- सेरिबेलम सिर्फ़ संतुलन का अंग नहीं है; यह गति को सहज रूप से coordinate करता है और cognitive functions में भी शामिल होता है. इसके बिना paralysis नहीं होता, लेकिन motor, language और cognitive development की सटीकता घट जाती है
- मानव सेरिबेलम में Purkinje cells और granule cells की घनी संरचना होती है; इसमें पूरे मस्तिष्क के neurons का लगभग 80% होता है और primates व मानव evolution में यह पूरे brain से भी तेज़ी से बड़ा हुआ
- vertebrates में eyeblink conditioning के लिए सेरिबेलम ज़रूरी है, और एक Purkinje cell stimuli के बीच के समय-अंतराल तक सीख सकता है
- सेरिबेलम damage में दिखने वाले dysmetria, intention tremor, वाक्यों में logical errors और attention shifting disorder इस व्याख्या से मेल खाते हैं कि सेरिबेलम measurement, prediction और preparation में शामिल है
- electrosensory और echolocation वाले जानवरों के उदाहरण, तथा cerebellum-cerebrum connection structure इस बात का समर्थन करते हैं कि सेरिबेलम तेज़ forward model की तरह action के परिणामों का prediction करता है और पहले से adjustment signals देता है
संतुलन से आगे सेरिबेलम की भूमिका
- सेरिबेलम का अर्थ सचमुच “छोटा brain” है, और यह cerebrum के नीचे स्थित एक अलग संरचना है
- इसे अक्सर संतुलन से जोड़ा जाता है, लेकिन cerebellar disease वाले patients में motor control की अधिक व्यापक समस्याएँ दिखती हैं
- उंगली को नाक तक ले जाते समय या ताली बजाते समय आगे-पीछे हिलना
- आँखों में हिलना-डुलना यानी nystagmus दिखाई देना
- खड़े होने या चलने पर आगे-पीछे डगमगाना और गिरते-गिरते बचना; चलने के लिए चौड़ा stance चाहिए होना
- प्रमुख symptoms movement की ताक़त और दूरी को सही से match न कर पाने के रूप में दिखते हैं
- muscle tone कम होने से शरीर “ढीला पड़ना”
- sub-movements अलग-अलग हो जाना, जिससे movement smooth नहीं रहता
- dysmetria: movement distance या target का गलत अनुमान लगाकर ज़्यादा आगे निकल जाना या कम रह जाना
- intention tremor: movement शुरू करते समय बढ़ने वाली धीमी कंपकंपी
- cerebellar agenesis यानी सेरिबेलम के बिना जन्म लेने के मामलों में भी movement अपने-आप में संभव होता है
- बचपन में motor और speech development धीमा रहता है
- उच्चारण में गड़बड़ी, हाथ-पैरों का कांपना/हिलना, और mild से moderate intellectual disability दिखाई देती है
- यह paralysis नहीं है; independent life और job life संभव होने के उदाहरण भी हैं
इतनी जटिल संरचना की ज़रूरत क्यों है
- सेरिबेलम में Purkinje cells होते हैं, जो बड़े neurons हैं और सिर्फ़ सेरिबेलम में पाए जाते हैं
- हर Purkinje cell में सैकड़ों synapses होते हैं
- cerebrum के neurons में आम तौर पर इससे कम synapses होते हैं
- छोटे granule cells भी सेरिबेलम के core components हैं, और उनकी संख्या बहुत अधिक होती है
- granule cells मानव brain के कुल neurons के आधे से अधिक होते हैं
- पूरा सेरिबेलम मानव brain neurons का लगभग 80% समेटे होता है
- primate evolution और मानव prehistory के दौरान सेरिबेलम का आकार कुल brain size की तुलना में तेज़ी से बढ़ा
- apes के brain में monkeys की तुलना में frontal lobe और cerebellum बड़े होते हैं
- Neanderthal का brain modern humans से बड़ा था, लेकिन cerebellum छोटा था
- modern humans में लगभग 50,000 साल पहले के Cro-Magnon की तुलना में cerebellum कहीं बड़ा है, और relative रूप से cerebral hemispheres छोटे हैं
Conditioning और single-neuron learning
- Conditioning एक low-level learning है, जैसे कुत्ता bell sound और food को associate करके saliva निकालता है
- 20,000 neurons वाली sea slug Aplysia भी conditioning कर सकती है
