اسپرنگوں کے ایک نیٹ ورک کو نیند کی ضرورت کیوں پڑے گی؟
نیند کیا ہے؟ اسے آرام کی ایک ایسی قابلِ واپسی حالت کے طور پر پہچانا جاتا ہے جس میں جانور اپنے ماحول پر کم ردِعمل دیتا ہے — اور اس سے محروم رہنے کے بعد اسے زیادہ نیند درکار ہوتی ہے۔ اس طرح تعریف کی جائے تو نیند پوری حیوانی دنیا میں پائی جاتی ہے: ممالیہ اور پرندوں میں، مچھلیوں اور کیڑوں (worms) میں، اور ان جانوروں میں بھی جن کا کوئی مرکزی اعصابی نظام نہیں، جیسے جیلی فش اور ہائیڈرا۔ یہ وسعت ایک سوال اٹھاتی ہے جو Syracuse University کے Nada Elmeligy، Nidhi Pashine اور J. M. Schwarz نے پوچھا: کیا نیند کی ضرورت خود سیکھنے کے عمل سے پیدا ہو سکتی ہے، چاہے سیکھنے والا نظام کوئی بھی ہو؟
مصنوعی ذہانت کے پاس ایک جزوی جواب ہے: “بیداری–نیند” (wake–sleep) الگورتھم کے بعد سے، نیند جیسے مراحل نے نیورل نیٹ ورکس کو پرانی چیزیں بھولے بغیر نئی چیزیں سیکھنے میں مدد دی ہے۔ مگر وہ نیٹ ورکس ریاضیاتی طور پر طے شدہ سیکھنے کے اصولوں کی پیروی کرتے ہیں۔ ٹیم کچھ زیادہ سادہ اور خالصتاً طبیعیاتی چیز چاہتی تھی — ایک ایسا مادہ جو اپنی ہی میکانیات کے ذریعے سیکھے۔
اسپرنگ جو سیکھتے ہیں
ان کا سیکھنے والا نظام اسپرنگوں کا ایک بے ترتیب نیٹ ورک (disordered network of springs) ہے: 128 گرہیں (nodes) جو 354 سے 366 اسپرنگوں سے جڑی ہیں۔ اسے جو کام سیکھنا ہے وہ میکانیکی ہے۔ جب قوتوں کا ایک جوڑا ایک اسپرنگ کو کھینچتا ہے (ان پٹ)، تو کچھ فاصلے پر موجود ایک دوسرے اسپرنگ (آؤٹ پٹ) کو ایک درست تناؤ کے ساتھ ردِعمل دینا ہوتا ہے۔ سیکھنا مقامی طور پر ہوتا ہے: ہر اسپرنگ اپنے محسوس کیے گئے تناؤ کی بنیاد پر اپنی سختی خود بدلتا ہے، کسی مرکزی پروسیسر کے بغیر۔
ٹیم نے ایسے 50 نیٹ ورکس کو 23 دوروں (visits) کے ایک سلسلے پر تربیت دی: نو نئے کام، جن کے ساتھ پچھلے کاموں کی 14 تکرارات ملی ہوئی تھیں۔ جوں جوں سلسلہ آگے بڑھا، نئے کام سیکھ پانے والے نیٹ ورکس کا حصہ کم سے کم ہوتا گیا۔ قصور خود کاموں کا نہیں تھا: ابتدائی حالت سے سب سے پہلے تربیت دی جائے تو یہی کام زیادہ کثرت سے سیکھے گئے۔
سیکھنا، سیکھنے کی صلاحیت کو خرچ کر دیتا ہے
وضاحت ایک ایسی مقدار میں ہے جسے مصنفین غلبہ (dominance) کہتے ہیں۔ ایک اسپرنگ کے دونوں سروں کو کھینچیے تو بوجھ پھیل جاتا ہے: اس کا ایک حصہ اسی اسپرنگ میں رہتا ہے، باقی اس کے اردگرد کے نیٹ ورک سے گزر جاتا ہے۔ کسی اسپرنگ کا غلبہ وہ حصہ ہے جو وہ اپنے پاس رکھتا ہے، 0 اور 1 کے درمیان۔ جو اسپرنگ سارا بوجھ اٹھاتا ہے وہ تبدیلیاں باقی نیٹ ورک تک منتقل نہیں کر سکتا؛ جو اسپرنگ کچھ نہیں اٹھاتا اس کے پاس منتقل کرنے کو کچھ نہیں۔ سیکھنے کے لیے اس کی افادیت، جسے مصنفین اس کی لچک پذیری (plasticity) کہتے ہیں، حاصلِ ضرب f(1 − f) ہے: دونوں انتہاؤں پر صفر، اور نصف پر سب سے زیادہ۔
تربیت سے پہلے اسپرنگوں کے غلبے اوسط کے قریب رہتے ہیں۔ تربیت انہیں منقطب (polarized) کر دیتی ہے: کچھ اسپرنگ آخرکار اپنے سروں کے درمیان تقریباً سارا بوجھ اٹھانے لگتے ہیں، اور کچھ تقریباً کوئی نہیں۔ اور یہیں ٹیم ایک قطعی قانون ثابت کرتی ہے۔ تمام اسپرنگوں کی لچک پذیری جمع کیجیے تو نیٹ ورک کی سیکھنے کی صلاحیت C ملتی ہے؛ ناپیے کہ غلبے اوسط سے کتنا ہٹے ہوئے ہیں تو قطبیت P (polarization) ملتی ہے۔ تب C + P ایک مستقل ہے، جو صرف نیٹ ورک کی ساخت سے طے ہوتا ہے۔ حاصل ہونے والی قطبیت کا ہر ذرہ، سیکھنے کی کھوئی ہوئی صلاحیت ہے۔ مصنفین P کو نیٹ ورک کا “نیند کا دباؤ” (sleep pressure) کہتے ہیں۔ سمولیشنز میں، جو کام C کے بلند ہونے کے وقت آئے وہ کہیں زیادہ کثرت سے سیکھے گئے۔
