ബ്രേക്ക് ത്രൂ: പോർട്ടബിൾ, നോൺ-ഇൻവേസീവ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ചിന്തകളെ ടെക്സ്റ്റിലേക്ക് വിവർത്തനം ചെയ്യുന്നു
സിഡ്നി യൂണിവേഴ്സിറ്റിയിലെ (യുടിഎസ്) ഗ്രാഫീൻ എക്സ്-യുടിഎസ് മനുഷ്യ കേന്ദ്രീകൃത ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സെന്ററിലെ ഗവേഷകർ നിശബ്ദ ചിന്തകളെ ഡീകോഡ് ചെയ്യാനും അവയെ ടെക്സ്റ്റാക്കി മാറ്റാനും കഴിയുന്ന ഒരു പോർട്ടബിൾ, ആക്രമണാത്മകമല്ലാത്ത സംവിധാനം വികസിപ്പിച്ചെടുത്തു.
പക്ഷാഘാതം അല്ലെങ്കിൽ പക്ഷാഘാതം ഉൾപ്പെടെയുള്ള അസുഖമോ പരിക്കോ കാരണം സംസാരിക്കാൻ കഴിയാത്ത ആളുകൾക്ക് ആശയവിനിമയം നടത്താൻ ഈ സാങ്കേതികവിദ്യ സഹായിക്കും. ഒരു ബയോണിക് ആർം അല്ലെങ്കിൽ റോബോട്ടിന്റെ പ്രവർത്തനം പോലുള്ള മനുഷ്യരും യന്ത്രങ്ങളും തമ്മിലുള്ള തടസ്സമില്ലാത്ത ആശയവിനിമയം സാധ്യമാക്കാനും ഇതിന് കഴിയും.
ന്യൂ ഓർലിയാൻസിൽ നടന്ന ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്, മെഷീൻ ലേണിംഗ് എന്നിവയെക്കുറിച്ചുള്ള ലോകത്തിലെ മുൻനിര ഗവേഷണങ്ങൾ പ്രദർശിപ്പിക്കുന്ന മുൻനിര വാർഷിക മീറ്റിംഗായ ന്യൂറിപ്സ് കോൺഫറൻസിൽ ഈ പഠനം ഒരു സ്പോട്ട് ലൈറ്റ് പേപ്പറായി തിരഞ്ഞെടുത്തു.
ഗ്രാഫീൻ എക്സ്-യുടിഎസ് എച്ച്എഐ സെന്ററിന്റെ ഡയറക്ടർ വിശിഷ്ട പ്രൊഫസർ സിടി ലിൻ, യുടിഎസ് ഫാക്കൽറ്റി ഓഫ് എഞ്ചിനീയറിംഗ് ആൻഡ് ഐടിയിൽ നിന്നുള്ള ആദ്യ രചയിതാവ് യികുൻ ഡുവാൻ, സഹ പിഎച്ച്ഡി സ്ഥാനാർത്ഥി ജിൻഷൗ ഷൗ എന്നിവരാണ് ഗവേഷണത്തിന് നേതൃത്വം നൽകിയത്.
പഠനത്തിൽ പങ്കെടുത്തവർ ഇലക്ട്രോഎൻസെഫലോഗ്രാം (ഇഇജി) ഉപയോഗിച്ച് ശിരോചർമ്മത്തിലൂടെ വൈദ്യുത മസ്തിഷ്ക പ്രവർത്തനം രേഖപ്പെടുത്തുന്ന തൊപ്പി ധരിച്ചുകൊണ്ട് വാചകത്തിന്റെ ഭാഗങ്ങൾ നിശബ്ദമായി വായിച്ചു. സാങ്കേതികവിദ്യയുടെ ഒരു പ്രകടനം ഈ വീഡിയോയിൽ കാണാം.
മനുഷ്യ മസ്തിഷ്കത്തിൽ നിന്ന് നിർദ്ദിഷ്ട സവിശേഷതകളും പാറ്റേണുകളും പിടിച്ചെടുക്കുന്ന വ്യത്യസ്ത യൂണിറ്റുകളായി ഇഇജി തരംഗത്തെ വിഭജിച്ചിരിക്കുന്നു. ഗവേഷകർ വികസിപ്പിച്ചെടുത്ത ഡിവേവ് എന്ന ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് മോഡലാണ് ഇത് ചെയ്യുന്നത്. വലിയ അളവിലുള്ള ഇഇജി ഡാറ്റയിൽ നിന്ന് പഠിച്ചുകൊണ്ട് ഡിവേവ് ഇഇജി സിഗ്നലുകൾ വാക്കുകളിലേക്കും വാചകങ്ങളിലേക്കും വിവർത്തനം ചെയ്യുന്നു.
