Millisecond-scale detection of mouse ultrasonic vocalizations enables closed-loop experiments

चूहे अपनी चहचहाहट (squeaks) के अनुमान से कहीं अधिक मुखर होते हैं। जब वे सामाजिक रूप से परस्पर क्रिया करते हैं, चाहे वह एक माँ के साथ हो, एक संभावित साथी के साथ, या एक अजनबी के साथ, वे ध्वनियों की एक तीव्र धारा उत्सर्जित करते हैं जो मानव कानों के लिए बहुत अधिक उच्च-पिच वाली होती है। ये अल्ट्रासोनिक पुकारें, जो उन आवृत्तियों तक पहुँच सकती हैं जो हमारी समझ से बहुत परे हैं, उनकी सामाजिक दुनिया के लिए एक समृद्ध भाषा के रूप में कार्य करती हैं। व्यवहार का अध्ययन करने वाले वैज्ञानिकों के लिए, ये ध्वनियाँ चूहे के मन की एक सीधी खिड़की के समान हैं, जो प्रेम निवेदन (courtship), संकट या जिज्ञासा के क्षणों को प्रकट करती हैं। हालाँकि, दशकों तक, इस बातचीत को सुनना एक धीमी, पीछे मुड़कर देखने वाली प्रक्रिया रही है। शोधकर्ता घंटों का ऑडियो रिकॉर्ड करते थे, और फिर कंप्यूटर का उपयोग करके शोर के बीच छिपी संक्षिप्त, क्षणिक पुकारों को खोजने के लिए दिनों या हफ्तों तक सन्नाटे को छानने में बिताते थे। जब तक पुकारों की पहचान की जाती, तब तक वह क्षण बीत चुका होता था, जिससे चूहे के संचार पर वास्तविक समय में प्रतिक्रिया करना असंभव हो जाता था।

इस सीमा ने एक शक्तिशाली उपकरण को वास्तविक समय के विज्ञान की पहुंच से दूर रखा है। यदि एक शोधकर्ता पुकार को उसके किए जाने के तुरंत बाद सुन पाता, तो वह तुरंत एक प्रकाश, एक ध्वनि, या एक उद्दीपन (stimulus) के साथ प्रतिक्रिया दे सकता था, जिससे चूहे की अपनी आवाज़ को प्रयोग के लिए एक ट्रिगर में बदला जा सकता था। चुनौती तकनीकी थी: ये पुकारें अविश्वसनीय रूप से छोटी होती हैं, अक्सर केवल कुछ मिलीसेकंड तक चलती हैं, और तीव्र विस्फोटों (bursts) में होती हैं। मौजूदा कंप्यूटर प्रोग्राम उन्हें होने के दौरान पकड़ने में बहुत धीमे थे, क्योंकि उन्हें विश्लेषण शुरू करने से पहले आमतौर पर ऑडियो का एक लंबा हिस्सा रिकॉर्ड करने की आवश्यकता होती थी। बॉन विश्वविद्यालय के शोधकर्ताओं द्वारा विकसित एक नया उपकरण इस गतिशीलता को पूरी तरह से बदल देता है। उन्होंने एक ऐसी प्रणाली बनाई है जो चूहे की आवाज़ की कच्ची ध्वनि तरंगों (raw sound waves) को सुनती है और मिलीसेकंड के भीतर निर्णय लेती है कि क्या कोई पुकार हो रही है, जो इतना तेज़ है कि चूहे के बोलने के दौरान ही तत्काल प्रतिक्रिया दी जा सके।

