🧬 biology

Emergence Requires No Miracle: Eligibility Is All You Need

यह शोध पत्र यह प्रदर्शित करता है कि एलिजिबिलिटी ट्रेस (eligibility trace) रिवॉर्ड-मॉड्यूलेटेड स्पाइकिंग नेटवर्क में उभरते हुए विभेदीकरण (emergent differentiation) के लिए आवश्यक एकमात्र, गैर-परक्राम्य (non-negotiable) टेम्पोरल तंत्र है, क्योंकि इसे हटाने से व्यवस्था समाप्त हो जाती है जबकि इसका विस्तार नेटवर्क के पैमाने की परवाह किए बिना विभेदीकरण की डिग्री को सीधे नियंत्रित करता है।

मूल लेखक: Yahua Ruan

प्रकाशित 2026-08-06

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Yahua Ruan

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

अराजकता से व्यवस्था कैसे विकसित होती है: एक महान रहस्य

कल्पना कीजिए कि आप लोगों की एक विशाल भीड़ को देख रहे हैं, जहाँ प्रत्येक व्यक्ति पूरी तरह से अपने दम पर काम कर रहा है, चिल्ला रहा है, नाच रहा है और एक-दूसरे से टकरा रहा है। एक बाहरी व्यक्ति के लिए, यह शुद्ध अराजकता जैसा दिखता है। फिर भी, यदि आप पर्याप्त समय तक प्रतीक्षा करें, तो आप कुछ अद्भुत होते हुए देख सकते हैं: वह भीड़ स्वतः ही एक परेड, या एक नृत्य संरचना, या एक जटिल पैटर्न में व्यवस्थित हो जाती है। यह घटना, जहाँ सरल स्थानीय क्रियाएं एक बड़े, संगठित सिस्टम-स्तरीय क्रम को जन्म देती हैं, इमर्जेंस (emergence) कहलाती है। यह उस गुप्त सूत्र के पीछे का रहस्य है जो चींटी की कॉलोनियों द्वारा पुल बनाने से लेकर आपके मस्तिष्क द्वारा चेहरे को पहचानने के सीखने तक, हर चीज़ के पीछे काम करता है।

दशकों से, वैज्ञानिक यह सोचते आए हैं कि यह कैसे होता है। सामान्य संदिग्ध जटिल फीडबैक लूप, तीव्र प्रतिस्पर्धा, या सावधानीपूर्वक निर्धारित समय सारिणी हैं। लेकिन क्या होगा यदि रहस्य बहुत सरल है? क्या होगा यदि एकमात्र चीज़ जिसकी आवश्यकता है, वह एक तरीका है जिससे एक छोटी, स्थानीय क्रिया को वैश्विक संकेत द्वारा देखे जाने तक पर्याप्त समय के लिए "रुकने" का मौका मिले? इसे फ्रिज पर एक नोट छोड़ने जैसा समझें। यदि आप एक नोट लिखते हैं और फ्रिज तुरंत गायब हो जाता है, तो उसे कोई नहीं देख पाता। लेकिन यदि वह नोट कुछ घंटों तक वहीं रहता है, तो अंततः कोई वहां से गुजरेगा, उसे पढ़ेगा, और उस पर कार्य करने का निर्णय लेगा। कृत्रिम मस्तिष्कों की दुनिया में, यह "नोट" एक मेमोरी ट्रेस (स्मृति चिह्न) है, और इसे पढ़ने वाला व्यक्ति एक रिवॉर्ड सिग्नल (पुरस्कार संकेत) है। यह शोध पत्र ठीक इसी प्रश्न की गहराई में जाता है: क्या यह सरल मेमोरी ब्रिज ही एकमात्र चीज़ है जिसकी हमें अराजकता से व्यवस्था को उभरने के लिए आवश्यकता है?