- slime mold Physarum जैसी single-cell organism को भी food तक पहुँचने के लिए harmful section पार करने हेतु “train” किया जा सकता है
- vertebrates में conditioned response learning सेरिबेलम में strongly localized है
- आँख में हवा फूंकने वाले stimulus और neutral stimulus को जोड़ने वाली eyeblink conditioning standard experiment है
- animal के cerebellum को damage करने पर eyeblink conditioning खत्म हो जाती है
- cerebellar damage वाले humans में भी eyeblink conditioning नहीं होती
- 2007 में Swedish researchers ने cerebrum हटाए गए ferrets में Purkinje cell response को isolate करके experiment किया
- climbing fiber stimulus unconditioned stimulus की तरह काम करते हुए Purkinje cell firing को अस्थायी रूप से inhibit करता है
- सिर्फ़ mossy fiber stimulus से वही inhibition नहीं दिखता
- mossy fiber को climbing fiber से ठीक पहले बार-बार stimulate करने पर Purkinje cell यह सीखता है कि केवल mossy fiber stimulus से भी firing inhibit करे
- यह result दिखाता है कि कम-से-कम कुछ learning individual neuron के अंदर होती है
- यह उस long-term potentiation-centered explanation से मेल नहीं खाता कि learning केवल neurons के बीच synapse strengthening से होती है
- biological neurons को artificial neural network के simple nodes की तरह treat करने वाले connectionism की तुलना में brain simulation की requirements अधिक हो सकती हैं
- अगर single neuron के अंदर learning होती है, तो newly learned information से जुड़ा physical change, यानी engram, भी उसी neuron के अंदर होना चाहिए
Purkinje cells समय और मात्रा सीखते हैं
- Purkinje cells conditioned stimulus और unconditioned stimulus के बीच का time interval भी सीख सकते हैं
- अगर दो stimuli के बीच interval बदलता है, तो Purkinje cell firing रोकने का समय भी अलग तरह से adjust करता है
- उदाहरण के लिए, अगर यह अनुभव सीखा जाए कि neutral stimulus के 50ms बाद unpleasant stimulus आता है, तो वह लगभग उतना इंतज़ार करके firing रोकता है
- यह phenomenon संकेत देता है कि Purkinje cell के अंदर number, quantity और time को represent करने की क्षमता है
- सेरिबेलम damage में dysmetria को इस नज़रिए से समझना आसान है
- movement की दूरी या speed का अनुमान न लगा पाने पर target से आगे निकल सकते हैं या कम रह सकते हैं
- intention tremor पहले movement के ज़्यादा हो जाने और फिर correction movement के भी फिर से ज़्यादा हो जाने से opposite direction में oscillation का result हो सकता है
- nystagmus भी eye muscles में इसी तरह दिख सकता है
- cognitive symptoms को भी “thought की dysmetria” के रूप में interpret किया गया है
- cerebellar patients को Tower of Hanoi, spatial reasoning और executive-function tasks में कठिनाई होती है
- कितना समय लगाना है इसका आकलन करना, sub-tasks को whole से जोड़ना, या objects के spatial relationships को समझना mental measurement से संबंधित हो सकता है
- cerebellar patients grammatical sentences बना सकते हैं, लेकिन clauses के बीच logical connection awkward हो सकता है
- “but”, “although”, “because”, “if” जैसे conjunctions clauses के बीच logical relationship दिखाते हैं
- “It’s a big job, but it’s not easy” जैसी sentence में अगर “but” के बाद पहला clause reinforce करने वाली बात आए, तो expected logical relationship टूट जाता है
- सेरिबेलम अकेला measurement organ नहीं है
- visual areas spatial distance measure करते हैं
- auditory areas pitch और rhythm measure करते हैं
- cerebral cortex के कई areas mental arithmetic में शामिल होते हैं
