How Recurrent Neural Information Flow Can Generate a Setpoint
यह शोध पत्र प्रदर्शित करता है कि आवर्ती तंत्रिका नेटवर्क (recurrent neural networks) में, एक अद्वितीय और स्थिर गतिविधि सेटपॉइंट प्लास्टिसिटी या बाहरी लक्ष्यों से नहीं, बल्कि उत्तेजक-निरोधात्मक लूप्स (excitatory-inhibitory loops) के माध्यम से सूचना के अंतर्निहित प्रवाह से उभरता है, जहाँ स्थिरता सख्ती से फीडबैक गेन, विलंब और एक चैनल क्षमता द्वारा नियंत्रित होती है जिसे उस दर से अधिक होना चाहिए जिस पर नेटवर्क अस्थिरता अपने स्वयं के राज्य के बारे में सूचना उत्पन्न करती 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
मस्तिष्क कोशिकाओं का एक विशाल नेटवर्क है जो सोचने, महसूस करने और चलने के लिए विद्युत संकेतों को प्रवाहित करती हैं। इस प्रणाली के कार्य करने के लिए, गतिविधि का समग्र स्तर एक विशिष्ट सीमा के भीतर रहना चाहिए। यदि यह बहुत कम फायर करता है, तो यह शांत हो जाता है और काम करना बंद कर देता है; यदि यह बहुत अधिक फायर करता है, तो यह अराजक, अनियंत्रित विस्फोटों में बदल सकता है। जीव विज्ञानियों को लंबे समय से पता है कि मस्तिष्क में इस गतिविधि को नियंत्रित रखने के तंत्र होते हैं, जो अक्सर समय के साथ कोशिकाओं के बीच के कनेक्शन की ताकत को समायोजित करके काम करते हैं। हालाँकि, एक सटीक प्रश्न अनुत्तरित रह गया है: वह लक्ष्य स्तर (टारगेट लेवल) मूल रूप से आता कहाँ से है? क्या मस्तिष्क को एक अलग, समर्पित नियंत्रण केंद्र की आवश्यकता है जो लगातार गतिविधि को मापता है और उत्तेजक न्यूरॉन्स को कितनी तेजी से फायर करना है, यह बताने के लिए एक "लक्ष्य" संकेत भेजता है? या क्या नेटवर्क स्वयं, अपने हिस्सों के बीच संकेतों के सरल आगे-पीछे प्रवाह के माध्यम से, बिना किसी बाहरी निर्देश के स्वाभाविक रूप से एक स्थिर ऑपरेटिंग स्तर पर स्थिर हो सकता है?
वाशिंगटन स्टेट यूनिवर्सिटी के लुसियानो फर्नांडीस द्वारा किया गया एक नया अध्ययन एक न्यूरल नेटवर्क के विस्तृत गणितीय मॉडल का उपयोग करके इस प्रश्न की खोज करता है। शोधकर्ताओं ने एक आभासी मस्तिष्क सर्किट बनाया जिसमें न्यूरॉन्स के दो मुख्य समूह शामिल थे: उत्तेजक (excitatory) कोशिकाएं जो फायरिंग को प्रोत्साहित करती हैं और निरोधात्मक (inhibitory) कोशिकाएं जो इसे दबाती हैं। उनके मॉडल में, ये समूह एक लूप में जुड़े हुए हैं जहाँ उत्तेजक कोशिकाएं निरोधात्मक कोशिकाओं को संचालित करती हैं, जो बदले में उत्तेजक कोशिकाओं को शांत करने के लिए एक संकेत वापस भेजती हैं। महत्वपूर्ण रूप से, इस मॉडल में कोई बाहरी "सेटपॉइंट" चर, दर को मापने वाला कोई अलग सेंसर, और न ही कोई प्लास्टिसिटी (plasticity) नहीं है जो समय के साथ कनेक्शन को बदलती है। एकमात्र फीडबैक स्वयं निरोधात्मक कोशिकाओं से आता है। अध्ययन यह पूछता है कि क्या यह सरल लूप, जो केवल निरोधात्मक कोशिकाओं से उत्तेजक कोशिकाओं की ओर सूचना के प्रवाह द्वारा संचालित होता है, एक स्थिर फायरिंग दर बनाने और बनाए रखने के लिए पर्याप्त है।
