स्मृति की उपयोगिता यह बताती है कि मस्तिष्क इसे कहाँ सहेजता है | क्वांटा पत्रिका

स्मृति एक भी वैज्ञानिक रहस्य का प्रतिनिधित्व नहीं करती; यह उनमें से बहुत सारे हैं। न्यूरोवैज्ञानिकों और मनोवैज्ञानिकों ने विभिन्न प्रकार की स्मृतियों को पहचाना है जो हमारे मस्तिष्क में सह-अस्तित्व में हैं: पिछले अनुभवों की एपिसोडिक यादें, तथ्यों की अर्थ संबंधी यादें, लघु और दीर्घकालिक यादें, और बहुत कुछ। इनमें अक्सर अलग-अलग विशेषताएं होती हैं और यहां तक ​​कि ये मस्तिष्क के विभिन्न हिस्सों में स्थित प्रतीत होते हैं। लेकिन यह कभी भी स्पष्ट नहीं हुआ है कि मेमोरी की कौन सी विशेषता यह निर्धारित करती है कि इसे इस तरह से कैसे या क्यों क्रमबद्ध किया जाना चाहिए।

अब, कृत्रिम तंत्रिका नेटवर्क का उपयोग करके प्रयोगों द्वारा समर्थित एक नया सिद्धांत प्रस्तावित करता है कि मस्तिष्क भविष्य में मार्गदर्शक के रूप में उपयोगी होने की कितनी संभावना है, इसका मूल्यांकन करके यादों को क्रमबद्ध कर सकता है। विशेष रूप से, यह सुझाव देता है कि पूर्वानुमेय चीजों की कई यादें, तथ्यों से लेकर उपयोगी आवर्ती अनुभवों तक - जैसे कि आप नियमित रूप से नाश्ते के लिए क्या खाते हैं या काम पर जाते समय - मस्तिष्क के नियोकोर्टेक्स में सहेजे जाते हैं, जहां वे दुनिया के बारे में सामान्यीकरण में योगदान कर सकते हैं। स्मृतियों के उपयोगी होने की संभावना कम होती है - जैसे कि उस अनोखे पेय का स्वाद जो आपने उस एक पार्टी में लिया था - को समुद्री घोड़े के आकार के मेमोरी बैंक में रखा जाता है जिसे हिप्पोकैम्पस कहा जाता है। यादों को उनकी उपयोगिता और सामान्यीकरण के आधार पर सक्रिय रूप से अलग करने से हमें नई स्थितियों से निपटने में मदद के लिए यादों की विश्वसनीयता को अनुकूलित किया जा सकता है।

नए सिद्धांत के लेखक - तंत्रिका वैज्ञानिक वेनान सन और जेम्स फिट्जगेराल्ड हॉवर्ड ह्यूजेस मेडिकल इंस्टीट्यूट के जेनेलिया रिसर्च कैंपस में, एंड्रयू सैक्से यूनिवर्सिटी कॉलेज लंदन और उनके सहयोगियों ने इसका वर्णन किया है हाल ही में एक कागज in नेचर न्यूरोसाइंस. यह अच्छी तरह से स्थापित विचार को अद्यतन और विस्तारित करता है कि मस्तिष्क में दो जुड़े हुए, पूरक शिक्षण प्रणालियां हैं: हिप्पोकैम्पस, जो तेजी से नई जानकारी को एन्कोड करता है, और नियोकोर्टेक्स, जो धीरे-धीरे इसे दीर्घकालिक भंडारण के लिए एकीकृत करता है।

जेम्स मैक्लेलैंडस्टैनफोर्ड विश्वविद्यालय के एक संज्ञानात्मक तंत्रिका विज्ञानी, जिन्होंने स्मृति में पूरक शिक्षण प्रणालियों के विचार को आगे बढ़ाया, लेकिन नए अध्ययन का हिस्सा नहीं थे, ने टिप्पणी की कि यह "सामान्यीकरण के पहलुओं को संबोधित करता है" जिसके बारे में उनके अपने समूह ने तब नहीं सोचा था जब उन्होंने सिद्धांत का प्रस्ताव रखा था। 1990 के दशक के मध्य में.

वैज्ञानिकों ने माना है कि स्मृति गठन कम से कम 1950 के दशक की शुरुआत से एक बहुस्तरीय प्रक्रिया है, आंशिक रूप से हेनरी मोलाइसन नाम के एक रोगी के अपने अध्ययन से - जिसे वैज्ञानिक साहित्य में दशकों से केवल एचएम के रूप में जाना जाता है क्योंकि वह अनियंत्रित दौरे से पीड़ित था जो उसके हिप्पोकैम्पस में उत्पन्न हुआ था। , सर्जनों ने मस्तिष्क की अधिकांश संरचना को हटाकर उसका इलाज किया। बाद में, रोगी अधिकांश मामलों में बिल्कुल सामान्य दिखाई दिया: उसकी शब्दावली बरकरार थी; उन्होंने अपनी बचपन की यादें बरकरार रखीं और उन्हें सर्जरी से पहले के अपने जीवन के अन्य विवरण भी याद थे। हालाँकि, वह हमेशा उसकी देखभाल करने वाली नर्स को भूल जाता था। जिस दशक में उसने उसकी देखभाल की, उस दौरान उसे हर सुबह अपना परिचय नए सिरे से देना पड़ता था। वह नई दीर्घकालिक यादें बनाने की क्षमता पूरी तरह से खो चुका था।

