शास्त्रज्ञांनी मेंदूमध्ये इम्प्लांट वापरून मानसिक भाषणाचे पुनरुत्पादन करण्यात यश मिळवले आहे

स्वतःच्या आवाजात बोलण्याची क्षमता गमावलेले लोक विविध स्पीच सिंथेसायझर वापरतात. आधुनिक तंत्रज्ञान या समस्येवर अनेक उपाय देतात: साध्या कीबोर्ड इनपुटपासून ते एक नजर आणि विशेष प्रदर्शन वापरून मजकूर इनपुटपर्यंत. तथापि, सर्व विद्यमान उपाय खूपच मंद आहेत, आणि एखाद्या व्यक्तीची स्थिती जितकी गंभीर असेल तितका त्याला टाइप करण्यासाठी जास्त वेळ लागतो. हे शक्य आहे की ही समस्या न्यूरल इंटरफेस वापरून लवकरच सोडवली जाईल, जी थेट मेंदूवर स्थापित केलेल्या इलेक्ट्रोड्सच्या विशेष इम्प्लांटच्या रूपात लागू केली जाते, ज्यामुळे त्याची क्रिया वाचण्यात जास्तीत जास्त अचूकता येते, ज्याचा नंतर सिस्टम भाषणात अर्थ लावू शकतो. जे आपण समजू शकतो.

सॅन फ्रान्सिस्को येथील कॅलिफोर्निया विद्यापीठातील संशोधकांनी त्यांच्या निसर्ग मासिकासाठी लेख 25 एप्रिल रोजी, त्यांनी इम्प्लांट वापरून एखाद्या व्यक्तीच्या मानसिक भाषणात आवाज कसा काढला याचे वर्णन केले. अहवालानुसार, काही ठिकाणी आवाज चुकीचा होता, परंतु वाक्ये पूर्णपणे पुनरुत्पादित करण्यात सक्षम होती, आणि सर्वात महत्त्वाचे म्हणजे, बाहेरील श्रोत्यांना समजले. यासाठी अनेक वर्षे विश्लेषण आणि रेकॉर्ड केलेल्या मेंदूच्या सिग्नलची तुलना करणे आवश्यक आहे आणि तंत्रज्ञान अद्याप प्रयोगशाळेच्या बाहेर वापरण्यासाठी तयार नाही. तथापि, प्रयोगातून असे दिसून आले की, “केवळ मेंदूचा वापर करून, तुम्ही भाषणाचा उलगडा आणि पुनरुत्पादन करू शकता,” गोपाला अनुमनचिपल्ली, मेंदू आणि वाणी शास्त्रज्ञ म्हणतात.

"नवीन अभ्यासात वर्णन केलेले तंत्रज्ञान अखेरीस लोकांची मोकळेपणाने बोलण्याची क्षमता पुनर्संचयित करण्याचे वचन देते," असे बोस्टन विद्यापीठातील न्यूरोसायंटिस्ट फ्रँक गुएंथर स्पष्ट करतात. "या सर्व लोकांसाठी याचे महत्त्व जास्त सांगणे कठिण आहे... हे आश्चर्यकारकपणे वेगळे करणे आणि आपल्या गरजा सांगू न शकणे आणि फक्त समुदायाशी संवाद साधणे हे एक भयानक स्वप्न आहे."

आधीच नमूद केल्याप्रमाणे, विद्यमान भाषण साधने जी एक किंवा दुसरी पद्धत वापरून शब्द टाइप करण्यावर अवलंबून असतात ते कंटाळवाणे असतात आणि बऱ्याचदा प्रति मिनिट 10 शब्दांपेक्षा जास्त उत्पन्न करत नाहीत. पूर्वीच्या अभ्यासांमध्ये, शास्त्रज्ञांनी आधीच मेंदूच्या सिग्नलचा वापर केला होता, ज्यात स्वर किंवा वैयक्तिक शब्दांसारखे भाषणाचे छोटे भाग डीकोड केले गेले होते, परंतु नवीन कार्यापेक्षा मर्यादित शब्दसंग्रहासह.

