Beyond model-based and model-free learning: irrational learning of successor features in addictive behaviour
यह अध्ययन व्यसन अनुसंधान में पारंपरिक मॉडल-आधारित बनाम मॉडल-मुक्त द्वैतवाद को चुनौती देता है, यह प्रदर्शित करते हुए कि पदार्थ उपयोग विकारों वाले व्यक्ति संज्ञानात्मक लागतों को कम करने के लिए सरलीकृत, पुन: प्रयोज्य उत्तराधिकारी विशेषताओं (successor features) की ओर एक संसाधन-तर्कसंगत बदलाव द्वारा चिह्नित तर्कहीन शिक्षण प्रदर्शित करते हैं, भले ही इसके लिए पुरस्कार अधिकतमकरण की बलि देनी पड़े।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
अपने मस्तिष्क की कल्पना एक सुपर-स्मार्ट वीडियो गेम कंसोल के रूप में करें जिसे एक साथ हजारों अलग-अलग गेम खेलने होते हैं। कुछ गेम सरल होते हैं, जैसे "रॉक, पेपर, सिज़र्स" का खेल जहाँ आप बस यह याद कर लेते हैं कि "रॉक, सिज़र्स को हराता है।" अन्य गेम जटिल रणनीति वाले साहसिक कार्य होते हैं जहाँ आपको पूरी दुनिया का नक्शा बनाना पड़ता है, हर दुश्मन की चाल का अनुमान लगाना पड़ता है, और दस कदम आगे की योजना बनानी पड़ती है। लंबे समय तक, वैज्ञानिकों ने सोचा कि हमारे मस्तिष्क इन दो शैलियों के बीच एक खींचतान में फंसे हुए हैं: एक "आलसी" शैली जो केवल वही याद रखती है जो पहले काम कर गया था (मॉडल-फ्री), और एक "मेहनती" शैली जो आगे की योजना बनाने के लिए दुनिया का एक मानसिक नक्शा बनाती है (मॉडल-बेस्ड)। उनका मानना था कि लत (addiction) में, मस्तिष्क आलसी हो जाता है और योजना बनाना छोड़ देता है, और केवल पुरानी आदतों पर निर्भर हो जाता है। लेकिन क्या होगा अगर मस्तिष्क केवल आलसी या मेहनती नहीं है? क्या होगा अगर वह वास्तव में एक चतुर अकाउंटेंट बनने की कोशिश कर रहा है, जो लगातार यह गणना कर रहा है कि एक निर्णय में कितनी "मस्तिष्क शक्ति" (या संज्ञानात्मक प्रयास/cognitive effort) खर्च होती है बनाम उससे कितना "मज़ा" (पुरस्कार/reward) वापस मिलता है? यह "रिसोर्स-रेशनैलिटी" (resource-rationality) की दुनिया है, जो एक फैंसी तरीका है यह कहने का कि हमारा मस्तिष्क हमेशा कम से कम मानसिक ऊर्जा के लिए सबसे अच्छी डील पाने की कोशिश करता है।
अब, शोधकर्ता रू-युआन झांग (Ru-Yuan Zhang) और उनकी टीम के एक नए अध्ययन में कदम रखें, जिन्होंने इस विचार का परीक्षण करने का निर्णय लिया कि यह विचार पदार्थ उपयोग विकारों (substance use disorders - SUD) वाले लोगों के एक समूह और स्वस्थ स्वयंसेवकों के एक समूह पर कैसे लागू होता है। उन्होंने केवल एक गेम खेलने के लिए उनसे नहीं पूछा; उन्होंने उन्हें एक विशाल, बहु-स्तरीय डंजन क्रॉलर (dungeon crawler) में झोंक दिया। एक महल की कल्पना करें जिसमें एक पेड़ के आकार का नक्शा है। प्रत्येक दौर में, तीन संसाधनों—लकड़ी, पत्थर और लोहे—के लिए "बाजार मूल्य" बदल जाते हैं। आपका लक्ष्य कीमतों के आधार पर सबसे मूल्यवान संसाधन प्राप्त करने के लिए महल के माध्यम से एक रास्ता चुनना है। ट्विस्ट यह है कि कीमतें हर बार बदलती हैं, जिससे एक ही महल के भीतर चार अलग-अलग "कार्य" या गेम बन जाते हैं। बड़ा जीतने के लिए, आपको महल के लेआउट को सीखना होगा और कीमतों के बदलने पर अपने रास्ते को जल्दी से अनुकूलित करना होगा।
