UCSF का ब्रेन इम्प्लांट एक साथ समझता है बोलने और इशारों के संकेत

बातचीत सिर्फ शब्दों से नहीं बनती। सहमति में सिर हिलाना, किसी बात पर जोर देने के लिए हाथ उठाना या कंधे उचकाना भी उतना ही अर्थ जोड़ सकते हैं। यूनिवर्सिटी ऑफ कैलिफोर्निया, सैन फ्रांसिस्को (UCSF) के शोधकर्ताओं ने एक ऐसा ब्रेन-कंप्यूटर इंटरफेस (BCI) दिखाया है, जो इन दोनों पहलुओं—बोलने की कोशिश और ऊपरी शरीर के इशारों—को एक साथ पढ़ सकता है।

तीन ऐसे लोगों में, जिन्हें स्वर-तंत्र और अंगों का गंभीर लकवा था, इम्प्लांट ने मस्तिष्क गतिविधि रिकॉर्ड की, जबकि वे बोलने और इशारे करने का प्रयास कर रहे थे। मशीन-लर्निंग प्रणाली ने इन संकेतों से स्क्रीन पर पाठ और एक निजी डिजिटल अवतार की आवाज व गतिविधियां लगभग वास्तविक समय में उत्पन्न कीं। 17

253 इलेक्ट्रोड वाला इम्प्लांट कैसे काम करता है

इस प्रणाली में 253 इलेक्ट्रोड की उच्च-घनत्व इलेक्ट्रोकॉर्टिकोग्राफी (ECoG) ऐरे का उपयोग हुआ। इसे मस्तिष्क की सतह पर सेंसरिमोटर कॉर्टेक्स के ऊपर रखा गया—यह वह विस्तृत क्षेत्र है जो बोलने से जुड़ी गतिविधियों और ऊपरी शरीर की हरकतों, दोनों से संबंधित संकेतों में भूमिका निभाता है। 17

प्रतिभागियों ने सामान्य ढंग से इन्हें कर पाने में असमर्थ होने के बावजूद शब्द बोलने और हाव-भाव करने की कोशिश की। इम्प्लांट ने उस प्रयास से जुड़े तंत्रिका संकेत रिकॉर्ड किए। फिर मशीन-लर्निंग मॉडल ने उन्हें इच्छित शब्दों और अवतार की गतिविधियों में बदला, ताकि बोलना और हरकत दो अलग-अलग नियंत्रण तरीकों के बजाय साथ हो सकें। 14

अध्ययन में बोलने से जुड़े मुंह और चेहरे के संकेतों के अलावा सिर हिलाने, कंधे उचकाने और मुट्ठी उठाने जैसे ऊपरी शरीर के इशारों से जुड़े संकेत भी मिले। दो प्रतिभागियों में टीम ने समानांतर रूप से वाणी और इशारों को डिकोड करके अवतार नियंत्रित किया। 7

अलग-अलग डिकोडर क्यों जरूरी थे

वाणी और हाव-भाव संवाद के जुड़े हुए हिस्से हैं, लेकिन शोधकर्ताओं ने इन्हें एक ही सामान्य मोटर कमांड नहीं माना। इच्छित शब्दों और गतिविधियों के लिए कार्य-विशिष्ट डिकोडिंग तरीके अपनाए गए।

इसकी वजह यह है कि एक साथ बोलने और इशारा करने पर दर्ज तंत्रिका पैटर्न केवल ‘अकेले बोलने’ और ‘अकेले इशारा करने’ वाले संकेतों का साधारण जोड़ नहीं थे। संयुक्त संचार-कार्य पर प्रशिक्षण से आउटपुट में बेहतर तालमेल संभव हुआ: अवतार किसी वाक्य को बोलते हुए संबंधित ऊपरी शरीर का हाव-भाव भी कर सकता था। उपलब्ध रिपोर्टिंग इस एक-साथ, बहु-माध्यम प्रदर्शन की पुष्टि करती है, लेकिन गैर-योगात्मक प्रभाव की मात्रा या हर कार्य में डिकोडर के प्रदर्शन की विस्तृत स्वतंत्र तुलना के लिए पर्याप्त आंकड़े नहीं देती। 147

