गणितीय मॉडल दृष्टि के रहस्यों को प्रकट करता है

गणितज्ञों और न्यूरोसाइंटिस्टों ने पहला एनाटोमिकली सटीक मॉडल बनाया जिसमें बताया गया है कि दृष्टि कैसे काम करती है

मानव दृष्टि का महान रहस्य यह है: हम अपने आसपास की दुनिया की एक समृद्ध छवि का अनुभव करते हैं, इस तथ्य के बावजूद कि हमारे मस्तिष्क की दृश्य प्रणाली इसके बारे में बहुत कम जानकारी प्राप्त करती है। हम जो "देखते हैं" अधिकांश वही है जो हम अपने सिर में लगाते हैं।

न्यूयॉर्क विश्वविद्यालय के गणितज्ञ लाई-सांग यंग ने कहा, "आपको लगता है कि आप जो सोचते हैं, वह वास्तव में आपके साथ आ रहा है।" "आप वास्तव में उन्हें नहीं देखते हैं।"

हालांकि, मस्तिष्क, जाहिर है, दृश्य दुनिया का आविष्कार करने के कार्य के साथ अच्छी तरह से मुकाबला करता है, क्योंकि हम आमतौर पर दरवाजे का सामना नहीं करते हैं। दुर्भाग्य से, अकेले शरीर रचना का अध्ययन हमें बिल्कुल नहीं दिखाता है कि मस्तिष्क इन छवियों को कैसे बनाता है - कार इंजन पर एक करीब से अधिक कुछ भी नहीं आपको थर्मोडायनामिक्स के कानूनों को प्रकट करने की अनुमति देगा।

एक नए अध्ययन से पता चलता है कि समझने की कुंजी गणित में निहित है। पिछले कुछ वर्षों में, यंग ने विश्वविद्यालय के सहयोगियों रॉबर्ट शैले , एक न्यूरोसाइंटिस्ट और लोगान चारिकर, एक गणितज्ञ के साथ अप्रत्याशित साझेदारी में काम किया है। उन्होंने एक एकीकृत गणितीय मॉडल बनाया जो कई वर्षों के जैविक प्रयोगों के परिणामों को जोड़ता है, और यह बताता है कि मस्तिष्क किस तरह से दृश्य दृश्य जानकारी के आधार पर दुनिया के जटिल दृश्य प्रजनन का उत्पादन करता है।

"सिद्धांतकार का कार्य, जैसा कि मैं इसे देखता हूं, यह है कि हम विभिन्न तथ्यों को लेते हैं और उन्हें एक सुसंगत तस्वीर में लाते हैं," यंग ने कहा। "प्रयोगकर्ता आपको यह नहीं बताएंगे कि कुछ कैसे काम करता है।"

युवा और उनके सहयोगियों ने एक मॉडल बनाया, जिसमें एक समय में दृष्टि का एक मूल तत्व भी शामिल था। उन्होंने बताया कि दृश्य कॉर्टेक्स के न्यूरॉन्स कैसे बातचीत करते हैं, वस्तुओं को पहचानते हैं और इसके विपरीत परिवर्तन करते हैं, और अब वे यह समझाने के लिए काम कर रहे हैं कि मस्तिष्क किस दिशा में वस्तुओं को स्थानांतरित कर रहा है।

उनका काम एक तरह का है। मानव दृष्टि को मॉडल करने के पिछले प्रयास दृश्य कॉर्टेक्स की वास्तुकला का वर्णन करते हुए, इच्छाधारी सोच थे। यंग, शेप्ली, और चारिकर का काम दृश्य कॉर्टेक्स के जटिल, सहज ज्ञान युक्त जीवविज्ञान को पहचानता है, और यह समझाने की कोशिश करता है कि दृष्टि की घटना अभी भी कैसे उत्पन्न होती है।

"मुझे लगता है कि उनका मॉडल उन परिणामों को बेहतर बनाता है जो वास्तव में सच्चे मस्तिष्क शरीर रचना पर आधारित होते हैं। उन्हें जैविक रूप से सही या स्वीकार्य मॉडल की आवश्यकता है, ” एलेसेंड्रा एंजेलुची , यूटा विश्वविद्यालय में एक न्यूरोसाइंटिस्ट ने कहा।

