स्मृति और धारणा का एक एकीकृत मॉडल: कैसे हेब्बियन शिक्षण अतीत की घटनाओं की हमारी याद को समझाता है

SISSA के भौतिकी और तंत्रिका विज्ञान समूहों के बीच सहयोग ने यह समझने में एक कदम आगे बढ़ाया है कि मस्तिष्क में यादें कैसे संग्रहीत और पुनर्प्राप्त की जाती हैं। अध्ययन, हाल ही में प्रकाशित में न्यूरॉनदर्शाता है कि अलग-अलग अवधारणात्मक पूर्वाग्रह – लंबे समय से अलग-अलग मस्तिष्क प्रणालियों से उत्पन्न होने वाले विचार – वास्तव में, एक एकल, जैविक रूप से आधारित तंत्र द्वारा समझाए जा सकते हैं।

प्रोफेसर सेबेस्टियन गोल्ड्ट और मैथ्यू ई. डायमंड और पहले लेखक फ्रांसेस्का शोन्सबर्ग (अब इकोले नॉर्मले सुप्रीयर में एक जूनियर रिसर्च चेयर) के नेतृत्व में यह शोध, अवधारणात्मक स्मृति पर दशकों के खंडित शोध को पाटने के लिए सैद्धांतिक भौतिकी, कम्प्यूटेशनल मॉडलिंग और व्यवहारिक तंत्रिका विज्ञान को एक साथ लाता है। युक्ति चोपड़ा और डेविड गियाना ने अनुभवजन्य डेटा प्रदान करने के लिए प्रयोगशाला प्रयोग किए, जिसके आधार पर मॉडल का परीक्षण किया गया था।

अवधारणात्मक स्मृति के कोड को क्रैक करना

अवधारणात्मक स्मृति बाहरी दुनिया से जानकारी निकालने, संग्रहीत करने और उपयोग करने की क्षमता है – एक ऐसी प्रक्रिया जो हमें पिछले अनुभव पर निर्मित ज्ञान में संवेदी जानकारी की निरंतर धारा को एम्बेड करके हमारे परिवेश को समझने में सक्षम बनाती है। वैज्ञानिकों ने लंबे समय से विभिन्न प्रयोगात्मक प्रतिमानों के माध्यम से इसकी घटक प्रक्रियाओं का अध्ययन किया है। उदाहरण के लिए, कार्यशील स्मृति कार्य जांच करते हैं कि हम क्रम में प्रस्तुत दो उत्तेजनाओं की तुलना कैसे करते हैं, जबकि संदर्भ स्मृति कार्यों में एक निश्चित आंतरिक मानक के विरुद्ध वर्तमान उत्तेजना का आकलन करना शामिल है।

स्मृति को समझने के अपने सामान्य लक्ष्य के बावजूद, ये परंपराएँ अलग-अलग विकसित हुईं, और प्रत्येक कार्य के लिए अलग-अलग मॉडल तैयार किए। डायमंड कहते हैं, “हम यह देखना चाहते थे कि क्या स्मृति के ये विभिन्न रूप वास्तव में एक ही अंतर्निहित तंत्रिका प्रक्रिया को प्रतिबिंबित कर सकते हैं।” “दूसरे शब्दों में, क्या एक एकल कॉर्टिकल नेटवर्क बहुत भिन्न व्यवहार संबंधी घटनाओं के लिए जिम्मेदार हो सकता है?”

जब धारणा वास्तविकता को मोड़ देती है

एसआईएसएसए टीम ने अवधारणात्मक पूर्वाग्रहों में अपना एकीकृत सूत्र पाया – व्यवस्थित विकृतियां जो बताती हैं कि मस्तिष्क के आंतरिक प्रतिनिधित्व भौतिक दुनिया से कैसे भिन्न होते हैं। यदि धारणा पूरी तरह से रैखिक और सटीक होती, तो यह केवल बाहरी वातावरण को प्रतिबिंबित करती, जिससे हमारे अनुभव को आकार देने वाली आंतरिक गणनाओं का कोई निशान नहीं रह जाता। लेकिन चूँकि धारणा सूक्ष्म रूप से पक्षपाती होती है, ये विकृतियाँ इस बात की झलक पेश करती हैं कि मस्तिष्क कच्चे इनपुट को सार्थक अभ्यावेदन में कैसे बदल देता है।

संवेदी तौर-तरीकों के अलावा, वर्तमान उत्तेजना की धारणा दो विरोधाभासी रूप से विपरीत प्रवृत्तियों को दर्शाती है। कुछ संदर्भों में, यह पिछली उत्तेजनाओं की स्मृति की ओर सिकुड़ता है – एक “खींच” जिसे संकुचन पूर्वाग्रह के रूप में जाना जाता है। दूसरों में, धारणा को हाल के अतीत से दूर धकेल दिया जाता है – एक “धक्का” जिसे प्रतिकर्षण पूर्वाग्रह कहा जाता है। दशकों से, वैज्ञानिकों ने इस बात पर बहस की है कि मस्तिष्क को इन प्रतीत होने वाले विरोधाभासी प्रभावों के बीच वैकल्पिक क्यों होना चाहिए।

विपरीत पूर्वाग्रहों के पीछे एक एकल तंत्र

इस पहेली से निपटने के लिए, शोधकर्ताओं ने कम्प्यूटेशनल मॉडलिंग को मनुष्यों और कृंतकों दोनों के व्यवहार संबंधी डेटा के साथ जोड़ा। उनका मॉडल – हेब्बियन प्लास्टिसिटी के जैविक रूप से प्रशंसनीय नियम (“कोशिकाएं जो एक साथ तार से आग लगाती हैं”) द्वारा शासित एक आवर्ती तंत्रिका नेटवर्क – ने दिखाया कि संकुचन और प्रतिकर्षण दोनों पूर्वाग्रह एक ही सर्किट के भीतर स्वाभाविक रूप से उभर सकते हैं।

