मानव जीनोम के कृत्रिम बुद्धिमत्ता अध्ययन अज्ञात मानव पूर्वज पाता है

क्या मशीनों का दिमाग हमें कुछ नया सिखा सकता है कि इसका मानव होने का क्या मतलब है? जब हमारी प्रजाति की जटिल उत्पत्ति और विकास की जटिल कहानी की बात आती है, तो ऐसा प्रतीत होता है कि वे कर सकते हैं।

मानव उत्पत्ति और विकास के आठ प्रमुख मॉडल का विश्लेषण करने के लिए हाल ही के एक अध्ययन में मशीन सीखने की तकनीक का इस्तेमाल किया गया, और कार्यक्रम ने मानव पूर्वजों की एक "भूत आबादी" के मानव जीनोम में साक्ष्य की पहचान की। विश्लेषण से पता चलता है कि मानवों के विकास के इतिहास की लंबी, घुमावदार सड़क के साथ-साथ आधुनिक मानव डीएनए में केवल खंडित निशान को पीछे छोड़ते हुए, पहले से अज्ञात और लंबे समय से विलुप्त समूह के होमिन सैपियन्स ने एशिया और ओशिनिया में हस्तक्षेप किया।

नेचर कम्युनिकेशंस में प्रकाशित यह अध्ययन इस बात का पहला उदाहरण है कि कैसे मशीन लर्निंग हमारे स्वयं के मूल के सुराग को प्रकट करने में मदद कर सकता है। जीवाश्म हड्डियों में भारी संख्या में जीनोमिक डेटा को पीछे छोड़ कर और आधुनिक मनुष्यों में डीएनए के साथ तुलना करके, वैज्ञानिक हमारी प्रजातियों के विकासवादी इतिहास के कुछ अंतरालों को भरना शुरू कर सकते हैं।

इस मामले में, परिणाम जीवाश्मविज्ञान सिद्धांतों से मेल खाते हैं जो कि जमीन में पाए जाने वाले मानव पूर्वज जीवाश्मों के अध्ययन से विकसित किए गए थे। नए आंकड़ों से पता चलता है कि रहस्यमय होमिनिन को निश्चित रूप से निएंडरथल और डेनिसोवन्स (जिन्हें केवल 2010 में मानव परिवार के पेड़ पर एक अनोखी प्रजाति के रूप में पहचाना गया था) के एक मिश्रण से उतारा गया था। हमारे विकासवादी अतीत में इस तरह की प्रजाति साइबेरिया की डेनिसोवा गुफा की 90, 000 साल की किशोर लड़की के जीवाश्म की तरह दिखती होगी। उसके अवशेषों को पिछली गर्मियों में दो प्रजातियों के बीच पहली पीढ़ी के संकर का एकमात्र ज्ञात उदाहरण के रूप में वर्णित किया गया था, जिसमें निएंडरथल मां और डेनिसोवन पिता थे।

बार्सिलोना के पॉम्पेरा फबरा यूनिवर्सिटी के विकासवादी जीवविज्ञानी सह लेखक जूम बर्ट्रनैपिट का कहना है, "इस आबादी के मूल में हम जिस तरह के व्यक्ति हैं, वैसे ही इस आबादी के मूल में होने की उम्मीद है, लेकिन यह सिर्फ एक व्यक्ति नहीं बल्कि पूरी आबादी होनी चाहिए।"

बदलती परिस्थितियों में समायोजित होने की प्रारंभिक मनुष्यों की क्षमता ने अंततः 1.85 मिलियन वर्ष पहले होमो की शुरुआती प्रजातियों को अलग-अलग होने, जीवित रहने और अफ्रीका से यूरेशिया तक फैलने में सक्षम बनाया। (एंटोन, पॉट्स और ऐयेलो (2014), विज्ञान 345 (6192) की छवि शिष्टाचार)

पिछले मानव जीनोम अध्ययनों से पता चला है कि आधुनिक मनुष्यों के अफ्रीका छोड़ने के बाद, शायद 180, 000 साल पहले, उन्होंने बाद में निएंडरथल और डेनिसोवन्स जैसी प्रजातियों के साथ हस्तक्षेप किया, जो विलुप्त होने से पहले प्रारंभिक आधुनिक मनुष्यों के साथ सहवास करते थे। लेकिन हमारे परिवार के पेड़ को इन विचलन शाखाओं को शामिल करने के लिए फिर से बनाना मुश्किल हो गया है। "भूत" प्रजातियों के लिए प्रमाण विरल हो सकते हैं, और कई प्रतिस्पर्धी सिद्धांत यह समझाने के लिए मौजूद हैं कि कब, कहाँ और कितनी बार होमो सेपियन्स ने अन्य प्रजातियों के साथ हस्तक्षेप किया हो।

