A Drosophila connectome prior enables adaptable embodied control
यह अध्ययन प्रदर्शित करता है कि एम्बोडीड कंट्रोल (embodied control) के लिए वयस्क *ड्रोसोफिला* ब्रेन कनेक्टोम को एक निश्चित संरचनात्मक प्रायर (fixed structural prior) के रूप में उपयोग करने से मानक कृत्रिम तंत्रिका नेटवर्क की तुलना में विविध लोकोमोशन कार्यों, शारीरिक आकारिकी और पर्यावरणीय जटिलताओं में बेहतर अनुकूलन क्षमता और सुदृढ़ता प्राप्त होती 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
बुद्धि केवल मस्तिष्क के भीतर होने वाली कोई चीज़ नहीं है; यह एक शरीर और दुनिया के बीच का संवाद है। किसी जानवर के चलने के लिए, उसके तंत्रिका तंत्र को लगातार यह अनुवाद करना पड़ता है कि वह क्या महसूस करता है और देखता है, ताकि वह उन क्रियाओं में बदल सके जो उसे संतुलित रखने और आगे बढ़ने में मदद करें। यह प्रक्रिया, जिसे 'एम्बोडीड कंट्रोल' (embodied control) कहा जाता है, अविश्वसनीय रूप से कठिन है क्योंकि दुनिया कभी स्थिर नहीं होती। एक जीव को अपने कदम तब बदलने पड़ते हैं जब ज़मीन ऊबड़-खाबड़ हो जाए, जब कोई शिकारी सामने आए तो उसे तेज़ी से मुड़ना पड़ता है, या जब उसे भोजन का आभास हो तो अपनी गति बढ़ानी पड़ती है। हालाँकि इंजीनियरों ने ऐसे रोबोट बनाए हैं जो ऊबड़-खाबड़ रास्तों पर चल सकते हैं, लेकिन वे अक्सर जटिल कंप्यूटर प्रोग्रामों पर निर्भर होते हैं जिन्हें विशेष रूप से एक विशिष्ट शरीर के आकार या एक प्रकार के वातावरण के लिए प्रशिक्षित किया जाता है। यदि आप रोबोट के पैरों को बदल दें या फर्श की बनावट बदल दें, तो वह प्रोग्राम अक्सर विफल हो जाता है। यह वैज्ञानिकों के लिए एक मौलिक प्रश्न खड़ा करता है: क्या एक जैविक तंत्रिका तंत्र के जुड़ने का विशिष्ट तरीका उसे वह विशेष क्षमता प्रदान करता है जो कृत्रिम प्रणालियों में नहीं होती? इसे जानने के लिए, शोधकर्ताओं ने फल वाली मक्खी (फ्रूट फ्लाई) की ओर रुख किया, जो एक ऐसा जीव है जिसका तंत्रिका तंत्र अत्यंत सूक्ष्म विवरण के साथ, उसकी तंत्रिका कोशिकाओं के बीच के हर एक संबंध तक, मैप किया गया है।
शोधकर्ताओं ने एक वयस्क फल वाली मक्खी के मस्तिष्क के कनेक्शनों के पूर्ण मानचित्र, जिसे 'कनेक्टोम' (connectome) कहा जाता है, को लिया और इसका उपयोग एक डिजिटल मक्खी के कंप्यूटर सिमुलेशन के लिए एक निश्चित "मस्तिष्क" के रूप में किया। इस डिजिटल मक्खी के पास छह पैर, ज़मीन को महसूस करने वाले सेंसर और चलने के लिए मांसपेशियां थीं। टीम ने मस्तिष्क के मानचित्र को फिर से नहीं जोड़ा; इसके बजाय, उन्होंने कनेक्शनों को ठीक वैसा ही रखा जैसा वे प्रकृति में हैं और केवल मक्खी को यह सिखाया कि अपने सेंसर को कैसे पढ़ा जाए और मांसपेशियों को संकेत कैसे भेजे जाएं। फिर उन्होंने इस डिजिटल मक्खी को परीक्षणों की एक श्रृंखला से गुज़ारा, जिसमें उसे समतल ज़मीन पर चलने, बढ़ती ऊंचाई के ब्लॉकों पर चढ़ने, विभिन्न दिशाओं में मुड़ने और अपनी गति बदलने के लिए कहा गया। उन्होंने इस मक्खी की तुलना एक मानक कृत्रिम बुद्धिमत्ता (AI) कार्यक्रम के विरुद्ध की, जिसे शून्य से सीखने के लिए डिज़ाइन किया गया था।
जब मक्खियाँ समतल ज़मीन पर स्थिर गति से चलीं, तो दोनों ने समान रूप से प्रदर्शन किया। इससे पता चला कि सरल, अपरिवर्तित कार्यों के लिए प्राकृतिक मस्तिष्क मानचित्र स्वाभाविक रूप से श्रेष्ठ नहीं था। हालाँकि, जैसे ही स्थिति बदली, अंतर स्पष्ट हो गया। जब डिजिटल मक्खी को लगभग आधा मिलीमीटर ऊंचे ब्लॉकों पर चढ़ना था, तो प्राकृतिक मस्तिष्क मानचित्र वाली मक्खी कृत्रिम वाली की तुलना में बहुत अधिक बार सफलतापूर्वक उन्हें पार कर पाई। वह अधिक सुचारू रूप से भी चली, जिसमें कम झटकेदार गति थी, और गति में बदलाव को ट्रैक करने में भी बेहतर थी, जैसे कि जब उसे एक विशिष्ट पैटर्न में त्वरित होने या धीमा होने के लिए कहा गया। जब मक्खी को मुड़ना था, तो प्राकृतिक मस्तिष्क मानचित्र ने उसे कम बर्बाद गति के साथ अधिक सटीकता से अपने शरीर को पुनर्गठित करने में सक्षम बनाया। कृत्रिम प्रोग्राम इन समायोजनों को करने में संघर्ष करता था, अक्सर अपने लक्ष्य से आगे निकल जाता था या अपना संतुलन खो देता था।