परत पर परत

हम दृष्टि से संबंधित कुछ मुद्दों के बारे में निश्चित हैं।

आंख लेंस की तरह काम करती है। यह बाहरी दुनिया से प्रकाश प्राप्त करता है और आंख के पीछे स्थित रेटिना पर देखने के अवलोकन क्षेत्र की एक छोटे पैमाने पर प्रतिलिपि बनाता है। रेटिना दृश्य कॉर्टेक्स से जोड़ता है, सिर के पीछे स्थित मस्तिष्क का एक हिस्सा।

हालांकि, रेटिना और दृश्य कोर्टेक्स के बीच का संबंध बहुत कमजोर है। लगभग 10 तंत्रिका कोशिकाएं जो रेटिना को जोड़ती हैं और दृश्य प्रांतस्था आकाश के पूर्णिमा के लगभग एक चौथाई के आकार के साथ दृश्य क्षेत्र के प्रत्येक भाग पर पड़ती हैं। वे पार्श्व क्रैंकेड बॉडी, एलकेटी बनाते हैं, एकमात्र तरीका जिसमें दृश्य जानकारी बाहरी दुनिया से मस्तिष्क तक जाती है।

एलकेटी सेल सिर्फ छोटे नहीं हैं - वे लगभग किसी भी चीज में सक्षम नहीं हैं। एलकेटी कोशिकाएँ दृश्य कॉर्टेक्स में एक आवेग भेजती हैं, जो कि दृश्य क्षेत्र के उनके छोटे से हिस्से में अंधेरे से प्रकाश तक या इसके विपरीत परिवर्तन का पता लगाती हैं। और वह यह है। बैकलिट वर्ल्ड डेटा के साथ रेटिना पर बमबारी करता है, लेकिन मस्तिष्क में एलकेटी कोशिकाओं के एक छोटे से संग्रह से काम करने के लिए केवल कुछ दुखी संकेत हैं। इस तरह की अल्प सूचना के आधार पर दुनिया को देखने की कोशिश करना एक नैपकिन पर डूडल के आधार पर मोबि डिक को फिर से बनाने की कोशिश करने के समान है।

"आप कल्पना कर सकते हैं कि मस्तिष्क जो आप देख रहे हैं उसकी एक तस्वीर ले रहा है," यंग ने कहा। "हालांकि, मस्तिष्क तस्वीरें नहीं लेता है, रेटिना उन्हें करता है, और रेटिना से दृश्य कॉर्टून तक प्रेषित जानकारी दुर्लभ है।"

और फिर दृश्य कॉर्टेक्स काम करना शुरू कर देता है। हालांकि अपेक्षाकृत कम न्यूरॉन्स कॉर्टेक्स और रेटिना को जोड़ते हैं, कॉर्टेक्स खुद तंत्रिका कोशिकाओं का घना समूह है। रेटिना से आने वाले प्रत्येक 10 एलसीटी न्यूरॉन्स के लिए, केवल 4,000 न्यूरॉन्स हैं, जो दृश्य प्रांतस्था के "इनपुट लेयर" में हैं - और निम्नलिखित में और भी अधिक। इस विसंगति से पता चलता है कि मस्तिष्क सक्रिय रूप से प्राप्त होने वाले दृश्य डेटा की छोटी मात्रा को सक्रिय रूप से संसाधित कर रहा है।

"दृश्य कॉर्टेक्स का अपना दिमाग है," शेप्ले ने कहा।

यंग, शेप्ले, और चारिकर जैसे शोधकर्ताओं के लिए, इस दिमाग में क्या हो रहा है, इसे समझने की चुनौती है।

आँख की पुतलियाँ

दृष्टि की तंत्रिका शरीर रचना उत्तेजक है। वह एक विशाल वजन उठाने वाले एक छोटे आदमी की तरह दिखती है, और एक स्पष्टीकरण की आवश्यकता होती है - वह इतने कम उपयोग करके इतना कुछ कैसे प्रबंधित करती है?