शोधकर्ताओं ने, मार्टिन के. श्वार्ट्ज के नेतृत्व में, एक प्रणाली बनाई जिसे वे 'DeepFisFis' कहते हैं। ध्वनि को पहले एक दृश्य चित्र में बदलने के बजाय, जिसमें समय और कंप्यूटिंग शक्ति लगती है, उनकी प्रणाली सीधे ध्वनि तरंग के आकार को देखती है। कल्पना करें कि ध्वनि तरंग स्क्रीन पर चलती हुई एक टेढ़ी-मेढ़ी रेखा है। प्रणाली इस रेखा को छोटे, पांच-मिलीसेकंड के स्लाइसों में काट देती है। प्रत्येक स्लाइस के लिए, यह एक सरल प्रश्न पूछती है: क्या ध्वनि का यह छोटा सा टुकड़ा चूहे की पुकार के हिस्से जैसा दिखता है? क्योंकि स्लाइस बहुत छोटे हैं, कंप्यूटर इस प्रश्न का उत्तर लगभग तुरंत दे सकता है। वास्तव में, प्रणाली प्रत्येक स्लाइस को लगभग 2.5 मिलीसेकंड में संसाधित करती है, जो कि माइक्रोफ़ोन द्वारा उस स्लाइस को रिकॉर्ड करने में लगने वाले समय से भी तेज़ है। इस गति का अर्थ है कि कंप्यूटर कभी भी ऑडियो स्ट्रीम के पीछे नहीं रहता; यह हमेशा वास्तविक समय में सुन रहा होता है, और जैसे ही पुकार शुरू होती है, कार्य करने के लिए तैयार रहता है।

यह सिद्ध करने के लिए कि यह काम करता है, टीम ने अपने सिस्टम का परीक्षण स्थापित विधियों के विरुद्ध किया जिनका वर्षों से उपयोग किया जा रहा था। उन्होंने सिस्टम में चूहों की अंतःक्रिया की रिकॉर्डिंग डाली और इसे पुकारें खोजने के लिए कहा। नए सिस्टम ने लगभग हर एक पुकार को खोज निकाला जिसे मानव विशेषज्ञों ने चिह्नित किया था, और इसने पुराने, धीमे उपकरणों की सटीकता के बराबर या उससे भी बेहतर प्रदर्शन किया। लेकिन सटीकता केवल आधी कहानी थी। असली परीक्षा गति की थी। जब शोधकर्ताओं ने ऑडियो के एक टुकड़े का विश्लेषण करने में लगने वाले समय को मापा, तो उनका नया सिस्टम पिछले सर्वश्रेष्ठ उपकरणों की तुलना में चार से पांच गुना तेज़ था। अधिक महत्वपूर्ण बात यह है कि चूंकि यह इतने छोटे स्लाइसों पर काम करता है, इसलिए इसे निर्णय लेने के लिए पूरी पुकार समाप्त होने का इंतज़ार करने की आवश्यकता नहीं होती है। यह पुकार शुरू होने के कुछ ही मिलीसेकंड के भीतर पहचान सकता है कि पुकार शुरू हो गई है।

इस गति ने प्रयोग चलाने का एक नया तरीका खोल दिया। टीम ने एक क्लोज्ड-लूप सिस्टम बनाया, एक ऐसा सेटअप जहाँ कंप्यूटर चूहे को सुनता है और तुरंत प्रतिक्रिया देता है। अपने परीक्षण में, उन्होंने रिकॉर्ड की गई चूहे की पुकारों को सिस्टम को वापस चलाया। जैसे ही सिस्टम ने एक पुकार का पता लगाया, इसने स्पीकर के माध्यम से एक स्वर (tone) बजाने के लिए ट्रिगर किया। ध्वनि का माइक्रोफ़ोन तक पहुँचने से लेकर स्वर बजने तक की पूरी प्रक्रिया में लगभग 128 मिलीसेकंड लगे। हालांकि यह देरी मुख्य रूप से हार्डवेयर के कारण है न कि सॉफ्टवेयर के कारण, महत्वपूर्ण निष्कर्ष यह था कि सॉफ्टवेयर ने लगभग कोई अतिरिक्त समय नहीं जोड़ा। सिस्टम ध्वनि के प्रवाह के साथ तालमेल बिठाने में पर्याप्त तेज़ था, जिससे यह सिद्ध हुआ कि कंप्यूटर केवल एक निष्क्रिय रिकॉर्डर के बजाय प्रयोग में एक वास्तविक समय के भागीदार के रूप में कार्य कर सकता है।

