Rapid parameter-efficient calibration for cross-session intracortical speech decoding across multiple datasets

जो लोग पक्षाघात या तंत्रिका संबंधी रोगों के कारण बोलने की क्षमता खो चुके हैं, उनके लिए यह चुप्पी अलगाव ला सकती है। ब्रेन-कंप्यूटर इंटरफेस (BCI) मस्तिष्क के विद्युत संकेतों को सीधे टेक्स्ट या स्पीच में बदलकर इस चुप्पी से बाहर निकलने का एक रास्ता प्रदान करते हैं। कल्पना कीजिए कि एक व्यक्ति एक वाक्य के बारे में सोच रहा है, और एक कंप्यूटर उन विचारों को टाइप करने के लिए उन्हें पढ़ रहा है। यह तकनीक विज्ञान कथा (साइंस फिक्शन) से वास्तविकता में बदल गई है, जिसमें सिस्टम अब इम्प्लांटेड इलेक्ट्रोड्स से बोले गए शब्दों को उल्लेखनीय गति और सटीकता के साथ डिकोड करने में सक्षम हैं। हालांकि, एक निरंतर चुनौती इन प्रणालियों को एक सहज, रोजमर्रा के उपकरण बनने से रोकती है: मस्तिष्क स्थिर नहीं है। मस्तिष्क से रिकॉर्ड किए गए विद्युत संकेत समय के साथ बदलते रहते हैं, जो शरीर में सूक्ष्म परिवर्तनों, इलेक्ट्रोड की स्थिति या उपयोगकर्ता की मानसिक स्थिति के कारण दिन-प्रतिदिन या घंटों में भी बदल सकते हैं। एक डेकोडर जिसे एक दिन के लिए प्रशिक्षित किया गया था, वह अक्सर अगले दिन उन्हीं विचारों को समझने में संघर्ष करता है, जिससे उपयोगकर्ताओं को अपने डिवाइस का उपयोग करने के लिए फिर से उबाऊ पुन: प्रशिक्षण सत्रों से गुजरना पड़ता है।

एक नया अध्ययन इस समस्या का समाधान इस सरल लेकिन कठिन प्रश्न पूछकर करता है: क्या हम पूरे सिस्टम को फिर से बनाए बिना एक नए दिन के लिए स्पीच डिकोडर को ठीक कर सकते हैं? राजशाही यूनिवर्सिटी ऑफ इंजीनियरिंग एंड टेक्नोलॉजी और बांग्लादेश यूनिवर्सिटी ऑफ इंजीनियरिंग एंड टेक्नोलॉजी के शोधकर्ताओं ने इन उपकरणों को बहुत कम डेटा और कंप्यूटिंग पावर का उपयोग करके तेजी से पुन: अंशांकित (recalibrate) करने की एक विधि विकसित की। उन्होंने इस दृष्टिकोण का परीक्षण मस्तिष्क डेटा के दो बड़े, सार्वजनिक संग्रहों पर किया, जो स्पीच इम्प्लांट का उपयोग करने वाले विभिन्न व्यक्तियों से संबंधित थे। उस जटिल कंप्यूटर मॉडल को फिर से प्रशिक्षित करने के बजाय जो भाषण पैटर्न को पहचानना सीखता है, उन्होंने उस भारी मशीनरी को स्थिर और लॉक रखा। उन्होंने केवल सिस्टम के बिल्कुल शुरुआत में स्थित एक छोटे, विशिष्ट स्तर (layer) को समायोजित किया, जो एक गणितीय फिल्टर है जो मुख्य डिकोडर में प्रवेश करने से पहले कच्चे मस्तिष्क संकेतों को तैयार करता है। केवल इस छोटे फिल्टर को कुछ नए उदाहरणों—चाहे वे चालीस हों या अस्सी संक्षिप्त परीक्षण—का उपयोग करके ट्यून करके, वे सिस्टम को उपयोगकर्ता की वर्तमान मस्तिष्क स्थिति के साथ संरेखित करने में सक्षम हुए।

