AlterEgo

AlterEgo एक पहनने योग्य, गैर-आक्रामक तंत्रिका इंटरफ़ेस प्रणाली है जिसे MIT मीडिया लैब में विकसित किया गया है, जो उपयोगकर्ता को बोलने, टाइप करने, या कोई बाहरी रूप से दिखाई देने वाली हरकत किए बिना कंप्यूटर या किसी अन्य व्यक्ति के साथ संवाद करने की अनुमति देता है। यह उपकरण, जो जबड़े और निचले चेहरे के चारों ओर पहना जाने वाला एक घुमावदार बैंड जैसा दिखता है, उप-स्वरित भाषण की व्याख्या करता है - बिना ध्वनि उत्पन्न किए शब्दों का आंतरिक उच्चारण - त्वचा की सतह द्वारा उत्पन्न सूक्ष्म न्यूरोमस्कुलर संकेतों का पता लगाकर। इन संकेतों को एक मशीन-लर्निंग प्रणाली द्वारा संसाधित किया जाता है जो उन्हें पाठ में अनुवादित करती है, जिसे फिर उपकरण में एकीकृत अस्थि-चालन हेडफ़ोन के माध्यम से उपयोगकर्ता को वापस पढ़ा जा सकता है, जिससे एक मूक, बंद-लूप संचार चैनल बनता है।

यह परियोजना अर्नव कपूर द्वारा संचालित की गई थी, जो MIT मीडिया लैब में एक स्नातक शोधकर्ता हैं, और इसे पहली बार 2018 में "AlterEgo: A Personalized Wearable Silent Speech Interface" शीर्षक वाले एक पेपर में सार्वजनिक रूप से प्रदर्शित किया गया था। प्रणाली को मौजूदा संचार प्रौद्योगिकियों की सीमाओं को संबोधित करने के लिए डिज़ाइन किया गया था, जिन्हें आमतौर पर मैनुअल इनपुट या स्वरोच्चारण की आवश्यकता होती है, जो मानव-कंप्यूटर इंटरैक्शन का एक अधिक प्राकृतिक और निजी तरीका प्रदान करता है। AlterEgo के संभावित अनुप्रयोगों में वाणी विकलांगता वाले व्यक्तियों की सहायता करने से लेकर उन वातावरणों में गोपनीय संचार सक्षम करना शामिल है जहां मौन आवश्यक है, जैसे सैन्य अभियान या शांत कार्यस्थल।

विकास और अनुसंधान

AlterEgo परियोजना MIT मीडिया लैब के फ्लूइड इंटरफेस समूह के हिस्से के रूप में शुरू हुई, जो मानव अनुभूति और धारणा के साथ सहज रूप से एकीकृत होने वाली प्रौद्योगिकियों को डिजाइन करने पर केंद्रित है। 2017 में आयोजित और 2018 में प्रकाशित प्रारंभिक शोध में 10 प्रतिभागियों के साथ प्रयोगों की एक श्रृंखला शामिल थी, जिन्हें पूर्व-निर्धारित कमांड और वाक्यांशों का एक सेट उप-स्वरित करने के लिए कहा गया था। प्रणाली ने 20 कमांडों के सीमित शब्दावली के लिए लगभग 4.5% की औसत शब्द त्रुटि दर हासिल की, और 100 शब्दों के बड़े सेट के लिए लगभग 6.5%। इन परिणामों ने वाक् अभिव्यक्ति में शामिल मांसपेशियों द्वारा उत्पन्न सूक्ष्म विद्युत संकेतों को पकड़ने के लिए सतही इलेक्ट्रोमायोग्राफी (sEMG) का उपयोग करने की व्यवहार्यता प्रदर्शित की।

हार्डवेयर में जबड़े और ठुड्डी के आसपास की त्वचा पर रखे गए चार इलेक्ट्रोड शामिल हैं, जो उपयोगकर्ता द्वारा आंतरिक रूप से शब्दों का उच्चारण करने पर उत्पन्न मायोइलेक्ट्रिक संकेतों को उठाते हैं। एनालॉग संकेतों को बढ़ाया और फ़िल्टर किया जाता है, फिर डिजिटलीकृत किया जाता है और एक युग्मित कंप्यूटिंग डिवाइस, जैसे स्मार्टफोन या लैपटॉप, में वायरलेस रूप से प्रेषित किया जाता है, जहां एक तंत्रिका नेटवर्क उन्हें संसाधित करता है। व्यक्तिगत उपयोगकर्ताओं के डेटा पर प्रशिक्षित तंत्रिका नेटवर्क, विशिष्ट संकेत पैटर्न को संबंधित शब्दों या वाक्यांशों में मैप करना सीखता है, जिससे व्यक्तिगत अंशांकन और समय के साथ बेहतर सटीकता की अनुमति मिलती है।