शोधकर्ताओं ने कुछ आश्चर्यजनक पाया जो पुराने "आलसी बनाम मेहनती" नियम को तोड़ देता है। जब उन्होंने लोगों के खेलने के तरीके को देखा, तो उन्होंने पाया कि न तो "आलसी" आदत-आधारित शैली और न ही "मेहनती" नक्शा-बनाने वाली शैली पूरी तरह से समझा सकती थी कि क्या हो रहा है। इसके बजाय, हर कोई एक चतुर मध्य-मार्ग रणनीति का उपयोग कर रहा था जिसे "सक्सेसर फीचर्स" (Successor Features) कहा जाता है। इसे कमरे के हर एक कदम को याद करने के बजाय कमरे के "वाइब" (vibe) को सीखने जैसा समझें। आप सीखते हैं कि "कमरा A आमतौर पर लकड़ी के ढेर की ओर ले जाता है" और "कमरा B पत्थर की ओर ले जाता है," और आप नए मूल्य पहेलियों को हल करने के लिए इन "वाइब्स" को मिला सकते हैं और जोड़ सकते हैं, बिना अपना पूरा मानसिक नक्शा फिर से बनाए।
हालाँकि, कहानी तब एक नया मोड़ लेती है जब हम लत वाले समूह को देखते हैं। जबकि स्वस्थ खिलाड़ी इन "वाइब्स" का उपयोग रणनीतियों को लचीले ढंग से बदलने और हर नई कीमत सूची के लिए सबसे अच्छा रास्ता खोजने के लिए करते थे, लत वाले खिलाड़ी फंसने लगे। उन्हें रणनीतियों को बदलने के लिए आवश्यक मानसिक प्रयास बहुत महंगा लगा। इसलिए, उन्होंने "एक ही आकार सबके लिए उपयुक्त" (one-size-fits-all) दृष्टिकोण अपनाया। कीमतों के चाहे जो भी हों, वे उसी कमरे (कमरा 4) की ओर भागते रहे क्योंकि उसे याद रखना सबसे आसान रास्ता था, भले ही इसका मतलब बहुत सारा पैसा खोना हो। अध्ययन बताता है कि ऐसा इसलिए नहीं था क्योंकि वे नक्शा नहीं सीख सकते थे, बल्कि इसलिए था क्योंकि उनका मस्तिष्क "सोचने की लागत" के प्रति अत्यधिक संवेदनशील हो गया था। वे इनामों का त्याग करने के लिए तैयार थे ताकि मानसिक ऊर्जा बचाई जा सके।
शोधकर्ताओं ने एक कंप्यूटर मॉडल बनाया जो एक "ब्रेन अकाउंटेंट" की तरह काम करता था, जो पुरस्कार और मानसिक प्रयास को तौलता था। इस मॉडल, जिसे उन्होंने "रिसोर्स-रेशनल सक्सेसर फीचर" (RRSF) मॉडल कहा, ने दोनों समूहों के व्यवहार की सटीक भविष्यवाणी की। इसने दिखाया कि लत वाले समूह में "लागत संवेदनशीलता" (cost sensitivity) बहुत अधिक थी—उन्हें रणनीति बदलने का मानसिक प्रयास एक बहुत बड़ा बोझ लगता था, इसलिए वे एक साधारण, डिफ़ॉल्ट योजना पर टिके रहे। अध्ययन में यह भी पाया गया कि किसी व्यक्ति के लत के लक्षण जितने गंभीर थे, वे मानसिक प्रयास से बचने और अपने कठोर, उप-इष्टतम (suboptimal) रास्तों पर टिके रहने के प्रति उतने ही अधिक झुकाव रखते थे।
संक्षेप में, यह पेपर सुझाव देता है कि लत केवल एक टूटे हुए "योजना बनाने" वाले सिस्टम या एक टूटे हुए "आदत" सिस्टम के बारे में नहीं है। इसके बजाय, यह एक ऐसे मस्तिष्क के बारे में है जो अपनी मानसिक ऊर्जा के मामले में बहुत अधिक किफायती हो गया है। यह एक ऐसे गेमर की तरह है जो नए स्तरों को सीखने के बजाय, बस एक ही बटन को बार-बार दबाता रहता है क्योंकि नए स्तरों को समझना बहुत थकाऊ लगता है। इस अध्ययन ने 83 लोगों के पदार्थ उपयोग विकारों और 45 स्वस्थ नियंत्रण समूहों के व्यवहार को मापा, और पाया कि "आलसी" व्यवहार वास्तव में संज्ञानात्मक प्रयास बचाने का एक गणनात्मक, भले ही वह दोषपूर्ण (maladaptive) प्रयास था। यह नया दृष्टिकोण हमें समझने में मदद करता है कि लत में देखे जाने वाले कठोर, दोहराव वाले व्यवहार वास्तव में मस्तिष्क का खुद को अभिभूत होने से बचाने का एक तरीका हो सकते हैं, भले ही इसका मतलब सबसे अच्छे पुरस्कारों को खोना हो।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।