शोध पत्र की बड़ी खोज: "एलिजिबिलिटी" (पात्रता) का जादू

इस अध्ययन में, शोधकर्ताओं ने 800 से 80,000 छोटे "स्पाइकिंग" न्यूरॉन्स (इन्हें डिजिटल जुगनू समझें जो उत्तेजित होने पर चमकते हैं) से बना एक विशाल, सिम्युलेटेड कृत्रिम मस्तिष्क बनाया। उन्होंने इस मस्तिष्क को रिवॉर्ड-मॉड्यूलेटेड STDP नामक पद्धति का उपयोग करके सिखाया। सरल शब्दों में, इसका अर्थ है कि न्यूरॉन्स अपने चमकने के समय के आधार पर अपने कनेक्शन बदलते हैं, लेकिन वे परिवर्तन तभी टिकते हैं जब बाद में एक "रिवॉर्ड" सिग्नल आता है और कहता है, "अच्छा काम किया!"

शोधकर्ता यह जानना चाहते थे कि: इस मस्तिष्क को स्वतः व्यवस्थित होने के लिए आवश्यक न्यूनतम घटक क्या है? यह पता लगाने के लिए, उन्होंने "हटाओ और देखो" का खेल खेला। उन्होंने अपने मस्तिष्क मॉडल के हिस्सों को एक-एक करके हटाया ताकि यह देखा जा सके कि क्या संगठन का जादू (जिसे "इमर्जेंट स्पारसिफिकेशन" कहा जाता है, जहाँ कुछ मजबूत कनेक्शन हावी हो जाते हैं और बाकी फीके पड़ जाते हैं) अभी भी होता है।

इंजन बनाम ब्रेक
परिणाम आश्चर्यजनक रूप से स्पष्ट थे। टीम ने पाया कि सिस्टम में तीन अलग-अलग भूमिकाएँ हैं:

इंजन: यह एलिजिबिलिटी ट्रेस (eligibility trace) है। यह एक अल्पकालिक स्मृति है जो लगभग 20 स्टेप्स तक एक न्यूरॉन ने अभी क्या किया, उसका रिकॉर्ड रखती है।
ब्रेक: ये रिवॉर्ड प्रेडिक्शन एरर (RPE) और लॉजिस्टिक सैचुरेशन जैसी चीजें हैं। ये सिस्टम को पागल होने या बहुत तेज़ी से बढ़ने से रोकती हैं।
टर्बोचार्जर: यह मल्टीप्लिकेटिव पोटेंशिएशन (multiplicative potentiation) है, जो चीजों को तेज़ करता है लेकिन छोटे स्तर पर यह अनिवार्य नहीं है।

"आहा!" क्षण
जब शोधकर्ताओं ने एलिजिबिलिटी ट्रेस (मेमोरी ब्रिज) को हटाया, तो जादू तुरंत खत्म हो गया। मस्तिष्क ने व्यवस्थित होना बंद कर दिया। कनेक्शन अव्यवस्थित और यादृच्छिक (random) बने रहे, बिल्कुल वैसे ही जैसे वे शुरुआत में थे। शोध पत्र बताता है कि इस स्मृति के बिना, न्यूरॉन्स की स्थानीय क्रियाएं वैश्विक रिवॉर्ड के दिखने से पहले ही लुप्त हो जाती थीं। यह अपने दोस्त से हाई-फाइव पाने की कोशिश करने जैसा है जो आपसे 100 मील दूर खड़ा है; यदि आप उनके करीब आने का इंतज़ार नहीं करते, तो हाई-फाइव कभी नहीं हो पाएगा।

हालाँकि, जब उन्होंने अन्य भागों को हटाया—जैसे ब्रेक या टर्बोचार्जर—तो मस्तिष्क केवल काम करना ही जारी नहीं रखता था; वह अक्सर बेहतर या तेज़ तरीके से काम करता था। ब्रेक हटाने से संगठन विस्फोट की तरह बढ़ गया (गणितीय अर्थ में, "गिनी गुणांक" 0.48 से बढ़कर 0.82 हो गया), लेकिन सिस्टम रुकना या स्थिर होना नहीं सीख सका। टर्बोचार्जर को हटाने से प्रक्रिया शुरू में थोड़ी धीमी हो गई, लेकिन संगठन फिर भी हुआ।