तकनीकी वास्तुकला

AlterEgo प्रणाली उप-स्वरित भाषण को डिकोड करने के लिए सिग्नल प्रोसेसिंग और मशीन लर्निंग तकनीकों का एक संयोजन नियोजित करती है। कच्चे इलेक्ट्रोमायोग्राफी (EMG) संकेतों को पहले शोर और कलाकृतियों को हटाने के लिए पूर्व-संसाधित किया जाता है, फिर व्यक्तिगत शब्दों या ध्वनियों के अनुरूप खंडों में विभाजित किया जाता है। समय-श्रृंखला डेटा से विशेषताओं को निकालने के लिए एक कन्वोल्यूशनल तंत्रिका नेटवर्क (CNN) का उपयोग किया जाता है, इसके बाद संकेतों के बीच अस्थायी निर्भरता को पकड़ने के लिए एक आवर्तक तंत्रिका नेटवर्क (RNN) या एक ट्रांसफॉर्मर-आधारित मॉडल का उपयोग किया जाता है। आउटपुट एक शब्दावली पर संभावनाओं का एक अनुक्रम है, जिसे अंतिम पाठ उत्पन्न करने के लिए बीम खोज एल्गोरिदम का उपयोग करके डिकोड किया जाता है।

AlterEgo के प्रमुख नवाचारों में से एक फीडबैक के लिए अस्थि-चालन हेडफ़ोन का उपयोग है। पारंपरिक वायु-चालन हेडफ़ोन के विपरीत, जो कान नहर के माध्यम से ध्वनि संचारित करते हैं, अस्थि-चालन ट्रांसड्यूसर सीधे खोपड़ी और आंतरिक कान को कंपन करते हैं, जिससे कान नहर खुली रहती है। यह उपयोगकर्ता को सिस्टम की प्रतिक्रियाओं को सुनने की अनुमति देता है जबकि परिवेशी ध्वनियों को समझने में सक्षम होता है, जिससे उपकरण गतिशील वातावरण में उपयोग के लिए उपयुक्त हो जाता है। फीडबैक लूप को लगभग वास्तविक समय में डिज़ाइन किया गया है, जिसमें कुछ सौ मिलीसेकंड से कम की विलंबता होती है, जो तरल संवादात्मक बातचीत को सक्षम बनाती है।

अनुप्रयोग और उपयोग के मामले

AlterEgo के पीछे प्राथमिक प्रेरणा एक मूक संचार इंटरफ़ेस बनाना है जिसका उपयोग विभिन्न प्रकार के संदर्भों में किया जा सकता है। वाणी को प्रभावित करने वाली स्थितियों वाले व्यक्तियों के लिए, जैसे एमियोट्रोफिक लेटरल स्क्लेरोसिस (ALS), सेरेब्रल पाल्सी, या स्ट्रोक-प्रेरित वाचाघात, यह उपकरण मौजूदा संवर्धित और वैकल्पिक संचार (AAC) उपकरणों के लिए एक संभावित विकल्प प्रदान करता है, जो अक्सर आंख-ट्रैकिंग या स्विच-आधारित इनपुट पर निर्भर होते हैं जो धीमे और थकाऊ हो सकते हैं। AlterEgo की गैर-आक्रामक प्रकृति और प्रत्यारोपित मस्तिष्क-कंप्यूटर इंटरफेस की तुलना में अपेक्षाकृत कम लागत इसे सहायक प्रौद्योगिकी के लिए एक आकर्षक विकल्प बनाती है।

पेशेवर सेटिंग्स में, AlterEgo टीम के सदस्यों के बीच उन वातावरणों में गोपनीय संचार सक्षम कर सकता है जहां मौखिक संचार अव्यावहारिक या निषिद्ध है, जैसे ट्रेडिंग फ्लोर पर, पुस्तकालय में, या गुप्त अभियान के दौरान। प्रणाली का उपयोग एआई सहायकों के साथ बातचीत करने के लिए भी किया जा सकता है, बिना दूसरों को परेशान किए, उदाहरण के लिए स्मार्टफोन पर चुपचाप नोट्स या प्रश्न निर्देशित करके। इसके अतिरिक्त, प्रौद्योगिकी में आभासी वास्तविकता और गेमिंग में संभावित अनुप्रयोग हैं, जहां यह एक अधिक इमर्सिव और प्राकृतिक इनपुट विधि प्रदान कर सकता है।