इन प्राचीन चौराहों के संपर्क को जेल, अंतर्मुखता कहा जाता है, मानव जीनोम में विचलन के स्थानों के रूप में पहचाना जा सकता है। यदि आप दोनों गुणसूत्र एक ही मानव प्रजाति से आते हैं, तो वैज्ञानिक दो गुणसूत्रों के बीच अधिक अलगाव का निरीक्षण करते हैं। जब वैज्ञानिकों ने 2010 में निएंडरथल जीनोम का अनुक्रम किया, तो उन्होंने महसूस किया कि इनमें से कुछ डायवर्जेंस हमारे जीनोम के अंशों का प्रतिनिधित्व करते हैं जो निएंडरथल से आए थे। अध्ययनों से यह भी पता चला है कि कुछ जीवित मनुष्य अपने पूर्वजों के 5 प्रतिशत से अधिक डेनिसोवन्स का पता लगा सकते हैं।

"तो, हमने सोचा कि हम जीनोम में उच्च विचलन के इन स्थानों को खोजने की कोशिश करेंगे, देखें कि निएंडरथल कौन से हैं और डेनिसोवन हैं, और फिर देखें कि क्या ये पूरी तस्वीर समझाते हैं, " बर्ट्रानैपिटेट कहते हैं। "जैसा कि होता है, यदि आप निएंडरथल और डेनिसोवन भागों को घटाते हैं, तो जीनोम में अभी भी कुछ है जो अत्यधिक विचलन है।"

जीनोम भर में कई अलग-अलग स्थानों की पहचान करना और उनका विश्लेषण करना, और उन अनगिनत आनुवांशिक संयोजनों की गणना करना जो उन्हें उत्पन्न कर सकते थे, मनुष्यों के लिए अपने आप से निपटने के लिए बहुत बड़ा काम है - लेकिन यह एक ऐसा कार्य है जो गहन शिक्षण एल्गोरिदम के लिए दर्जी हो सकता है।

डीप लर्निंग एक प्रकार की आर्टिफिशियल इंटेलिजेंस है, जिसमें एल्गोरिदम को आर्टिफिशियल न्यूरल नेटवर्क या एक प्रोग्राम के रूप में काम करने के लिए तैयार किया जाता है, जो एक स्तनधारी मस्तिष्क को उसी तरह से सूचना दे सकता है। ये मशीन लर्निंग सिस्टम पिछली जानकारी के लिए "सीखने के लिए" पैटर्न और खाते का पता लगा सकते हैं, जिससे उन्हें भारी मात्रा में डेटा का विश्लेषण करने के बाद नए कार्य करने या नई जानकारी देखने की अनुमति मिलती है। (एक सामान्य उदाहरण Google DeepMind's AlphaZero है, जो खुद को मास्टर बोर्ड गेम सिखा सकता है।)

"डीप लर्निंग एक बड़ी जगह में बिंदुओं के एक सेट के लिए और अधिक जटिल आकार की चीज़ को फिट कर रहा है, " टेम्पल यूनिवर्सिटी में एक विकासवादी जीनोमिक्स विशेषज्ञ जोशुआ श्राबेर कहते हैं। “वाई और एक्स के बीच एक लाइन फिट करने के बजाय, आप बहुत बड़े, हज़ार-आयामी स्थान में कुछ स्क्वीजीली चीज़ों को सेट कर रहे हैं। डीप लर्निंग कहती है, 'मुझे नहीं पता कि इन बिन्दुओं पर किस तरह की आकृति फिट होनी चाहिए, लेकिन देखते हैं कि क्या होता है।' '

इस मामले में, मशीनों को मानव जीनोम का विश्लेषण करने और मानव जनसांख्यिकी का अनुमान लगाने के लिए काम करने के लिए निर्धारित किया गया था कि कैसे हमारे डीएनए प्राचीन विकास के कई हजारों संभावित परिदृश्यों पर विकसित हो सकते हैं। कार्यक्रम में डीएनए की संरचना और विकास के साथ-साथ मानव प्रवास और इंटरब्रिडिंग के मॉडल को भी शामिल किया गया है ताकि कुछ टुकड़ों को एक अविश्वसनीय रूप से जटिल पहेली में फिट करने की कोशिश की जा सके।

शोधकर्ताओं ने यूरेशिया में प्रारंभिक मानव विकास के सबसे प्रशंसनीय सिद्धांतों के आठ विभिन्न मॉडलों का विश्लेषण करने के लिए कंप्यूटर को प्रशिक्षित किया। मॉडल पिछले अध्ययनों से आए थे जिन्होंने एक ऐसे परिदृश्य के साथ आने का प्रयास किया जिसके परिणामस्वरूप मानव जीनोम की वर्तमान तस्वीर होगी, जिसमें इसके ज्ञात निएंडरथल और डेनिसोवन घटक शामिल हैं।

