कृत्रिम तंत्रिका नेटवर्क मस्तिष्क की तरह नेविगेशन कोशिकाओं को विकसित करते हैं

एक छोटा रास्ता खोजने की क्षमता, बिंदु "ए" से बिंदु "बी" तक सबसे अधिक प्रत्यक्ष आज तर्कसंगत परीक्षा के प्रभावशाली परीक्षण की तरह नहीं दिखता है। हालांकि, कुछ समय पहले जर्नल नेचर में प्रकाशित एक नई रिपोर्ट के अनुसार, जिसमें शोधकर्ताओं ने कृत्रिम बुद्धिमत्ता के अपने नेविगेशन सिस्टम के बारे में बात की थी, जटिल नकली स्थानों का पता लगाने और एक लक्ष्य के लिए सबसे छोटा रास्ता खोजने की क्षमता मनुष्य के समान ही सिस्टम पर डालती है। और अन्य जानवर।

वांछित प्रदर्शन के लिए एक अप्रत्याशित कुंजी यह थी कि प्रशिक्षण के दौरान, नेटवर्क ने सहज रूप से "ग्रिड कोशिकाओं" के बराबर वृद्धि की - मस्तिष्क कोशिकाओं का एक सेट जो अंतरिक्ष में कई स्तनधारियों को उनकी स्थिति को ट्रैक करने की अनुमति देता है।

न्यूरोसाइंटिस्टों के लिए, यह काम संभवतः आपको यह समझने में एक महत्वपूर्ण कड़ी बताएगा कि जीवित मस्तिष्क में जाली न्यूरॉन्स आपको नौवहन क्षमताओं को कैसे विकसित करने की अनुमति देते हैं। काम यह भी दर्शाता है कि भविष्य के अनुसंधान पर तंत्रिका नेटवर्क का बड़ा प्रभाव कैसे हो सकता है। यूनिवर्सिटी कॉलेज लंदन के नील बर्गेस, जिन्होंने अध्ययन में भाग नहीं लिया, ने सुझाव दिया कि ऐसी प्रणालियों को "इस तरह से मस्तिष्क क्यों और क्यों काम करता है, यह समझने के लिए उपजाऊ जमीन प्रदान करनी चाहिए।"

इस बीच, कृत्रिम बुद्धि के क्षेत्र में शोधकर्ताओं के लिए, स्वचालित नेविगेशन सिस्टम में सुधार के लिए इस काम की उपयोगिता स्पष्ट है। लेकिन यह बुद्धि को समझने और बुद्धिमान प्रणालियों के विकास के सामान्य सिद्धांतों में एक बड़ा योगदान दे सकता है।

दीपमाइंड एंड यूनिवर्सिटी कॉलेज लंदन के कैसवेल बैरी के शोधकर्ता एंड्रिया बानिनो के अनुसार, जो नेचर में लेख के मुख्य लेखक थे, यह प्रोजेक्ट उस जाली न्यूरॉन्स के कार्य के बारे में एक प्रश्न से विकसित हुआ, जिसका उन्होंने अध्ययन किया था। कई जानवरों के नेविगेशन में उनकी महत्वपूर्ण भूमिका के कारण जाली न्यूरॉन्स को अक्सर "मस्तिष्क का जीपीएस" कहा जाता है। एडवर्ड मोजर और मे-ब्रिट माउजर को नौ साल पहले उनकी खोज के लिए 2014 में नोबेल पुरस्कार मिला था। हेक्सागोनल सरणियों में आयोजित न्यूरॉन्स के ये समूह, कुल मिलाकर जहाजों, विमानों और रॉकेटों की जड़त्वीय नेविगेशन प्रणालियों के समान परिणाम देते हैं - वे अंतरिक्ष में शरीर के आंदोलनों की समझ भी पूर्ण अंधेरे में देते हैं। बैरी ने कहा, "अपेक्षाकृत बोलचाल की भाषा में, वे आपके पूर्वानुमान का अद्यतन करते हैं कि आप किस तरह से आगे बढ़ते हैं।"

