Multisensory VR navigation: from accelerated strategy convergence to behavioral predictability
यह अध्ययन प्रदर्शित करता है कि दृश्य, श्रव्य, स्पर्श और स्वाद संकेतों को एकीकृत करने वाली एक बहुविध आभासी वास्तविकता नेविगेशन प्रणाली, चूहों में केवल दृश्य-आधारित एकल प्रशिक्षण की तुलना में रणनीति अभिसरण को त्वरित करती है और व्यवहार संबंधी पूर्वानुमेयता को महत्वपूर्ण रूप से बढ़ाती है।
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
कल्पना कीजिए कि आप एक नया वीडियो गेम लेवल सीखना शुरू कर रहे हैं। आप शुरुआत में हर दीवार से टकराते हैं, हर कोने की जाँच करते हैं, और अंदाज़ा लगाते हैं कि निकास (exit) कहाँ हो सकता है। जानवर, जिसमें हम भी शामिल हैं, दुनिया के माध्यम से आगे बढ़ना इसी तरह सीखते हैं: हम खोजबीन करते हैं, गलतियाँ करते हैं, और धीरे-धीरे सबसे अच्छे रास्ते का पता लगाते हैं। मस्तिष्क का अध्ययन करने वाले वैज्ञानिक लंबे समय से इस प्रक्रिया से मंत्रमुग्ध रहे हैं, विशेष रूप से इस बात से कि मस्तिष्क कैसे एक अस्त-व्यस्त भटकने को एक सुचारू और अनुमानित पथ में बदल देता है। इसे करने के लिए, वे अक्सर चूहों के लिए "वर्चुअल रियलिटी" (VR) का उपयोग करते हैं। इसे एक विशाल, हाई-टेक हैम्स्टर व्हील की तरह समझें जहाँ चूहा एक ही जगह पर दौड़ता रहता है, लेकिन उनके चारों ओर एक स्क्रीन चलती हुई दुनिया दिखाती है। वर्षों तक, इन VR दुनियाओं ने केवल चित्र दिखाए। लेकिन वास्तविक दुनिया में, हम केवल देखते नहीं हैं; हम सुनते हैं, हवा को महसूस करते हैं, और चीजों को सूंघते हैं। यह शोध एक बड़ा सवाल पूछता है: यदि हम चूहों को एक ऐसा VR जगत दें जो अधिक वास्तविक महसूस हो—जिसमें ध्वनि, स्पर्श और यहाँ तक कि स्वाद भी जोड़ा गया हो—तो क्या वे भूलभुलैया (maze) को तेज़ी से सीख पाएंगे? और यदि वे तेज़ी से सीखते हैं, तो क्या उनका व्यवहार इतना अनुमानित हो जाएगा कि एक कंप्यूटर सटीक रूप से अनुमान लगा सके कि वे आगे कहाँ जाएंगे?
हेनान मेडिकल यूनिवर्सिटी के शोधकर्ताओं ने यह पता लगाने के लिए एक सुपर-चार्ज्ड VR सिस्टम बनाने का निर्णय लिया। उन्होंने चूहों के एक समूह को लिया और उन्हें एक वर्चुअल भूलभुलैया में रखा। एक समूह को "मानक" अनुभव मिला: केवल एक स्क्रीन पर एक दृश्य मानचित्र (visual map)। दूसरे समूह को "मल्टीसेंसरी" (बहु-संवेदी) अपग्रेड मिला: वे लैंडमार्क देख सकते थे, ऐसी आवाज़ें सुन सकते थे जो उन्हें रास्ता बताती थीं, दीवार के बहुत करीब आने पर हवा का एक हल्का झोंका महसूस कर सकते थे, और इनाम के रूप में पानी का स्वाद भी ले सकते थे। वैज्ञानिक यह देखना चाहते थे कि क्या यह अतिरिक्त संवेदी जानकारी एक शॉर्टकट की तरह काम करती है, जिससे चूहे केवल आँखों वाले चूहों की तुलना में बहुत तेज़ी से सही रास्ता खोजने में सक्षम होते हैं।