परिणामों ने दिखाया कि यह हल्का दृष्टिकोण आश्चर्यजनक रूप से अच्छा काम करता है, हालांकि इसकी सफलता विशिष्ट उपयोगकर्ता और उपलब्ध डेटा की मात्रा पर निर्भर करती है। पहले डेटासेट पर, जो एक ऐसे प्रतिभागी से आया था जो काफी समय से सिस्टम का उपयोग कर रहा था, यह विधि अत्यधिक प्रभावी थी। केवल लगभग पैंसठ हजार मापदंडों (parameters) को समायोजित करने के बाद—एक ऐसी संख्या जो इतनी छोटी है कि यह कुल मॉडल का एक-दशांश प्रतिशत से भी कम है—सिस्टम की भाषण ध्वनियों को सही ढंग से पहचानने की क्षमता में महत्वपूर्ण सुधार हुआ। वास्तव में, भविष्य के प्रत्येक टेस्ट सेशन के लिए, सटीकता बढ़ गई। केवल चालीस उदाहरणों के माध्यम से समायोजन करने के बाद, त्रुटि दर ग्यारह प्रतिशत से अधिक कम हो गई। जब शोधकर्ताओं ने अस्सी उदाहरण प्रदान किए, तो सुधार पंद्रह प्रतिशत से अधिक बढ़ गया। महत्वपूर्ण रूप से, यह कुछ ही सेकंडों में हुआ, और पूरी समायोजन प्रक्रिया कंप्यूटर हार्डवेयर पर आठ सेकंड से भी कम समय में पूरी हो गई।

जब शोधकर्ताओं ने ठीक उसी नियम को दूसरे व्यक्ति के दूसरे डेटासेट पर लागू किया, तो कहानी थोड़ी अधिक जटिल हो गई। यहाँ, सिस्टम उतना सुसंगत रूप से सुधार नहीं हुआ, और परिणाम एक दिन से दूसरे दिन अधिक भिन्न थे। चालीस उदाहरणों के छोटे सेट के साथ, सुधार मामूली था, और कुछ मामलों में, सिस्टम बेहतर नहीं हुआ। हालांकि, जब उन्होंने अस्सी उदाहरणों के बड़े सेट का उपयोग किया, तो सुधार बहुत मजबूत हो गया, जिससे त्रुटियां औसतन लगभग दस प्रतिशत कम हो गईं। यह अंतर बताता है कि जबकि मस्तिष्क के दैनिक बदलावों को अक्सर एक सरल, त्वरित समायोजन के साथ ठीक किया जा सकता है, कुछ उपयोगकर्ताओं या कुछ दिनों को सही सेटिंग खोजने के लिए अधिक जानकारी की आवश्यकता होती है। अध्ययन ने स्पष्ट रूप से इस विचार को खारिज कर दिया कि एक एकल, छोटा समायोजन हर उपयोगकर्ता के लिए हर संभावित बेमेल को ठीक कर सकता है; इसके बजाय, इसने दिखाया कि एक छोटा, लक्षित सुधार एक शक्तिशाली उपकरण है जो तब सबसे अच्छा काम करता है जब उपयोगकर्ता नए उदाहरणों की पर्याप्त मात्रा प्रदान करता है।