गोल्ड्ट बताते हैं, “यह मानने के बजाय कि मस्तिष्क अलग-अलग प्रणालियों के बीच स्विच करता है, हमने दिखाया कि एक नेटवर्क, सरल स्थानीय नियमों के माध्यम से लगातार सीखते हुए, दोनों प्रभाव पैदा कर सकता है।” “कुंजी इस बात में निहित है कि नेटवर्क के सिनैप्टिक कनेक्शन समय के साथ कैसे अनुकूलित होते हैं, हाल की गतिविधि के एन्कोडिंग निशान जो नए संवेदी इनपुट के प्रतिनिधित्व को सूक्ष्मता से नया आकार देते हैं।”

मॉडल को तीन प्रतिमानों में चार प्रयोगात्मक डेटासेट के विरुद्ध परीक्षण किया गया था: कार्यशील मेमोरी, संदर्भ मेमोरी, और एक नया डिज़ाइन किया गया वन-बैक कार्य। फ़ाइन-ट्यूनिंग या कार्य-विशिष्ट मापदंडों के बिना, नेटवर्क ने व्यवहार संबंधी डेटा को उल्लेखनीय रूप से अच्छी तरह से पुन: प्रस्तुत किया। मॉडल और प्रयोग के बीच यह अभिसरण बताता है कि एक ही अनुकूली तंत्र अवधारणात्मक स्मृति की विविध अभिव्यक्तियों को रेखांकित कर सकता है।

एक ही नेटवर्क को एक ही तरीके से पढ़ना

शायद सबसे आश्चर्यजनक खोज यह थी कि जो अलग-अलग मेमोरी कार्यों को अलग करता है, वह अंतर्निहित मेमोरी स्टोरेज तंत्र नहीं है, बल्कि, बस, जिस तरह से चुनाव किया जाता है। जबकि नेटवर्क की गतिविधि को हमेशा एक ही तरीके से पढ़ा जाता है, वही आवर्ती सर्किट बहुत अलग संज्ञानात्मक मांगों का समर्थन कर सकता है, यह इस पर निर्भर करता है कि इसकी गतिविधि के किस पहलू तक डाउनस्ट्रीम प्रक्रियाएं पहुंच पाती हैं।

कामकाजी-स्मृति प्रतिमान में, नेटवर्क की विकसित गतिविधि सबसे हालिया उत्तेजना के एक क्षणिक निशान को कूटबद्ध करती है। दूसरी उत्तेजना दिए जाने के समय नेटवर्क क्या एन्कोडिंग कर रहा है, यह निर्धारित करता है कि इसे पिछले वाले की तुलना में अधिक मजबूत या कमजोर माना जाता है। संदर्भ-स्मृति कार्य में, विकल्प इस बात पर निर्भर करता है कि उत्तेजना ऑफसेट पर आंतरिक प्रतिनिधित्व कैसे बदलता है।

वही अंतर्निहित तंत्रिका तंत्र, जो सैद्धांतिक दृष्टिकोण से, नेटवर्क की गतिशीलता में एक स्लाइडिंग आकर्षण को जन्म देता है, दोनों परिणामों के साथ-साथ वन-बैक कार्य में प्राप्त परिणामों को पुन: उत्पन्न करता है – विशेष रूप से मॉडल का परीक्षण करने के लिए SISSA टीम द्वारा डिज़ाइन किया गया – प्रत्येक नया प्रोत्साहन अगले परीक्षण का संदर्भ बन जाता है, जिससे मेमोरी भूमिकाओं के बीच स्विच करने में नेटवर्क के लचीलेपन का पता चलता है।

मस्तिष्क को समझने के लिए अनुशासनों को जोड़ना

यह प्रदर्शित करके कि स्थानीय शिक्षण नियमों द्वारा शासित एक एकल तंत्रिका सर्किट संकुचन और प्रतिकर्षण दोनों पूर्वाग्रहों के लिए जिम्मेदार हो सकता है, यह कार्य अवधारणात्मक स्मृति के लिए एक एकीकृत ढांचा प्रदान करता है। यह लंबे समय से चली आ रही धारणा को चुनौती देता है कि अलग-अलग संज्ञानात्मक प्रभाव अलग-अलग मस्तिष्क प्रणालियों से उत्पन्न होने चाहिए और इसके बजाय यह सुझाव दिया गया है कि अवधारणात्मक व्यवहार की स्पष्ट विविधता समान अनुकूली तंत्रिका गतिशीलता की विभिन्न अभिव्यक्तियों को दर्शाती है।

डायमंड कहते हैं, “यह अध्ययन इस बात का उदाहरण देता है कि SISSA को क्या विशिष्ट बनाता है।” “हम सैद्धांतिक भौतिकी और कम्प्यूटेशनल तंत्रिका विज्ञान को एक ही इमारत में जोड़ सकते हैं, उन लोगों के बीच दैनिक बातचीत के साथ जो बहुत अलग कोणों से एक ही प्रश्न पूछते हैं।”

निष्कर्ष इस बात पर प्रकाश डालते हैं कि कैसे अंतःविषय सहयोग – मॉडलिंग और प्रयोगात्मक तंत्रिका विज्ञान को एकजुट करना – उन सामान्य सिद्धांतों को प्रकट कर सकता है जिनके द्वारा मस्तिष्क अनुभव से सीखता है, स्थिर यादें बनाता है, और नई स्थितियों के लिए लचीले ढंग से अनुकूलन करता है।