Curse of Simplicity in High-Dimensional Environments

मनुष्य निरंतर सूचनाओं की बमबारी का सामना करता है। किसी भी दिए गए क्षण में, हमारी इंद्रियाँ विवरणों की एक बाढ़ ग्रहण करती हैं: एक कार का रंग, एक सायरन की आवाज़, एक मेज की बनावट, बारिश की गंध। हमारा मस्तिष्क एक बार में हर एक डेटा को प्रोसेस नहीं कर सकता, इसलिए वे 'चयनात्मक ध्यान' (selective attention) नामक रणनीति पर भरोसा करते हैं। यह उस महत्वपूर्ण चीज़ पर ध्यान केंद्रित करने की मानसिक क्षमता है जो ज़रूरी लगती है और बाकी को अनदेखा करने की क्षमता है। यह एक उत्तरजीविता तंत्र (survival mechanism) है जो हमें शोर को फ़िल्टर करके और संकेत पर ध्यान केंद्रित करके एक जटिल दुनिया में कार्य करने में सक्षम बनाता है। आमतौर पर, यह प्रक्रिया बहुत खूबसूरती से काम करती है, जिससे हमें तेज़ी से और कुशलता से सीखने में मदद मिलती है। लेकिन क्या होता है जब दुनिया बहुत जटिल हो जाती है, और वही रणनीति जो आमतौर पर हमारी मदद करती है, एक जाल बन जाती है?

ओहियो स्टेट यूनिवर्सिटी के शोधकर्ताओं ने हाल ही में इस प्रश्न की जांच की कि जब लोग बड़ी संख्या में भ्रमित करने वाले विवरणों का सामना करते हैं, तो वे वस्तुओं को श्रेणियों में वर्गीकृत करना कैसे सीखते हैं। उन्होंने एक घटना की खोज की जिसे वे "सरलता का अभिशाप" (curse of simplicity) कहते हैं। मुख्य विचार यह है कि हमारे मस्तिष्क में सरल स्पष्टीकरणों के लिए एक मजबूत प्राथमिकता होती है। जब हम कुछ नया सीखते हैं, तो हम स्वाभाविक रूप से सबसे आसान नियम खोजने की कोशिश करते हैं जो काम करता है, भले ही वह नियम सबसे सटीक न हो। एक सरल वातावरण में, सरलता के प्रति यह प्राथमिकता एक ताकत है। लेकिन कई भटकाने वाले विकल्पों से भरी एक जटिल दुनिया में, यह समान प्राथमिकता हमें सबसे महत्वपूर्ण जानकारी को अनदेखा करने के लिए प्रेरित कर सकती है, जिससे हम सीखने की ऐसी स्थिति में फंस जाते हैं जो सही महसूस होती है लेकिन वास्तव में गलत होती है।

इसकी जांच करने के लिए, शोधकर्ताओं ने एक कंप्यूटर गेम डिजाइन किया जहाँ प्रतिभागियों को काल्पनिक अमीबा (amoebas) के दो अलग-अलग प्रकारों को पहचानने के लिए सीखना था। प्रत्येक अमीबा कई विशिष्ट "भुजाओं" (arms) से बना था, और प्रत्येक भुजा की एक विशिष्ट विशेषता थी, जैसे कि रंग या आकार। प्रतिभागियों का लक्ष्य यह पता लगाना था कि कौन सी भुजाएँ यह निर्धारित करती थीं कि एक अमीबा समूह A या समूह B से संबंधित है। खेल को तीन प्रकार की भुजाओं के साथ बनाया गया था। एक भुजा "सत्यवक्ता" (truth-teller) थी: यह हमेशा समूह की सही भविष्यवाणी करती थी। दूसरी भुजा "भटकाने वाली" (distractor) थी: इसका समूह से कोई संबंध नहीं था। तीसरी प्रकार की भुजा "चालाक भविष्यवक्ता" (tricky predictor) थी: यह आमतौर पर सही होती थी, लेकिन एक चौथाई समय में गलत होती थी।

शोधकर्ताओं ने अमीबा में भुजाओं की संख्या बदलकर कठिनाई के स्तर को अलग-अलग किया। सबसे आसान संस्करण में, अमीबा में तीन भुजाएँ थीं। मध्यम संस्करण में, पाँच। सबसे कठिन संस्करण में, सात। यह देखने के लिए कि प्रतिभागी वास्तव में किस ओर देख रहे थे, शोधकर्ताओं ने एक विशेष 'कर्सर-कंटीजेंट डिस्प्ले' का उपयोग किया। स्क्रीन काली थी सिवाय माउस कर्सर के आसपास के एक छोटे घेरे के। प्रतिभागी केवल तभी अमीबा की विशेषताओं को देख सकते थे जब वे अपनी माउस को किसी विशिष्ट भुजा के पास ले जाते थे। इसने शोधकर्ताओं को यह ट्रैक करने की अनुमति दी कि प्रतिभागियों ने किन भुजाओं को चुना और कितनी देर तक देखा, जिससे उनके ध्यान का एक सटीक मानचित्र मिल सका।