यह खोज विशेष रूप से महत्वपूर्ण है क्योंकि यह इन उपकरणों के उपयोग की व्यावहारिक वास्तविकता को कैसे बदल देती है। पहले, एक नए दिन के अनुकूल होने के लिए घंटों के पुन: प्रशिक्षण या जटिल पुन: अंशांकन की आवश्यकता हो सकती थी जिसमें उपयोगकर्ता का पूरा ध्यान चाहिए होता था। यह नई विधि 'भाषण कैसा सुनाई देता है' सीखने के भारी काम को, 'वर्तमान क्षण के लिए सिस्टम को ट्यून करने' के त्वरित, दैनिक कार्य से अलग करती है। शोधकर्ताओं ने प्रदर्शित किया कि वे पिछले डेटा पर प्रशिक्षित सिस्टम को ले सकते हैं, कुछ नए परीक्षणों का उपयोग करके एक सरल, तीव्र समायोजन लागू कर सकते हैं, और तुरंत उच्च प्रदर्शन बहाल कर सकते हैं। उन्होंने इसे दो पूरी तरह से अलग लोगों पर परीक्षण किया जिनके मस्तिष्क संकेतों की विशेषताएं अलग थीं, और हालांकि सफलता की डिग्री भिन्न थी, मूल सिद्धांत बना रहा: एक विशाल, जटिल मस्तिष्क मॉडल को हर दिन फिर से सीखने की आवश्यकता नहीं है। केवल एक छोटा, विशिष्ट हिस्सा ही थोड़ा सा बदला जाना चाहिए।

अध्ययन ने इस बात पर भी बारीकी से गौर किया कि समायोजन से पहले और बाद में सिस्टम किस प्रकार की गलतियाँ कर रहा था। उन्होंने पाया कि अंशांकन (calibration) ने सिस्टम को शब्दों या शब्दों के हिस्सों को छोड़ने—जिसे 'डिलीशन' (deletion) नामक एक सामान्य त्रुटि कहा जाता है—से रोकने में मदद की। इसने सिस्टम को एक ध्वनि को दूसरी ध्वनि से बदलने से भी रोका। पहले डेटासेट में, समायोजन ने दोनों प्रकार की त्रुटियों को कुशलतापूर्वक ठीक किया। दूसरे डेटासेट में, छोटे समायोजन ने मुख्य रूप से छूटे हुए शब्दों को ठीक किया लेकिन कभी-कभी ध्वनि-बदलने वाली त्रुटियों को और खराब कर दिया, जब तक कि अस्सी उदाहरणों के बड़े सेट का उपयोग करके दोनों को ठीक नहीं किया गया। त्रुटियों का यह विस्तृत विश्लेषण पुष्टि करता है कि यह विधि केवल एक सांख्यिकीय ट्रिक नहीं है; यह वास्तव में मस्तिष्क के संकेतों की व्याख्या करने के तरीके को ठीक कर रही है।

अंततः, यह शोध ब्रेन-कंप्यूटर इंटरफेस को अधिक विश्वसनीय और उपयोगकर्ता के अनुकूल बनाने के लिए एक स्पष्ट मार्ग प्रदान करता है। यह सिद्ध करके कि एक डिकोडर को उसके एक प्रतिशत से भी कम सेटिंग्स को अपडेट करके तेजी से पुन: अंशांकित किया जा सकता है, यह अध्ययन सुझाव देता है कि भविष्य के उपकरण उपयोगकर्ता के दैनिक उतार-चढ़ाव के अनुसार लगभग तुरंत अनुकूल हो सकते हैं। यह कार्य यह दावा नहीं करता है कि इसने सभी के लिए मस्तिष्क संकेत परिवर्तनशीलता की समस्या को हल कर दिया है; बल्कि, यह प्रदर्शित करता है कि एक सरल, कुशल समाधान चुनौती के एक महत्वपूर्ण हिस्से के लिए मौजूद है। एक व्यक्ति के लिए जो स्पीच इम्प्लांट पर निर्भर है, इसका अर्थ एक ऐसे डिवाइस के बीच का अंतर है जो हर सुबह विश्वसनीय रूप से काम करता है और एक ऐसे डिवाइस के बीच जो एक लंबे, निराशाजनक सेटअप रूटीन की मांग करता है। केवल कुछ सेकंड के नए डेटा का उपयोग करके, कुछ ही सेकंडों में प्रदर्शन को पुनः प्राप्त करने की क्षमता, एक निर्बाध, हमेशा तैयार संचार उपकरण के दृष्टिकोण को वास्तविकता के बहुत करीब लाती है।