মস্তিষ্কের একটি ছোট অঞ্চল, যা ভেন্ট্রাল টেগমেন্টাল অঞ্চল (ভিটিএ) নামে পরিচিত, আমরা কীভাবে পুরষ্কারগুলি প্রক্রিয়াজাত করি তাতে মূল ভূমিকা পালন করে। এটি ডোপামিন উত্পাদন করে, একটি নিউরোমোডুলেটর যা প্রাসঙ্গিক সংকেতের উপর ভিত্তি করে ভবিষ্যতের পুরষ্কারের পূর্বাভাস দেয়। জেনেভা (ইউনিজ), হার্ভার্ড এবং ম্যাকগিলের বিশ্ববিদ্যালয়গুলির একটি দল দেখিয়েছে যে ভিটিএ আরও এগিয়ে যায়: এটি কেবল প্রত্যাশিত পুরষ্কারই নয়, এটি প্রত্যাশিত মুহূর্তটিও এনকোড করে। একটি মেশিন লার্নিং অ্যালগরিদম দ্বারা সম্ভব করা এই আবিষ্কারটি নিউরোসায়েন্সের সাথে কৃত্রিম বুদ্ধিমত্তার সংমিশ্রণের মানকে হাইলাইট করে। গবেষণাটি জার্নালে প্রকাশিত হয় প্রকৃতি।
ভেন্ট্রাল টেগমেন্টাল এরিয়া (ভিটিএ) অনুপ্রেরণা এবং মস্তিষ্কের পুরষ্কার সার্কিটে মূল ভূমিকা পালন করে। ডোপামিনের প্রধান উত্স, নিউরনের এই ছোট ক্লাস্টারটি এই নিউরোমোডুলেটরকে অন্যান্য মস্তিষ্কের অঞ্চলে একটি ইতিবাচক উদ্দীপনাটির প্রতিক্রিয়া হিসাবে কোনও ক্রিয়া ট্রিগার করতে প্রেরণ করে।
“প্রাথমিকভাবে, ভিটিএকে কেবল মস্তিষ্কের পুরষ্কার কেন্দ্র বলে মনে করা হয়েছিল। তবে ১৯৯০ এর দশকে বিজ্ঞানীরা আবিষ্কার করেছিলেন যে এটি নিজেই পুরষ্কারকে এনকোড করে না, বরং পুরষ্কারের পূর্বাভাস,” মেডিসিনের ইউনিজ অনুষদের বেসিক নিউরোসিয়েন্স বিভাগের সম্পূর্ণ অধ্যাপক আলেকজান্দ্রে পাউগেট ব্যাখ্যা করেছেন।
প্রাণীদের উপর পরীক্ষাগুলি দেখিয়েছে যে যখন কোনও পুরষ্কার ধারাবাহিকভাবে একটি হালকা সংকেত অনুসরণ করে, উদাহরণস্বরূপ, ভিটিএ শেষ পর্যন্ত ডোপামাইনকে পুরষ্কারের মুহুর্তে ছেড়ে দেয় না, তবে সংকেতটি উপস্থিত হওয়ার সাথে সাথেই। এই প্রতিক্রিয়াটি পুরষ্কারের সাথে যুক্ত – পুরষ্কারের সাথে যুক্ত – পুরষ্কারের সাথে যুক্ত – পুরষ্কারের সাথে যুক্ত।
আরও অনেক পরিশীলিত ফাংশন
এই “শক্তিবৃদ্ধি শেখা”, যার জন্য ন্যূনতম তদারকি প্রয়োজন, এটি মানব শিক্ষার কেন্দ্রবিন্দু। এটি অনেক কৃত্রিম বুদ্ধিমত্তা অ্যালগরিদমের পিছনে নীতিও যা প্রশিক্ষণের মাধ্যমে পারফরম্যান্সের উন্নতি করে – যেমন আলফাগো, প্রথম অ্যালগরিদম যা গো গেমের খেলায় বিশ্ব চ্যাম্পিয়নকে পরাস্ত করে।
