Brain2Qwerty v2 का खुलासा, ब्रेन एक्टिविटी से टेक्स्ट डिकोड करने की नई तकनीक

New Delhi: मेटा ने Brain2Qwerty v2 पेश किया है, यह एक नया आर्टिफिशियल इंटेलिजेंस (AI) सिस्टम है जो बिना किसी सर्जिकल इम्प्लांट के ब्रेन एक्टिविटी को टेक्स्ट में डिकोड कर सकता है। यह ब्रेन-कंप्यूटर इंटरफेस रिसर्च में एक बड़ा कदम है।

कंपनी के मुताबिक, Brain2Qwerty v2 सबसे अच्छा परफॉर्म करने वाला एंड-टू-एंड पाइपलाइन है जो नॉन-इनवेसिव ब्रेन रिकॉर्डिंग से रियल-टाइम वाक्य डिकोड कर सकता है।

मेटा ने कहा कि यह टेक्नोलॉजी एक्यूरेसी के उस लेवल तक पहुंच रही है जो पहले सिर्फ ब्रेन सर्जरी वाली टेक्नीक से ही मुमकिन था।

इसमें कहा गया है, "Brain2Qwerty v2, सबसे अच्छा परफॉर्म करने वाला एंड-टू-एंड पाइपलाइन है जो नॉन-इनवेसिव ब्रेन रिकॉर्डिंग से रियल-टाइम वाक्य डिकोड कर सकता है, एक्यूरेसी के उस लेवल तक पहुंच रहा है जो पहले सिर्फ ब्रेन सर्जरी वाली टेक्नीक के लिए ही मुमकिन था।"

कंपनी ने कहा कि यह रिसर्च ब्रेन के घावों और दूसरी बीमारियों से जूझ रहे लाखों लोगों की मदद कर सकती है जो उन्हें बातचीत करने से रोकती हैं।

स्टीरियोटैक्टिक इलेक्ट्रोएन्सेफेलोग्राफी और इलेक्ट्रोकॉर्टिकोग्राफी जैसे इनवेसिव तरीकों के उलट, जिनमें ब्रेन सिग्नल को कैप्चर करने के लिए सर्जिकल इम्प्लांट की ज़रूरत होती है, Brain2Qwerty ज़रूरी टेक्स्ट को डिकोड करने के लिए नॉन-इनवेसिव रिकॉर्डिंग का इस्तेमाल करता है।

मेटा ने कहा कि उसने नौ वॉलंटियर पार्टिसिपेंट्स से इकट्ठा किए गए लगभग 22,000 वाक्यों का इस्तेमाल करके Brain2Qwerty v2 को ट्रेन किया। हर पार्टिसिपेंट ने एक्टिवली टाइप करते हुए लगभग 10 घंटे मैग्नेटोएन्सेफेलोग्राफी (MEG) डिवाइस पहनकर बिताए।

कंपनी ने बताया कि सिस्टम न्यूरल इवेंट्स को पहचानने के लिए मैन्युअल रूप से डिज़ाइन की गई पाइपलाइन पर निर्भर रहने के बजाय, रॉ ब्रेन सिग्नल से सीधे भाषा को डिकोड करने के लिए एंड-टू-एंड डीप लर्निंग का इस्तेमाल करता है।

मेटा के अनुसार, न्यूरल डेटा पर बड़े भाषा मॉडल को फाइन-ट्यून किया गया, जिससे सिस्टम शोर वाले ब्रेन सिग्नल और कोहेरेंट भाषा के बीच के अंतर को भरने के लिए सिमेंटिक कॉन्टेक्स्ट का इस्तेमाल कर सका। कंपनी ने डिकोडिंग प्रोसेस में ऑप्टिमाइज़ेशन का पता लगाने के लिए AI एजेंट भी तैनात किए, जिसमें फाइनल ट्रेनिंग कॉन्फ़िगरेशन इंजीनियरों द्वारा चुने गए थे।

मेटा ने कहा कि नए सिस्टम ने 61 परसेंट की वर्ड एक्यूरेसी रेट हासिल की, जो दूसरे नॉन-इनवेसिव तरीकों से हासिल 8 परसेंट वर्ड एक्यूरेसी से काफी बेहतर है।

स्टडी में सबसे अच्छा परफॉर्म करने वाले पार्टिसिपेंट के लिए, सिस्टम 78 परसेंट के वर्ड एक्यूरेसी रेट पर पहुंच गया, जिसमें आधे से ज़्यादा डिकोड किए गए सेंटेंस में एक वर्ड की गलती या उससे कम थी।

कंपनी ने यह भी पाया कि जैसे-जैसे ज़्यादा ट्रेनिंग डेटा अवेलेबल हुआ, डिकोडिंग एक्यूरेसी बेहतर हुई, जिससे पता चलता है कि नॉन-इनवेसिव और सर्जिकल अप्रोच के बीच परफॉर्मेंस गैप को बड़े डेटासेट के ज़रिए और कम किया जा सकता है।

आगे की रिसर्च को सपोर्ट करने के लिए, मेटा ने अनाउंस किया कि वह Brain2Qwerty v1 और v2 के लिए पूरा ट्रेनिंग कोड रिलीज़ कर रहा है। इसका रिसर्च पार्टनर, बास्क सेंटर ऑन कॉग्निशन, ब्रेन एंड लैंग्वेज (BCBL), Brain2Qwerty v1 डेटासेट भी रिलीज़ करेगा।

मेटा ने कहा कि यह काम ब्रेन के ओपन फाउंडेशनल मॉडल डेवलप करने और न्यूरोलॉजिकल डिसऑर्डर के डायग्नोसिस, ट्रीटमेंट और अंडरस्टैंडिंग को बेहतर बनाने के मकसद से न्यूरोसाइंस रिसर्च को आगे बढ़ाने की उसकी बड़ी कोशिशों का हिस्सा है।

मेटा ने यह भी कहा कि यह रिसर्च ब्रेन के ओपन फाउंडेशनल मॉडल बनाने की उसकी बड़ी कोशिशों का हिस्सा है। कंपनी ने परसेप्शन एन्कोडिंग के लिए अपने TribeV2 मॉडल, बड़े पैमाने पर ब्रेन डेटा को प्रोसेस करने के लिए NeuralSet, और ब्रेन मॉडल्स का सिस्टमैटिक तरीके से मूल्यांकन करने के लिए NeuralBench पर ज़ोर दिया।

मेटा ने कहा कि ये पहल उसके डिजिटल ब्रेन प्रोजेक्ट का हिस्सा हैं, जिसके तहत उसने हाल ही में ओपन न्यूरोसाइंस डेटासेट बनाने में मदद के लिए USD 5 मिलियन के फंड की घोषणा की है।