सीमाएं और चुनौतियां

अपने आशाजनक परिणामों के बावजूद, AlterEgo में कई सीमाएं हैं जिन्हें इसके डेवलपर्स ने स्वीकार किया है। प्रणाली को प्रत्येक नए उपयोगकर्ता के लिए एक प्रशिक्षण चरण की आवश्यकता होती है, जिसके दौरान उन्हें तंत्रिका नेटवर्क को अपने व्यक्तिगत मांसपेशी संकेत पैटर्न सीखने की अनुमति देने के लिए अंशांकन वाक्यांशों का एक सेट उप-स्वरित करना होता है। यह प्रक्रिया 15 मिनट तक ले सकती है और यदि इलेक्ट्रोड प्लेसमेंट बदलता है या उपयोगकर्ता की शारीरिक स्थिति भिन्न होती है (जैसे, थकान या तनाव के कारण) तो इसे दोहराने की आवश्यकता हो सकती है। शब्दावली भी उन शब्दों के सेट तक सीमित है जिन पर प्रणाली को प्रशिक्षित किया गया था; जबकि इसे विस्तारित किया जा सकता है, शब्दावली बढ़ने पर सटीकता घट जाती है।

एक और चुनौती वास्तविक दुनिया की स्थितियों में EMG सिग्नल की मजबूती है। त्वचा की नमी, इलेक्ट्रोड आंदोलन, और बाहरी विद्युत हस्तक्षेप जैसे कारक सिग्नल गुणवत्ता को खराब कर सकते हैं, जिससे त्रुटियां हो सकती हैं। वर्तमान प्रोटोटाइप भी अपेक्षाकृत भारी और दृश्यमान है, जो रोजमर्रा के उपयोग में इसकी सामाजिक स्वीकार्यता को सीमित कर सकता है। शोधकर्ता इन मुद्दों को संबोधित करने के लिए हार्डवेयर को छोटा करने और सिग्नल प्रोसेसिंग एल्गोरिदम में सुधार करने के तरीकों की खोज कर रहे हैं।

व्यापक संदर्भ और संबंधित कार्य

AlterEgo मूक भाषण इंटरफेस और गैर-आक्रामक मस्तिष्क-कंप्यूटर इंटरफेस के व्यापक क्षेत्र में अनुसंधान का एक हिस्सा है। अन्य दृष्टिकोणों में भाषण इरादे से संबंधित मस्तिष्क गतिविधि का पता लगाने के लिए इलेक्ट्रोएन्सेफलोग्राफी (EEG) का उपयोग करना, या स्वर पथ आंदोलनों की निगरानी के लिए अल्ट्रासाउंड या रडार का उपयोग करना शामिल है। हालांकि, AlterEgo जैसी EMG-आधारित प्रणालियों को आशाजनक माना जाता है क्योंकि वे EEG की तुलना में शोर के प्रति कम संवेदनशील होती हैं और पहनने योग्य रूप कारकों में अधिक आसानी से एकीकृत की जा सकती हैं।

परियोजना ने मूक संचार प्रौद्योगिकी के नैतिक और गोपनीयता निहितार्थों पर भी ध्यान आकर्षित किया है। चूंकि उपकरण संभावित रूप से उपयोगकर्ता के आंतरिक विचारों (उप-स्वरित भाषण के रूप में) को पकड़ सकता है, सहमति और डेटा सुरक्षा के बारे में चिंताएं हैं। कपूर और उनके सहयोगियों ने जोर दिया है कि प्रणाली केवल तब सक्रिय होती है जब उपयोगकर्ता जानबूझकर उप-स्वरित करता है, और डेटा उपयोगकर्ता के डिवाइस पर स्थानीय रूप से संसाधित होता है, लेकिन प्रौद्योगिकी परिपक्व होने पर इन सुरक्षा उपायों को औपचारिक रूप देने की आवश्यकता हो सकती है।

स्वागत और प्रभाव

AlterEgo को 2018 में अपने सार्वजनिक प्रदर्शन के बाद महत्वपूर्ण मीडिया कवरेज मिला, जिसमें आउटलेट्स ने "दिमाग पढ़ने" या "एक शब्द कहे बिना खुद से बात करने" की क्षमता को उजागर किया। परियोजना ने कई पुरस्कार जीते, जिसमें प्रायोगिक श्रेणी में 2019 फास्ट कंपनी इनोवेशन बाय डिज़ाइन पुरस्कार शामिल है। कपूर ने प्रौद्योगिकी विकसित करना जारी रखा, और 2020 में उन्होंने सहायक और उद्यम अनुप्रयोगों के लिए उपकरण का व्यावसायीकरण करने के लिए AlterEgo Technologies नामक एक स्टार्टअप की सह-स्थापना की।

