മഞ്ഞ നിങ്ങൾക്ക് ഏതു മഞ്ഞയാണ്?

In York, you typically have grey, dull winters and then in summer you have greenery everywhere. Our vision compensates for those changes and that, surprisingly, changes what we think ‘yellow’ looks like. It’s a bit like changing the color balance on your TV.

– Lauren Welbourne (UC, Santa Barbara)

ചുവപ്പ്, പച്ച, നീല, മഞ്ഞ. ഈ നിറങ്ങളെല്ലാം നിങ്ങൾക്കറിയാം. ഇവയിൽ ഓരോന്നിൻ്റെയും പല ഛായാഭേദങ്ങളും നിങ്ങൾക്കറിയാം. പക്ഷേ നിങ്ങളുടെ മസ്തിഷ്‌കം ഇവയിലോരോന്നിനും ഓർമ്മകളിൽ പ്രത്യേകം പ്രത്യേകമായി ഓരോ ഇടം നൽകുന്നില്ല. ഉദാഹരണത്തിന് ചുവപ്പിൻ്റെ എല്ലാ ഛായാഭേദങ്ങളെയും അത് “ചുവപ്പ്” എന്ന ഒരൊറ്റ ലേബലിലാക്കുന്നു. ലുബ്‌ധോ, അലസതയോ, തുമ്പ് അത്രയും മതിയെന്ന ഉറപ്പോ? (അലസതയല്ല, തീർച്ചയായും. മാനുഷികതയിൽ സംസ്കാരത്തിൻ്റെ ഒരു ഉപരിമുദ്രണമാണ് അലസത. ജീവനും ജീവികൾക്കും അലസത എന്നൊരവസ്ഥയില്ല.)

പല മിതശീതോഷ്‌ണ ഭൂവിഭാഗങ്ങളിലും മങ്ങിയതും നരച്ചതുമാകും ശൈത്യകാലം. വേനലാകട്ടെ  ഉജ്ജ്വലം, ഹരിതമയം. നമ്മുടെ ദൃഷ്ടിയുടെ ഇടപെടലും വ്യാഖ്യാനവും ഇല്ലാതെത്തന്നെ പ്രകൃതി സ്വയം ഇങ്ങനെയാണോ? നാം ഒരിക്കലും വ്യക്തമായി ചോദിക്കാത്തൊരു ചോദ്യമാണിത് (ചില ചോദ്യങ്ങൾ വെളിപ്പെടുന്നത് ഉത്തരം വെളിപ്പെട്ടതിനു ശേഷം മാത്രം!)  പ്രകൃതിയിലെ ഋതുഭേദങ്ങൾ നമ്മുടെ വർണവിവേചനത്തെ സ്വാധീനിക്കുന്നുവെന്നതാണ് സത്യം. ജനുവരിയിലും ജൂണിലും നാം ഓരോരോ വസ്തുക്കളുടെ നിറങ്ങൾ കാണുന്നത് വ്യത്യസ്തമായാണ്.

ഒരു പരീക്ഷണം. നാം ഇപ്പോളൊരു ഇരുട്ടറയിലാണ്. ഏതു നിറവും ഉത്പാദിപ്പിക്കാൻ കഴിയുന്നൊരു സാങ്കേതിക ഉപകരണം ഇവിടെയുണ്ടെന്ന് സങ്കൽപ്പിക്കുക. അതുപയോഗിച്ച് മുറിയിൽ അസ്സൽ മഞ്ഞ വെളിച്ചം ഉണ്ടാക്കാൻ ഞാൻ നിങ്ങളോട് ആവശ്യപ്പെടുന്നു. അസ്സൽ മഞ്ഞയെന്നാൽ, വർണ്ണസിദ്ധാന്തത്തിലെ നിസ്തുലമായ മഞ്ഞ (“unique yellow”). ഈ മഞ്ഞയിൽ ചുവപ്പിന്റെയോ പച്ചയുടെയോ സൂക്ഷ്മ സാന്നിധ്യം പോലുമില്ല. മറ്റു നിറങ്ങളേക്കാൾ സാർവ്വലൗകിക സ്ഥിതത്വമുള്ള നിറവും ഈ മഞ്ഞയാണ്.