प्रतिक्रियाओं को ट्रिगर करने के अलावा, यह गति आधुनिक विज्ञान की एक बड़ी समस्या का व्यावहारिक समाधान प्रदान करती है: डेटा स्टोरेज। इन पुकारों को पकड़ने के लिए आवश्यक गति पर उच्च गुणवत्ता वाला ऑडियो रिकॉर्ड करने से भारी मात्रा में डेटा उत्पन्न होता है। यदि एक शोधकर्ता एक घंटे तक रिकॉर्ड करता है, तो उसके पास गीगाबाइट्स का डेटा हो सकता है जिसमें ज्यादातर सन्नाटा होगा, और केवल एक बहुत छोटा हिस्सा ही वास्तविक पुकारों को समाहित करेगा। नया सिस्टम शोधकर्ताओं को केवल वही रिकॉर्ड करने की अनुमति देता है जो महत्वपूर्ण है। ऑडियो स्ट्रीम को लाइव देखते हुए, डिटेक्टर का उपयोग करके, कंप्यूटर यह तय कर सकता है कि केवल उन्हीं क्षणों को सहेजना है जब पुकार का पता चलता है, साथ ही उससे पहले और बाद का एक छोटा बफर भी। उनके परीक्षणों में, इस पद्धति ने वास्तविक पुकारों को लगभग पूरी तरह से रखते हुए, संग्रहीत डेटा की मात्रा को 75 प्रतिशत से अधिक कम कर दिया। इसका अर्थ है कि वैज्ञानिक खाली डेटा से अभिभूत हुए बिना लंबे प्रयोग चला सकते हैं या अधिक जटिल व्यवहारों को रिकॉर्ड कर सकते हैं।

इस प्रणाली ने उल्लेखनीय लचीलापन भी दिखाया। शोधकर्ताओं ने कंप्यूटर को एक विशिष्ट गति पर की गई रिकॉर्डिंग पर प्रशिक्षित किया और फिर एक अलग, तेज़ गति पर की गई रिकॉर्डिंग पर इसका परीक्षण किया। बिना किसी नए डेटा को एकत्र किए या सिस्टम को शून्य से फिर से प्रशिक्षित किए, वे नए परिस्थितियों के अनुकूल होने और उच्च सटीकता बनाए रखने में सक्षम रहे। यह सुझाव देता है कि सिस्टम चूहे की आवाज़ के मौलिक आकार को सीखता है न कि केवल विशिष्ट रिकॉर्डिंग को याद करता है, जो इसे विभिन्न प्रयोगशालाओं और विभिन्न उपकरणों के साथ काम करने के लिए पर्याप्त मजबूत बनाता है।

यह कार्य वैज्ञानिकों के पशु व्यवहार के साथ संवाद करने के तरीके में एक बदलाव का प्रतिनिधित्व करता है। वर्षों से, चूहे के संचार का अध्ययन एक पूर्वव्यापी (retrospective) गतिविधि रही है, जिसमें घटना के बाद विश्लेषण किया जाता था। यह नया दृष्टिकोण चूहे की आवाज़ को एक लाइव सिग्नल में बदल देता है, जो उत्पन्न होते ही उपलब्ध होता है। यह बाद में होने वाले विस्तृत विश्लेषण को प्रतिस्थापित नहीं करता है, लेकिन यह उन प्रयोगों के द्वार खोलता है जहाँ जानवर की अपनी आवाज़ अध्ययन के मार्ग को संचालित करती है। पलक झपकते ही सुनकर और प्रतिक्रिया देकर, शोधकर्ता अब संचार के पीछे के तंत्रिका सर्किट (neural circuits) के बारे में ऐसे प्रश्न पूछ सकते हैं जो पहले असंभव थे, जिससे वे केवल एक बातचीत को देखने से बढ़कर उसमें भाग लेने की ओर बढ़ रहे हैं।