- फिर भी सेरिबेलम के अंदर भी measurement से जुड़े functions काम करते हैं
Prediction और preparation संभालने वाला सेरिबेलम
- सेरिबेलम के function को prediction या preparation के रूप में देखने वाली theories भी हैं
- Conditioning वह learning है जिसमें एक stimulus के बाद दूसरा stimulus आएगा, इसकी expectation बनाकर पहले से response दिया जाता है
- fluent movement के लिए कई actions को क्रम में prepare करना पड़ता है; हर step पर रुककर सोचें तो movement टूट जाता है
- Gordon Holmes ने 1939 में जिस cerebellar-damage patient को quote किया, उसने कहा कि affected arm की हर movement पर उसे सोचना पड़ता है, और body turn करते समय पूरी तरह रुककर फिर शुरू करना पड़ता है
- सेरिबेलम damage को एक step खत्म होने से पहले automatically next step prepare करने की function failure के रूप में देखा जा सकता है
- attention shifting में भी सेरिबेलम की भूमिका दिखती है
- cerebellar damage वाले patients में visual cue task और auditory cue task के बीच attention focus बदलने की क्षमता प्रभावित होती है
- जिन similar tasks में focus shifting की ज़रूरत नहीं थी, उनका performance preserved रहता है
- cerebellum के बाहर lesions वाले patients में वही task-switching problem नहीं दिखी
- animals में cerebellum को experimentally stimulate करने पर वे बाद के sensory stimuli के प्रति अधिक sensitive हो जाते हैं
- यह result इस interpretation से मेल खाता है कि सेरिबेलम “attention देने की तैयारी” में मदद करता है
- Purkinje cells किसी object के move करने की anticipation में grip force बदलने जैसी preparatory motor adjustment में भी शामिल हैं
Forward model के रूप में सेरिबेलम
- सेरिबेलम को action results पहले से calculate करने वाले forward model के रूप में देखा जा सकता है
- यह motor cortex द्वारा बनाए गए motor commands की efference copy प्राप्त करता है
- इस model से sensory results predict किए जाते हैं
- predicted values और actual data की तुलना करके errors correct किए जाते हैं
- तेज़ unconscious sensorimotor prediction और learning pathways सेरिबेलम तक सीमित हैं
- धीमा pathway सेरिबेलम और cerebrum, दोनों को शामिल करता है
- conscious sensory perception में सैकड़ों ms लगते हैं, इसलिए real-time में fine-tuned movements के लिए यह बहुत धीमा है
- feedback के बिना move करने पर movement rough और broken हो जाता है, इसलिए सेरिबेलम sensory input से तेज़ चलने वाला predictive world model provide कर सकता है
दूसरे animals में active sensing और सेरिबेलम
- सभी vertebrates में cerebellum होता है
- dogfish में cerebellum हटाने पर भी swimming संभव है, लेकिन वे रुक-रुक कर चलते हैं या turn का गलत estimate लगाकर tank wall से टकराते हैं
- electro-location sense वाली fish में cerebellum खास तौर पर बड़ा हो जाता है
- Peters’s elephant-nose fish Gnathonemus petersii पूरे body के electric sensory receptors से obstacles explore करती है
- इस fish के cerebellar Purkinje cells खास target distance और speed के प्रति sensitive होते हैं
- platypus जैसे monotremes में भी cerebellum असामान्य रूप से बड़ा होता है
- platypus अपनी beak की electrosense से पानी के अंदर food detect करता है
- marine mammals में भी cerebellum enlargement स्पष्ट है
- whales, dolphins, seals और sea lions में cerebellum बड़ा होता है
- यह विशेष रूप से baleen whales में prominent है
- marine mammals का cerebellum echolocation में उपयोग होता है
- echolocating bats भी navigation के लिए cerebellum का उपयोग करते हैं, लेकिन total brain के अनुपात में cerebellum size छोटा है