मोलाइसन के लक्षणों से वैज्ञानिकों को यह पता लगाने में मदद मिली कि नई यादें पहले हिप्पोकैम्पस में बनती थीं और फिर धीरे-धीरे नियोकोर्टेक्स में स्थानांतरित हो जाती थीं। कुछ समय के लिए, यह व्यापक रूप से माना गया कि यह सभी स्थायी यादों के लिए घटित हुआ। हालाँकि, एक बार शोधकर्ताओं ने देखना शुरू कर दिया बढ़ती संख्या स्मृतियों के उदाहरण जो लंबे समय तक हिप्पोकैम्पस पर निर्भर रहे, यह स्पष्ट हो गया कि कुछ और चल रहा था।

इस विसंगति के पीछे के कारण को समझने के लिए, नए पेपर के लेखकों ने कृत्रिम तंत्रिका नेटवर्क की ओर रुख किया, क्योंकि मस्तिष्क में लाखों परस्पर जुड़े न्यूरॉन्स का कार्य अथाह रूप से जटिल है। सक्से ने कहा, ये नेटवर्क "जैविक न्यूरॉन्स का एक अनुमानित आदर्शीकरण" हैं, लेकिन वास्तविक चीज़ की तुलना में कहीं अधिक सरल हैं। जीवित न्यूरॉन्स की तरह, उनके पास नोड्स की परतें होती हैं जो डेटा प्राप्त करती हैं, इसे संसाधित करती हैं, और फिर नेटवर्क की अन्य परतों को भारित आउटपुट प्रदान करती हैं। जिस तरह न्यूरॉन्स अपने सिनैप्स के माध्यम से एक-दूसरे को प्रभावित करते हैं, उसी तरह कृत्रिम तंत्रिका नेटवर्क में नोड्स अन्य नोड्स से इनपुट के आधार पर अपनी गतिविधि के स्तर को समायोजित करते हैं।

टीम ने एक कम्प्यूटेशनल ढांचा विकसित करने के लिए तीन तंत्रिका नेटवर्क को विभिन्न कार्यों से जोड़ा, जिसे उन्होंने शिक्षक-नोटबुक-छात्र मॉडल कहा। शिक्षक नेटवर्क उस वातावरण का प्रतिनिधित्व करता है जिसमें एक जीव स्वयं को पा सकता है; इसने अनुभव के इनपुट प्रदान किए। नोटबुक नेटवर्क ने हिप्पोकैम्पस का प्रतिनिधित्व किया, जो शिक्षक द्वारा प्रदान किए गए प्रत्येक अनुभव के सभी विवरणों को तेजी से एन्कोड कर रहा था। छात्र नेटवर्क ने नोटबुक में जो कुछ भी दर्ज किया गया था, उससे परामर्श करके शिक्षक से पैटर्न पर प्रशिक्षण लिया। फिट्जगेराल्ड ने कहा, "छात्र मॉडल का लक्ष्य न्यूरॉन्स - नोड्स - को ढूंढना और कनेक्शन सीखना [वर्णन करना] है कि वे अपनी गतिविधि के पैटर्न को कैसे पुनर्जीवित कर सकते हैं।"

नोटबुक नेटवर्क से यादों की बार-बार पुनरावृत्ति ने छात्र नेटवर्क को त्रुटि सुधार के माध्यम से एक सामान्य पैटर्न में शामिल कर दिया। लेकिन शोधकर्ताओं ने नियम के एक अपवाद पर भी ध्यान दिया: यदि छात्र को बहुत अधिक अप्रत्याशित यादों पर प्रशिक्षित किया गया था - शोर संकेत जो बाकी हिस्सों से बहुत अधिक विचलित थे - इससे छात्र की सामान्यीकृत पैटर्न सीखने की क्षमता कम हो गई।

तार्किक दृष्टिकोण से, "यह बहुत मायने रखता है," सन ने कहा। अपने घर पर पैकेज प्राप्त करने की कल्पना करें, उन्होंने समझाया: यदि पैकेज में भविष्य के लिए कुछ उपयोगी है, जैसे कि कॉफी मग और व्यंजन, तो इसे अपने घर में लाना और इसे स्थायी रूप से वहां रखना उचित लगता है। लेकिन अगर पैकेज में हेलोवीन पार्टी के लिए स्पाइडर-मैन पोशाक या बिक्री के लिए ब्रोशर है, तो इसके साथ घर को अव्यवस्थित करने की कोई आवश्यकता नहीं है। उन वस्तुओं को अलग से संग्रहित किया जा सकता है या फेंक दिया जा सकता है।

