लिंग (gender) का निर्णय लिया, जिससे शोधकर्ताओं को बिना किसी स्पष्ट अर्थ संबंधी निर्णय की आवश्यकता के, इशारों और भाषण के बीच निहित अर्थ संबंधी एकीकरण (implicit semantic integration) का परीक्षण करने की अनुमति मिली।

परिणामों ने स्पष्ट किया कि अनिश्चितता विभिन्न कम्प्यूटेशनल स्तरों पर अलग तरह से व्यवहार करती है। पहला स्तर प्रत्येक इंद्रिय के अपने स्तर पर अनिश्चितता से संबंधित है। शोधकर्ताओं ने पाया कि जैसे-जैसे इशारा या भाषण का अंश लंबा और स्पष्ट होता गया, संभावित अर्थों की संख्या घट गई, और मस्तिष्क की अनिश्चितता कम हो गई। हालाँकि, जब दोनों इंद्रियों को एक साथ प्रस्तुत किया गया, तो स्थिति बदल गई। जब एक स्पष्ट भाषण संकेत को एक अस्पष्ट इशारे के साथ जोड़ा गया, तो मस्तिष्क ने अस्पष्ट इशारे को केवल अनदेखा नहीं किया; बल्कि इसने भाषण के आधार पर उस इशारे की अनिश्चितता को सक्रिय रूप से नया आकार दिया। इसके विपरीत, एक स्पष्ट इशारा एक अस्पष्ट शब्द की अनिश्चितता को नया आकार दे सकता था। महत्वपूर्ण रूप से, प्रत्येक इंद्रिय का दूसरे की व्याख्या पर प्रभाव असममित था और यह इस बात पर निर्भर करता था कि प्रत्येक इंद्रिय में कितनी अर्थ संबंधी जानकारी उपलब्ध थी। यह दर्शाता है कि इंद्रियों के बीच की अंतःक्रिया केवल सूचना का साधारण औसत नहीं है, बल्कि एक जटिल, दिशात्मक रूपांतरण है।

तीसरा कम्प्यूटेशनल स्तर तब होता है जब मस्तिष्क दोनों संकेतों को एक एकल, एकीकृत अर्थ में मिला देता है। शोधकर्ताओं ने पाया कि अंतिम परिणाम की अनिश्चितता को पिछले स्तरों में हुए परिवर्तनों को जोड़कर सरल रूप से समझाया नहीं जा सकता है। इसके बजाय, मस्तिष्क ने एक नए प्रकार की अनिश्चितता का निर्माण किया जो संयुक्त प्रणाली से संबंधित थी।

स्कैल्प पर लगे सेंसरों का उपयोग करके किए गए EEG विश्लेषण ने दिखाया कि मस्तिष्क इन विभिन्न प्रकार की अनिश्चितताओं को कैसे व्यक्त करता है। इनके तंत्रिका संबंधी जुड़ाव (neural associations) अलग-अलग लेकिन आंशिक रूप से ओवरलैप होने वाले समय अंतराल में दिखाई देते थे। एकल इंद्रिय से संबंधित अनिश्चितता, जो उत्तेजना (stimulus) को देखने या सुनने के कुछ सौ मिलीसेकंड के भीतर होती है, शुरुआती मस्तिष्क तरंगों से जुड़ी थी। क्रॉस-मोडल अनिश्चितता रूपांतरण (cross-modal uncertainty transformation)—जहाँ एक संकेत दूसरे को नया आकार देता है—के प्रभाव पहले N1-P2 रेंज की गतिविधि से जुड़े थे, और इसमें मोडैलिटी और अर्थ संबंधी विन्यास के आधार पर अतिरिक्त N400 जुड़ाव भी शामिल थे। बहु-संवेदी अभिसरण (multisensory convergence), जिसे संरेखित फ्यूजन एंट्रॉपी (aligned fusion entropy) और यूनिट गेन (unit gain) द्वारा मापा गया, विशेष रूप से N400 रेंज में सुसंगत रूप से दिखाई दिया। यहाँ N400 एक ऐसा इलेक्ट्रोफिजियोलॉजिकल घटक है जो संदर्भ-निर्भर अर्थ संबंधी प्रसंस्करण के प्रति संवेदनशील है, जिसमें भाषण और इशारे के बीच अर्थ का एकीकरण भी शामिल है। यह दर्शाता है कि हालांकि ये कम्प्यूटेशनल स्तरों के रूप में पहचाने जा सकते हैं, लेकिन इनका समय लचीला है और ये काफी हद तक एक-दूसरे के ऊपर आते हैं।