- कई mammals में exploration और delicate manipulation के लिए इस्तेमाल होने वाले body parts की sensory-motor processing को cerebellum के बड़े areas allocate होते हैं
- rodents का snout
- primates के hands
- tree monkeys की tail tip
- electrosense और echolocation active sensory systems में आते हैं
- animal electric या sound signals emit करता है
- वह detect करता है कि आसपास की objects से उन signals में किस तरह interference pattern बनता है
- signal की strength, direction और timing को animal control कर सकता है
- ये examples इस interpretation से मेल खाते हैं कि सेरिबेलम सिर्फ़ motor-control organ नहीं, बल्कि surrounding world की spatial modeling और prediction में भी शामिल है
सेरिबेलम structure और cerebrum connection
- function और functional connectivity के आधार पर cerebellum को map करने पर cerebrum के साथ लगभग one-to-one correspondence दिखता है
- language location भी cerebrum और cerebellum में opposite hemispheres में correspond करती है
- cerebral left hemisphere की language function cerebellar right hemisphere से correspond करती है
- cerebral cortex में जिन areas का cerebellar counterpart नहीं है, वे auditory cortex और visual cortex हैं
- auditory और visual passive senses हैं, यह बात active sensing और cerebellum के संभावित संबंध से मेल खाती है
- सेरिबेलम की structure repetitive और लगभग crystal जैसी होती है
- यह कई identical parallel modules में divided है
- main feedforward pathway input neuron → mossy fiber → granule cell → parallel fiber → Purkinje cell → output तक जाता है
- इसके साथ कई inhibitory feedback loops जुड़े होते हैं
- यह main feedforward chain sensory processing द्वारा conscious perception बनाने से पहले action guide करने वाला तेज़ forward model candidate है
- सेरिबेलम के neighboring neuron patches independent modules की तरह काम करते हैं, और दूसरे modules से उनके connections बहुत अधिक नहीं होते
- cerebral cortex में areas के हिसाब से cellular composition में बड़ा फर्क होता है, और repetitive loops व cross-connections बहुत होते हैं
- सेरिबेलम उस structure के ज्यादा करीब है जिसमें information आती है, Purkinje cells से होकर गुजरती है और बाहर जाती है
- cerebellar modules cerebrum के कई areas के साथ loops बनाते हैं
- parietal lobe loop हाथ बढ़ाकर object पकड़ने वाली visual-motor coordination में शामिल है
- oculomotor cortex loop eye movement control में शामिल है
- prefrontal cortex loop attention और working-memory control, fear extinction learning, imminent action की mental preparation, और procedural learning में शामिल है
Intelligence को फिर से देखने का नज़रिया
- यह picture सही नहीं है कि “higher” intelligence सिर्फ़ cerebral cortex, खासकर frontal lobe में होती है
- modern Homo sapiens की पहचान बड़े frontal lobe जितनी ही बड़े cerebellum से भी होती है
- inner speech या imagination में सुनाई देने वाली speech sound, यानी phonological loop, भी cerebrum और cerebellum दोनों से होकर गुजरता है
- speech movement है, और imagined speech भी simulated movement है
- कई actions में cerebellar component होता है
- कुछ neuroscientists इसे cerebellar transform कहते हैं
- सेरिबेलम sensory perception, movement और understanding जैसी cerebrum की basic abilities को smoothly coordinate और transform करता है
- सेरिबेलम speed, rhythm और contextual appropriateness को regulate करता है
- damage होने पर basic action अपने-आप में संभव रहता है, लेकिन clumsy और out-of-proportion हो जाता है
