मस्तिष्क इम्प्लांट और एआई मॉडल का उपयोग विचारों को पाठ में अनुवाद करने के लिए किया जाता है

कैलिफोर्निया विश्वविद्यालय, सैन फ्रांसिस्को के शोधकर्ताओं ने हाल ही में एक एआई सिस्टम बनाया है जो एक व्यक्ति की मस्तिष्क गतिविधि का विश्लेषण करके पाठ उत्पन्न कर सकता है, मूल रूप से उनके विचारों को पाठ में अनुवाद करता है। एआई उपयोगकर्ता से न्यूरल सिग्नल लेता है और उन्हें डिकोड करता है, और यह 30 से 50 वाक्यों के सेट के आधार पर वास्तविक समय में 250 शब्दों तक को समझने में सक्षम है।

स्वतंत्र द्वारा रिपोर्ट के अनुसार, एआई मॉडल को चार महिलाओं से एकत्र किए गए न्यूरल सिग्नल पर प्रशिक्षित किया गया था। प्रयोग में भाग लेने वाले प्रतिभागियों में मिर्गी के दौरे की घटना की निगरानी के लिए उनके मस्तिष्क में इलेक्ट्रोड लगाए गए थे। प्रतिभागियों को उच्च स्वर में वाक्य पढ़ने का निर्देश दिया गया था, और उनके न्यूरल सिग्नल को एआई मॉडल में फीड किया गया था। मॉडल विशिष्ट शब्दों से संबंधित न्यूरल गतिविधि को समझने में सक्षम था, और पैटर्न वास्तविक शब्दों के साथ लगभग 97% समय तक संरेखित था, जिसमें लगभग 3% की औसत त्रुटि दर थी।

यह पहली बार नहीं है जब न्यूरल सिग्नल को वाक्यों से संबंधित किया गया है, न्यूरोसाइंटिस्ट एक दशक से अधिक समय से इसी तरह की परियोजनाओं पर काम कर रहे हैं। हालांकि, शोधकर्ताओं द्वारा बनाए गए एआई मॉडल में प्रभावशाली सटीकता है और यह अधिक या कम वास्तविक समय में काम करता है। मॉडल न्यूरल गतिविधि को शब्दों में अनुवाद किए जा सकने वाले प्रतिनिधित्व में एन्कोड करने के लिए एक पुनरावृत्ति न्यूरल नेटवर्क का उपयोग करता है। जैसा कि लेखक अपने पत्र में कहते हैं :

“मशीन अनुवाद में हाल की प्रगति से प्रेरित होकर, हमने एक पुनरावृत्ति न्यूरल नेटवर्क को प्रशिक्षित किया ताकि यह प्रत्येक वाक्य-लंबाई की न्यूरल गतिविधि को एक अमूर्त प्रतिनिधित्व में एन्कोड कर सके, और फिर इस प्रतिनिधित्व को शब्द दर शब्द एक अंग्रेजी वाक्य में डिकोड कर सके।”

अर्स टेक्निका के अनुसार, न्यूरल सिग्नल और शब्दों के बीच लिंक को बेहतर ढंग से समझने के लिए, शोधकर्ताओं ने प्रणाली के विभिन्न हिस्सों को अक्षम करके प्रयोग किया। प्रणाली के विभिन्न हिस्सों को अक्षम करने से यह स्पष्ट हो गया कि प्रणाली की सटीकता न्यूरल प्रतिनिधित्व के कारण थी। यह भी पाया गया कि प्रणाली में ऑडियो इनपुट को अक्षम करने से त्रुटियां बढ़ जाती हैं, लेकिन समग्र प्रदर्शन अभी भी विश्वसनीय माना जाता है। यह स्पष्ट रूप से यह意味ा है कि प्रणाली उन लोगों के लिए एक उपकरण के रूप में उपयोगी हो सकती है जो बोल नहीं सकते हैं।

जब इलेक्ट्रोड इनपुट के विभिन्न हिस्सों को अक्षम किया गया, तो यह पाया गया कि प्रणाली भाषा प्रसंस्करण और उत्पादन से संबंधित कुछ कुंजी मस्तिष्क क्षेत्रों पर सबसे ज्यादा ध्यान दे रही थी। उदाहरण के लिए, प्रणाली के प्रदर्शन का एक अच्छा हिस्सा अपनी आवाज सुनने से संबंधित मस्तिष्क क्षेत्रों पर आधारित था जब वे बोलते थे।

हालांकि प्रारंभिक परिणाम आशाजनक लगते हैं, शोध टीम यह नहीं जानती है कि मॉडल बड़े शब्दावली में कैसे स्केल करेगा। यह महत्वपूर्ण है कि सिद्धांत को बड़े शब्दावली में सामान्यीकृत किया जा सके, क्योंकि औसत अंग्रेजी वक्ता के पास लगभग 20,000 शब्दों का सक्रिय शब्दावली है। वर्तमान डिकोडर विधि वाक्य की स्थिर संरचना को व्याख्या करके और उस संरचना का उपयोग करके शिक्षित अनुमान लगाने के लिए करती है कि कौन से शब्द एक विशिष्ट न्यूरल गतिविधि पैटर्न से मेल खाते हैं। जैसे ही शब्दावली बढ़ती है, समग्र सटीकता कम हो सकती है क्योंकि अधिक न्यूरल पैटर्न समान दिखाई दे सकते हैं।

लेखकों का कहना है कि जबकि वे उम्मीद करते हैं कि डिकोडर अंततः नियमित, विश्वसनीय पैटर्न सीखने में सक्षम होगा, वे यह नहीं जानते हैं कि एक मॉडल को प्रशिक्षित करने के लिए कितना डेटा आवश्यक है जो दैनिक अंग्रेजी भाषा में सामान्यीकृत हो सके। इस समस्या से निपटने का एक संभावित तरीका अन्य मस्तिष्क-कंप्यूटर इंटरफेस से एकत्र किए गए डेटा के साथ प्रशिक्षण को पूरक करना है जो विभिन्न अल्गोरिदम और इम्प्लांट का उपयोग करते हैं।

कैलिफोर्निया विश्वविद्यालय के शोधकर्ताओं द्वारा किए गए शोध केवल न्यूरल इंटरफेस और कंप्यूटरों के संबंध में अनुसंधान और विकास की बढ़ती लहर में एक हालिया विकास है। रॉयल सोसाइटी ने पिछले साल एक रिपोर्ट जारी की जिसमें भविष्यवाणी की गई थी कि न्यूरल इंटरफेस लोगों को कंप्यूटर से जोड़ने में सक्षम होंगे और अंततः लोग एक दूसरे के दिमाग पढ़ने में सक्षम होंगे। रिपोर्ट एलोन मस्क द्वारा बनाए गए न्यूरालिंक स्टार्टअप और फेसबुक द्वारा विकसित प्रौद्योगिकियों को आगामी मानव-उन्मुख कंप्यूटिंग में प्रगति के साक्ष्य के रूप में उद्धृत करती है। रॉयल सोसाइटी का कहना है कि मानव-कंप्यूटर इंटरफेस अगले दो दशकों में अल्जाइमर जैसी न्यूरोडीजेनेरेटिव बीमारियों के इलाज में एक शक्तिशाली विकल्प होगा।