Syllable-timescale organization of auditory–motor feedback control
व्यवहारात्मक प्रयोगों, न्यूरोकंप्यूटेशनल मॉडलिंग और ईईजी (EEG) रिकॉर्डिंग को एकीकृत करते हुए, यह अध्ययन अभिसारी साक्ष्य प्रदान करता है कि वाक् उत्पादन (speech production) में श्रवण-मोटर फीडबैक नियंत्रण शब्दांश (syllable) के समय पैमाने पर व्यवस्थित है, जहाँ फीडबैक विलंब विशेष रूप से शब्दांश की अवधि के साथ संरेखित होने पर वाक को बाधित करता है और तंत्रिका दमन (neural suppression) को नियंत्रित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप मेज पर अपनी उंगलियों से थपथपाते हुए एक सटीक लय बनाए रखने की कोशिश कर रहे हैं। अब, कल्पना कीजिए कि कोई व्यक्ति आपके थपथपाने की आवाज़ रिकॉर्ड कर रहा है और उसे एक बहुत ही मामूली देरी (delay) के साथ आपके कानों में वापस बजा रहा है। यदि वह देरी बिल्कुल सही हो, तो आपका मस्तिष्क भ्रमित हो जाता है, आपकी लय टूट जाती है, और आप बेतरतीब ढंग से थपथपाने लगते हैं। यह "डिलेड ऑडिटरी फीडबैक" (DAF) प्रभाव है, एक ऐसी तकनीक जिसे वैज्ञानिक 1950 के दशक से हमारे बोलने के तरीके का अध्ययन करने के लिए उपयोग करते आए हैं।
दशकों तक, शोधकर्ताओं ने देखा कि सबसे अधिक अराजकता पैदा करने वाली देरी हमेशा लगभग 200 ms (मिलीसेकंड) के आसपास होती थी। उन्होंने अनुमान लगाया कि ऐसा इसलिए होता है क्योंकि 200 ms लगभग एक शब्दांश (syllable) (जैसे "ता" या "बा") बोलने में लगने वाला समय है। उन्हें लगा कि मस्तिष्क में एक निश्चित "टाइमर" होता है जो यह जाँचता है कि जो ध्वनि उसने सुनी वह उस ध्वनि से मेल खाती है जिसकी उसे अपेक्षा थी, और यदि वह देरी उस विशिष्ट 200 ms की खिड़की (window) में गड़बड़ी करती है, तो सिस्टम क्रैश हो जाता है।
लेकिन यहाँ एक मोड़ है: क्या होगा अगर मस्तिष्क में कोई निश्चित टाइमर है ही नहीं? क्या होगा अगर मस्तिष्क का "टाइमर" लचीला है, जो आपकी बोलने की गति के अनुसार खिंचता या सिकुड़ता है?
यही वह सवाल था जिसे एम. फ्लोरेंसिया असानियो और उनकी टीम ने 'यूनिवर्सिडैड नैशनल ऑटोनोमा डी मैक्सिको' में सुलझाने का प्रयास किया। उन्होंने केवल अनुमान नहीं लगाया; उन्होंने प्रयोग किए, कंप्यूटर मस्तिष्क बनाए, और यहाँ तक कि मानव मस्तिष्क के भीतर झाँकने के लिए EEG सेंसर का उपयोग किया ताकि इस रहस्य को हल किया जा सके।
घड़ी के विरुद्ध दौड़
सबसे पहले, टीम ने 15 लोगों को एक कमरे में रखा और उनसे दो अलग-अलग गतियों पर शब्दांशों (syllables) का क्रम ("ता-ते-ति-तो-तु") बोलने के लिए कहा: एक धीमी, आरामदायक 3 शब्दांश प्रति सेकंड और एक तेज़, उन्मत्त 6 शब्दांश प्रति सेकंड।
जब वे बोल रहे थे, शोधकर्ताओं ने उनकी आवाज़ को अलग-अलग देरी के साथ वापस बजाया: 30 ms, 80 ms, 160 ms, 240 ms, 320 ms, और 400 ms। उन्होंने उन गलतियों को गिना (जैसे कि किसी शब्दांश को दोहराना या क्रम गलत होना) जो बोलने वाले ने कीं।
परिणाम एक "आहा!" क्षण था।
- जब बोलने वाले तेज़ (6 शब्दांश/सेकंड) थे, तो सबसे अधिक अराजकता पैदा करने वाली देरी लगभग 80 ms थी।
- जब बोलने वाले धीमे (3 शब्दांश/सेकंड) थे, तो अराजकता 160 ms पर चरम पर थी।
"सबसे अधिक विघटनकारी" देरी स्थिर 200 ms पर नहीं रही। इसके बजाय, यह भाषण की गति के साथ पूरी तरह से स्केल (scale) हुई। यदि आप दोगुना तेज़ बोलते हैं, तो भ्रमित होने का मस्तिष्क का "स्वीट स्पॉट" भी दोगुनी तेज़ी से आता है। यह सुझाव देता है कि मस्तिष्क एक कठोर, पूर्व-निर्धारित घड़ी का उपयोग नहीं कर रहा है। इसके बजाय, यह एक लचीली खिड़की का उपयोग करता है जो आपके द्वारा बोले जा रहे वर्तमान शब्दांश की लंबाई से मेल खाती है।
कंप्यूटर मस्तिष्क परीक्षण
यह सुनिश्चित करने के लिए कि यह केवल एक इत्तेफाक नहीं था, शोधकर्ताओं ने तीन अलग-अलग "कंप्यूटर मस्तिष्क" (न्यूरोकंप्यूटेशनल मॉडल) बनाए ताकि यह देखा जा सके कि कौन सा मानव डेटा की जटिलता की व्याख्या कर सकता है।
