Reconstructing the brain’s language network from non-invasive EEG enables interpretable speech decoding

द दशकों से, वैज्ञानिक बाहर से मस्तिष्क की भाषा को सीधे पढ़ने का सपना देख रहे हैं, इस उम्मीद में कि उन लोगों की वाणी को बहाल किया जा सके जिन्होंने अपने मुँह हिलाने की क्षमता खो दी है। मस्तिष्क विद्युत गतिविधि का एक विशाल, शोर भरा शहर है, और जब हम शब्दों के बारे में सोचते हैं, तो विशिष्ट पड़ोस एक सटीक क्रम में जगमगा उठते हैं। हालाँकि, बिना सर्जरी के इस गतिविधि को पकड़ना एक भीड़ भरे स्टेडियम में पार्किंग स्थल से एक अकेली बातचीत को सुनने की कोशिश करने जैसा था; संकेत कमजोर, आपस में मिले हुए और व्यक्ति दर व्यक्ति बहुत भिन्न होते हैं। इन ब्रेनवेव्स (brainwaves) को टेक्स्ट में अनुवाद करने के पारंपरिक प्रयासों ने अक्सर शक्तिशाली कंप्यूटर प्रोग्रामों पर भरोसा किया है जो 'ब्लैक बॉक्स' के रूप में कार्य करते हैं। ये प्रोग्राम डेटा में सांख्यिकीय पैटर्न को पहचानकर अगले शब्द का अनुमान लगाना सीखते हैं, लेकिन वे इस बारे में कोई अंतर्दृष्टि नहीं देते कि मस्तिष्क ने वास्तव में उस विचार को कैसे उत्पन्न किया, और न ही वे यह समझाते हैं कि वे कभी-कभी विफल क्यों होते हैं। अंतर्निहित तंत्र को समझे बिना, ये प्रणालियाँ अलग-अलग लोगों या भाषा के विभिन्न कार्यों के बीच विश्वसनीय रूप से काम करने के लिए संघर्ष करती हैं, जिससे एक सार्वभौमिक संचार उपकरण का वादा पहुँच से बाहर रह जाता है।

शेन्ज़ेन और हांगकांग के शोधकर्ताओं की एक टीम ने अब एक अलग मार्ग प्रस्तावित किया है, जो केवल अनुमान लगाने से आगे बढ़कर मस्तिष्क के भाषा नेटवर्क के वास्तविक मानचित्र का पुनर्निर्माण करता है। उन्होंने एक नया ढांचा विकसित किया जिसे CAGNNF कहा जाता है, जो मस्तिष्क को एक ब्लैक बॉक्स के रूप में नहीं, बल्कि विशिष्ट नियमों वाले एक भौतिक तंत्र के रूप में देखता है। स्कैल्प (scalp) पर कच्चे विद्युत संकेतों से सीधे एक वाक्य तक पहुँचने के बजाय, उनका सिस्टम पहले मस्तिष्क की आंतरिक गतिविधि का एक गतिशील, त्रि-आयामी मॉडल बनाता है। यह 'न्यूरल पर्टर्बेशनल इन्फरेंस' (neural perturbational inference) नामक एक विधि का उपयोग करता है ताकि यह पता लगाया जा सके कि मस्तिष्क के एक हिस्से में उत्पन्न हुई चिंगारी कैसे बाहर की ओर फैलकर अन्य क्षेत्रों को प्रभावित करती है, ठीक वैसे ही जैसे तालाब में पत्थर फेंकने पर लहरें फैलती हैं। इस मॉडल को जैविक वास्तविकता के अनुरूप रखने के लिए, उन्होंने मानव कॉर्टेक्स के वास्तविक आकार और संरचना पर आधारित ज्यामितीय बाधाओं को जोड़ा, जिससे यह सुनिश्चित हुआ कि पुनर्निर्मित गतिविधि मस्तिष्क के प्राकृतिक राजमार्गों के साथ प्रवाहित हो, न कि खाली स्थान में तैरती रहे।