ശുദ്ധ ചുവപ്പിനേക്കാൽ, ശുദ്ധ പച്ചയേക്കാൾ, ശുദ്ധ മഞ്ഞയുണ്ടാക്കുന്ന പ്രകാശ തരംഗ ദൈര്‍ഘ്യങ്ങളാണ് ലോകത്തിൻ്റെ വ്യത്യസ്ത വിഭാഗങ്ങളിലെ മനുഷ്യർ കൂടുതലും ഒരേ പോലെ കാണുന്നത്. ശിശിരത്തിൽ നാം കാണുന്ന ശുദ്ധ മഞ്ഞയെ അപേക്ഷിച്ച്, തരംഗദൈര്‍ഘ്യത്തിൽ രണ്ട് നാനോമീറ്റർ ചുരുക്കമാണ് ഗ്രീഷ്മത്തിൽ നാം കാണുന്ന ശുദ്ധ മഞ്ഞ. ഈ രണ്ട് മഞ്ഞകളും അടുത്തടുത്തു വെച്ച് ശാസ്ത്രീയ കൃത്യതയോടെ പരിശോധിച്ചാൽ, ശൈത്യത്തിലെ മഞ്ഞയിൽ ചുവപ്പിൻ്റെയും, വേനലിലെ മഞ്ഞയിൽ പച്ചയുടെയും അധിക സൂചന ഉപകരണങ്ങളിൽ സ്പഷ്ടമാണ്.

ഋതുമാറ്റങ്ങളിൽ മഞ്ഞയുടെ മാറ്റത്തെ നമ്മുടെ ദൃശ്യവ്യവസ്ഥ ക്രമീകരിക്കുന്നു; അങ്ങനെ, മഞ്ഞയെന്നാൽ നമുക്കെന്തെന്നതിൽ മാറ്റമുണ്ടാകാതെ പോകുന്നു. അർത്ഥം: മസ്തിഷ്ക്കം നമ്മിൽനിന്ന് പലതും മറച്ചുപിടിക്കുന്നു. പനിയെക്കുറിച്ചുള്ള കവിതയിൽ അമേരിക്കൻ നോവലിസ്റ്റായ ജോൺ അപ്ഡൈക്ക് എഴുതിയൊരു വരിയാണ് ഞാനിപ്പോൾ ഓർക്കുന്നത്: “ആരോഗ്യം നമ്മിൽ നിന്ന് പലതും മറിച്ചു പിടിക്കുന്നു.” (അപ്ഡേറ്റിൽ നല്ലൊരു ഉദാഹരണമുണ്ട്.)

ഇന്ത്യയിൽ മഴക്കാലത്തും, ഉത്തര ധ്രുവത്തിൽ വേനലിലും ശൈത്യത്തിലും സംഭവിക്കുന്ന വിപുലമായ മാറ്റങ്ങൾ സങ്കൽപ്പിക്കുക. അന്തരീക്ഷത്തിലെ മാറ്റങ്ങൾക്കിടയിൽ നിറങ്ങളെ ഒരേ പോലെ കാണാനും, തിരിച്ചറിയാനും നമ്മെ സഹായിക്കുന്ന നൈര്യന്തര്യ അനുഭൂതിയാണ് ഇവിടെ മസ്തിഷ്കത്തിന്റെ ഇടപെടൽ. റിസേർച്ഗേറ്റിൽ എൻ്റെ സ്നേഹിതയായ ലോറൻ വെൽബോൺ തൻ്റെ പിഎച്ച്ഡി പ്രബന്ധത്തിലൂടെയാണ് ഇവിടെ എത്തുന്നത്. ലോറൻ വളരെ ലളിതമായി അതിങ്ങനെ വിശദീകരിക്കുന്നു: ഇത് ഏറെക്കുറെ നിങ്ങളുടെ ടെലിവിഷനിലെ ‘കളർ ബാലൻസ്’ മാറ്റുന്നതു പോലെയാണ്.

നിറങ്ങൾക്കു പകരം സാഹചര്യ ദൃശ്യങ്ങൾ മുഴുവനും പരിഗണിച്ചാലോ? സ്വാഭാവികമായും കൂടുതൽ ഘടക വിശേഷങ്ങൾ കടന്നുവരും: വലിപ്പം, ദൂരം, അനുപാതം. മിഗേൽ എക്സ്റ്റൈൻറ്റെ നേതൃത്വത്തിൽ ആ വഴിക്ക് ഒരു ഗവേഷണമുണ്ടായിട്ടുണ്ട്. മിഗേൽ എനിക്ക് അപരിചിതനാണ്. അദ്ദേഹത്തിൻ്റെ കൂടെ പ്രവർത്തിച്ച എംറെ അക്ബസാണ് അവരുടെ പ്രബന്ധത്തിൻ്റെ മുഴുപ്പകർപ്പ് എനിക്കയച്ചു തന്നത്. ഹൃദ്യമായൊരു ആകസ്മികതയിൽ, മിഗേലിൻ്റെ ഗവേഷണത്തിൽ ലോറനും  ഒരു സഹകാരിയായിരുന്നു. ലോറനോടൊപ്പം അതിലേക്ക് കടക്കുമ്പോൾ ഞാൻ ഗള്ളിവറെ ഓർക്കുന്നു.