- यह view embodied cognition से भी मेल खाता है, जिसमें sensorimotor functions और cognitive functions को एक continuum पर माना जाता है
- AI में, खासकर robotics या control के क्षेत्र में, real-time action के लिए तेज़ feedforward prediction model और धीमे training/update pathways को साथ रखने वाला approach उपयोगी हो सकता है
1 टिप्पणियां
Hacker News की राय
यह लेख खास तौर पर दिलचस्प इसलिए है, क्योंकि लेखक ने जिन चीज़ों को cerebellum से जुड़ा बताया है, वे लगभग उन चीज़ों की सूची से मेल खाती हैं जिनमें मैं अजीब तरह से कमजोर हूँ
मेरा coordination अच्छा नहीं है, intention tremor साफ दिखता है, और projects, छोटे-मोटे कामों व घरेलू कामों की dependencies का क्रम तय करने में कमजोर हूँ; इसलिए काफी सरल sub-tasks भी अगर लिख न लूँ, तो yak shaving loop में फँस जाता हूँ
घबराने पर बोलते समय inflection या वाक्य क्रम अजीब तरह से उलझ जाता है, और लिखना भी कुछ हद तक bottom-up writing जैसा है, जहाँ पहले clauses बनाकर उन्हें इधर-उधर ले जाते हुए वाक्य जोड़े जाते हैं
यह जीवन में बहुत बड़ी बाधा नहीं बनता, लेकिन उत्सुकता है कि क्या इन सबका कोई साझा आधार कमजोर cerebellar function से जुड़ी गड़बड़ी हो सकता है
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3677555/
उदाहरण के लिए movement समेत action planning में prefrontal cortex की बड़ी भूमिका होती है, और smooth movements व tremor suppression में basal ganglia काफी शामिल होते हैं
dopamine system की समस्याएँ भी planning (ADHD) या tremor (Parkinson’s) जैसी चीज़ों को प्रभावित करती हैं
दिमाग के अलग-अलग हिस्सों को resources के लिए compete करना पड़ता है, और cerebellum जो काम करता है उसे देखते हुए, कम विकसित cerebellum शायद इस दौर में अधिक महत्वपूर्ण brain regions के लिए resources खोल देने का फायदा भी दे सकता है
शानदार लेख है
neuroscience में शरीर की movement कितनी उपयोगी debugging layer बन सकती है, इस पर मैंने पहले सच में ठीक से विचार नहीं किया था
किसी task को करते समय gait, tremor, speed, accuracy आदि observe करने से non-motor tasks में cognition कैसे काम करता है, इसकी गहरी समझ मिल सकती है
आखिरकार cognition भी शायद physical plane के बजाय conceptual plane पर होने वाली movement ही है
हम ideas को ring में फेंकते हैं, उन्हें चबाते और refine करते हैं, फिर practice में लाते हैं या बेकार मानकर छोड़ देते हैं
कम से कम ideas और abstractions के बारे में इस्तेमाल होने वाले linguistic metaphors, हाथों से किसी चीज़ को move या rearrange करने से एक-दो कदम से ज्यादा दूर नहीं हैं
इसने movement disorders के बारे में बहुत सोचने पर मजबूर किया, प्रभावित लोगों की स्थिति को बेहतर समझाया और अपनी मौजूदा biases पर फिर से सोचने को कहा
https://www.youtube.com/watch?v=FFki8FtaByw
मेरी choreographer बहन का एक दिलचस्प नजरिया था कि movement, खासकर crawling जैसी basic movements को therapy के रूप में इस्तेमाल किया जा सकता है
शुरू में यह pseudo-science जैसा लगा, लेकिन बाद में मैंने पढ़ा कि इसके पीछे कुछ हद तक medical basis है
“cerebellum AI approaches, खासकर robotics या control field को inspire कर सकता है” वाला हिस्सा दरअसल control field में पहले से काफी व्यापक है
legged robots में dominant control technique Model Predictive Control (MPC) है, और यह actuators को दिए जाने वाले optimal inputs तय करने के लिए predictive model का explicit इस्तेमाल करती है
कुछ लोगों में cerebellum नहीं होता, और उस स्थिति में सोच व emotions प्रभावित होते हैं
https://www.npr.org/sections/health-shots/2015/03/16/3927897...