युवा, शालेपी और चेरिक पहले वैज्ञानिक नहीं हैं जो गणितीय मॉडल का उपयोग करके इस प्रश्न का उत्तर खोजने का प्रयास करते हैं। लेकिन सभी पिछले लोगों ने सुझाव दिया कि अधिक जानकारी रेटिना और प्रांतस्था के बीच संचारित होती है - इस तरह की धारणा से उत्तेजना के लिए दृश्य प्रांतस्था की प्रतिक्रिया को समझाने का प्रयास किया जा सकता है।

"लोगों ने गंभीरता से नहीं लिया कि एक कम्प्यूटेशनल मॉडल के ढांचे के भीतर जीव विज्ञान से क्या हुआ," शैले ने कहा।

गणितज्ञों के पास परिवर्तनशील घटनाओं में मॉडलिंग की सफलता का एक लंबा इतिहास है, जिसमें बिलियर्ड बॉल्स को अंतरिक्ष-समय के विकास के लिए स्थानांतरित किया गया है। ये "डायनेमिक सिस्टम" के उदाहरण हैं - निश्चित नियमों के अनुसार समय के साथ विकसित होना। मस्तिष्क में सक्रिय होने वाले न्यूरॉन्स की बातचीत भी एक गतिशील प्रणाली का एक उदाहरण है - यद्यपि बहुत पतली है, एक है जो नियमों के एक निश्चित सेट को लटका देना आसान नहीं है।

एलकेटी कोशिकाएं कॉर्टेक्स को 1/10 वोल्ट के वोल्टेज और 1 एमएस की अवधि के साथ विद्युत दालों का एक क्रम भेजती हैं, जो तंत्रिका अंतःक्रियाओं का एक झरना चलाता है। यंग ने कहा कि इन इंटरैक्शन को नियंत्रित करने वाले नियम अधिक परिचित भौतिक प्रणालियों को नियंत्रित करने वाले नियमों की तुलना में "असीम रूप से अधिक जटिल" हैं।


लाई सांग यंग और रॉबर्ट शैले

व्यक्तिगत न्यूरॉन्स सैकड़ों अन्य न्यूरॉन्स से एक साथ सिग्नल प्राप्त करते हैं। इन संकेतों में से कुछ न्यूरोनल सक्रियण को प्रोत्साहित करते हैं। दूसरों पर भारी पड़ रहे हैं। जब इन रोमांचक और दबाने वाले न्यूरॉन्स से विद्युत आवेग प्राप्त करते हैं, तो प्रश्न में न्यूरॉन की झिल्ली पर वोल्टेज में उतार-चढ़ाव देखा जाता है। और यह तभी सक्रिय होता है जब यह वोल्टेज ("झिल्ली क्षमता") एक निश्चित सीमा से अधिक हो जाता है। और यह अनुमान लगाना लगभग असंभव है कि यह कब होगा।

"यदि आप एक न्यूरॉन की झिल्ली क्षमता को देखते हैं, तो यह ऊपर और नीचे कूद जाएगा," यंग ने कहा। "यह सक्रिय होने पर सटीक भविष्यवाणी करना पूरी तरह से असंभव है।"

इसके अलावा, वास्तविक स्थिति और भी जटिल है। याद रखें कि ये सैकड़ों न्यूरॉन्स हमारे किसी एक से जुड़े हैं? उनमें से प्रत्येक सैकड़ों अन्य न्यूरॉन्स से संकेत प्राप्त करता है। विज़ुअल कॉर्टेक्स फीडबैक से जुड़े इंटरएक्टिंग फीडबैक का एक मिशाल है।

“इस सब के साथ समस्या यह है कि हमारे पास बहुत सारे चलती हिस्से हैं। यह मामले को उलझाता है, ”शालेली ने कहा।