शोध ने मूक भाषण इंटरफेस के क्षेत्र में आगे के काम को भी प्रेरित किया है, अन्य समूह विभिन्न सेंसर तौर-तरीकों या अधिक उन्नत गहन शिक्षण आर्किटेक्चर का उपयोग करके समान दृष्टिकोणों की खोज कर रहे हैं। जबकि AlterEgo अभी तक एक उपभोक्ता उत्पाद नहीं है, यह अधिक प्राकृतिक और सहज मानव-कंप्यूटर इंटरैक्शन की दिशा में एक महत्वपूर्ण कदम का प्रतिनिधित्व करता है, जो कीबोर्ड, टचस्क्रीन और आवाज कमांड से आगे बढ़ता है।

भविष्य की दिशाएं

AlterEgo के भविष्य के पुनरावृत्तियों से सटीकता में सुधार, शब्दावली का विस्तार, और हार्डवेयर के आकार और लागत को कम करने पर ध्यान केंद्रित करने की उम्मीद है। शोधकर्ता आंशिक संकेत पैटर्न से शब्दों की बेहतर भविष्यवाणी करने के लिए बड़े भाषा मॉडल के उपयोग की जांच कर रहे हैं, जो व्यापक प्रति-उपयोगकर्ता प्रशिक्षण की आवश्यकता को कम कर सकता है। EMG संकेतों के लिए अतिरिक्त संदर्भ प्रदान करने के लिए उपकरण को अन्य पहनने योग्य सेंसर, जैसे एक्सेलेरोमीटर या ऑप्टिकल सेंसर, के साथ एकीकृत करने में भी रुचि है।

अन्वेषण का एक अन्य क्षेत्र द्विदिश संचार के लिए AlterEgo का उपयोग है, जहां प्रणाली न केवल उपयोगकर्ता के उप-स्वरित भाषण को डिकोड करती है बल्कि मूक प्रतिक्रियाएं भी उत्पन्न करती है जो अस्थि-चालन हेडफ़ोन के माध्यम से वितरित की जाती हैं। यह दो या अधिक उपयोगकर्ताओं के बीच पूरी तरह से मूक बातचीत को सक्षम कर सकता है, प्रत्येक अपने स्वयं के उपकरण पहने हुए, बिना किसी श्रव्य ध्वनि के। डेवलपर्स ने बाहरी उपकरणों, जैसे रोबोटिक प्रोस्थेटिक्स या स्मार्ट होम सिस्टम, को उप-स्वरित कमांड के माध्यम से नियंत्रित करने के लिए प्रौद्योगिकी का उपयोग करने की संभावना पर भी चर्चा की है।

2024 तक, AlterEgo एक शोध प्रोटोटाइप बना हुआ है, जिसमें कोई घोषित व्यावसायिक रिलीज़ तिथि नहीं है। हालांकि, अंतर्निहित सिद्धांतों और प्रदर्शित क्षमताओं ने इसे मानव-कंप्यूटर इंटरैक्शन के क्षेत्र में एक उल्लेखनीय योगदान के रूप में स्थापित किया है, और इसका विकास शोधकर्ताओं और उद्योग पर्यवेक्षकों द्वारा समान रूप से बारीकी से देखा जा रहा है।

यह भी देखें

• MIT मीडिया लैब
• तंत्रिका नेटवर्क
• मशीन लर्निंग
• कृत्रिम बुद्धिमत्ता
• गहन शिक्षण
• ट्रांसफॉर्मर
• बड़ा भाषा मॉडल
• जनरेटिव एआई

संदर्भ

• कपूर, ए., कपूर, एस., और मेस, पी. (2018)। AlterEgo: एक व्यक्तिगत पहनने योग्य मूक भाषण इंटरफ़ेस। 23वें अंतर्राष्ट्रीय सम्मेलन में इंटेलिजेंट यूजर इंटरफेस (IUI '18)।
• MIT मीडिया लैब। (2018)। AlterEgo: मूक भाषण इंटरफ़ेस। परियोजना पृष्ठ।
• फास्ट कंपनी। (2019)। इनोवेशन बाय डिज़ाइन पुरस्कार।

बाहरी लिंक

• MIT मीडिया लैब में AlterEgo परियोजना पृष्ठ (नोट: बाहरी लिंक अंतिम आउटपुट में शामिल नहीं हैं, लेकिन यह मूल लेख संदर्भ के लिए एक प्लेसहोल्डर है।)