- "पॉइंट-बाय-पॉइंट" रोबोट: इस मॉडल ने हर एक सूक्ष्म क्षण पर ध्वनि तरंग (sound wave) की तुलना की। यह मानव परिणामों को दोहराने में विफल रहा।
- "रिदम" रोबोट: इस मॉडल को केवल समय और लय की परवाह थी, वास्तविक ध्वनि सामग्री की नहीं। यह भी विफल रहा।
- "सिलेबल" (शब्दांश) रोबोट: यह मॉडल एक इंसान की तरह काम करता था। इसने हर मिलीसेकंड की जाँच नहीं की। इसके बजाय, इसने एक पूरे शब्दांश के समाप्त होने तक प्रतीक्षा की, ध्वनि के उस हिस्से को एक सरल सारांश में संकुचित किया, और फिर उसकी तुलना उस चीज़ से की जिसकी उसे अपेक्षा थी।
केवल सिलेबल रोबोट ही मानव प्रयोग के परिणामों को सफलतापूर्वक दोहराने में सक्षम रहा। इसने दिखाया कि मस्तिष्क संभवतः ध्वनि की जाँच करने से पहले उसे शब्दांश-आकार के टुकड़ों (chunks) में समूहबद्ध करता है। यदि देरी उस विशिष्ट टुकड़े के समय में गड़बड़ी करती है, तो मस्तिष्क घबरा जाता है। यह सिमुलेशन बताता है कि शब्दांश हमारे भाषण को नियंत्रित करने का एक मौलिक आधार है, जो हमारे श्रवण फीडबैक (auditory feedback) के लिए एक प्राकृतिक कंटेनर के रूप में कार्य करता है।
मस्तिष्क के "शू!" (Shh!) को सुनना
अंत में, टीम जानना चाहती थी कि मस्तिष्क के भीतर क्या हो रहा है। उन्होंने 28 प्रतिभागियों के विद्युत गतिविधि को रिकॉर्ड करने के लिए EEG (इलेक्ट्रोएन्सेफलोग्राफी) का उपयोग किया।
जब हम बोलते हैं, तो हमारा मस्तिष्क आमतौर पर हमारी आवाज़ को कम करने के लिए कानों को एक "शू!" (shh!) संकेत भेजता है। इसे स्पीच-इंड्यूस्ड ऑडिटरी सप्रेशन (SIAS) कहा जाता है। यह ऐसा है जैसे मस्तिष्क कह रहा हो, "मैं जानता हूँ कि मैं वह शोर कर रहा हूँ, इसलिए मुझे इसे उतनी ज़ोर से सुनने की ज़रूरत नहीं है।"
शोधकर्ताओं ने पाया कि यह "शू!" संकेत भी शब्दांश की गति पर निर्भर करता है। जब फीडबैक की देरी 250 ms पर स्थिर थी, तो मस्तिष्क का दमन (suppression) तब अधिक मजबूत था जब लोग धीरे (3 Hz) बोल रहे थे और जब वे तेज़ी से (6 Hz) बोल रहे थे तब कमजोर था।
यह पुष्टि करता है कि अपने स्वयं के स्वर की भविष्यवाणी करने और उसे दबाने की मस्तिष्क की क्षमता केवल पूर्ण समय की देरी के बारे में नहीं है। यह इस बारे में है कि वह देरी शब्दांश की लय में कैसे फिट बैठती है। यदि देरी शब्दांश की लय को तोड़ देती है, तो मस्तिष्क की भविष्यवाणी विफल हो जाती है, और "शू!" संकेत कमजोर हो जाता है।
निर्णय
तो, हमने क्या सीखा?
- मुख्य निष्कर्ष: मस्तिष्क भाषण के फीडबैक को शब्दांश (syllable) के इर्द-गिर्द व्यवस्थित करता है। यह एक लचीली खिड़की का उपयोग करता है जो आपके बोलने की गति के अनुसार खिंचती या सिकुड़ती है, न कि एक निश्चित 200 ms टाइमर का।
- क्या खारिज किया गया: यह विचार कि मस्तिष्क हर मिलीसेकंड में ध्वनि तरंगों की सरल, निरंतर तुलना करता है, या यह कि यह पूरी तरह से एक निश्चित लय पर निर्भर करता है जो बोलने की गति के साथ नहीं बदलती। डेटा और सिमुलेशन दिखाते हैं कि ये सरल विचार काम नहीं करते हैं।
- हम कितने आश्वस्त हैं? टीम के पास अभिसारी साक्ष्य (convergent evidence) हैं। उन्होंने मनुष्यों में इस व्यवहार को मापा है, कंप्यूटर मॉडल में इसका सिमुलेशन किया है (जिसमें केवल शब्दांश-आधारित मॉडल ही इसे दोहरा सका), और मस्तिष्क में संबंधित तंत्रिका संकेतों का अवलोकन किया है।
हालाँकि यह शोध पत्र यह दावा नहीं करता है कि इसने भाषण के पूरे रहस्य को सुलझा लिया है, लेकिन यह इस बात के मजबूत, प्रत्यक्ष प्रमाण प्रदान करता है कि शब्दांश मस्तिष्क के भाषण-नियंत्रण आर्किटेक्चर में एक प्रमुख निर्माण खंड (building block) है। यह ऐसा है जैसे मस्तिष्क "टुकड़ों" (chunks) में बोलता है, और यदि आप एक टुकड़े के समय के साथ छेड़छाड़ करते हैं, तो पूरी बातचीत लड़खड़ा जाती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।