निर्णय
शोध पत्र निष्कर्ष निकालता है कि इंजन को शुरू करने के लिए एलिजिबिलिटी ही सब कुछ है। मेमोरी ट्रेस वह "sine qua non" (अनिवार्य शर्त) है—वह एक चीज़ जिसे गायब नहीं किया जा सकता। अन्य घटक केवल सहायक या सुरक्षा तंत्र हैं।

स्केलिंग अप: बड़े मस्तिष्कों को बड़ी स्मृतियों की आवश्यकता होती है
शोधकर्ताओं ने केवल छोटे मस्तिष्क तक ही सीमित नहीं रहे। उन्होंने अपने सिमुलेशन को 80,000 न्यूरॉन्स (128 मिलियन कनेक्शनों के साथ!) तक बढ़ाया। उन्होंने पाया कि नियम वही रहता है: यदि आप मेमोरी ट्रेस को हटा देते हैं, तो बड़ा मस्तिष्क भी व्यवस्थित होने में विफल रहता है। लेकिन यहाँ एक दिलचस्प मोड़ है: जैसे-जैसे मस्तिष्क बड़ा होता है, "ब्रेक" को एडजस्ट करने की आवश्यकता होती है। एक छोटे मस्तिष्क में, एक छोटा मेमोरी विंडो ठीक है। लेकिन एक विशाल मस्तिष्क में, शोर (noise) अलग होता है, इसलिए "ब्रेकिंग" टाइमस्केल को लंबा होना चाहिए (न्यूरॉन्स की संख्या के वर्गमूल के साथ स्केल करना)। जब उन्होंने इसे एडजस्ट किया, तो बड़े मस्तिष्क ने छोटे वाले की तुलना में वास्तव में बेहतर काम किया और व्यवस्था का उच्च स्तर प्राप्त किया।

वे कितने आश्वस्त हैं?
लेखक अपने सिमुलेशन के आधार पर इन निष्कर्षों में बहुत आश्वस्त हैं। उन्होंने विभिन्न यादृच्छिक शुरुआती बिंदुओं (सीड्स) के साथ अपने प्रयोग कई बार चलाए और हर बार एक ही परिणाम प्राप्त किया: एलिजिबिलिटी ट्रेस के बिना, प्रभाव गायब हो जाता है। उन्होंने 800 से 80,000 न्यूरॉन्स के नेटवर्क पर परीक्षण किया और पाया कि यह नियम सभी आकारों में सत्य है। हालांकि वे सुझाव देते हैं कि यह विचार विकासवाद (evolution) या मानक मशीन लर्निंग (जैसे कि AI डेटा से कैसे सीखता है) जैसे अन्य सिस्टम पर भी लागू हो सकता है, वे सावधानी बरतते हैं कि उन अन्य सिस्टमों के लिए, यह वर्तमान में एक "संरचनात्मक समानता" (structural analogy) या भविष्यवाणी है, सिद्ध तथ्य नहीं। हालाँकि, उनके विशिष्ट स्पाइकिंग न्यूरल नेटवर्क सिमुलेशन के लिए, साक्ष्य ठोस है: अराजकता से व्यवस्था बनाने के लिए मेमोरी ब्रिज वह गैर-परक्राम्य (non-negotiable) कुंजी है।

संक्षेप में, शोध पत्र तर्क देता है कि इमर्जेंस के लिए किसी चमत्कार या किसी जटिल, रहस्यमय शक्ति की आवश्यकता नहीं होती है। इसके लिए बस एक सरल ट्रिक की आवश्यकता है: आपने अभी जो किया उसे याद रखना, पर्याप्त समय के लिए, ताकि ब्रह्मांड आपको बता सके कि क्या वह एक अच्छा विचार था।

तकनीकी सारांश: "उद्भव के लिए किसी चमत्कार की आवश्यकता नहीं है: पात्रता ही सब कुछ है"

समस्या विवरण (Problem Statement)