यह अध्ययन कृत्रिम बुद्धिमत्ता में उपयोग की जाने वाली प्रणालियों और मस्तिष्क के मॉडलिंग में नियोजित प्रणालियों के बीच एक दिलचस्प अभिसरण प्रदान करता है। यह एक उदाहरण है जहां "उन कृत्रिम प्रणालियों के सिद्धांत ने मस्तिष्क में यादों के बारे में सोचने के लिए कुछ नए वैचारिक विचार दिए," सैक्स ने कहा।

उदाहरण के लिए, कम्प्यूटरीकृत चेहरे की पहचान प्रणाली कैसे काम करती है, इसमें समानताएं हैं। वे उपयोगकर्ताओं को विभिन्न कोणों से स्वयं की हाई-डेफिनिशन छवियां अपलोड करने के लिए प्रेरित करके शुरू कर सकते हैं। तंत्रिका नेटवर्क के भीतर कनेक्शन एक सामान्य अवधारणा को एक साथ जोड़ सकते हैं कि चेहरा विभिन्न कोणों से और विभिन्न अभिव्यक्तियों के साथ कैसा दिखता है। फिट्जगेराल्ड ने कहा, लेकिन अगर आप "अपने दोस्त के चेहरे वाली तस्वीर अपलोड करते हैं, तो सिस्टम दोनों के बीच अनुमानित चेहरे की मैपिंग की पहचान करने में असमर्थ है।" यह सामान्यीकरण को नुकसान पहुंचाता है और सामान्य चेहरे को पहचानने में सिस्टम को कम सटीक बनाता है।

ये छवियां विशिष्ट इनपुट न्यूरॉन्स को सक्रिय करती हैं, और फिर गतिविधि कनेक्शन भार को समायोजित करते हुए नेटवर्क के माध्यम से प्रवाहित होती है। अधिक छवियों के साथ, मॉडल आउटपुट त्रुटियों को कम करने के लिए नोड्स के बीच कनेक्शन भार को और अधिक समायोजित करता है।

लेकिन सिर्फ इसलिए कि एक अनुभव असामान्य है और सामान्यीकरण में फिट नहीं बैठता है, इसका मतलब यह नहीं है कि इसे त्याग दिया जाना चाहिए और भुला दिया जाना चाहिए। इसके विपरीत, असाधारण अनुभवों को याद रखना बेहद महत्वपूर्ण हो सकता है। ऐसा प्रतीत होता है कि मस्तिष्क अपनी यादों को विभिन्न श्रेणियों में क्रमबद्ध करता है जिन्हें अलग-अलग संग्रहीत किया जाता है, विश्वसनीय सामान्यीकरण के लिए नियोकोर्टेक्स और अपवादों के लिए हिप्पोकैम्पस का उपयोग किया जाता है।

मैक्लेलैंड ने कहा, इस तरह के शोध से "मानव स्मृति की गिरावट" के बारे में जागरूकता बढ़ती है। स्मृति एक सीमित संसाधन है, और जीव विज्ञान को सीमित संसाधनों का सर्वोत्तम उपयोग करने के लिए समझौता करना पड़ा है। यहां तक ​​कि हिप्पोकैम्पस में भी अनुभवों का कोई सटीक रिकॉर्ड नहीं है। हर बार जब कोई अनुभव याद किया जाता है, तो नेटवर्क के कनेक्शन भार में परिवर्तन होते हैं, जिससे मेमोरी तत्व अधिक औसत हो जाते हैं। यह उन परिस्थितियों के बारे में सवाल उठाता है जिनके तहत "प्रत्यक्षदर्शी गवाही को बार-बार प्रश्नों के हमलों से पूर्वाग्रह और प्रभाव से बचाया जा सकता है," उन्होंने कहा।

मॉडल अधिक मौलिक प्रश्नों पर भी अंतर्दृष्टि प्रदान कर सकता है। "हम विश्वसनीय ज्ञान कैसे विकसित करें और सूचित निर्णय कैसे लें?" कहा जेम्स एंटनीकैलिफोर्निया पॉलिटेक्निक स्टेट यूनिवर्सिटी के एक न्यूरोसाइंटिस्ट, जो अध्ययन में शामिल नहीं थे। यह विश्वसनीय भविष्यवाणियाँ करने के लिए यादों के मूल्यांकन के महत्व को दर्शाता है - बहुत सारा शोर डेटा या अविश्वसनीय जानकारी मनुष्यों को प्रशिक्षित करने के लिए उतनी ही अनुपयुक्त हो सकती है जितनी कि एआई मॉडल के प्रशिक्षण के लिए।