Supervised Cross-Subject Adaptation and Low-Latency Confidence-Aware Trie Decoding for EEG-Based Imagined Handwriting Recognition

उन लोगों के लिए जिनके शरीर अब हिल-डुल या बोल नहीं सकते, मन अक्सर एक जीवंत और सक्रिय स्थान बना रहता है। कल्पना कीजिए कि एक ऐसी दुनिया जहाँ एक विचार, जैसे कि पत्र लिखने का मानसिक अभ्यास, सीधे स्क्रीन पर टेक्स्ट में बदला जा सके। यह ब्रेन-कंप्यूटर इंटरफेस (brain-computer interfaces) का वादा है, जो एक ऐसा क्षेत्र है जो तंत्रिका गतिविधि (neural activity) और डिजिटल दुनिया के बीच एक सेतु बनाने के लिए समर्पित है। एक विशेष रूप से आशाजनक मार्ग "कल्पित हस्तलेखन" (imagined handwriting) में शामिल है, जहाँ एक व्यक्ति बिना एक भी मांसपेशी हिलाए अक्षरों के आकार को मानसिक रूप से उकेरता है। हालाँकि यह विज्ञान कथा जैसा लग सकता है, वैज्ञानिकों ने पहले ही मस्तिष्क के विद्युत संकेतों से इन मानसिक निशानों को पढ़ना सीख लिया है। फिर भी, इस तकनीक को रोजमर्रा के उपयोग के लिए व्यावहारिक बनाने में एक बड़ी बाधा हमेशा खड़ी रही है: मस्तिष्क हर व्यक्ति के लिए अद्वितीय होता है। एक व्यक्ति के ब्रेनवेव्स पर प्रशिक्षित प्रणाली अक्सर दूसरे के विचारों को पढ़ने के लिए पूछे जाने पर पूरी तरह विफल हो जाती है, और प्रत्येक नए उपयोगकर्ता के लिए प्रणाली को पुन: प्रशिक्षित करने की प्रक्रिया धीमी और बोझिल होती है। इसके अलावा, भले ही प्रणाली एक अक्षर का सही अनुमान लगा ले, एक एकल गलती पूरे शब्द को खराब कर सकती है, जिससे एक स्पष्ट संदेश अर्थहीन शब्दों के समूह (gibberish) में बदल जाता है।

फ्लोरिडा विश्वविद्यालय के शोधकर्ताओं की एक टीम ने एक नया दृष्टिकोण विकसित किया है जो इन दोनों समस्याओं को एक साथ हल करता है, जो कल्पित लेखन को टेक्स्ट में बदलने का एक तेज़ और अधिक अनुकूलनीय तरीका प्रदान करता है। उनका कार्य एक ऐसी पद्धति पर केंद्रित है जो कंप्यूटर को लोगों के एक समूह से सीखने की अनुमति देता है और फिर बहुत कम अतिरिक्त डेटा के साथ तुरंत एक नए उपयोगकर्ता के अनुकूल हो जाता है, और यह सब छोटे, पोर्टेबल कंप्यूटरों पर चलता है। शोधकर्ताओं ने पाया कि वे अपने सिस्टम के मुख्य "मस्तिष्क-पठन" (brain-reading) भाग को स्थिर रख सकते हैं, जैसे कि एक कैमरा लेंस जो कभी नहीं बदलता, और बस एक नए व्यक्ति के अनुरूप फिट होने के लिए एक छोटा, हल्का फिल्टर समायोजित कर सकते हैं। इस समायोजन के लिए नए उपयोगकर्ता द्वारा अपने मन में कुछ अक्षर लिखने के केवल कुछ मिनटों की आवश्यकता थी। अनुकूलित होने के बाद, सिस्टम उच्च सटीकता के साथ उपयोगकर्ता के विचारों को पढ़ सकता है। एकल अक्षर को पढ़ते समय होने वाली अपरिहार्य छोटी गलतियों को ठीक करने के लिए, उन्होंने एक स्मार्ट डिकोडर भी बनाया है जो स्पेलचेकर की तरह काम करता है, लेकिन यह मस्तिष्क के संकेत के आत्मविश्वास (confidence) को समझता है। यदि सिस्टम किसी अक्षर के बारे में अनिश्चित है, तो डिकोडर शब्द के संदर्भ और अंग्रेजी भाषा में अक्षरों की आवृत्ति का उपयोग करके सबसे संभावित शब्द का अनुमान लगाता है।