शायद सबसे महत्वपूर्ण बात यह है कि अध्ययन ने दिखाया कि यह संपूर्ण प्रणाली गतिशील है। मस्तिष्क द्वारा इन विभिन्न प्रकार की अनिश्चितताओं को व्यक्त करने का तरीका इस बात पर बदल जाता था कि स्पष्ट और अस्पष्ट संकेतों का संयोजन क्या है। तंत्रिका संकेत (neural signals) किसी कठोर, अपरिवर्तनीय पटकथा का पालन नहीं करते थे। इसके बजाय, मस्तिष्क ने स्थिति की विशिष्ट मांगों के अनुरूप वास्तविक समय में अपनी गतिविधि को पुनर्गठित किया। यह लचीलापन इंगित करता है कि मस्तिष्क केवल जानकारी आने का निष्क्रिय रूप से इंतजार नहीं कर रहा है और फिर अनिश्चितता को कम कर रहा है; बल्कि, यह बातचीत के दौरान अनिश्चितता को कैसे संभालना है, इसका सक्रिय रूप से पुनर्गठन कर रहा है।

शोधकर्ताओं ने सांख्यिकीय मॉडल का भी उपयोग किया जिससे यह सिद्ध हुआ कि ये तीन कम्प्यूटेशनल स्तर गहराई से जुड़े हुए हैं। मस्तिष्क ने मध्य स्तर में अनिश्चितता को जिस तरह से रूपांतरित किया, वह सीधे इस बात से जुड़ा था कि अंतिम स्तर में संकेतों का अभिसरण (convergence) कैसे हुआ। यह संबंध स्थिर नहीं था; यह इस बात पर निर्भर करता था कि इशारा या भाषण में से कौन सा संकेत अधिक स्पष्ट था। यह निष्कर्ष इस विचार का समर्थन करता है कि मस्तिष्क एक एकीकृत, पदानुक्रमित प्रणाली के रूप में कार्य करता है जहाँ प्रसंस्करण के विभिन्न स्तर निरंतर एक-दूसरे को प्रभावित करते हैं। ये निष्कर्ष बताते हैं कि बहु-संवेदी (multimodal) समझ में साक्ष्य संचय के साथ-साथ अनिश्चितता के कम्प्यूटेशनल रूप में भी परिवर्तन शामिल होते हैं।

यह कार्य यह समझने के लिए एक नया ढांचा प्रदान करता है कि हम दुनिया को कैसे समझते हैं जब जानकारी कई स्रोतों से आती है। यह सुझाव देता है कि जटिल संचार को समझने की मस्तिष्क की क्षमता अनिश्चितता को केवल कम करने की नहीं, बल्कि उसे रूपांतरित करने की क्षमता पर निर्भर करती है। यह पहचानकर कि प्रसंस्करण के विभिन्न कम्प्यूटेशनल स्तरों पर अनिश्चितता की प्रकृति बदल जाती है, वैज्ञानिक बेहतर ढंग से समझ सकते हैं कि मस्तिष्क खंडित और संदिग्ध संकेतों से एक सुसंगत वास्तविकता कैसे बनाता है। ये निष्कर्ष मानवीय संचार की जटिल मशीनरी की एक झलक प्रदान करते हैं, जो यह प्रकट करते हैं कि समझने का मार्ग संदेह को कम करने की एक सीधी रेखा नहीं है, बल्कि पुनर्गठन और अनुकूलन की एक गतिशील यात्रा है।