एक ब्रेन इम्प्लांट ने वर्चुअल अवतार को बोलना और इशारे करना एक साथ सिखाया

गंभीर पक्षाघात वाले व्यक्ति के लिए संवाद केवल शब्द चुनने का नाम नहीं है। ‘नमस्ते’ कहते हुए हाथ हिलाना, सहमति में सिर हिलाना या अंगूठा दिखाना—ये छोटे संकेत बातचीत का अर्थ और भाव बदल देते हैं। यूनिवर्सिटी ऑफ कैलिफोर्निया, सैन फ्रांसिस्को (UCSF) में न्यूरोसर्जन एडवर्ड चांग के नेतृत्व वाली टीम ने दिखाया है कि एक ही उच्च-घनत्व वाला ब्रेन इम्प्लांट बोलने और ऊपरी शरीर के इशारों के इरादे को एक साथ कंप्यूटर तक पहुँचा सकता है। फिर एक वर्चुअल अवतार आवाज़ और हरकत के साथ प्रतिक्रिया दे सकता है। यह एक महत्वपूर्ण प्रमाण-अवधारणा है, लेकिन अभी इसे नियमित चिकित्सकीय उपयोग के लिए तैयार प्रणाली नहीं माना जा सकता। 37

प्रणाली ने काम कैसे किया?

शोध में गंभीर वोकल-ट्रैक्ट और अंगों के पक्षाघात वाले तीन लोग शामिल थे, जिनमें ALS और ब्रेनस्टेम स्ट्रोक से प्रभावित प्रतिभागी भी थे। उनके सेंसरिमोटर कॉर्टेक्स—मस्तिष्क का वह हिस्सा जो बोलने से जुड़ी गतिविधियों और शरीर की हरकतों से संबंध रखता है—की सतह पर 253 इलेक्ट्रोड वाला इलेक्ट्रोकॉर्टिकोग्राफी (ECoG) ऐरे लगाया गया। 37

प्रतिभागियों ने वाक्य बोलने की कोशिश की, हाथ हिलाने और अंगूठा ऊपर करने जैसे इशारे करने की कोशिश की, या दोनों काम साथ करने का प्रयास किया। इलेक्ट्रोडों ने इन प्रयासों से जुड़ी मस्तिष्क गतिविधि रिकॉर्ड की। मशीन-लर्निंग मॉडल को इस गतिविधि और अपेक्षित भाषण/इशारा आउटपुट के बीच संबंध सीखने के लिए प्रशिक्षित किया गया। 37

एक साथ बोलने और इशारा करने पर संकेत अलग क्यों थे?

अध्ययन का अहम निष्कर्ष यह था कि भाषण और ऊपरी शरीर के इशारों के लिए मस्तिष्क गतिविधि के पैटर्न अलग पहचाने जा सकते हैं, फिर भी वे परस्पर समन्वित रहते हैं। खास बात यह कि जब प्रतिभागी बोलने और इशारा करने का प्रयास एक साथ करते थे, तो उसका न्यूरल पैटर्न केवल ‘सिर्फ बोलने’ और ‘सिर्फ इशारा करने’ वाले संकेतों का जोड़ नहीं था। संयुक्त संचार के अपने विशिष्ट पैटर्न थे। 37

इसीलिए दोनों कार्यों को पूरी तरह स्वतंत्र चैनल मान लेना पर्याप्त नहीं था। मॉडल को यह सीखना पड़ा कि वास्तविक संवाद में आवाज़ और हरकत साथ आने पर मस्तिष्क संकेत किस तरह बदलते हैं। 37

संयुक्त प्रशिक्षण से डिकोडिंग बेहतर हुई

जिन डिकोडरों को ऐसे डेटा से प्रशिक्षित किया गया था, जिसमें प्रतिभागी एक साथ बोलने और इशारा करने की कोशिश कर रहे थे, उन्होंने इन संयुक्त क्रियाओं को उन मॉडलों से बेहतर डिकोड किया जिन्हें केवल अलग-अलग भाषण या अलग-अलग हरकत के उदाहरण मिले थे। 37

दो प्रतिभागियों में वास्तविक समय वाली प्रणाली ने एक पूरे शरीर के वर्चुअल अवतार को नियंत्रित किया। इसका अर्थ है कि अवतार की संश्लेषित आवाज़ और ऊपरी शरीर की गति एक ही समय पर दिखाई दे सकी—मसलन, बोलते हुए अभिवादन का इशारा। 37

आई-ट्रैकिंग से अधिक स्वाभाविक संवाद की संभावना

कई मौजूदा सहायक संचार प्रणालियों में उपयोगकर्ता को आँखों की दिशा से अक्षर, शब्द या मेनू-विकल्प एक-एक करके चुनने होते हैं। यह तरीका उपयोगी है, लेकिन धीमा और थकाऊ हो सकता है। इसके विपरीत, आमने-सामने की बातचीत में अर्थ केवल शब्दों से नहीं बनता। समय, जोर, मुद्रा, इशारा, सहमति, अभिवादन और बातचीत में अपनी बारी लेने के संकेत भी उतने ही अहम होते हैं। 37

यदि भाषण के साथ ये गैर-मौखिक संकेत भी लौटाए जा सकें, तो संवाद तेज़, कम मेहनत वाला और सामाजिक रूप से अधिक समृद्ध हो सकता है। हालांकि, अभी उपलब्ध साक्ष्य तकनीकी व्यवहार्यता दिखाते हैं; लंबे समय के रोज़मर्रा इस्तेमाल में जीवन-गुणवत्ता बेहतर होने का प्रमाण अभी स्थापित नहीं हुआ है। 37

आगे इसका क्या अर्थ हो सकता है?

यह काम संकेत देता है कि भविष्य की संचार न्यूरोप्रोस्थेसिस केवल शब्द नहीं, बल्कि संवाद का इरादा भी व्यक्त कर सकती है—जैसे सहमति, जोर देना, अभिवादन, भावनात्मक देह-भाषा और बातचीत की बारी का संकेत। साथ ही, यह व्यापक सिद्धांत को समर्थन देता है कि एक कॉर्टिकल इंटरफेस कई समन्वित संचार माध्यमों को डिकोड कर सकता है। 37

मौजूदा प्रदर्शन में तार वाला शोध सेटअप इस्तेमाल हुआ था। टीम एक पूरी तरह प्रत्यारोपित, वायरलेस प्रणाली की योजना बना रही है, ताकि बाहरी केबल हटाकर लंबे समय और रोज़मर्रा के उपयोग को अधिक व्यावहारिक बनाया जा सके तथा बहु-माध्यम डिकोडिंग आगे बढ़े। यह दिशा टीम के 2023 के Nature प्रदर्शन पर आधारित है, जिसमें ब्रेनस्टेम स्ट्रोक से पक्षाघात वाले एक प्रतिभागी के कॉर्टिकल संकेतों से टेक्स्ट, संश्लेषित आवाज़ और चेहरे के भावों वाला अवतार तैयार किया गया था। 14