അപ്ഡേറ്റ്:
ദൂരത്തു നിൽക്കുന്ന ഗള്ളിവർ

ഗള്ളിവർ ഒരു സാങ്കല്പിക വ്യക്തിയാണ്, പക്ഷേ ഭൗമികനാണ് (ഒരു ഇംഗ്ലണ്ടുകാരൻ). രാജ്യം ഏതായാലും, ഒരു വ്യക്തി നിൽക്കുന്നത് വളരെ ദൂരത്താണെങ്കിൽ അയാളുടെ ആകാരം ചെറുതാണെന്ന് തോന്നും, പക്ഷേ വളരെ ദൂരത്തു നിൽക്കുന്ന ഗള്ളിവർ ഒരു ലില്ലിപ്പുട്ടാണെന്ന് നാം ഒരിക്കലും തെറ്റിദ്ധരിക്കാറില്ല. കാരണം, ദൂരവുമായി ക്രമീകരിച്ച് വസ്തുക്കളുടെ വലിപ്പം നിർണയിക്കാനുള്ള കഴിവ് (invariant perception) നമ്മുടെ മസ്തിഷ്കത്തിന്നുണ്ട്. ശിശുക്കൾക്ക് ഈ കഴിവില്ല. വളരെ ദൂരത്ത് നിൽക്കുന്ന ഗള്ളിവർ വളരെ ചെറിയ എന്തോ ആണെന്ന് ശിശുക്കൾ ധരിക്കും; അതൊരു പാവയെന്നു കരുതി ഗള്ളിവറുടെ നേർക്ക് കൈ നീട്ടുക പോലും ചെയ്യും.

മിഗേൽ എക്സ്റ്റൈൻ തീർച്ചയായും ഗള്ളിവറെ ആപേക്ഷികതയിൽ നിരീക്ഷിക്കുന്നില്ല. പക്ഷേ, ഒരേ വിഹാര പരിസരത്തിലെ ആനുപാതികവും ആനുപാതികമല്ലാത്തതുമായ വസ്തുക്കളുടെ  സാന്നിധ്യത്തിൽ നമ്മുടെ മസ്തിഷ്‌കത്തിൻ്റെയും മനുഷ്യ നിർമ്മിതമായൊരു യന്ത്രവ്യവസ്ഥയുടെയും പ്രതികരണം എന്തായിരിക്കുമെന്നാണ് എക്സ്റ്റൈൻ അന്വേഷിച്ചത്. താരതമ്യത്തിന് അദ്ദേഹം ഉപയോഗിച്ചത് കംപ്യൂട്ടർ വിഷൻ (വളരെ വികസിതമായ ഡീപ് ന്യൂറൽ നെറ്റ്‌വർക്സ് ).

നമുക്ക് തികച്ചും പരിചിതമായൊരു പ്രാകൃതിക/നിർമ്മിത സാഹചര്യത്തിൽ, നമ്മുടെ നിരന്തരമായ ദൃശ്യാന്വേഷണങ്ങളിൽ, ആനുപാതികതയിൽ കൂടുതൽ എത്രയോ മടങ്ങു വലിപ്പമുള്ള പ്രത്യക്ഷതകളെ നമ്മുടെ മസ്തിഷ്‌കം പൊതുവേ അവഗണിക്കുന്നു. സാന്ദർഭികമായി പ്രസക്തമല്ലാത്ത സാന്നിധ്യങ്ങളിലേക്ക് ശ്രദ്ധ ചിതറാതിരിക്കാനുള്ളൊരു തന്ത്രമാണിത്.

ഒരു കുളിമുറിയിൽ രണ്ട് ടൂത്ത്ബ്രഷുകൾ സങ്കൽപ്പിക്കുക. മനുഷ്യർ പല്ലുകൾ വൃത്തിയാക്കാൻ ഉപയോഗിക്കുന്നൊരു സാധാരണ ബ്രഷും, പിന്നെ നാൽക്കവലയിലെ ശില്പങ്ങളുടെ വലിപ്പമുള്ളൊരു ബ്രഷും. ആദ്യത്തേത് തികച്ചും പ്രതീക്ഷിതമായി സിങ്കിനു മേൽ; രണ്ടാമത്തേത് ഒരു ചുവരോട് ചേർന്ന് നിൽക്കുന്നു. പല്ലുകൾ വൃത്തിയാക്കാനാണ് കുളിമുറിയിൽ എത്തിയതെങ്കിൽ, നിങ്ങൾ നേരെ ഉചിത സ്ഥലത്തുള്ള ഉചിതമായ ബ്രഷിനു നേർക്ക് നടക്കുന്നു. നിങ്ങൾക്കാവശ്യമായ പ്രവർത്തിയുടെ പ്രസക്തിയിൽ രണ്ടാമത്തെ ബ്രഷ് അവഗണിക്കപ്പെടും.

