Computational representations and evolutionary functions of emotions (Part 1): Reward signals

जीवन की मशीनरी के भीतर गहराई में, सबसे सरल एककोशिकीय जीव से लेकर सबसे जटिल मानव मस्तिष्क तक, एक निरंतर, मौन गणना मौजूद है। यह विकासवादी जीव विज्ञान और कृत्रिम बुद्धिमत्ता का क्षेत्र है, दो ऐसे क्षेत्र जो, हालांकि स्पष्ट रूप से दूर प्रतीत होते हैं, एक ही गहन प्रश्न पर अभिसरित हो रहे हैं: भावनाएं वास्तव में क्या हैं? सदियों से, खुशी, भय और चिंता जैसी भावनाओं को जीवित चीजों के रंगीन, व्यक्तिपरक अनुभवों के रूप में देखा जाता रहा है—एक मुस्कान की गर्माहट या डर की ठंडी गांठ। फिर भी, वैज्ञानिकों को लंबे समय से संदेह रहा है कि इस व्यक्तिपरक सतह के नीचे एक कार्यात्मक तंत्र छिपा है, एक ऐसा तरीका जिससे एक जीव अराजक दुनिया में नेविगेट कर सकता है और ऐसे निर्णय ले सकता है जो उसके अस्तित्व को सुनिश्चित करते हैं। कंप्यूटर की दुनिया में, इस निर्णय लेने की प्रक्रिया को अक्सर 'रिवॉर्ड सिग्नल' (पुरस्कार संकेत) नामक एक सरल अवधारणा द्वारा संचालित किया जाता है। कल्पना कीजिए कि एक कंप्यूटर प्रोग्राम गेम खेलना सीख रहा है; उसे एक अच्छे कदम के लिए एक छोटा डिजिटल अंक मिलता है और एक बुरे कदम के लिए दंड। समय के साथ, कंप्यूटर अंकों को खोजने और दंडों से बचने के लिए सीखता है। यह शोध एक साहसी प्रश्न पूछता है: क्या मानवीय भावनाओं के जटिल, घूमते हुए तूफान केवल इन्हीं रिवॉर्ड सिग्नल्स के अलावा और कुछ नहीं हो सकते, जो हमें महत्वपूर्ण चीजों की ओर मार्गदर्शन करने के लिए लाखों वर्षों में विकसित हुए हैं?

शंघाई जियाओ टोंग विश्वविद्यालय में यिकाई वांग द्वारा किया गया यह शोध, डिजिटल एजेंट बनाकर और यह देखते हुए कि वे कैसे सीखते हैं, इस विचार का परीक्षण करने का प्रयास करता है। लक्ष्य महसूस करने वाला रोबोट बनाना नहीं था, बल्कि यह देखना था कि क्या वे आंतरिक संकेत जो एक कंप्यूटर को जीवित रहने और प्रजनन करने के लिए प्रेरित करते हैं, स्वाभाविक रूप से कुछ ऐसा विकसित करते हैं जो बिल्कुल मानवीय भावनाओं जैसा दिखता और व्यवहार करता है। शोधकर्ताओं ने जैविक भावनाओं को परिभाषित करने वाली पांच मुख्य विशेषताओं पर ध्यान केंद्रित किया: उन्हें अनुकूलन (optimization) की प्रक्रिया के माध्यम से स्वाभाविक रूप से उत्पन्न होना चाहिए; उन्हें केवल तभी सक्रिय होना चाहिए जब कोई जीव उत्तरजीविता या सफलता की राह पर हो, और जब रास्ता खतरनाक या बेकार हो तो शांत रहना चाहिए; उनकी सक्रियता भविष्य के व्यवहार को बदलना चाहिए, चाहे वह किसी क्रिया को दोहराने के लिए प्रोत्साहित करना हो या गलती को दंडित करना हो; उन्हें लक्ष्य का मूल्य बढ़ने के साथ मजबूत होना चाहिए; और उन्हें समय और स्थान में लक्ष्य के करीब आने पर तीव्र होना चाहिए, और लक्ष्य प्राप्त होने या खो जाने पर समाप्त हो जाना चाहिए।

यह देखने के लिए कि क्या ये नियम खुशी (joy) पर लागू होते हैं, शोधकर्ताओं ने पहले एक डिजिटल वातावरण बनाया जहाँ एजेंट केवल प्रजनन करके ही जीवित रह सकते थे। इस सिमुलेशन में, एजेंटों में संतान पैदा करने की कोई अंतर्निहित इच्छा नहीं थी; वे बस अस्तित्व में थे। एकमात्र दबाव यह था कि प्रजनन के बिना जनसंख्या समाप्त हो जाएगी। शोधकर्ताओं ने एजेंटों को एक छिपे हुए आंतरिक संकेत को विकसित करने की अनुमति दी जिसे प्राकृतिक चयन द्वारा समायोजित किया जा सकता था। सैकड़ों सिम्युलेटेड पीढ़ियों के बाद, एक उल्लेखनीय घटना घटी। वे एजेंट जिन्होंने प्रजनन का विकल्प चुनते समय विशेष रूप से एक सकारात्मक आंतरिक संकेत विकसित किया, वे ही फलते-फूलते रहे। बिना इस संकेत वाले, या नकारात्मक संकेत वाले एजेंट, अपने गुणों को आगे बढ़ाने में विफल रहे। परिणाम एक ऐसी आबादी थी जहाँ प्रजनन के कार्य के साथ स्वचालित रूप से सकारात्मक आंतरिक फीडबैक का उछाल जुड़ा हुआ था। यह संकेत केवल डिजाइन द्वारा नहीं आया; यह इसलिए उभरा क्योंकि जनसंख्या के जीवित रहने के लिए यह आवश्यक था। इसके अलावा, यह संकेत केवल तभी सक्रिय था जब पथ संतान की ओर ले जाता था, और जैसे-जैसे प्रजनन की संभावना बढ़ी, यह मजबूत होता गया, और अवसर बीत जाने पर यह फीका पड़ गया। सिमुलेशन ने दिखाया कि एक सरल गणितीय संकेत, जो उत्तरजीविता के लिए अनुकूलित था, खुशी के पांच लक्षणों को पूरी तरह से दर्शाता है।