परिणाम काफी दिलचस्प थे। पूर्ण संवेदी अनुभव वाले चूहे भूलभुलैया को बहुत तेज़ी से सीख गए। जहाँ "केवल दृष्टि" वाले चूहों को लगातार सही रास्ता चुनने में लगभग 10 दिन लगे, वहीं "सुपर-सेंसरी" चूहों ने इसे केवल 4 दिनों में समझ लिया। उन्होंने पूरी भूलभुलैया में भटकना बंद कर दिया और सीधे लक्ष्य की ओर बढ़ गए। ऐसा लग रहा था जैसे अतिरिक्त ध्वनियों और संवेदनाओं ने उनके मस्तिष्क में एक शॉर्टकट दे दिया हो, जिससे उन्हें अंदाज़ा लगाना छोड़ने और निश्चित होने में मदद मिली।
लेकिन टीम ने केवल चूहों के दौड़ने को देखने पर ही नहीं रोका; उन्होंने चूहों की निर्णय लेने की प्रक्रिया के भीतर झाँकने के लिए एक कंप्यूटर मॉडल बनाया। उन्होंने चूहों के व्यवहार को छिपे हुए "मोड्स" या अवस्थाओं की एक श्रृंखला के रूप में माना। शुरुआत में, चूहे "भटकने वाले मोड" (wandering mode) में थे, जो हर जगह खोजबीन कर रहे थे। जैसे-जैसे उन्होंने सीखा, वे एक "लक्ष्य-केंद्रित मोड" (goal-focused mode) में बदल गए। अध्ययन में पाया गया कि सुपर-सेंसरी चूहे इस केंद्रित मोड में बहुत तेज़ी से बदले। कंप्यूटर ने एक "वैल्यू लैंडस्केप" (मूल्य परिदृश्य) भी मैप किया, जो एक हीट मैप की तरह है जो दिखाता है कि भूलभुलैया के कौन से हिस्से चूहे के लिए "अच्छे" (उच्च मूल्य वाले) महसूस होते हैं। सुपर-सेंसरी समूह में, "अच्छा" रास्ता स्पष्ट रूप से और तेज़ी से चमक उठा, जबकि गलत रास्ते अंधेरे रहे।
सबसे आश्चर्यजनक हिस्सा अंत में आया। क्योंकि सुपर-सेंसरी चूहे बहुत तेज़ी से सीख गए और अपनी योजना पर मजबूती से टिके रहे, इसलिए उनका व्यवहार अविश्वसनीय रूप से अनुमानित हो गया। शोधकर्ताओं ने एक दो-चरणीय भविष्यवाणी मॉडल बनाया: पहले, इसने अनुमान लगाया कि चूहा कौन सा रास्ता लेगा (बाएँ, बीच में या दाएँ), और फिर इसने अनुमान लगाया कि चूहा ठीक अगली बार कहाँ चलेगा। प्रशिक्षण के अंतिम चरणों में, इस कंप्यूटर मॉडल ने चूहों के पथ चयन की 90% से अधिक सटीकता के साथ भविष्यवाणी की और उनके सटीक मूवमेंट का अनुमान बहुत कम त्रुटि (100 मिमी से कम) के साथ लगाया।
यह अध्ययन सुझाव देता है कि एक आभासी वातावरण में अधिक इंद्रियों को जोड़ने से न केवल यह बेहतर महसूस होता है, बल्कि यह वास्तव में मस्तिष्क द्वारा सूचना को व्यवस्थित करने की गति को तेज़ कर देता है। विभिन्न इंद्रियों ने अलग-अलग भूमिकाएँ निभाईं। ध्वनियाँ एक त्वरित "करेक्शन बटन" की तरह काम करती दिख रही थीं, जो चूहे को गलत दिशा में जाने पर तुरंत वापस ट्रैक पर ला देती थीं। दूसरी ओर, विजुअल लैंडमार्क एक "स्पीड बूस्ट" की तरह काम करते थे, जो चूहे को तब आगे बढ़ने के लिए प्रोत्साहित करते थे जब उसे पता चल जाता था कि वह कहाँ है।
संक्षेप में, यह शोध दिखाता है कि जब जानवरों को एक समृद्ध, अधिक वास्तविक वातावरण मिलता है, तो वे न केवल तेज़ी से सीखते हैं, बल्कि वे अधिक सुसंगत भी हो जाते हैं। उनका मस्तिष्क एक स्थिर योजना में ढल जाता है, और उनके कार्य इतने अनुमानित हो जाते हैं कि एक कंप्यूटर लगभग उनके मन को पढ़ सकता है। यह वैज्ञानिकों को यह समझने के लिए एक नया तरीका देता है कि सीखना कैसे होता है और जटिल, शोर-शराबे वाली दुनिया में मस्तिष्क निर्णय कैसे लेता है, इसे समझने के लिए एक शक्तिशाली उपकरण प्रदान करता है।
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।