https://www.youtube.com/watch?v=rjWZJQyykeM
neuroscience काफी पढ़ चुके non-specialist के लिए बिल्कुल सही difficulty level वाला शानदार लेख था
हालांकि “biological neuron को neural network के एक neuron की तरह मानने वाले connectionist paradigm की तुलना में brain simulation के लिए कहीं ज्यादा computational resources की जरूरत पड़ सकती है” वाला हिस्सा समझ में तो आता है, लेकिन दूसरे AI camp को नीचा दिखाने के लिए अनावश्यक चक्कर जैसा लगता है
connectionism कोई cult या institution नहीं, बल्कि ऐसा paradigm है जो छोटे components से जुड़ी बड़ी networks की usefulness पर जोर देता है
जो खुद को connectionist कहते हैं, वे यह कहकर पीछे हट सकते हैं कि “ठीक है, brain-cell networks के साथ और छोटे intracellular networks भी शामिल कर लेते हैं,” और तब खास विरोध में कहने को कुछ नहीं दिखता
connectionism कभी भी biological neural networks या दूसरे anatomical structures को जस का तस simulate करने की कोशिश नहीं था, और आज भी नहीं है
इसका core isolated pieces, जैसे “grandmother neuron” या rigid functional localization के बजाय networks और emergent phenomena पर जोर देना है
information-processing level पर इसका contrast classicism/symbolicism से है, जो cognition को atomic और modular symbol manipulation के रूप में समझाना चाहता है
पूरा लेख अच्छे spirit में लिखा गया है, लेकिन इस हिस्से पर flow टूट जाता है
हमारे पास जो models हैं, वे बस और useful बनने के लिए update होते हैं, और engineering की हर field reality के models बनाती है
यहाँ connectionists कौन हैं, और क्या इसे आम readers के डरने लायक “वे लोग” जैसा label बनाकर इस्तेमाल किया गया है, यह सवाल उठता है
अभी इस्तेमाल होने वाली units बहुत abstract हो सकती हैं, इसकी संभावना ज्यादा है, लेकिन इसका मतलब यह नहीं कि पूरा paradigm ही गलत है
एक सॉफ्टवेयर इंजीनियर के तौर पर, जो कभी neurosurgery resident रहा था, मुझे सहज रूप से लगता है कि cerebellum दिमाग के FPGA जैसा है
cerebrum बहुत जटिल है और नए कामों में अच्छा है, लेकिन इसमें समय और ऊर्जा बहुत लगती है
इसके विपरीत cerebellum बार-बार इस्तेमाल होने वाले कामों को तेज़ और कुशलता से करने के लिए encode करने में विशेषज्ञ है, और motor learning का बड़ा हिस्सा असल में cerebellum को सही तरह से wire करने का काम है
इसलिए कुछ लोगों में ऐसा दिलचस्प amnesia हो सकता है जिसमें वे कोई skill सीख तो सकते हैं, लेकिन उन्हें यह याद नहीं रहता कि उन्होंने वह skill सीखी है
इसका मतलब है कि कोई व्यक्ति यह सोचते हुए भी कि उसने basketball hoop या गेंद कभी नहीं देखी, आसानी से layup, dunk और 3-point shot कर सकता है
मुझे काम की procedures समझाने लायक याद नहीं थीं, लेकिन क्योंकि वे repetitive tasks थे, वे intuition या muscle memory में बचे हुए थे, इसलिए मैं यह जाने बिना भी उन्हें कर सकता था कि क्यों कर रहा हूँ
मैं एक बेहद competitive company में supervisor था और कुछ लोग मेरी position के पीछे पड़े थे, इसलिए recession के दौरान अपनी disability सामने लाना मुश्किल था
मैंने injury छिपाकर recover करने की कोशिश की, और लोगों ने मेरी कभी-कभी की भूलने की आदत को उस stress और frequent partying का असर माना, जिससे सब गुजर रहे थे
recovery strategies में से एक यह थी कि मैं वे specific actions लिखता था जो instinctively करता था, और फिर सोचता था कि उन्हें क्यों किया, ताकि अपना mental model फिर से बना सकूँ
जिन लोगों को मैंने पहले train किया था, उन्होंने भी वे techniques मुझे दोबारा सिखाईं, और इस तरह work model को relearn करते हुए मैं उसे अपनी instinctive wiring से जोड़ सका
मैं अपने पुराने performance level पर पूरी तरह वापस नहीं लौट पाया, लेकिन intuitive memory और conscious memory अलग होती हैं—इस बात का फायदा उठाना बाद में कई जगह काम आया