"अन्य मॉडल हो सकते हैं, निश्चित रूप से, लेकिन ये मॉडल वही हैं जो अन्य लोग वैज्ञानिक साहित्य में प्रस्तावित कर रहे हैं, " बर्ट्रानैपिट कहते हैं। प्रत्येक मॉडल अफ्रीका के स्वीकृत कार्यक्रम से शुरू होता है, फिर मानव प्रजातियों के बीच सबसे अधिक संभावित विभाजन का एक अलग सेट पेश करता है, जिसमें दोनों ज्ञात प्रजातियों और संभव "भूत" प्रजातियों के साथ विभिन्न इंटरबेडिंग शामिल हैं।

मनुष्य, या होमो सेपियन्स, जनक अर्दिपिटेकस, ऑस्ट्रेलोपिथेकस और पैरेन्थ्रोपस की प्रजातियों सहित ईमानदार चलने वाले पूर्वजों के एक जटिल पेड़ से उतारे जाते हैं । (स्मिथसोनियन ह्यूमन ओरिजिनल प्रोग्राम)

"इन आठ मॉडलों में से प्रत्येक के साथ, हम गणना के हफ्तों में गणना करते हैं कि वे मनुष्यों की वास्तविक, वर्तमान आनुवंशिक संरचना तक पहुंचने में कितनी अच्छी तरह से सक्षम हैं, " बर्ट्रानैपिट कहते हैं। "हर बार जब हम एक सिमुलेशन करते हैं, तो यह मानव विकास के संभावित मार्ग का अनुकरण है, और हमने उन सिमुलेशन को हजारों बार चलाया है, और गहन शिक्षण एल्गोरिदम यह पहचानने में सक्षम हैं कि कौन से मॉडल डेटा के लिए सबसे उपयुक्त हैं।"

मशीन का निष्कर्ष? हमारे वंश में एक पूर्वज प्रजाति मौजूद है जिसे हमें पहचानना बाकी है। "अब तक, एकमात्र मॉडल जो हमने परीक्षण किया था कि वास्तव में डेटा द्वारा समर्थित हैं, इस भूत आबादी के अंतःविषय वाले हैं, " बर्ट्रानैपिट कहते हैं।

पेचीदा अध्ययन और इसके जैसे अन्य लोगों के नक्शे को फिर से विकसित करने में मदद मिल सकती है कि मनुष्य कैसे चले गए और विकसित हुए, हालांकि यूरेशिया और ओशिनिया में एक तेजी से जटिल प्राचीन दुनिया प्रतीत होती है।

पेन्सिलवेनिया के एक जनसंख्या आनुवंशिकीविद्, इयान मैथिसन, ईमेल के माध्यम से कहते हैं, "यह निश्चित रूप से दिलचस्प है और मानव विकास में एक जटिल जालीदार phylogeny की तस्वीर के साथ है"। "मुझे यकीन भी नहीं है कि जब यह आदर्श लगता है तो 'अंतर्मुखी घटनाओं' के बारे में बात करना समझ में आता है।" वास्तव में, क्योंकि केवल आठ मॉडलों का परीक्षण किया गया था और कई अन्य संभव हो सकते हैं, मैथिसन कहते हैं कि नए निष्कर्ष हैं " निश्चित रूप से एक प्रशंसनीय परिदृश्य, लेकिन वास्तविकता और भी जटिल है। ”

चूंकि नए जीवाश्म खोज क्षेत्र में किए गए हैं, इसलिए अद्यतन मॉडल अब इस प्रकार के कार्यक्रमों का उपयोग करके मानव जीनोम के खिलाफ परीक्षण किया जा सकता है। श्राइबर कहते हैं कि मानव उत्पत्ति का अध्ययन करने के लिए गहन सीखने की शक्ति जटिल मॉडल का विश्लेषण करने की क्षमता में निहित है।

"यदि आप एक बहुत विस्तृत मॉडल करना चाहते हैं क्योंकि आप एक मानवविज्ञानी हैं, और आप जानना चाहते हैं कि क्या यह अंतर्मुखी 80, 000 साल पहले या 40, 000 साल पहले हुई थी, तो यह इस तरह के एक गहन शिक्षण दृष्टिकोण की शक्ति है।"

वे जितने भी जटिल हैं, प्राचीन यूरेशिया के इंटरब्रिडिंग अभी भी हमारी मानव कहानी का केवल एक हिस्सा हैं। बर्ट्रानैपिट का मानना ​​है कि गहरी शिक्षा में भविष्य की प्रगति अन्य नए अध्यायों को उजागर करने में मदद कर सकती है।

"इस तरह की विश्लेषण पद्धति के सभी प्रकार के नए परिणाम होने जा रहे हैं, " वे कहते हैं। “मुझे यकीन है कि अफ्रीका में काम करने वाले लोग विलुप्त हो चुके समूहों को खोज लेंगे जिन्हें अभी तक मान्यता नहीं मिली है। कोई शक नहीं कि अफ्रीका भविष्य में हमें आश्चर्यजनक चीजें दिखाने जा रहा है। ”