شور کو سننا
کیا یہ نقصان پلٹا جا سکتا ہے؟ اصولاً، ہاں: حد سے زیادہ غالب اسپرنگوں کو کمزور کیجیے، اور بہت کمزور اسپرنگوں کو مضبوط۔ مشکل یہ ہے کہ کسی اسپرنگ کا غلبہ پورے نیٹ ورک پر منحصر ہے۔ ٹیم کو ایک مقامی شارٹ کٹ ملا: نیٹ ورک کو اندر سے ننھی بے ترتیب قوتوں سے ہلائیے، تو ہر اسپرنگ کی اوسط ذخیرہ شدہ توانائی اس کا غلبہ ظاہر کر دیتی ہے۔ تب ہر اسپرنگ کو صرف اپنی سختی اور اپنا کھنچاؤ جاننے کی ضرورت ہوتی ہے۔
کاموں کے دوروں کے درمیان شامل کی گئی اس مرمت نے پورے سلسلے میں نیٹ ورکس کو سیکھتے رہنے کے قابل رکھا۔ یہ 50 میں سے 49 نیٹ ورکس میں سکون کی حالت کی سختی (rest stiffness) کی طرف ایک اندھی واپسی سے بہتر رہی۔ اس میں حیوانی نیند کی کئی خصوصیات کی جھلک بھی تھی۔ جب کچھ نیا نہیں سیکھا جا رہا تھا تو مرمت نقصان دہ رہی، اور اس نے سب سے زیادہ مدد تب کی جب تقریباً 40% دورے کوئی نیا کام لائے۔ آخری تین مرمتی سیشن چھوڑ دینے سے “نیند کا دباؤ” جمع ہو گیا، اور کمی پوری کرنے کے لیے ایک اضافی خوراک درکار ہوئی — اگرچہ چھوڑی گئی مقدار کا صرف 75.3%، اور چھ سیشن چھوٹنے کے بعد 52.2%۔
مرمت کو انتظار کیوں کرنا پڑتا ہے
سیکھنے کے دوران ہی مرمت کیوں نہ کی جائے؟ کیونکہ جاری کام ان اسپرنگوں پر اضافی کھنچاؤ ڈالتا ہے جو اسے اٹھائے ہوئے ہیں۔ ان کی توانائی کی پیمائشیں بڑھ جاتی ہیں — تمام 50 نیٹ ورکس میں — اس لیے مرمت مصروف اسپرنگوں کو حد سے زیادہ غالب اسپرنگ سمجھ بیٹھتی ہے اور انہی راستوں کو نرم کر دیتی ہے جو زیرِ استعمال ہیں۔ کام کے دوران کی گئی مرمت نے آف لائن کی گئی مرمت کے مقابلے میں کہیں کمزور نتائج دیے۔
چونکہ یہ جانبداری پیمائشوں کو ہمیشہ صرف اوپر کی طرف دھکیلتی ہے، اس لیے جو اسپرنگ کام کے دوران بھی کمزور دکھائی دے، وہ واقعی کمزور ہے۔ چنانچہ ٹیم نے ایک تقسیم آزمائی: “بیداری” کے دوران مضبوط کرو، صرف “نیند” کے دوران کمزور کرو۔ یہ تقریباً اتنی ہی کارگر رہی جتنی مکمل آف لائن مرمت۔ الٹی تقسیم نے ہر نیٹ ورک میں کارکردگی کو نقصان پہنچایا۔ مصنفین چوہوں کے بصری قشر (visual cortex) میں ایک مماثلت کی نشاندہی کرتے ہیں، جہاں سرگرمی بیداری کے دوران اوپر کی طرف اور نیند کے دوران نیچے کی طرف ایڈجسٹ کی جاتی ہے — ایک ممکنہ طبیعیاتی وضاحت جسے وہ آزمائے جانے والے ایک مفروضے کے طور پر پیش کرتے ہیں۔
ایک سوئچ جو اب بھی باہر سے دبایا جاتا ہے
نیٹ ورکس خود سونے کا فیصلہ نہیں کرتے: ایک بیرونی نگران سیکھنے اور مرمت کا شیڈول بناتا ہے، اور بحالی کا ہدف مقرر کرتا ہے۔ اور چونکہ مرمت پچھلے کاموں کے بارے میں کچھ نہیں جانتی، یہ یادوں کو گھسا دیتی ہے، حیاتیاتی نیند کے برعکس، جو دن بھر کے تجربات کو دوبارہ متحرک بھی کرتی ہے۔ مصنفین کے اگلے سوال یہ ہیں کہ کوئی سیکھنے والا نظام خود بخود کب آف لائن مرحلے میں جائے گا — اور کیا خواب دیکھنے کی کوئی طبیعیاتی صورت اس چیز کی حفاظت کر سکتی ہے جو اس نے ابھی ابھی سیکھی ہے۔