इस नए ढांचे के परिणाम आश्चर्यजनक हैं। उन परीक्षणों में जहाँ सिस्टम को चौदह लोगों पर प्रशिक्षित किया गया था और फिर एक पंद्रहवें व्यक्ति को पढ़ने के लिए कहा गया था जिसे उसने पहले कभी नहीं देखा था, व्यक्तिगत अक्षरों के लिए सटीकता शून्य के करीब से बढ़कर अस्सी प्रतिशत से अधिक हो गई। जब सिस्टम को पूरे शब्दों को पुनर्गठित करने के लिए कहा गया, तो यह नब्बे प्रतिशत से अधिक बार सटीक शब्द प्राप्त करने में सफल रहा। यह प्रदर्शन तब भी बना रहा जब शोधकर्ताओं ने बारह हजार पाँच सौ विभिन्न शब्दों की एक विशाल सूची के साथ सिस्टम का परीक्षण किया, जिससे सिद्ध हुआ कि यह बिना टूटे विविध शब्दावली को संभाल सकता है। शायद वास्तविक दुनिया के उपयोग के लिए सबसे महत्वपूर्ण बात यह है कि शोधकर्ताओं ने सॉफ्टवेयर को एक छोटे, स्मार्टफोन के आकार के पोर्टेबल डिवाइस पर चलाने के लिए अनुकूलित किया। इस डिवाइस पर, सिस्टम एक शब्द को छह मिलीसेकंड से कम समय में डिकोड कर सकता है, जिसमें ऊर्जा की इतनी कम मात्रा खर्च होती है जो बैटरी को मुश्किल से खाली करेगी। यह गति और दक्षता बताती है कि ऐसे सिस्टम को अंततः एक व्यक्ति द्वारा पहना या ले जाया जा सकता है, जो एक विश्वसनीय, वास्तविक समय का संचार उपकरण प्रदान करता है।

शोधकर्ताओं ने इस समस्या के बारे में सोच बदलकर इसे हासिल किया। प्रत्येक नए व्यक्ति के लिए पूरे जटिल कंप्यूटर मॉडल को पुन: प्रशिक्षित करने के बजाय, जिसमें बहुत समय और डेटा लगता है, उन्होंने मॉडल के मुख्य भाग को स्थिर रखा। इस मुख्य भाग ने पहले ही सामान्य पैटर्न सीख लिए थे कि कई अलग-अलग लोगों में लिखने के मस्तिष्क संकेत कैसे दिखते हैं। फिर उन्होंने नए व्यक्ति से बहुत कम डेटा का उपयोग किया—प्रत्येक अक्षर के केवल बीस उदाहरण—एक सरल, हल्के क्लासिफायर (classifier) को प्रशिक्षित करने के लिए। यह क्लासिफायर यह सीखने में सक्षम था कि उस विशिष्ट व्यक्ति के लिए स्थिर मस्तिष्क संकेतों की व्याख्या कैसे की जाए। यह कुछ हद तक एक सार्वभौमिक अनुवादक (universal translator) होने जैसा था जो एक भाषा का व्याकरण जानता है लेकिन एक नए वक्ता के विशिष्ट लहजे (accent) को सीखने के लिए उसे एक छोटी बातचीत की आवश्यकता होती है। इस दृष्टिकोण का अर्थ था कि सिस्टम को घंटों के बजाय सेकंडों में व्यक्तिगत बनाया जा सकता था, जिससे यह दैनिक जीवन में लोगों के लिए उपयोग करना संभव हो गया।