शोधकर्ताओं ने पाया कि उत्तर 'हाँ' है, लेकिन केवल बहुत विशिष्ट परिस्थितियों में। स्थिर फायरिंग दर का मान पूरी तरह से लूप के चारों ओर बहने वाली गतिविधि के संतुलन द्वारा निर्धारित होता है। यह एक ऐसा फिक्स्ड पॉइंट है जहाँ उत्तेजना (excitation) और निषेध (inhibition) एक-दूसरे को पूरी तरह से रद्द कर देते हैं, जिससे एक अद्वितीय, स्थिर लय बनती है। हालाँकि, इस स्तर को स्थिर होने के लिए—अर्थात, एक छोटे से व्यवधान के बाद नेटवर्क इसमें वापस लौट आए—निरोधात्मक संकेत को सही शक्ति और गति के साथ नेटवर्क की वर्तमान स्थिति के बारे में जानकारी उत्तेजक कोशिकाओं तक वापस पहुँचानी चाहिए। यदि फीडबैक बहुत कमजोर है, तो नेटवर्क स्तर से भटक जाएगा; यदि यह बहुत मजबूत है, तो यह बेतहाशा दोलन (oscillate) करने लगेगा। अध्ययन गणितीय रूप से सिद्ध करता है कि फीडबैक स्ट्रेंथ का एक सटीक विंडो है जहाँ स्तर स्थिर रहता है, और सिग्नल के यात्रा समय में कितनी देरी की अनुमति दी जा सकती है, इसकी एक महत्वपूर्ण सीमा है।
इस शोध पत्र की एक केंद्रीय खोज यह है कि इस स्थिरता को बनाए रखना मौलिक रूप से एक सूचना संबंधी समस्या है। नेटवर्क स्वाभाविक रूप से अपने आप में अस्थिर है; निरोधात्मक फीडबैक के बिना, शुरुआती अवस्था में कोई भी सूक्ष्म अंतर तेजी से बढ़ेगा, जिससे नेटवर्क एक अलग अवस्था की ओर भाग जाएगा। इसे रोकने के लिए, निरोधात्मक पथ को नेटवर्क की वर्तमान स्थिति के बारे में जानकारी वापस उत्तेजक कोशिकाओं तक पहुँचानी होगी। अध्ययन गणना करता है कि सिस्टम को स्थिर रखने के लिए सूचना के प्रवाह की न्यूनतम दर कितनी होनी चाहिए। उनके द्वारा विश्लेषण किए गए विशिष्ट नेटवर्क के लिए, यह न्यूनतम दर लगभग 28.9 बिट्स प्रति सेकंड है। इसका अर्थ है कि फीडबैक चैनल में हर सेकंड कम से कम इतनी जानकारी ले जाने की क्षमता होनी चाहिए। यदि चैनल इससे धीमा है, या यदि संकेत वर्तमान स्थिति पर निर्भर नहीं है (उदाहरण के लिए, यदि यह एक निरंतर, अपरिवर्तनीय संकेत है), तो नेटवर्क अपना स्थिर स्तर खो देता है और अराजकता या कम-गतिविधि वाली अवस्था में ढह जाता है।
इन सैद्धांतिक सीमाओं का परीक्षण करने के लिए, शोधकर्ताओं ने नेटवर्क के कंप्यूटर सिमुलेशन चलाए, जिसमें 10,000 व्यक्तिगत न्यूरॉन्स शामिल थे जो वास्तविक मस्तिष्क कोशिकाओं की तरह फायर करते हैं। उन्होंने प्राकृतिक, निरंतर निरोधात्मक संकेत को डिजिटल कोडों से बदल दिया जो विभिन्न गति से सूचना प्रसारित करते थे। जब उन्होंने एक कुशल कोडिंग पद्धति का उपयोग किया जिसने सूचना को सघन रूप से पैक किया, तो नेटवर्क ने अपने स्थिर स्तर को तब तक बनाए रखा जब तक कि ट्रांसमिशन दर गणना की गई न्यूनतम 28.9 बिट्स प्रति सेकंड से थोड़ी ऊपर थी। जब दर इस दहलीज से थोड़ी भी नीचे गिरी, तो नेटवर्क स्तर बनाए रखने में विफल रहा, चाहे कोड की संरचना कैसी भी हो। इसके विपरीत, जब उन्होंने अक्षम कोडिंग विधियों का उपयोग किया, तो नेटवर्क को स्थिर रहने के लिए बहुत उच्च ट्रांसमिशन दर की आवश्यकता थी। इसने पुष्टि की कि यह सीमा केवल एक सैद्धांतिक जिज्ञासा नहीं है, बल्कि एक कठोर बाधा है कि फीडबैक लूप को कितनी सूचना ले जानी चाहिए।