മനുഷ്യ നിർമ്മിതമായൊരു യന്ത്രവ്യവസ്ഥയുടെ പ്രതികരണം നിങ്ങളുടേതാവില്ല. ആദ്യമായി ഒരു രംഗത്തെത്തുമ്പോൾ, മില്ലിസെക്കഡുകൾക്കുള്ളിൽ നിങ്ങളുടെ രംഗബോധം ദൃഢമായിക്കഴിഞ്ഞിരിക്കും. അതിൻ്റെ വെളിച്ചത്തിൽ, നിങ്ങളുടെ ജന്തുസഹജമായ ദൃശ്യാന്വേഷണം ഉദ്ദേശ്യവുമായുള്ള ബന്ധത്തിൽ പ്രതീക്ഷിത സ്ഥാനത്ത് ഉചിത വസ്തുവിനു നേർക്ക് തിരിയുന്നു.

കംപ്യൂട്ടർ വിഷനാകട്ടെ മുഴുവൻ രംഗവും ഒരേ പോലെ നിരീക്ഷിക്കുന്നു, ഓരോ വസ്തുവിൻ്റെയും ദൃശ്യ ഘടകങ്ങലും ഒരേ പോലെ പരിഗണിക്കുന്നു. ഈ വീക്ഷണകോണിൽ രണ്ട് ബ്രഷുകൾ തമ്മിലുള്ള അന്തരം അതിൻ്റെ അന്വേഷണത്തിൽ പെടില്ല. നമ്മുടെ മസ്തിഷ്കത്തെപ്പോലെ വസ്തുക്കൾ തമ്മിലുള്ള സാന്ദർഭികമായ ബന്ധം അപഗ്രഥിക്കാൻ കംപ്യൂട്ടർ വിഷനു കഴിവില്ല. അതിൻ്റെ നിരീക്ഷണവും അന്വേഷണവും നിഷ്‌കൃഷ്ടമല്ല, സമഗ്രമാണ്.

കംപ്യൂട്ടർ വിഷൻ്റെ നിഷ്കർഷയിൽ നിന്നുള്ള വ്യതിയാനം മാനുഷിക പ്രജ്ഞയുടെ ഒരു ന്യൂനതയാണോ? യന്ത്രവും മനുഷ്യരും പങ്കെടുത്ത ചില യഥാർത്ഥലോക പരീക്ഷണങ്ങൾ നൽകുന്നതൊരു മറുതെളിവാണ്. ഒരു സജ്ജീകരണത്തിൽ ഉണ്ടാകാനോ ഇല്ലാതിരിക്കാനോ സാധ്യതയുള്ള ചില നിർദ്ദിഷ്ട വസ്തുക്കളുടെ സാന്നിധ്യം അനുമാനിക്കലായിരുന്നു ഒരു പരീക്ഷണത്തിലെ ദൗത്യം. ഡീപ് ന്യൂറൽ നെറ്റ്‌വർക്ക് പല തെറ്റുകൾ വരുത്തി (ഫാൾസ് പോസിറ്റീവുകൾ). ഉദാഹരണത്തിന്, കംപ്യൂട്ടർ കീബോഡുകൾ കിടന്നിരുന്നേടത്ത്  ഒരു സെൽഫോൺ!

വീണ്ടും അബദ്ധം ആനുപാതികയുടെ തലത്തിൽ. സെൽഫോണിനെ അപേക്ഷിച്ചും, അതിൽ വീഴുന്ന വിരലുകളെ അപേക്ഷിച്ചും എത്രയോ വലുതാണ് കീബോഡുകൾ. അനുപാത-സന്ദർഭ വിചാരങ്ങളിൽ മനുഷ്യ മസ്തിഷ്കത്തിന് ഇതറിയാം. മറിച്ച്, ആകൃതികളിലെ സാദൃശ്യം മാത്രമാണ് ഡീപ് ന്യൂറൽ നെറ്റ്‌വർക്ക് നിരീക്ഷിച്ചത്. ദൂരെ കാണാവുന്ന ഗള്ളിവറെ എത്തിപ്പിടിക്കാൻ ശ്രമിക്കുന്ന ശിശുക്കളിലെ ന്യൂനത പോലൊന്ന് ഇവിടെയില്ലേ!