इस कारण से, तंत्रिका विज्ञानी "पथ एकीकरण" के कार्य के लिए जाली न्यूरॉन्स को विशेषता देते हैं - नेविगेशन का एक अवचेतन सहज रूप जो बाहरी संकेतों को ध्यान में नहीं रखता है: उदाहरण के लिए, "पांच कदम आगे ले जाएं, 90 डिग्री बाईं ओर मुड़ें, और फिर से एक और 15 कदम आगे बढ़ें"। लेकिन कुछ प्रयोगों ने यह संकेत दिया कि ये न्यूरॉन्स अन्य कार्यों को भी करते हैं, यहां तक ​​कि नेविगेशन से परे भी। उदाहरण के लिए, कुछ प्रयोगों ने आंदोलन के दौरान समय और दूरी को मापने जैसे कार्यों में इस प्रकार के न्यूरॉन्स की भागीदारी को दिखाया है। बैरी नोट के रूप में, यदि जाली न्यूरॉन्स वस्तुओं और स्थानों का एक स्थानिक संदर्भ प्रदान करते हैं, तो "सिद्धांत रूप में, आप इन बिंदुओं के बीच सीधे मार्गों की गणना करने के लिए उनका उपयोग कर सकते हैं," अर्थात, जिसे "वेक्टर नेविगेशन" कहा जाता है।

नेविगेशन समस्याओं में इन न्यूरॉन्स की भूमिका का अध्ययन करने के लिए, शोधकर्ताओं ने गहराई से प्रशिक्षित तंत्रिका नेटवर्क का उपयोग करने का निर्णय लिया। यह समझने के लिए कि पथ खोज कैसे काम करती है, उन्होंने पहले एक एजेंट के लिए एक तंत्रिका नेटवर्क बनाया जो एक छोटे से सिम्युलेटेड स्थान पर चलता है। "हम समझना चाहते थे कि क्या हम एक तंत्रिका नेटवर्क बना सकते हैं ताकि यह खुद जाली न्यूरॉन्स की समानता विकसित करने के लिए शुरू हो," बैरी ने कहा।

तंत्रिका नेटवर्क ने काम किया, और, बैरी के अनुसार, "यह आश्चर्यजनक है कि यह कितनी अच्छी तरह काम करता है।" इस प्रक्रिया में, "ग्रिड इकाइयाँ" अनायास उठीं, जो कि हम जानवरों के दिमाग में हेक्सागोनल ग्रिड प्रारूप के ठीक नीचे की चीजों के समान थीं।



ये चित्र लाइव और कृत्रिम न्यूरॉन्स के ट्रिगर को दर्शाते हैं। नेविगेशन कार्यों के लिए तंत्रिका नेटवर्क में सहज रूप से उत्पन्न होने वाले जाली मॉड्यूल हड़ताली न्यूरॉन्स के मस्तिष्क के समान हैं, जो उनके हेक्सागोनल आकार तक हैं।

शोधकर्ताओं ने सिस्टम में तंत्रिका नेटवर्क क्षमताओं को जोड़ा, जिसने नकली एजेंटों को आभासी भूलभुलैया में लक्ष्य के लिए सही रास्ता खोजने में मदद की। जाली मॉड्यूल वाला एक सिस्टम उनके बिना समान प्रणाली से बेहतर परिमाण का एक आदेश था। उदाहरण के लिए, सिस्टम समझ सकता है कि क्या पहले से बंद मार्ग ने लक्ष्य को छोटा रास्ता दिया और उसे चुना। बैनिनो के अनुसार, इस कौशल ने प्रदर्शित किया कि तंत्रिका नेटवर्क में जाली मॉड्यूल ने वेक्टर नेविगेशन प्रदान किया क्योंकि उन्हें लक्ष्य की स्थिति के आधार पर छोटे और अधिक सीधे रास्ते मिले।

"मुझे लगता है कि इस काम के लिए धन्यवाद, हम साबित करने में सक्षम थे कि सबसे कम पथ खोज बनाने के लिए जाली न्यूरॉन्स का उपयोग कैसे किया जाता है," बानिनो ने कहा। इस प्रकार, परिणाम इस सिद्धांत की पुष्टि करते हैं कि मस्तिष्क में जाली न्यूरॉन्स पथ एकीकरण कार्य और वेक्टर नेविगेशन कार्य दोनों करने में सक्षम हैं। उन्होंने कहा कि जीवित चीजों के मामले में तुलनात्मक प्रायोगिक साक्ष्य परिमाण का एक क्रम अधिक कठिन होगा।



भूलभुलैया के प्रयोगों की एक श्रृंखला में, परीक्षण किए गए सभी तंत्रिका नेटवर्क लक्ष्य तक पहुंचने में सक्षम थे। लेकिन यदि बाधाओं में से एक को हटा दिया गया था, तो केवल जाली न्यूरॉन्स वाले नेटवर्क ने इसे पहचान लिया और इस पथ को सबसे अधिक पसंद किया गया। अन्य सिस्टम उपलब्ध मार्गों में से किसी एक को चुनना जारी रखते थे।