केवल टेक्स्ट से आगे: संवाद में हाव-भाव की जगह

कई सहायक संचार प्रणालियां अक्षर, शब्द या आइकन को एक-एक कर चुनने पर निर्भर करती हैं। ये उपयोगी हैं, लेकिन क्रमवार चयन बातचीत को धीमा और थकाऊ बना सकता है। UCSF के 2023 के पहले के काम में, एक प्रतिभागी की मौजूदा संचार डिवाइस की गति लगभग 14 शब्द प्रति मिनट थी, जबकि प्रयोगात्मक प्रणाली ने टेक्स्ट को लगभग 80 शब्द प्रति मिनट की रफ्तार से डिकोड किया था। 28

नई प्रणाली एक दूसरी कमी को भी संबोधित करने की कोशिश करती है: टेक्स्ट अकेले बातचीत का पूरा सामाजिक अर्थ नहीं पहुंचाता। इशारे अभिवादन, सहमति, जोर या दिशा का संकेत दे सकते हैं। इसलिए बोलता और चलता अवतार सिर्फ स्क्रीन पर शब्द दिखाने का विकल्प नहीं, बल्कि अभिव्यक्ति को अधिक स्वाभाविक बनाने का प्रयास है। 134

अध्ययन में कौन शामिल था

शोधकर्ताओं ने स्वर-तंत्र और अंगों के लकवे वाले तीन प्रतिभागियों से तंत्रिका गतिविधि रिकॉर्ड की। परीक्षणों में बोलने का प्रयास, ऊपरी शरीर की हरकतों का प्रयास और दो प्रतिभागियों के लिए वाणी तथा इशारों की समानांतर डिकोडिंग शामिल थी। 7

उपलब्ध स्रोत प्रत्येक प्रतिभागी के लकवे के कारण या पूरे परीक्षण प्रोटोकॉल का भरोसेमंद, व्यक्ति-वार विवरण नहीं देते। व्यापक संदर्भ में स्ट्रोक और एमियोट्रोफिक लेटरल स्क्लेरोसिस (ALS) जैसी स्थितियों का उल्लेख मिलता है, लेकिन पूर्ण क्लिनिकल जानकारी के बिना किसी खास प्रतिभागी को कोई निदान देना सही नहीं होगा। 36

अभी यह रोजमर्रा का उपकरण नहीं है

यह एक प्रयोगात्मक BCI है, कोई बाजार में उपलब्ध चिकित्सा उपकरण नहीं। मौजूदा सेटअप तारों से जुड़ा है: मस्तिष्क पर लगी इलेक्ट्रोड ग्रिड को बाहरी रिकॉर्डिंग और कंप्यूटिंग हार्डवेयर से भौतिक रूप से जोड़ना पड़ता है। यही बात स्वतंत्र, रोजमर्रा के उपयोग को सीमित करती है।

विकास का घोषित लक्ष्य पूरी तरह प्रत्यारोपित, वायरलेस संस्करण बनाना है, जिससे त्वचा के आर-पार जाने वाला केबल हट सके। हालांकि उपलब्ध साक्ष्य में इसकी समयसीमा, निर्माता या नियामकीय मंजूरी की जानकारी नहीं है। इसलिए इसे अभी उपलब्ध उपचार मानना जल्दबाजी होगी।

2023 के भाषण-अवतार शोध से संबंध

नया काम UCSF के नेतृत्व में 2023 में प्रकाशित Nature अध्ययन का अगला कदम है। उस अध्ययन में गंभीर लकवे और एनार्थ्रिया—अर्थात बोलने की क्षमता के अभाव—वाले एक प्रतिभागी ने 253-चैनल उच्च-घनत्व ECoG ऐरे के सहारे इच्छित वाक्यों को टेक्स्ट, संश्लेषित आवाज और चेहरे वाले अवतार के एनीमेशन में बदला था। 33

पहला सिस्टम मुख्यतः वाणी और चेहरे के आउटपुट पर केंद्रित था। नया अध्ययन उसी व्यापक तरीके—मस्तिष्क की सतह से रिकॉर्डिंग और AI आधारित डिकोडिंग—को एक साथ होने वाले ऊपरी शरीर के सांकेतिक संचार तक बढ़ाता है। यह ऐसी न्यूरोप्रोस्थेसिस की दिशा में अहम प्रूफ-ऑफ-कॉन्सेप्ट है जो बातचीत के मौखिक और गैर-मौखिक, दोनों हिस्सों को लौटाने का लक्ष्य रखती है; फिर भी इसे नियमित चिकित्सा उपयोग तक पहुंचने से पहले काफी और शोध चाहिए। 12434