जैसे-जैसे प्रतिभागियों ने दर्जनों राउंड खेले और अपने अनुमान सही या गलत होने का फीडबैक प्राप्त किया, एक स्पष्ट पैटर्न उभर कर आया। तीन भुजाओं वाले सबसे आसान संस्करण में, अधिकांश लोगों ने जल्दी ही समझ लिया कि सत्यवक्ता भुजा कौन सी है। उन्होंने अन्य भुजाओं को देखना बंद कर दिया और लगभग पूरी तरह से उसी एक पर ध्यान केंद्रित किया जो महत्वपूर्ण था। उनकी सीख तेज़ और सटीक थी। हालाँकि, जैसे-जैसे भुजाओं की संख्या बढ़ी, प्रतिभागियों का व्यवहार बदल गया। पाँच या सात भुजाओं वाले संस्करणों में, लोग सत्यवक्ता भुजा को खोजने में बहुत कम सक्षम थे। इसके बजाय, वे अक्सर एक "चालाक भविष्यवक्ता" भुजा पर टिक जाते थे। क्योंकि चालाक भविष्यवक्ता अधिकांश समय सही होती थी, इसलिए यह एक अच्छा नियम महसूस होता था। प्रतिभागी उस पर ध्यान केंद्रित करते थे, सत्यवक्ता को अनदेखा करते थे, और खुद को विश्वास दिला लेते थे कि उन्होंने पहेली को सुलझा लिया है।

सरल, थोड़े त्रुटिपूर्ण नियम के प्रति यह प्राथमिकता एक कीमत के साथ आई। जब शोधकर्ताओं ने प्रतिभागियों का परीक्षण उन चालाक उदाहरणों के साथ किया जहाँ सत्यवक्ता और चालाक भविष्यवक्ता विपरीत उत्तर देते थे, तो जो लोग सरल नियम के जाल में फँस गए थे, उन्होंने कई गलतियाँ कीं। उन्होंने एक ऐसा मानसिक मॉडल बनाया था जो सरल तो था लेकिन अधूरा था। अमीबा में जितनी अधिक भुजाएँ होती थीं, लोगों के इस जाल में फँसने की संभावना उतनी ही अधिक होती थी। सात-भुजाओं वाली स्थिति में, प्रतिभागियों की एक महत्वपूर्ण संख्या ने व्यापक अभ्यास के बाद भी वास्तविक नियम को कभी नहीं खोजा। उन्होंने समस्या को सफलतापूर्वक सरल बना लिया था, लेकिन ऐसा करते समय, उन्होंने सटीकता का बलिदान दे दिया था।

यह समझने के लिए कि ऐसा क्यों हुआ, शोधकर्ताओं ने एक कंप्यूटर मॉडल बनाया जो यह सिम्युलेट करता है कि लोग कैसे सीखते हैं। उन्होंने इस सिद्धांत का परीक्षण किया कि मस्तिष्क सटीकता और सरलता की इच्छा के बीच कैसे संतुलन बनाता है। कुछ मॉडलों ने माना कि मस्तिष्क को केवल सही होने की परवाह है। अन्य मॉडलों ने माना कि मस्तिष्क कुल मानसिक प्रयास को कम करने की कोशिश करता है। वह मॉडल जो मानव डेटा से सबसे अच्छी तरह मेल खाता था, वह था जिसने सीखने को एक 'ट्रेड-ऑफ' (समझौता/लेन-देन) के रूप में देखा। इसने सुझाव दिया कि मस्तिष्क ध्यान देने के प्रयास को कम करने और सही उत्तर पाने की कोशिश के बीच लगातार संतुलन बनाने का प्रयास करता है। जब वातावरण सरल होता है, तो ये दोनों लक्ष्य मिलकर काम करते हैं। लेकिन जब वातावरण जटिल होता है, तो मस्तिष्क की प्रयास बचाने की तीव्र इच्छा, पूर्ण सटीकता की आवश्यकता पर हावी हो सकती है, जिससे वह एक ऐसे "काफी अच्छे" नियम पर टिक जाता है जो वास्तव में एक मृत अंत (dead end) है।

अध्ययन बताता है कि दुनिया को सरल बनाने की हमारी स्वाभाविक प्रवृत्ति एक दोधारी तलवार है। कम चरों वाली दुनिया में, यह हमें तेज़ी से सीखने में मदद करती है। लेकिन डेटा से भरी दुनिया में, वही सहज ज्ञान हमें सबसे महत्वपूर्ण तथ्यों से अंधा कर सकता है। शोधकर्ताओं ने पाया कि जैसे-जैसे विकल्पों की संख्या बढ़ी, एक 'लोकल ऑप्टिमम' (local optimum)—एक ऐसा समाधान जो सही लगता है लेकिन सर्वश्रेष्ठ नहीं है—में फँसने की संभावना नाटकीय रूप रूप से बढ़ गई। यह "सरलता का अभिशाप" मानव संज्ञान (cognition) की एक मौलिक सीमा को प्रकट करता है: हम एक सरल पैटर्न खोजने के लिए इतने उत्सुक हैं कि हम कभी-कभी सत्य को खोजने से पहले ही देखना बंद कर देते हैं। निष्कर्ष यह सुझाव नहीं देते कि सरलता बुरी है; बल्कि, वे दिखाते हैं कि सरलता के लाभ पूरी तरह से वातावरण की जटिलता पर निर्भर करते हैं। एक भीड़भाड़ वाली, शोर भरी दुनिया में, चीजों को सरल बनाने की इच्छा ही वह चीज़ हो सकती है जो हमें उन्हें समझने से रोकती है।