"एक दिलचस्प खोज यह है कि एक समान दृष्टिकोण का उपयोग अन्य तंत्रिका विज्ञान कार्यों के लिए किया जा सकता है," बैरी ने कहा। उदाहरण के लिए, शोधकर्ताओं ने अंग नियंत्रण का कार्य इंगित किया। तंत्रिका नेटवर्क को एक रोबोट बांह को नियंत्रित करने के लिए प्रशिक्षित किया जा सकता है, जैसे मस्तिष्क एक जीवित हाथ को नियंत्रित करता है, और फिर प्रयोगों की एक श्रृंखला का संचालन करता है जो कि जीवित प्रणालियों में इन प्रक्रियाओं के होने के बारे में महत्वपूर्ण सुराग प्रदान कर सकते हैं। "यह दृष्टिकोण संभवतः तंत्रिका विज्ञान के क्षेत्र में एक सार्वभौमिक उपकरण बन सकता है।"

"यह एक बहुत ही शानदार परिणाम है," कैलिफोर्निया विश्वविद्यालय, सैन डिएगो में न्यूरोसाइंस के प्रोफेसर स्टीफन लोयटगेब ने अभिव्यक्त किया। "मुझे लगता है कि उन्होंने इस तथ्य के पक्ष में एक बहुत अच्छा तर्क दिया कि वेक्टर नेविगेशन जाली न्यूरॉन्स का एक कार्य है। लंबे समय तक यह केवल एक धारणा थी, लेकिन मुझे लगता है कि वे एक संभावित तंत्र के समाधान के लिए जितना संभव हो उतना करीब हो गए। ”

उसी समय, उन्होंने कहा कि: "किसी भी कम्प्यूटेशनल दृष्टिकोण की अपनी सीमाएँ हैं। और यह तथ्य कि यह एक मॉडल पर काम कर सकता है, इसका मतलब यह नहीं है कि यह इस तरह से जीवित जीवों में काम करता है। "

फ्रांसेस्को Savelli, जॉन्स हॉपकिंस विश्वविद्यालय में न्यूरोसाइंटिस्ट, जिन्होंने लेख के साथ टिप्पणियों का सह-लेखक किया है, का दृष्टिकोण समान है। वह इसे बहुत दिलचस्प मानते हैं कि "आप किसी भी तरह उन्हें सीधे प्रोग्रामिंग के बिना जाली न्यूरॉन्स प्राप्त करते हैं, लेकिन वे अभी भी आत्म-संगठन के रूप में दिखाई देते हैं।" लेकिन एक ही समय में, "चूंकि यह एक सटीक जैविक प्रणाली नहीं है, इसलिए आप पूरी तरह से निश्चित नहीं हो सकते हैं कि यह कौन सा निष्कर्ष देता है।"

"जब तक आप इस ब्लैक बॉक्स पर नज़र नहीं डालेंगे और नेटवर्क को एक जैविक की तरह थोड़ा अधिक बना देंगे, कुछ बिंदु पर आप न्यूरोबायोलॉजिकल रिसर्च के बारे में सीमा में चलेंगे," उन्होंने कहा।

दूसरी ओर, यह एक तकनीकी दृष्टिकोण से उत्साहजनक है कि "ये गहन शिक्षण प्रणालियां उन समस्याओं को हल कर सकती हैं जो मस्तिष्क के उच्च संज्ञानात्मक कार्यों के समान हैं।" "यह एक अच्छा प्रदर्शन है जो गहन शिक्षण उच्च संज्ञानात्मक कार्यों जैसे कार्यों तक बढ़ा सकता है।"

यह माना जा सकता है कि डीपमाइंड शोधकर्ता इस नेविगेशन नेटवर्क का उपयोग, शोध रोबोट या भविष्य के ड्रोन की क्षमताओं को सुधारने, कहने के लिए करेंगे। लेकिन बैनिनो के अनुसार, उनकी योजनाएं कम केंद्रित और अधिक महत्वाकांक्षी हैं। "हम मानते हैं कि नेविगेशन बुद्धिमत्ता के मूलभूत गुणों में से एक है," उन्होंने कहा। "व्यक्तिगत रूप से, हम सार्वभौमिक एल्गोरिथ्म बनाने के अलावा किसी भी एप्लिकेशन के बारे में नहीं सोचते हैं।"

"मस्तिष्क एक सार्वभौमिक एल्गोरिथ्म का एकमात्र उदाहरण है," उन्होंने कहा। "तो उससे क्यों नहीं सीखा।"