वास्तविक मस्तिष्क संकेतों की अव्यवस्था को संभालने के लिए, जहाँ एक एकल अक्षर की गलत पहचान हो सकती है, टीम ने एक चतुर डिकोडिंग रणनीति पेश की। कल्पना कीजिए कि एक व्यक्ति एक शब्द लिखने की कोशिश कर रहा है जबकि उसका हाथ कांप रहा है; वह 'e' के बजाय 'h' लिख सकता है, लेकिन बाकी शब्द से पता चल जाता है। नया सिस्टम इसी तरह काम करता है। यह प्रत्येक चरण पर केवल सबसे संभावित अक्षर को नहीं चुनता है। इसके बजाय, यह सबसे संभावित अक्षरों की एक सूची रखता है, जो इस आधार पर भारित (weighted) होती है कि प्रत्येक अनुमान में सिस्टम कितना आश्वत है। फिर यह एक वैध शब्दों के शब्दकोश के माध्यम से खोज करता है, उस पथ की तलाश करता है जो अंग्रेजी वर्तनी के नियमों का पालन करते हुए अनुमानों के क्रम से सबसे अच्छा मेल खाता है। यदि सिस्टम किसी अक्षर के बारे में अनिश्चित है, तो यह कम संभावित विकल्पों को भी दौड़ में रहने देता है, यह जानते हुए कि आसपास के अक्षर बाद में सही विकल्प की पुष्टि कर सकते हैं। इस "कॉन्फिडेंस-अवेयर" (confidence-aware) पद्धति ने उन त्रुटियों को ठीक किया जो पुराने, सरल तरीकों के साथ संदेश को बर्बाद कर देतीं। उनके सिमुलेशन में, इस डिकोडर ने प्रारंभिक गलतियों में से लगभग इक्यानवे प्रतिशत को सुधारा, जिससे गलत अक्षरों की एक श्रृंखला सही शब्द में बदल गई।

अध्ययन ने कठोरता से परीक्षण किया कि यह सिस्टम वास्तविक दुनिया के परिवेश में, विशेष रूप से कंप्यूटिंग पावर के किनारे (edge of computing power) पर कितनी अच्छी तरह काम करेगा। शोधकर्ताओं ने अपने अनुकूलित सॉफ्टवेयर को एक NVIDIA Jetson TX2 पर चलाया, जो पोर्टेबल डिवाइस के लिए डिज़ाइन किया गया एक कॉम्पैक्ट कंप्यूटर है। उन्होंने न केवल यह मापा कि यह कितना तेज़ था, बल्कि यह भी कि यह कितनी ऊर्जा खपत करता है। सिस्टम ने औसतन 5.80 मिलीसेकंड में एक शब्द को डिकोड किया और प्रति शब्द केवल 22.68 मिलीजूल ऊर्जा का उपयोग किया। दक्षता का यह स्तर अत्यंत महत्वपूर्ण है क्योंकि इसका अर्थ है कि इस तकनीक को कार्य करने के लिए एक विशाल सर्वर फार्म या भारी बैटरी पैक की आवश्यकता नहीं है। यह एक व्यक्ति से जुड़े छोटे डिवाइस पर रह सकता है, जिससे गंभीर मोटर अक्षमता वाले व्यक्तियों के लिए एक पोर्टेबल, गैर-आक्रामक संचार उपकरण का सपना वास्तविकता के बहुत करीब आ गया है।