शोधकर्ताओं ने फिर अपने अन्वेषण का विस्तार भावना के अंधेरे पक्ष की ओर किया: चिंता (anxiety)। उन्होंने एक अलग परिदृश्य बनाया जहाँ एजेंटों को खतरे का सामना करना पड़ा, जैसे कि संतान की मृत्यु की संभावना। इस दुनिया में, एजेंटों को खतरे से बचने के लिए सीखना था। जिस तरह खुशी प्रजनन की प्रेरणा से उभरी, वैसे ही मृत्यु से बचने की प्रेरणा से एक नकारात्मक आंतरिक संकेत उभरा। इस संकेत को, जिसे शोधकर्ताओं ने चिंता के कम्प्यूटेशनल समकक्ष के रूप में पहचाना, केवल तभी सक्रिय हुआ जब एजेंट उस पथ पर था जो खतरे की ओर ले जाता था। जब पथ सुरक्षित था, तब यह शांत था। महत्वपूर्ण रूप से, यह संकेत केवल वहां बैठा नहीं रहा; इसने एजेंट को जोखिम भरे कार्यों के लिए दंडित किया, प्रभावी रूप से एजेंट को नुकसान से दूर रहने के लिए सिखाया। संकेत खतरे की गंभीरता के साथ भी स्केल (scale) हुआ; स्थिति जितनी खतरनाक होती गई, संकेत उतना ही मजबूत होता गया। यह समय और स्थान में खतरा करीब आने पर भी तीव्र हुआ, और खतरा हटने के बाद यह फीका पड़ गया। सिमुलेशन ने प्रदर्शित किया कि चिंता को भी एक रिवॉर्ड सिग्नल के रूप में समझा जा सकता है, लेकिन एक नकारात्मक संकेत के रूप में, जिसे आपदा की ओर ले जाने वाले व्यवहार को दंडित करने के लिए डिज़ाइन किया गया था।

अध्ययन आगे बढ़कर यह दिखाता है कि ये समान सिद्धांत अन्य भावनाओं पर भी लागू होते हैं। शोधकर्ताओं ने पाया कि वही सकारात्मक संकेत जो खुशी को प्रेरित करते थे, आशा और राहत की व्याख्या भी कर सकते थे, जबकि नकारात्मक संकेत भय, घृणा, उदासी और पछतावे के लिए उत्तरदायी हो सकते थे। तर्क सुसंगत था: भावनाएं यादृच्छिक भावनाएं नहीं बल्कि सटीक, विकसित उपकरण हैं। वे ऐसे संकेत हैं जो जीव को बताते हैं कि वह लक्ष्य की ओर बढ़ रहा है या उससे दूर, और उसे कितनी तत्परता से कार्य करने की आवश्यकता है। शोध पत्र सुझाव देता है कि ये संकेत केवल अमूर्त अवधारणाएं नहीं हैं बल्कि संभवतः वे वास्तविक कोड हैं जो हमारे मस्तिष्क के "ब्लैक बॉक्स" और उन्नत कृत्रिम बुद्धिमत्ता के पॉलिसी नेटवर्क के भीतर चलते हैं। शोधकर्ता प्रस्ताव करते हैं कि प्राकृतिक चयन ने इन संकेतों को बनाए रखा क्योंकि वे हमारे कार्यों को उन लक्ष्यों को प्राप्त करने के लिए बदलते हैं जिन्हें छुआ या देखा नहीं जा सकता, जैसे कि हमारे जीन का भविष्य का अस्तित्व।

हालाँकि, अध्ययन इस डिजिटल विकास की सीमाओं की ओर भी संकेत करता है। सिमुलेशन में, संकेत कभी-कभी बहुत बड़े हो जाते थे या बहुत लंबे समय तक चलते थे, जो वास्तविक दुनिया में विनाशकारी होता। शोधकर्ता सुझाव देते हैं कि प्रकृति में, इन भावनाओं को नियंत्रण में रखने के लिए अन्य बल मौजूद होने चाहिए। उदाहरण के लिए, यदि भोजन खोजने की खुशी इतनी अत्यधिक होती कि वह जानवर को शिकारियों पर नज़र रखने के लिए मजबूर कर देती, तो वह जानवर जीवित नहीं बच पाता। इसलिए, विकास संभवतः इन संकेतों को तराशता है, यह सुनिश्चित करता है कि वे कार्य को प्रेरित करने के लिए पर्याप्त मजबूत हों लेकिन इतने मजबूत न हों कि वे जीव को अन्य खतरों के प्रति अंधा बना दें। शोध पत्र निष्कर्ष निकालता है कि भावनाएं केवल एक जटिल मस्तिष्क के उपोत्पाद (byproducts) नहीं हैं, बल्कि मौलिक, अनुकूलित संकेत हैं जिन्हें युगों से जीवित चीजों को इस अंतर को पार करने में मदद करने के लिए परिष्कृत किया गया है कि वे कहाँ हैं और उन्हें कहाँ होने की आवश्यकता है। इन संकेतों को कम्प्यूटेशनल रिवॉर्ड्स के रूप में समझकर, हम अंततः अस्तित्व की उस प्राचीन, मौल संचार भाषा को डिकोड करना शुरू कर सकते हैं जो हर धड़कन और हर निर्णय को संचालित करती है।