humanoid primates में पहले से बड़े हो चुके brain के अनुपात में cerebellum ज्यादा तेजी से बड़ा हुआ—यह तथ्य देखकर लगता है कि social responses, impulses और complex desires optimization के लिए इस FPGA को उधार लेते होंगे
यह कुछ ऐसी संरचना जैसी लगती है जिसमें cerebrum training करता है और cerebellum वगैरह evaluation करते हैं
इस लेख का कुल मिलाकर impression यह है कि दावा शायद बहुत ज्यादा आत्मविश्वासी है
दिलचस्प तो है, लेकिन कुछ results देखकर cerebellum पूरे cognition में कैसे शामिल है, इस पर बड़े दावे किए जा रहे हैं; ऐसे क्षेत्रों में आम तौर पर कहीं ज्यादा विनम्र होना चाहिए
सरल और निर्णायक statements बाद में अक्सर असंख्य caveats और unexplained behaviors से ढक जाते हैं
असल में हमें ठीक-ठीक नहीं पता कि क्या हो रहा है
अगर कोई “सही” research और “सही” लोगों को ही चुनकर सुने, तो किसी भी दावे के लिए उतना ही मजबूत counter-claim और credible evidence जोड़ा जा सकता है
जिसे हम neuroscience कहते हैं, वह अभी भी काफी हद तक pre-Newtonian era के करीब है
लेख दिलचस्प है, लेकिन author जहाँ research से extrapolate कर रहा है, वहाँ छानकर देखना चाहिए
HN readers को शायद Ethan नाम के उस teenager पर पहले लिखा गया Economist Christmas special भी पसंद आएगा, जो cerebellum के बिना पैदा हुआ था
https://www.economist.com/christmas-specials/2018/12/18/the-...
दिलचस्प perspective है
मैं सहमत हूँ कि neuroscience की progress की रफ्तार AI से धीमी है, लेकिन यह महत्वपूर्ण है कि brain को समझना intelligent machines बनाने से fundamentally अलग समस्या है
मानव brain अरबों interconnected neurons से बना बेहद complex system है, और इसके काम करने के तरीके को पूरी तरह समझने के लिए अभी लंबा रास्ता तय करना है
वहीं AI को specific problems efficiently solve करने के लिए design किया जाता है, और उसके underlying mechanisms को जरूरी नहीं कि समझा ही जाए; उसे human cognition के कुछ पहलुओं की नकल करने के लिए engineering के जरिए बनाया जा सकता है
हो सकता है कि किसी दिन AI brain को बेहतर समझने में मदद करे, लेकिन brain information कैसे process करता है, सीखता है और decisions लेता है—इसे समझने वाली neuroscience progress ज्यादा refined और human-like AI बनाने के लिए आगे भी महत्वपूर्ण रहेगी
लेख की शुरुआत में दिया गया cerebellum overview मुझे काफी पसंद आया, और cerebellum को unconscious learning का केंद्र बताने वाली व्याख्या भी अच्छी थी
लेकिन जल्दी ही बात weak speculation की ओर जाती लगती है
“Purkinje cells individually सीखते हैं, लेकिन दूसरे cells नहीं” से “neuronal connectivity भर से brain activity simulate करने के लिए पर्याप्त नहीं है” तक पहुँचने वाला हिस्सा ऐसा ही है, और यह भी ध्यान रखना चाहिए कि cerebellum के बिना भी higher-order mental activity मौजूद रहती है
सिर्फ इसलिए कि Purkinje cells response time align कर सकते हैं, यह कहना कि cerebellum measurement का center हो सकता है, और फिर आगे इसे expectations और sensations की जगह तक फैला देना—ऐसा लगता है
cerebellum अपने-आप में ही काफी दिलचस्प है; “intelligence को फिर से सोचने” तक जाने की जरूरत नहीं लगती
कम-से-कम कुछ learning individual neurons के अंदर होती दिखती है
यह उन लोगों के लिए बुरी खबर है जो brain को digitally simulate करना चाहते हैं, और इसका मतलब है कि biological neuron को neural network के एक “neuron” की तरह मानने वाले connectionist paradigm की तुलना में बहुत ज्यादा relevant factors simulate करने होंगे
लगभग 10 साल पहले NPR radio पर भी मैंने सुना था कि researchers के पास यह संदेह करने की वजहें हैं कि synapse के अंदर processing कहीं ज्यादा होती है