“അസംസ്കൃത ഇഇജി തരംഗങ്ങളെ നേരിട്ട് ഭാഷയിലേക്ക് വിവർത്തനം ചെയ്യുന്നതിനുള്ള ഒരു മുൻനിര ശ്രമത്തെ ഈ ഗവേഷണം പ്രതിനിധീകരിക്കുന്നു, ഇത് ഈ മേഖലയിലെ ഒരു സുപ്രധാന മുന്നേറ്റത്തെ അടയാളപ്പെടുത്തുന്നു,” വിശിഷ്ട പ്രൊഫസർ ലിൻ പറഞ്ഞു.
“ന്യൂറൽ ഡീകോഡിംഗിന് ഒരു നൂതന സമീപനം അവതരിപ്പിച്ചുകൊണ്ട് ബ്രെയിൻ-ടു-ടെക്സ്റ്റ് വിവർത്തന പ്രക്രിയയിൽ വ്യതിരിക്ത എൻകോഡിംഗ് ടെക്നിക്കുകൾ ഉൾപ്പെടുത്തിയ ആദ്യത്തെ കമ്പനിയാണിത്. വലിയ ഭാഷാ മോഡലുകളുമായുള്ള സംയോജനം ന്യൂറോ സയൻസിലും ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിലും പുതിയ അതിർത്തികൾ തുറക്കുന്നു, “അദ്ദേഹം പറഞ്ഞു.
മസ്തിഷ്ക സിഗ്നലുകൾ ഭാഷയിലേക്ക് വിവർത്തനം ചെയ്യുന്നതിനുള്ള മുൻ സാങ്കേതികവിദ്യയ്ക്ക് ഒന്നുകിൽ എലോൺ മസ്കിന്റെ ന്യൂറലിങ്ക് പോലുള്ള തലച്ചോറിൽ ഇലക്ട്രോഡുകൾ സ്ഥാപിക്കുന്നതിനുള്ള ശസ്ത്രക്രിയ ആവശ്യമാണ്, അല്ലെങ്കിൽ എംആർഐ മെഷീനിൽ സ്കാനിംഗ് ആവശ്യമാണ്, ഇത് വലുതും ചെലവേറിയതും ദൈനംദിന ജീവിതത്തിൽ ഉപയോഗിക്കാൻ ബുദ്ധിമുട്ടുള്ളതുമാണ്.
ഈ സിസ്റ്റങ്ങളുടെ പ്രായോഗിക പ്രയോഗത്തെ നിയന്ത്രിക്കുന്ന ഐ-ട്രാക്കിംഗ് പോലുള്ള അധിക സഹായങ്ങൾ ഇല്ലാതെ മസ്തിഷ്ക സിഗ്നലുകളെ വേഡ് ലെവൽ സെഗ്മെന്റുകളായി പരിവർത്തനം ചെയ്യാനും ഈ രീതികൾ പാടുപെടുന്നു. പുതിയ സാങ്കേതികവിദ്യ കണ്ണ് ട്രാക്കിംഗ് ഉപയോഗിച്ചോ അല്ലാതെയോ ഉപയോഗിക്കാൻ കഴിയും.
29 പങ്കാളികളുമായാണ് യുടിഎസ് ഗവേഷണം നടത്തിയത്. ഇതിനർത്ഥം ഒന്നോ രണ്ടോ വ്യക്തികളിൽ മാത്രം പരീക്ഷിച്ച മുൻ ഡീകോഡിംഗ് സാങ്കേതികവിദ്യയേക്കാൾ ഇത് കൂടുതൽ ശക്തവും അനുയോജ്യവുമാകാൻ സാധ്യതയുണ്ട്, കാരണം ഇഇജി തരംഗങ്ങൾ വ്യക്തികൾക്കിടയിൽ വ്യത്യാസപ്പെട്ടിരിക്കുന്നു.