সাম্প্রতিক এক গবেষণায়, হার্ভার্ড বিশ্ববিদ্যালয়ের নওশিগ উচিদা এবং ম্যাকগিল বিশ্ববিদ্যালয়ের পল ম্যাসেটের সহযোগিতায় আলেকজান্দ্রে পাউজেটের দলটি দেখায় যে ভিটিএর কোডিং পূর্বের চিন্তার চেয়ে আরও পরিশীলিত। “ভবিষ্যতের পুরষ্কারের একটি ওজনযুক্ত যোগফলের পূর্বাভাস দেওয়ার পরিবর্তে, ভিটিএ তাদের অস্থায়ী বিবর্তনের পূর্বাভাস দেয়। অন্য কথায়, প্রতিটি লাভ আলাদাভাবে প্রতিনিধিত্ব করা হয়, যেখানে এটি প্রত্যাশিত সঠিক মুহুর্তের সাথে,” এই কাজের নেতৃত্বে ইউনিজ গবেষক ব্যাখ্যা করেছেন।
“যদিও আমরা জানতাম যে ভিটিএ নিউরনগুলি ভবিষ্যতে আরও সময়ের সাথে সাথে পুরষ্কারগুলিকে অগ্রাধিকার দিয়েছে – হাতে একটি পাখির নীতিতে বুশের মধ্যে দুটি মূল্য রয়েছে – আমরা আবিষ্কার করেছি যে বিভিন্ন নিউরন বিভিন্ন সময় স্কেলগুলিতে এটি করে, কয়েক সেকেন্ডের মধ্যে কিছুটা সময়কে আরও বেশি সময় হিসাবে প্রত্যাশিত করে তোলে এবং অন্যরা আরও এক মিনিটের মধ্যে পুরষ্কারের জন্য মঞ্জুরি দেয়। শেখার সিস্টেমটিকে দুর্দান্ত নমনীয়তা দেয়, এটি ব্যক্তির লক্ষ্য এবং অগ্রাধিকারের উপর নির্ভর করে তাত্ক্ষণিক বা বিলম্বিত পুরষ্কারগুলি সর্বাধিক করে তুলতে মানিয়ে নিতে দেয় “”
এআই এবং নিউরোসায়েন্স: একটি দ্বি-মুখী রাস্তা
এই অনুসন্ধানগুলি নিউরোসায়েন্স এবং কৃত্রিম বুদ্ধিমত্তার মধ্যে একটি কার্যকর সংলাপ থেকে উদ্ভূত। আলেকজান্দ্রে পাউজেট একটি খাঁটি গাণিতিক অ্যালগরিদম তৈরি করেছে যা পুরষ্কারের প্রক্রিয়াজাতকরণের সময়কে অন্তর্ভুক্ত করে। এদিকে, হার্ভার্ড গবেষকরা পুরষ্কার প্রাপ্ত প্রাণীদের ভিটিএ ক্রিয়াকলাপের উপর বিস্তৃত নিউরোফিজিওলজিকাল ডেটা সংগ্রহ করেছিলেন।
“তারপরে তারা তাদের ডেটাতে আমাদের অ্যালগরিদম প্রয়োগ করেছিল এবং দেখা গেছে যে ফলাফলগুলি তাদের অভিজ্ঞতামূলক অনুসন্ধানের সাথে পুরোপুরি মিলেছে।” মস্তিষ্ক এআই এবং মেশিন লার্নিং কৌশলগুলিকে অনুপ্রাণিত করার সময়, এই ফলাফলগুলি প্রমাণ করে যে অ্যালগরিদমগুলি আমাদের নিউরোফিজিওলজিকাল প্রক্রিয়াগুলি প্রকাশ করার জন্য শক্তিশালী সরঞ্জাম হিসাবেও কাজ করতে পারে।