AI: લકવાગ્રસ્ત વ્યક્તિઓ માટે વાતચીત માટે નવી આશા: મગજના સંકેતોનું અર્થઘટન કરવા માટે ઇમ્પ્લાન્ટ, વાણી અને હાવભાવ બંનેને ડીકોડ કરવા

AI: ગંભીર લકવાને કારણે બોલવામાં અથવા શરીરને હલાવવામાં અસમર્થ વ્યક્તિઓ માટે વૈજ્ઞાનિકોએ વાતચીતનો એક નવો માર્ગ શોધી કાઢ્યો છે. સંશોધકોએ મગજ-કમ્પ્યુટર ઇન્ટરફેસ (BCI) વિકસાવ્યું છે જે મગજમાં ઉત્પન્ન થતા વિદ્યુત સંકેતોના આધારે બોલવાના હેતુ અને હાવભાવના હેતુને એકસાથે ઓળખવામાં સક્ષમ છે. શબ્દોને ઓન-સ્ક્રીન ટેક્સ્ટમાં રૂપાંતરિત કરવા ઉપરાંત, આ ટેકનોલોજી ડિજિટલ અવતાર દ્વારા હાથ, માથું અને શરીરની ગતિવિધિઓ પ્રદર્શિત કરી શકે છે.

AI નો ઉપયોગ કરીને પ્રવૃત્તિઓને ડીકોડ કરવી*
નેચર ન્યુરોસાયન્સ માં પ્રકાશિત થયેલા એક અભ્યાસ મુજબ, BCI એ મગજની પ્રવૃત્તિને ડીકોડ કરવા માટે કૃત્રિમ બુદ્ધિ (AI) નો ઉપયોગ કર્યો હતો. મોટાભાગના અગાઉના BCI અભ્યાસો વાણી ક્ષમતાઓ અથવા શારીરિક ગતિવિધિઓને પુનઃસ્થાપિત કરવા પર ધ્યાન કેન્દ્રિત કરે છે; આ નવી સિસ્ટમની વિશિષ્ટ વિશેષતા એ બંને પ્રકારના સંકેતોનું એકસાથે અર્થઘટન કરવાની ક્ષમતા છે.

૨૫૩ ઇલેક્ટ્રોડ સાથે સર્જિકલ ઇમ્પ્લાન્ટનો ઉપયોગ

આ સિસ્ટમમાં ૨૫૩ ઇલેક્ટ્રોડ ધરાવતા સર્જિકલ ઇમ્પ્લાન્ટનો ઉપયોગ કરવામાં આવ્યો હતો, જે મગજના સેન્સરીમોટર કોર્ટેક્સની સપાટી પર મૂકવામાં આવ્યો હતો – જે વાણી અને શારીરિક ગતિવિધિઓ સંબંધિત ન્યુરલ સિગ્નલોની પ્રક્રિયા માટે મહત્વપૂર્ણ ક્ષેત્ર છે. ઇલેક્ટ્રોડ્સ મગજની પ્રવૃત્તિ રેકોર્ડ કરે છે, જ્યારે એક AI મોડેલ આ સિગ્નલોમાંથી વ્યક્તિની ઇચ્છિત વાણી અને હાવભાવ ઓળખે છે. અભ્યાસમાં બે સહભાગીઓ સામેલ હતા. પ્રથમ વ્યક્તિ બ્રેઇનસ્ટેમ સ્ટ્રોક પછી ગંભીર વાણી અને ગતિશીલતા ક્ષતિઓથી પીડાતી હતી; સંશોધકોએ તેમને પાંચ વાક્યો શાંતિથી ઉચ્ચારવાનો પ્રયાસ કરવા અને હલાવવા, માથું હલાવવા, હાથ વડે સંકેત આપવા અને તાળી પાડવા જેવા હાવભાવ કરવા કહ્યું. બીજા સહભાગીને એમિઓટ્રોફિક લેટરલ સ્ક્લેરોસિસ (ALS) થી પીડાતો હતો, જે એક મોટર ન્યુરોન રોગ છે જેણે બોલવાની અને શરીરની ગતિવિધિઓને નિયંત્રિત કરવાની તેમની ક્ષમતા સાથે ચેડા કર્યા હતા. સહભાગીને ૧૦ વાક્યો બોલવાનો પ્રયાસ કરવા અને ૧૦ હાવભાવ કરવાની કલ્પના કરવા કહેવામાં આવ્યું હતું, જેમ કે શ્રગિંગ અથવા થમ્બ્સ-અપ.

હાથની ગતિ ‘હેલો’ સાથે હોય છે

જ્યારે સહભાગી બોલે છે, હાવભાવ કરે છે અને બંને ક્રિયાઓ એકસાથે કરે છે ત્યારે વૈજ્ઞાનિકોએ મગજના સંકેતો રેકોર્ડ કર્યા. તાલીમમાં “હેલો” કહેતી વખતે હાથ હલાવવા અથવા “હા” કહેતી વખતે માથું હલાવવા જેવા દૃશ્યોનો સમાવેશ થતો હતો. ત્યારબાદ, AI ડીકોડરને આ સંકેતોને શબ્દો, હાવભાવ અથવા બંનેના સંયોજન તરીકે ઓળખવા માટે તાલીમ આપવામાં આવી હતી. સંશોધકોએ શોધી કાઢ્યું કે જ્યારે સિસ્ટમને ત્રણેય પ્રકારના ડેટા પર તાલીમ આપવામાં આવી હતી, ત્યારે તે એકસાથે ઉત્પન્ન થતી વાણી અને હાવભાવને ઓળખવામાં વધુ સચોટ હતી. ત્યારબાદ, બંને સહભાગીઓ માટે વ્યક્તિગત સંપૂર્ણ-શરીરના વર્ચ્યુઅલ અવતાર (virtual avatars) તૈયાર કરવામાં આવ્યા. વાતચીત દરમિયાન, સિસ્ટમે સહભાગીઓ દ્વારા કરવામાં આવેલા વાક્યો કે હાવભાવને ઓળખી લીધા અને તેને સ્ક્રીન પર લખાણ તથા અવતારની હિલચાલ સ્વરૂપે દર્શાવ્યા. પ્રથમ સહભાગી માટે, વાણી અને હાવભાવ બંનેના અર્થઘટનની મધ્યસ્થ ચોકસાઈ (median decoding accuracy) પાંચમાંથી ત્રણ પ્રયાસોમાં ૧૦૦ ટકા સુધી પહોંચી હતી. બીજા સહભાગી માટે, સરેરાશ ચોકસાઈ વાણી માટે ૭૫ ટકા અને હાવભાવ માટે ૮૫ ટકા હતી.