यह शोध पत्र उद्गामी विभेदीकरण (emergent differentiation) के यांत्रिक उद्गमों—विशेष रूप से अनुकूलन योग्य प्रणालियों में स्थानीय अंतःक्रियाओं से व्यवस्था (विशेष रूप से वेट स्पारसिफिकेशन/weight sparsification) का स्वतः प्रकट होना—का समाधान करता है। जबकि बड़े भाषा मॉडलों (LLMs) में उभरने वाली क्षमताओं या सीखने के दौरान होने वाले फेज़ ट्रांज़िशन (phase transitions) जैसी घटनाओं को अक्सर जटिल आर्किटेक्चर, सकारात्मक फीडबैक लूप या सावधानीपूर्वक डिज़ाइन किए गए शेड्यूल्स के कारण माना जाता है, इन संक्रमणों को चलाने वाले सटीक न्यूनतम तंत्र (minimal mechanism) का विवरण अभी भी अस्पष्ट है। लेखक इन जटिल स्पष्टीकरणों की आवश्यकता को चुनौती देते हैं, और यह प्रस्तावित करते हैं कि एक एकल, मौलिक तंत्र—टेम्पोरल क्रेडिट असाइनमेंट (temporal credit assignment)—ही आवश्यक और पर्याप्त दोनों है।

कार्यप्रणाली (Methodology)

अध्ययन स्पारसिफिकेशन (sparsification) के लिए जिम्मेदार घटकों को अलग करने के लिए एक स्पाइकिंग न्यूरल नेटवर्क (SNN) ढांचे के भीतर एक व्यवस्थित एब्लेशन अध्ययन (ablation study) का उपयोग करता है।

नेटवर्क आर्किटेक्चर: लीकी इंटीग्रेट-एंड-फायर (LIF) न्यूरॉन्स, जहाँ $N$ का मान 800 से 80,000 न्यूरॉन्स (128M सिनैप्स तक) के बीच है। कनेक्टिविटी रैंडम ( $p=0.02$ ) है।
लर्निंग रूल: रिवॉर्ड-मॉड्यूलेटेड स्पाइक-टाइमिंग-डिपेंडेंट प्लास्टिसिटी (R-STDP)।
- स्थानीय घटनाएँ (Local Events): प्री/पोस्ट स्पाइक टाइमिंग के आधार पर STDP अपडेट ( $\Delta w_{STDP}$ )।
- वैश्विक संकेत (Global Signal): जनसंख्या सक्रियण से प्राप्त एक स्केलर रिवॉर्ड $R(t)$ ।
- बाइंडिंग तंत्र (Binding Mechanism): अपडेट को एक एलिजिबिलिटी ट्रेस (eligibility trace) ( $e_i$ ) में संचित किया जाता है जो समय के साथ घटता है ( $\tau_e = 20$ स्टेप्स)। वेट अपडेट केवल तभी होते हैं जब वैश्विक रिवॉर्ड इस ट्रेस के साथ गुणा होता है: $\Delta w_i = R(t) \cdot \alpha \cdot e_i(t)$ ।
प्रायोगिक डिज़ाइन: लेखक ने कई पैमानों ( $N=800, 8,000, 80,000$ $N = 800, 8, 000, 80, 000$ ) और सीड्स (seeds) के माध्यम से पाँच स्थितियों का परीक्षण किया:
1. FULL: पूर्ण प्रणाली।
2. no_RPE: रिवॉर्ड प्रेडिक्शन एरर (RPE) को हटा दिया गया (इसे स्टेट रिवॉर्ड से बदल दिया गया)।
3. no_MULT: मल्टीप्लिकेटिव पोटेंशिएशन (multiplicative potentiation) को हटा दिया गया (इसे एडिटिव LTP से बदल दिया गया)।
4. no_ELIG: एलिजिबिलिटी ट्रेस को हटा दिया गया (केवल तत्काल मॉड्यूलेशन)।
5. no_LOG: लॉजिस्टिक सैचुरेशन (logistic saturation) को हटा दिया गया (अनबाउंडेड पोटेंशिएशन)।
मेट्रिक्स (Metrics):
- गिनी कोएफिशिएंट (Gini Coefficient): वेट डिस्ट्रीब्यूशन असमानता (स्पारसिफिकेशन) को मापता है।
- सेल्फ-अरेस्ट (Self-Arrest): रिवॉर्ड सिग्नल $R \to 0$ जो अभिसरण (convergence) को दर्शाता है।
- अट्रैक्टर कन्वर्जेंस (Attractor Convergence): वेट वेक्टर्स की कोसाइन सिमिलरिटी का 1.0 के करीब पहुँचना।
- स्केलिंग लॉ (Scaling Law): ब्रेकिंग टाइमस्केल ( $\tau_{exp}$ ) और नेटवर्क आकार ( $N$ ) के बीच संबंध की जांच।