दृश्य कॉर्टेक्स के शुरुआती मॉडल में, इस सुविधा को अनदेखा किया गया था। यह मान लिया गया था कि जानकारी एक दिशा में जाती है - आंख के सामने से रेटिना तक, फिर कोर्टेक्स तक, आखिरकार - वॉयला! - दूसरे छोर पर एक छवि नहीं दिखाई देगी, जैसे एक गैजेट जो एक कन्वेयर बेल्ट पर दिखाई देता है। ये "प्रत्यक्ष प्रसार" मॉडल बनाने में आसान थे, लेकिन उन्होंने कोर्टेक्स की शारीरिक रचना के प्रभावों को नजरअंदाज कर दिया - जिसमें सुझाव दिया गया कि जो हो रहा है उसमें फीडबैक लूप एक बड़ी भूमिका निभाते हैं।

यंग ने कहा, "फीडबैक लूप्स के साथ काम करना बहुत मुश्किल है क्योंकि सूचना वापस आती है और हर समय बदलती रहती है, वापस आती है और आपको प्रभावित करती है।" "लगभग कोई भी मॉडल इससे संबंधित नहीं है, लेकिन यह पूरे मस्तिष्क में होता है।"

2016 के अपने मूल काम में , यंग, ​​शेप्ले, और चारिकर ने इन फीडबैक लूप्स को गंभीरता से लेने की कोशिश करने का फैसला किया। उनके मॉडल के फीडबैक लूप्स ने तितली के प्रभाव की तरह कुछ दिखाई दिया: एलसीटी सिग्नल में छोटे बदलाव तब बढ़े थे, जब तथाकथित के दौरान सिग्नल एक लूप से गुजरता था। "आवर्तक उत्तेजना", जो दृश्य प्रतिनिधित्व में बड़े बदलाव का कारण बना, जो अंततः मॉडल बना।

युवा, शेप्ले, और चारिकर ने दिखाया कि उनका मॉडल, जो फीडबैक में समृद्ध था, एलसीटी से आने वाले कमजोर संकेतों में छोटे बदलावों के आधार पर वस्तुओं के चेहरों के क्षैतिज, ऊर्ध्वाधर, और अन्य सभी के उन्मुखीकरण को पुन: पेश करने में सक्षम था।

"उन्होंने दिखाया कि आप केवल अन्य न्यूरॉन्स से जुड़े न्यूरॉन्स की एक छोटी संख्या का उपयोग करके दृश्य दुनिया में सभी झुकाव बना सकते हैं," एंजेलुसी ने कहा।

लेकिन दृष्टि सिर्फ चेहरे का पता लगाने की तुलना में बहुत अधिक है, और 2016 का काम केवल शुरुआत थी। अगली कठिनाई मॉडल में दृष्टि के अतिरिक्त तत्वों को शामिल किए बिना केवल एक को खोने के बिना थी, जिसके साथ वे पहले से ही निपट चुके थे।

"अगर कोई मॉडल कुछ सही करता है, तो उसे कई अलग-अलग चीजें करने में सक्षम होना चाहिए," यंग ने कहा। "आपका मस्तिष्क अपरिवर्तित बना हुआ है, लेकिन यह विभिन्न परिस्थितियों में अलग-अलग चीजों में सक्षम है।"

दर्शन का झुंड

प्रयोगशाला प्रयोगों में, शोधकर्ताओं ने प्राइमेट्स को सरलतम दृश्य उत्तेजनाओं के साथ प्रस्तुत किया - काले और सफेद पैटर्न, जिसमें विपरीत या दिशा जिसमें वे दृष्टि के क्षेत्र में दिखाई दिए, बदल गए। प्राइमेट्स के दृश्य कॉर्टेक्स से जुड़े इलेक्ट्रोड का उपयोग करते हुए, शोधकर्ताओं ने उत्तेजनाओं के जवाब में उत्पन्न होने वाले तंत्रिका आवेगों को ट्रैक किया। एक अच्छे मॉडल को समान उत्तेजनाओं के जवाब में ऐसे आवेगों को पुन: उत्पन्न करना चाहिए।