हालाँकि परिणाम उत्साहजनक हैं, शोधकर्ता अपने कार्य की सीमाओं को नोट करने में सावधानी बरतते हैं। परीक्षण एक नियंत्रित वातावरण में किए गए थे जहाँ अक्षरों का समय और शब्दों की लंबाई पहले से ज्ञात थी। सिस्टम को यह पता लगाने की आवश्यकता नहीं थी कि व्यक्ति ने कब लिखना शुरू किया या समाप्त किया, और न ही इसे पूर्व-निर्धारित शब्दों की सूची के बिना विचारों की एक खुली धारा (open-ended stream) को संभालना था। ये महत्वपूर्ण चुनौतियाँ हैं जो भविष्य के अनुसंधान के लिए शेष हैं। वर्तमान सफलता एक आदर्श स्थिति में कोर तकनीक के काम करने का प्रदर्शन है, जो यह सिद्ध करती है कि मस्तिष्क के विद्युत संकेतों को विभिन्न लोगों के बीच उच्च गति और सटीकता के साथ डिकोड किया जा सकता है। यह दिखाता है कि किसी व्यक्ति के कल्पित लेखन को समझने के लिए आवश्यक जानकारी मस्तिष्क संकेतों में वास्तव में मौजूद है, भले ही सिस्टम को उन्हें पढ़ने के लिए एक त्वरित, व्यक्तिगत ट्यून-अप की आवश्यकता हो।

इस कार्य के निहितार्थ केवल आंकड़ों से परे हैं। उन व्यक्तियों के लिए जिन्होंने बोलने या हिलने-डुलने की क्षमता खो दी है, विचार के माध्यम से संवाद करने की क्षमता केवल एक सुविधा नहीं है; यह एक जीवन रेखा है। वर्तमान विधियों के लिए अक्सर इलेक्ट्रोड लगाने के लिए आक्रामक सर्जरी की आवश्यकता होती है, जिसमें जोखिम होता है और दीर्घकालिक उपयोग सीमित होता है। यह नया दृष्टिकोण स्कैल्प इलेक्ट्रोड्स का उपयोग करता है, जो गैर-आक्रामक और सुरक्षित हैं, और एक ऐसे सॉफ्टवेयर फ्रेमवर्क के साथ मिलकर काम करता है जो इतना तेज़ है कि स्वाभाविक महसूस हो सके। इस समस्या को हल करके कि कैसे नए उपयोगकर्ताओं के अनुकूल होने के लिए भारी पुन: प्रशिक्षण की आवश्यकता होती है, और शब्द निर्माण के दौरान होने वाली त्रुटियों को ठीक करके, शोधकर्ताओं ने इस तकनीक को व्यावहारिक बनाने में दो सबसे बड़ी बाधाओं को हटा दिया है। तथ्य यह है कि यह छोटे हार्डवेयर पर कुशलतापूर्वक चलता है, यह सुझाव देता है कि एक भविष्य जहाँ एक व्यक्ति अपने मन से एक वाक्य टाइप कर सकता है, एक ऐसा उपकरण उपयोग करके जिसे वह अपनी जेब में रख सके, अब एक दूर का स्वप्न नहीं बल्कि एक मूर्त इंजीनियरिंग लक्ष्य है।

आगे का मार्ग इन घटकों को एक पूर्ण प्रणाली में एकीकृत करने की ओर जाता है जो यह पता लगा सके कि कब कोई व्यक्ति लिखना चाहता है, एक खुली शब्दावली को संभाल सके, और घर या अस्पताल के शोर भरे वातावरण में कार्य कर सके। शोधकर्ताओं ने अपने कोड और डेटा को वैज्ञानिक समुदाय के लिए उपलब्ध करा दिया है, और दूसरों को इस नींव पर निर्माण करने के लिए आमंत्रित किया है। यह कार्य प्रदर्शित करता है कि स्थिर प्रतिनिधित्व (fixed representations), हल्के अनुकूलन (lightweight adaptation) और स्मार्ट त्रुटि सुधार (smart error correction) के सही संयोजन के साथ, मानव मन और डिजिटल दुनिया के बीच के अंतर को आश्चर्यजनक गति और स्पष्टता के साथ भरा जा सकता है। यह एक ऐसे भविष्य की ओर एक कदम है जहाँ संचार की एकमात्र सीमा स्वयं मानव मन की क्षमता होगी।