मुख्य योगदान (Key Contributions)

"इंजन" की पहचान: एब्लेशन अध्ययन यह प्रदर्शित करता है कि एलिजिबिलिटी ट्रेस (eligibility trace) उद्गामी विभेदीकरण के लिए sine qua non (अनिवार्य शर्त) है। इसे हटाने से स्पारसिफिकेशन शून्य हो जाता है (या उल्टा हो जाता है), जबकि अन्य घटकों (RPE, मल्टीप्लिकेटिव रूल्स, या लॉजिस्टिक बाउंड्स) को हटाने से प्रभाव बना रहता है या बढ़ जाता है।
इंजन/ब्रेक/एक्सेलेरेंट फ्रेमवर्क: शोध पत्र सिस्टम घटकों को तीन अलग-अलग भूमिकाओं में वर्गीकृत करता है:
- इंजन (आवश्यक): एलिजिबिलिटी ट्रेस (टेम्पोरल क्रेडिट असाइनमेंट)।
- ब्रेक (सीमित करने वाले): RPE और लॉजिस्टिक सैचुरेशन। ये अनियंत्रित विभेदीकरण को रोकते हैं लेकिन इसे उत्पन्न नहीं करते।
- एक्सेलेरेंट (पैमाने पर निर्भर): मल्टीप्लिकेटिव STDP। यह छोटे पैमाने पर गैर-आवश्यक है लेकिन शोर (noise) को दूर करने के लिए बड़े पैमाने ( $N=80,000$ ) पर आवश्यक हो जाता है।
स्केलिंग लॉ की खोज: लेखक ब्रेकिंग टाइमस्केल के लिए एक स्केलिंग लॉ की पहचान करते हैं: $\tau_{exp} \propto \sqrt{N}$ । बिना रिवॉर्ड प्रेडिक्शन एरर की मेमोरी विंडो को स्केल किए, बड़े नेटवर्क समय से पहले कम विभेदीकरण स्तरों पर अभिसरित हो जाते हैं। $N=80,000$ के लिए $\tau_{exp}$ को 20,000 से बढ़ाकर 200,000 करने से गिनी का इक्विलिब्रियम 0.365 से बढ़कर 0.584 हो गया।
क्रॉस-सबस्ट्रेट यूनिफिकेशन (Cross-Substrate Unification): लेखक प्रस्तावित करते हैं कि टेम्पोरल क्रेडिट असाइनमेंट विभिन्न सबस्ट्रेट्स में संरचनात्मक रूप से समरूप (isomorphic) एक सार्वभौमिक तंत्र है:
- स्पाइकिंग नेटवर्क: एलिजिबिलिटी ट्रेस ( $e$ ) $\times$ रिवॉर्ड ( $R$ )।
- SGD: मोमेंटम (फर्स्ट-मोमेंट EMA) $\times$ लर्निंग रेट।
- विकास (Evolution): जीनोटाइप (वंशानुगतता) $\times$ चयन दबाव (selection pressure)।

परिणाम (Results)