अनुमनचिपल्ली यांनी न्यूरोसर्जन एडवर्ड चांग आणि बायोइंजिनियर जोश चार्टियर यांच्यासमवेत पाच लोकांचा अभ्यास केला ज्यांच्या मेंदूमध्ये तात्पुरते इलेक्ट्रोड ग्रिड बसवले गेले होते. कारण हे लोक स्वतःच बोलू शकत होते, संशोधकांना मेंदूच्या क्रियाकलापांची नोंद करता आली जसे विषय वाक्य बोलतात. त्यानंतर टीमने मेंदूच्या सिग्नल्सशी संबंध जोडले जे ओठ, जीभ, जबडा आणि स्वरयंत्रावर नियंत्रण ठेवतात आणि स्वरयंत्राच्या वास्तविक हालचालींसह. यामुळे शास्त्रज्ञांना प्रत्येक व्यक्तीसाठी एक अद्वितीय व्हर्च्युअल व्हॉइस उपकरण तयार करण्याची परवानगी मिळाली.

त्यानंतर संशोधकांनी व्हर्च्युअल व्हॉइस बॉक्सच्या हालचालींचे आवाजात भाषांतर केले. या पद्धतीचा वापर केल्याने “भाषण सुधारले आणि ते अधिक नैसर्गिक बनले,” चर्टियर म्हणतात. पुनर्रचित शब्दांपैकी सुमारे 70 टक्के शब्द श्रोत्यांना समजण्यासारखे होते ज्यांना संश्लेषित भाषणाचा अर्थ सांगण्यास सांगितले होते. उदाहरणार्थ, जेव्हा एखाद्या विषयाने असे म्हणण्याचा प्रयत्न केला की, “उंदीरांना दूर ठेवण्यासाठी कॅलिको मांजर घ्या,” तेव्हा श्रोत्याने “सशांना दूर ठेवण्यासाठी कॅलिको मांजर” असे ऐकले. एकंदरीत, "श (श)" सारखे काही आवाज चांगले वाटत होते. इतर, जसे की "बुह" आणि "पुह", मऊ वाटत होते.

हे तंत्रज्ञान व्यक्ती स्वरयंत्राचा वापर कसा करते हे जाणून घेण्यावर अवलंबून असते. परंतु बऱ्याच लोकांकडे ही माहिती आणि मेंदूची क्रिया नसते, कारण ते तत्त्वतः ब्रेन स्ट्रोक, व्होकल ट्रॅक्ट किंवा लू गेह्रिगच्या आजारामुळे (ज्यामुळे स्टीफन हॉकिंग ग्रस्त होते) बोलू शकत नाहीत.

जॉन्स स्कूल ऑफ मेडिसिनमधील न्यूरोसायंटिस्ट आणि न्यूरो-इंजिनियर मार्क स्लटस्की म्हणतात, "आतापर्यंतचा सर्वात मोठा अडथळा म्हणजे डीकोडर बनवताना तुम्ही कसे बनता ते हे आहे. शिकागो येथील नॉर्थवेस्टर्न युनिव्हर्सिटीचे फीनबर्ग.

तथापि, काही चाचण्यांमध्ये, संशोधकांना असे आढळून आले की व्हर्च्युअल व्होकल ट्रॅक्ट हालचालींचे ध्वनींमध्ये भाषांतर करण्यासाठी वापरलेले अल्गोरिदम एका व्यक्तीपासून दुसऱ्या व्यक्तीमध्ये इतके समान होते की ते वेगवेगळ्या लोकांमध्ये पुन्हा वापरले जाऊ शकतात, कदाचित जे अजिबात नाहीत ते देखील बोलू शकतात.

परंतु याक्षणी, व्होकल उपकरणाच्या कार्याच्या अनुषंगाने मेंदूच्या सिग्नलच्या क्रियाकलापांचा सार्वत्रिक नकाशा संकलित करणे हे अशा लोकांसाठी वापरणे पुरेसे कठीण काम आहे ज्यांचे भाषण उपकरण बर्याच काळापासून सक्रिय नाही.

स्त्रोत: 3dnews.ru