इस प्रक्रिया का परिणाम मस्तिष्क के भाषा नेटवर्क का एक स्पष्ट, व्याख्या योग्य मानचित्र है जो सक्रिय अवस्था में है। शोधकर्ताओं ने पाया कि यह मानचित्र लगातार उन्हीं क्षेत्रों को उजागर करता है जो भाषा के लिए महत्वपूर्ण माने जाते हैं, विशेष रूप से टेम्पोरल क्षेत्र जो 'वेंट्रल स्ट्रीम' (ventral stream) बनाते हैं, जो वाक्यों को समझने के लिए एक आवश्यक पथ है। यह केवल एक सैद्धांतिक अभ्यास नहीं था; सिस्टम ने चीनी और अंग्रेजी दोनों भाषाओं में लोगों द्वारा चुपचाप पढ़ते समय रिकॉर्ड की गई ब्रेनवेव्स से टेक्स्ट को सफलतापूर्वक डिकोड किया। परीक्षणों में, इस नए दृष्टिकोण ने मौजूदा अत्याधुनिक तरीकों से बेहतर प्रदर्शन किया, जिससे डिकोड किए गए टेक्स्ट में त्रुटियों की संख्या पिछले सर्वश्रेष्ठ मॉडलों की तुलना में 12 प्रतिशत तक कम हो गई। महत्वपूर्ण रूप से, सिस्टम ने यह सिद्ध किया कि मस्तिष्क का भाषा नेटवर्क एक ही तरह से काम करता है चाहे व्यक्ति स्क्रीन पर शब्द पढ़ रहा हो या उन्हें बोले गए रूप में सुन रहा हो, जो यह सुझाव देता है कि भाषा का मूल तंत्र विभिन्न इंद्रियों के बीच साझा किया जाता है।

यह कार्य विशेष रूप से महत्वपूर्ण है क्योंकि यह डिकोडिंग त्रुटियों को एक नैदानिक उपकरण (diagnostic tool) में बदल देता है। चूंकि सिस्टम भाषा प्रसंस्करण के चरणों को समझता है, इसलिए यह सटीक रूप से बता सकता है कि गलती कहाँ हुई। शोधकर्ताओं ने पाया कि किसी अक्षर के आकार को पहचानने में होने वाली त्रुटियां प्रारंभिक दृश्य प्रसंस्करण (visual processing) संकेतों से जुड़ी थीं, जबकि शब्द छूट जाने की त्रुटियां ध्यान-संबंधी (attention-related) संकेतों से जुड़ी थीं, और अर्थ समझने में होने वाली त्रुटियां सिमेंटिक इंटीग्रेशन (semantic integration) से जुड़े संकेतों से जुड़ी थीं। इन विशिष्ट विफलता बिंदुओं की पहचान करके, सिस्टम ने लक्षित सुधार लागू किया, जिससे त्रुटि दर में 8 प्रतिशत से अधिक की और कमी आई। गलती को मस्तिष्क के प्रसंस्करण श्रृंखला के एक विशिष्ट क्षण तक वापस ट्रैक करने की यह क्षमता, पिछले तरीकों की तुलना में स्पष्टता का एक स्तर प्रदान करती है, जो डिकोडिंग प्रक्रिया को एक सांख्यिकीय अनुमान से बदलकर एक शारीरिक रूप से आधारित पुनर्निर्माण में बदल देती है।

अध्ययन ने यह भी प्रदर्शित किया कि यह सिस्टम नए व्यक्तियों के अनुकूल तेजी से ढल सकता है। एक ऐसी तकनीक का उपयोग करते हुए जो मॉडल को बहुत कम उदाहरणों से सीखने की अनुमति देती है, शोधकर्ताओं ने दिखाया कि सिस्टम को केवल सौ वाक्यों के रीडिंग डेटा के साथ एक नए व्यक्ति के मस्तिष्क के लिए कैलिब्रेट किया जा सकता है। यह दक्षता बताती है कि मूल भाषा नेटवर्क इतना स्थिर है कि इसे न्यूनतम प्रशिक्षण के साथ पकड़ा जा सकता है, जो इस तकनीक को दीर्घकालिक उपयोग के लिए व्यावहारिक बनाने की दिशा में एक महत्वपूर्ण कदम है। हालांकि वर्तमान प्रणाली 'ऑफलाइन' सेटिंग में काम करती है, जिसका अर्थ है कि यह डेटा रिकॉर्ड होने के बाद उसे प्रोसेस करती है, शोधकर्ताओं ने उल्लेख किया कि इसकी गति पहले से ही वास्तविक समय के संचार के लिए आवश्यक स्तरों के करीब पहुंच रही है। स्कैल्प पर विद्युत संकेतों, मस्तिष्क में पुनर्निर्मित भाषा नेटवर्क और अंतिम टेक्स्ट के बीच एक स्पष्ट, व्याख्या योग्य संबंध स्थापित करके, यह कार्य ऐसे ब्रेन-कंप्यूटर इंटरफेस की ओर एक ठोस कदम है जो न केवल शक्तिशाली हैं बल्कि समझने योग्य और भरोसेमंद भी हैं।