एलिजिबिलिटी की आवश्यकता: सभी पैमानों ( $N=800$ से $80,000 $) पर, एलिजिबिलिटी ट्रेस को हटाने ($ no_ELIG $) से उद्गामी स्पारसिफिकेशन समाप्त ($ \Delta Gini \approx -0.006$) हो गया, जिससे सिस्टम अपनी रैंडम इनिशियलाइजेशन स्थिति में वापस आ गया।
ब्रेक की भूमिका: RPE या लॉजिस्टिक सैचुरेशन को हटाने से अनबाउंडेड विभेदीकरण (Gini > 0.8) हुआ लेकिन सेल्फ-अरेस्ट रुक गया ( $R$ उच्च बना रहा), जो दर्शाता है कि ये घटक प्रक्रिया को संचालित करने के बजाय उसे नियंत्रित करते हैं।
स्केल इनवेरिएंस (Scale Invariance): "इंजन" (एलिजिबिलिटी) स्केल-इनवेरिएंट है; इसे हटाने से हमेशा प्रभाव शून्य हो जाता है। हालांकि, "एक्सेलेरेंट" (मल्टीप्लिकेटिव नियम) गैर-आवश्यक (99% प्रभाव बरकरार) से आवश्यक (केवल 16–29% प्रभाव बरकरार) में बदल जाता है जब नेटवर्क का आकार $N=800$ से $N=8,000$ और $80,000$ हो जाता है।
मजबूती (Robustness): $N=800$ पर पांच स्वतंत्र सीड्स $0.509 \pm 0.020$ के स्थिर गिनी तक अभिसरित हुए, जिसमें $R \to 0.001$ और कोसाइन सिमिलरिटी $\to 1.0$ हुई, जो एक फिक्स्ड-पॉइंट अट्रैक्टर की पुष्टि करती है।
$\tau$ -स्केलिंग सत्यापन: $N=80,000$ पर, ब्रेकिंग टाइमस्केल $\tau_{exp}$ को $\sqrt{N}$ द्वारा स्केल करने से लर्निंग विंडो सफलतापूर्वक लंबी हो गई, जिससे सिस्टम छोटे नेटवर्क के विभेदीकरण इक्विलिब्रियम से ऊपर उठ सका।

महत्व और दावे (Significance and Claims)

शोध पत्र का दावा है कि उद्गामी विभेदीकरण के लिए किसी "चमत्कार" या जटिल आर्किटेक्चरल बाधा की आवश्यकता नहीं है; इसके लिए केवल टेम्पोरल क्रेडिट असाइनमेंट की आवश्यकता है।

न्यूनतम पर्याप्त तंत्र: स्थानीय घटनाओं (सिनैप्टिक अपडेट) का एक घटते हुए मेमोरी ट्रेस में इतने लंबे समय तक बने रहना कि एक वैश्विक मूल्यांकन संकेत (रिवॉर्ड) उनसे जुड़ सके, व्यवस्था में व्यवस्था (order) के उद्भव के लिए न्यूनतम पर्याप्त शर्त है।
कारण सेतु (Causal Bridging): एलिजिबिलिटी ट्रेस एक "मेमोरी ब्रिज" के रूप में कार्य करता है जो टेम्पोरल बाइंडिंग समस्या को हल करता है। इस ब्रिज के बिना, स्थानीय क्रियाओं का कोई वैश्विक परिणाम नहीं होता, और विभेदीकरण संचित नहीं हो सकता।
सैद्धांतिक एकीकरण: लेखक प्रस्ताव करते हैं कि यह तंत्र केवल SNNs तक सीमित नहीं है, बल्कि SGD (मोमेंटम के माध्यम से) और विकास (जीनोटाइप के माध्यम से) में मौजूद संरचनात्मक अपरिवर्तनीय (invariant) है।
सीमाएँ: लेखक विनम्रतापूर्वक नोट करते हैं कि ये निष्कर्ष रैंडम कनेक्टिविटी और स्केलर रिवॉर्ड के साथ सिंथेटिक स्पाइकिंग नेटवर्क पर आधारित हैं। हालांकि SGD और विकास के साथ संरचनात्मक समरूपता प्रस्तावित है, उन विशिष्ट सबस्ट्रेट्स में प्रत्यक्ष प्रायोगिक सत्यापन भविष्य का कार्य है। दावा यह है कि तंत्र सार्वभौमिक है, भले ही उसका विशिष्ट कार्यान्वयन भिन्न हो।

संक्षेप में, यह शोध पत्र तर्क देता है कि उद्भव (emergence) के इंजन के लिए "एलिजिबिलिटी ही सब कुछ है", जबकि अन्य घटक आवश्यक नियामक (ब्रेक) या स्केल-डिपेंडेंट एनहांसर (एक्सेलेरेंट) के रूप में कार्य करते हैं।