"हम जानते हैं कि अगर हम इस तस्वीर को दिखाते हैं, तो वह इस तरह से प्रतिक्रिया देगा," यंग ने कहा। "इस जानकारी के आधार पर, हम विश्लेषण करने की कोशिश कर रहे हैं कि उसके अंदर क्या चल रहा है।"

2018 में, तीन शोधकर्ताओं ने एक दूसरा काम प्रकाशित किया , जिसमें उन्होंने दिखाया कि एक ही मॉडल जो चेहरे को पहचानने में सक्षम है, कॉर्टिकल आवेगों की गतिविधि की सामान्य तस्वीर को भी पुन: पेश कर सकता है, जिसे गामा ताल के रूप में जाना जाता है (यह फायरफ्लाइज़ के झुंड की तरह क्रमिक रूप से अपने लालटेन को रोशन करता है)।

अब विशेषज्ञ अपने तीसरे काम का अध्ययन कर रहे हैं, जो बताता है कि कैसे दृश्य कॉर्टेक्स इसके विपरीत परिवर्तनों को मानता है। स्पष्टीकरण में उस तंत्र का उल्लेख है जिसके द्वारा रोमांचक न्यूरॉन्स एक दूसरे की गतिविधि को बढ़ाते हैं, कुछ ऐसा है जैसे नृत्य में भीड़ की उत्तेजना बढ़ जाती है। इस तरह की प्रक्रिया आवश्यक है ताकि दृश्य कॉर्टेक्स दुर्लभ इनपुट डेटा के आधार पर पूर्ण छवियां बना सकें।

अब तक, यंग, ​​शेप्ले और चारिर्क मॉडल के लिए दिशात्मक संवेदनशीलता को जोड़ने पर काम कर रहे हैं - जो यह बताएगा कि दृश्य कॉर्टेक्स दृश्य के क्षेत्र के साथ वस्तुओं की गति की दिशा को कैसे पुन: बनाता है। उसके बाद, वे स्पष्ट करना शुरू करेंगे कि दृश्य प्रांतस्था दृश्य उत्तेजनाओं में समय अनुक्रमों को कैसे पहचानती है। उदाहरण के लिए, वे यह समझना चाहते हैं कि हम चमकती ट्रैफिक लाइट की चमक क्यों महसूस करते हैं, लेकिन एक ही समय में फिल्म देखते समय अलग-अलग फ्रेम नहीं देखते हैं।

उसके बाद, उनके हाथों में गतिविधि का एक सरल मॉडल होगा जो दृश्य कॉर्टेक्स की केवल छह परतों में से एक में होता है - एक परत जिसमें मस्तिष्क मोटे तौर पर दृश्य प्रभाव के मूल आकृति को रेखांकित करता है। उनका काम अन्य पांच परतों पर लागू नहीं होता है, जहां अधिक जटिल दृश्य प्रसंस्करण होता है। यह इस बारे में भी कुछ नहीं कहता कि दृश्य कॉर्टेक्स रंगों को कैसे पहचानता है, जो पूरी तरह से अलग, अधिक जटिल तंत्रिका पथ के साथ होता है।

"मुझे लगता है कि उन्हें अभी भी बहुत कुछ करना है, लेकिन मैं इस बात से इनकार नहीं करता कि उन्होंने अपना सर्वश्रेष्ठ प्रदर्शन किया।" "यह एक मुश्किल काम है और इसमें समय लगता है।"

यद्यपि उनके मॉडल अभी भी दृष्टि के सभी रहस्यों को प्रकट करने से दूर हैं, यह सही दिशा में एक कदम है - यह पहला मॉडल है जो जैविक रूप से प्रशंसनीय तरीके से दृष्टि को समझने की कोशिश कर रहा है।

"लोग बहुत लंबे समय से इस क्षेत्र में गतिविधियों का चित्रण कर रहे हैं," कॉर्निग यूनिवर्सिटी के एक न्यूरोसाइंटिस्ट जोनाथन विक्टर ने कहा। "यह तथ्य कि ये वैज्ञानिक जीव विज्ञान के अनुरूप अपने मॉडल के उदाहरण के साथ इसे प्रदर्शित करने में सक्षम थे, एक वास्तविक विजय है।"