अध्ययन ने यह भी जांचा कि नेटवर्क इनपुट में बदलाव को कैसे संभालता है। जबकि नेटवर्क छोटे, अस्थायी झटकों का विरोध कर सकता है और अपने स्थिर स्तर पर लौट सकता है, यह इनपुट में निरंतर, स्थिर परिवर्तन को अनदेखा नहीं कर सकता है। यदि शोधकर्ताओं ने उत्तेजक कोशिकाओं में निरंतर अतिरिक्त करंट लगाया, तो स्थिर स्तर एक नए मान की ओर स्थानांतरित हो गया। यह प्रकट करता है कि इस सूचना प्रवाह द्वारा उत्पन्न स्तर एक "सेटलिंग पॉइंट" (settling point) है न कि एक कठोर "सेटपॉइंट"। यह एक ऐसी स्थिर अवस्था है जहाँ नेटवर्क व्यवधानों के बाद स्वाभाविक रूप से लौट आता है, लेकिन यदि अंतर्निहित स्थितियाँ स्थायी रूप से बदल जाती हैं, तो यह बदल जाता है। यह अंतर महत्वपूर्ण है क्योंकि यह दिखाता है कि यहाँ वर्णित तंत्र यह समझाता है कि एक नेटवर्क शोर (noise) के विरुद्ध एक स्तर को कैसे बनाए रख सकता है, लेकिन यह नहीं समझाता कि मस्तिष्क दीर्घकालिक परिवर्तनों के विरुद्ध एक निश्चित स्तर को कैसे बनाए रखता है, जिसके लिए संभवतः अतिरिक्त जैविक प्रक्रियाओं की आवश्यकता होती है जो इस मॉडल में शामिल नहीं हैं।
निष्कर्ष बताते हैं कि मस्तिष्क की स्थिर फायरिंग दर बनाए रखने की क्षमता एक अलग, समर्पित नियंत्रक पर निर्भर नहीं हो सकती है। इसके बजाय, स्थिरता इस तथ्य से उत्पन्न होती है कि निरोधात्मक न्यूरॉन्स उत्तेजक कोशिकाओं को सूचना वापस भेजते हैं। नेटवर्क अपने स्तर को इसलिए बनाए रखता है क्योंकि निरोधात्मक फीडबैक नेटवर्क की वर्तमान स्थिति के बारे में पर्याप्त जानकारी ले जाता है ताकि नेटवर्क के भटकने की स्वाभाविक प्रवृत्ति का मुकाबला किया जा सके। यह सूचना प्रवाह उस गोंद की तरह काम करता है जो सिस्टम को एक साथ रखता है। यह शोध एक सटीक, परीक्षण योग्य भविष्यवाणी प्रदान करता है: किसी भी जैविक सर्किट में जो इस प्रकार के निषेध-स्थिरीकरण तंत्र (inhibition-stabilized mechanism) पर निर्भर करता है, निरोधात्मक संकेत ले जाने वाले पथ में सूचना प्रसारित करने की क्षमता एक विशिष्ट न्यूनतम दर से अधिक होनी चाहिए। यदि संकेत बहुत धीमा, बहुत शोर वाला, या बहुत विलंबित है, तो सर्किट अपना स्थायित्व खो देगा। यह तंत्र के नियमन के बारे में सोचने का एक नया तरीका प्रदान करता है, जो मस्तिष्क की गतिविधि के रखरखाव को एक लक्ष्य से मेल खाने के बजाय, एक निरंतर, सूचना-सैद्धांतिक संतुलन के रूप में प्रस्तुत करता है जहाँ डेटा का प्रवाह ही स्थिरता पैदा 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।