यह समझने के लिए कि प्राकृतिक मानचित्र बेहतर क्यों काम कर रहा था, शोधकर्ताओं ने सिमुलेशन के भीतर देखा कि सूचना कैसे प्रवाहित होती है। उन्होंने पाया कि जब मक्खी को किसी कठिन बाधा का सामना करना पड़ा, तो प्राकृतिक मस्तिष्क मानचित्र ने स्वाभाविक रूप से विशिष्ट मार्गों को सक्रिय कर दिया जो पैरों के सेंसरों को मोटर कमांड से जोड़ते थे। ये मार्ग, जिनमें वे न्यूरॉन्स शामिल हैं जो शरीर से ऊपर की ओर संकेत ले जाते हैं और वे भी जो मस्तिष्क से नीचे की ओर आदेश ले जाते हैं, एक समन्वित तरीके से मिलकर काम करते प्रतीत हुए, जिसे कृत्रिम प्रोग्राम को दोहराने की आवश्यकता नहीं थी। प्राकृतिक प्रणाली में एक अंतर्निहित लचीलापन दिखाई दिया, जिससे वह बिना यह बताए कि उसे क्या करना है, काम के लिए नेटवर्क के सही हिस्सों को जुटाने में सक्षम हुई। इसके अलावा, शोधकर्ताओं ने पाया कि प्राकृतिक मस्तिष्क मानचित्र छोटे त्रुटियों या इसकी सेटिंग्स में बदलाव के प्रति अधिक मजबूत (robust) था, जो यह सुझाव देता है कि इसकी संरचना नए व्यवहार सीखने के लिए एक स्थिर आधार बनाती है।
सबसे उल्लेखनीय हिस्सा तब आया जब शोधकर्ताओं ने परीक्षण किया कि क्या यह लाभ तब भी बना रहता है जब स्वयं शरीर बदल जाता है। उन्होंने फल वाली मक्खी के बिल्कुल उसी निश्चित मस्तिष्क मानचित्र को लिया और उसे बहुत अलग जानवरों के शरीरों से जोड़ा: एक चार पैरों वाला चींटी, एक दो पैरों वाला रोबोट, एक तीन पैरों वाला ट्रिपॉड और एक छह पैरों वाला हेक्सापॉड। हर मामले में, उस मस्तिष्क मानचित्र ने जो एक मक्खी के लिए विकसित हुआ था, नए शरीरों को कृत्रिम प्रोग्रामों की तुलना में बेहतर ढंग से चलने में मदद की। यह लाभ विशेष रूप से तब स्पष्ट हुआ जब जानवरों को जटिल भूलभुलैया (मेज़) से गुजरना था। जैसे-जैसे भूलभुलैया कठिन होती गई, जिसमें अधिक मोड़ और बंद रास्ते थे, मक्खी-मस्तिष्क नियंत्रक कृत्रिम नियंत्रकों की तुलना में रास्ता खोजने में तेजी से बेहतर होता गया। भले ही मक्खी का मस्तिष्क छह पैरों वाले कीट के लिए डिज़ाइन किया गया था, लेकिन उसने एक दो पैरों वाले रोबोट को सीधा खड़ा होने और एक चार पैरों वाली चींटी को तेज़ और अधिक सीधे दौड़ने में मदद की। अध्ययन बताता है कि मक्खी के मस्तिष्क की वायरिंग में अनुकूलन का एक सामान्य सिद्धांत निहित है जिसे विभिन्न शरीर आकारों में स्थानांतरित किया जा सकता है।
यह कार्य यह दावा नहीं करता है कि हम बस एक मक्खी के मस्तिष्क की नकल कर सकते हैं और उसे किसी भी रोबोट में डाल सकते हैं। सिमुलेशन ने दिखाया कि प्राकृतिक वायरिंग एक मजबूत शुरुआती बिंदु, या एक "प्रायर" (prior) प्रदान करती है, जो नई गतिविधियों को सीखना आसान और अधिक विश्वसनीय बनाती है। कृत्रिम प्रोग्रामों को अभी भी अपने नए शरीरों के सेंसरों को पढ़ने और मांसपेशियों को चलाने के बारे में सीखना आवश्यक था, लेकिन जब उन्होंने मक्खी के मस्तिष्क मानचित्र से शुरुआत की, तो उन्होंने शून्य से शुरू करने की तुलना में बहुत तेज़ी से सीखा और बेहतर प्रदर्शन किया। परिणाम बताते हैं कि विकास (evolution) ने तंत्रिका तंत्रों को न केवल विशिष्ट कार्यों को करने के लिए, बल्कि एक लचीली संरचना प्रदान करने के लिए आकार दिया है जो वास्तविक दुनिया के अप्रत्याशित परिवर्तनों को संभाल सके। फल वाली मक्खी के मस्तिष्क का उपयोग करके, शोधकर्ताओं ने दिखाया है कि न्यूरॉन्स कैसे जुड़े हुए हैं, यह उतना ही महत्वपूर्ण है जितना कि स्वयं न्यूरॉन्स, जो बदलते संसार के अनुकूल मशीनें बनाने के लिए एक नया ब्लूप्रिंट 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।