തലച്ചോറിൽ ഘടിപ്പിച്ച ഇലക്ട്രോഡുകളേക്കാൾ ഒരു ക്യാപ്പിലൂടെ ലഭിക്കുന്ന ഇഇജി സിഗ്നലുകളുടെ ഉപയോഗം അർത്ഥമാക്കുന്നത് സിഗ്നൽ ശബ്ദമുണ്ടാക്കുന്നു എന്നാണ്. എന്നിരുന്നാലും, ഇഇജി പരിഭാഷയുടെ കാര്യത്തിൽ, പഠനം മുമ്പത്തെ മാനദണ്ഡങ്ങളെ മറികടന്ന് അത്യാധുനിക പ്രകടനം റിപ്പോർട്ട് ചെയ്തു.
“നാമങ്ങളേക്കാൾ ക്രിയകളുമായി പൊരുത്തപ്പെടുന്നതിൽ മോഡൽ കൂടുതൽ വൈദഗ്ധ്യം നേടിയിട്ടുണ്ട്. എന്നിരുന്നാലും, നാമങ്ങളുടെ കാര്യം വരുമ്പോൾ, ‘രചയിതാവ്’ എന്നതിന് പകരം ‘മനുഷ്യൻ’ പോലുള്ള കൃത്യമായ വിവർത്തനങ്ങളേക്കാൾ പര്യായ ജോഡികളോടുള്ള പ്രവണത ഞങ്ങൾ കണ്ടു, “ഡുവാൻ പറഞ്ഞു.
“മസ്തിഷ്കം ഈ വാക്കുകൾ പ്രോസസ്സ് ചെയ്യുമ്പോൾ, അർത്ഥപരമായി സമാനമായ വാക്കുകൾ സമാനമായ മസ്തിഷ്ക തരംഗ പാറ്റേണുകൾ സൃഷ്ടിക്കുമെന്നതിനാലാണ് ഇത് സംഭവിക്കുന്നതെന്ന് ഞങ്ങൾ കരുതുന്നു. വെല്ലുവിളികൾക്കിടയിലും, ഞങ്ങളുടെ മോഡൽ അർത്ഥവത്തായ ഫലങ്ങൾ നൽകുന്നു, കീവേഡുകൾ ക്രമീകരിക്കുകയും സമാനമായ വാചക ഘടനകൾ രൂപീകരിക്കുകയും ചെയ്യുന്നു, “അദ്ദേഹം പറഞ്ഞു.
വിവർത്തന കൃത്യത സ്കോർ നിലവിൽ ബ്ലൂ -1 ൽ ഏകദേശം 40% ആണ്. ഉയർന്ന നിലവാരമുള്ള റഫറൻസ് വിവർത്തനങ്ങളുടെ ഒരു കൂട്ടവുമായി മെഷീൻ വിവർത്തനം ചെയ്ത വാചകത്തിന്റെ സാമ്യം അളക്കുന്ന പൂജ്യത്തിനും ഒന്നിനും ഇടയിലുള്ള സംഖ്യയാണ് ബ്ലൂ സ്കോർ. പരമ്പരാഗത ഭാഷാ വിവർത്തനം അല്ലെങ്കിൽ സ്പീച്ച് റെക്കഗ്നിഷൻ പ്രോഗ്രാമുകളുമായി താരതമ്യപ്പെടുത്താവുന്ന തലത്തിലേക്ക് ഇത് മെച്ചപ്പെടുമെന്ന് ഗവേഷകർ പ്രതീക്ഷിക്കുന്നു, ഇത് 90 ശതമാനത്തിനടുത്താണ്.
ഓസ്ട്രേലിയൻ ഡിഫൻസ് ഫോഴ്സുമായി സഹകരിച്ച് യുടിഎസ് വികസിപ്പിച്ചെടുത്ത മുൻ ബ്രെയിൻ-കമ്പ്യൂട്ടർ ഇന്റർഫേസ് സാങ്കേതികവിദ്യയിൽ നിന്നാണ് ഗവേഷണം പിന്തുടരുന്നത്, ഇത് ഒരു ക്വാഡ്രൂപ്പ് റോബോട്ടിനെ കമാൻഡ് ചെയ്യാൻ ബ്രെയിൻ വേവുകൾ ഉപയോഗിക്കുന്നു, ഇത് ഈ എഡിഎഫ് വീഡിയോയിൽ പ്രദർശിപ്പിച്ചിരിക്കുന്നു.
Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision
