जब ध्वनि तरंगें आंतरिक कान तक पहुंचती हैं, तो न्यूरॉन्स वहां कंपन उठाते हैं और मस्तिष्क को सचेत करते हैं। उनके संकेतों में एन्कोडेड जानकारी का एक हिस्सा है जो हमें बातचीत का पालन करने, परिचित आवाज़ों को पहचानने, संगीत की सराहना करने और एक रिंगिंग फोन का पता लगाने या रोने वाले बच्चे का पता लगाने में सक्षम बनाता है।
न्यूरॉन्स स्पाइक्स का उत्सर्जन करके संकेत भेजते हैं – वोल्टेज में संक्षिप्त परिवर्तन जो तंत्रिका फाइबर के साथ प्रचार करते हैं, जिसे एक्शन पोटेंशियल के रूप में भी जाना जाता है। उल्लेखनीय रूप से, श्रवण न्यूरॉन्स प्रति सेकंड सैकड़ों स्पाइक्स को आग लगा सकते हैं, और आने वाली ध्वनि तरंगों के दोलनों से मेल खाने के लिए उत्तम सटीकता के साथ उनके स्पाइक्स को समय दे सकते हैं।
मानव सुनवाई के शक्तिशाली नए मॉडल के साथ, MIT के मैकगवर्न इंस्टीट्यूट फॉर ब्रेन रिसर्च के वैज्ञानिकों ने निर्धारित किया है कि यह सटीक समय कुछ सबसे महत्वपूर्ण तरीकों के लिए महत्वपूर्ण है, जिसमें हम श्रवण जानकारी की समझ बनाते हैं, जिसमें आवाज़ों और स्थानीयकरण ध्वनियों को पहचानना शामिल है।
ओपन-एक्सेस निष्कर्ष, जर्नल में 4 दिसंबर को रिपोर्ट किया गया प्रकृति संचारदिखाएँ कि कैसे मशीन लर्निंग न्यूरोसाइंटिस्ट को यह समझने में मदद कर सकती है कि मस्तिष्क वास्तविक दुनिया में श्रवण जानकारी का उपयोग कैसे करता है। MIT प्रोफेसर और मैकगवर्न अन्वेषक जोश मैकडरमोट, जिन्होंने शोध का नेतृत्व किया, बताते हैं कि उनकी टीम के मॉडल विभिन्न प्रकार के श्रवण हानि के परिणामों का अध्ययन करने और अधिक प्रभावी हस्तक्षेपों को विकसित करने के लिए बेहतर इक्विप शोधकर्ताओं को बेहतर-समानता से प्रभावित करते हैं।
ध्वनि विज्ञान
तंत्रिका तंत्र के श्रवण संकेतों को इतनी सटीक रूप से समयबद्ध किया जाता है, शोधकर्ताओं को लंबे समय से संदेह है कि समय हमारी ध्वनि की धारणा के लिए महत्वपूर्ण है। ध्वनि तरंगें उन दरों पर दोलन करती हैं जो उनकी पिच को निर्धारित करती हैं: कम-पिच की आवाज़ धीमी तरंगों में यात्रा करती है, जबकि उच्च-पिच वाली ध्वनि तरंगें अधिक बार दोलन करती हैं। श्रवण तंत्रिका जो कान में मस्तिष्क में ध्वनि-पता लगाने वाली बालों की कोशिकाओं से जानकारी प्राप्त करती है, विद्युत स्पाइक्स उत्पन्न करती है जो इन दोलनों की आवृत्ति के अनुरूप होती है। मैकडरमोट बताते हैं, “एक श्रवण तंत्रिका में एक्शन पोटेंशियल को प्रोत्साहन तरंग में चोटियों के सापेक्ष समय में बहुत विशेष बिंदुओं पर निकाल दिया जाता है,” मस्तिष्क और संज्ञानात्मक विज्ञान के एमआईटी विभाग के प्रमुख भी हैं।
इस संबंध, जिसे चरण-लॉकिंग के रूप में जाना जाता है, को न्यूरॉन्स की आवश्यकता होती है, जो उप-मिलिसेकंड सटीकता के साथ अपने स्पाइक्स के लिए समय के लिए होता है। लेकिन वैज्ञानिकों ने वास्तव में नहीं जाना है कि ये अस्थायी पैटर्न मस्तिष्क के लिए कितने जानकारीपूर्ण हैं। वैज्ञानिक रूप से पेचीदा होने से परे, मैकडरमोट कहते हैं, सवाल के महत्वपूर्ण नैदानिक निहितार्थ हैं: “यदि आप एक कृत्रिम अंग डिजाइन करना चाहते हैं जो मस्तिष्क को कान के कार्य को पुन: पेश करने के लिए विद्युत संकेत प्रदान करता है, तो यह जानना बहुत महत्वपूर्ण है कि सामान्य कान में वास्तव में किस प्रकार की जानकारी मायने रखती है,” वे कहते हैं।
प्रयोगात्मक रूप से अध्ययन करना मुश्किल हो गया है; पशु मॉडल इस बात की अधिक जानकारी नहीं दे सकते हैं कि मानव मस्तिष्क भाषा या संगीत में संरचना को कैसे निकालता है, और श्रवण तंत्रिका मनुष्यों में अध्ययन के लिए दुर्गम है। इसलिए मैकडरमोट और स्नातक छात्र मार्क सैडलर पीएचडी ’24 ने कृत्रिम तंत्रिका नेटवर्क की ओर रुख किया।
कृत्रिम सुनवाई
न्यूरोसाइंटिस्टों ने लंबे समय से कम्प्यूटेशनल मॉडल का उपयोग किया है ताकि यह पता लगाया जा सके कि मस्तिष्क द्वारा संवेदी जानकारी को कैसे डिकोड किया जा सकता है, लेकिन कंप्यूटिंग पावर और मशीन लर्निंग के तरीकों में हाल के प्रगति तक, ये मॉडल सरल कार्यों का अनुकरण करने तक सीमित थे। “इन पूर्व मॉडलों के साथ समस्याओं में से एक यह है कि वे अक्सर बहुत अच्छे होते हैं,” सदलर कहते हैं, जो अब डेनमार्क के तकनीकी विश्वविद्यालय में है। उदाहरण के लिए, सरल टोन की एक जोड़ी में उच्च पिच की पहचान करने के साथ काम करने वाला एक कम्प्यूटेशनल मॉडल उन लोगों की तुलना में बेहतर प्रदर्शन करने की संभावना है, जिन्हें एक ही काम करने के लिए कहा जाता है। “यह उस तरह का कार्य नहीं है जो हम हर दिन सुनकर करते हैं,” सदलर बताते हैं। “मस्तिष्क इस बहुत ही कृत्रिम कार्य को हल करने के लिए अनुकूलित नहीं है।” इस बेमेल ने उन अंतर्दृष्टि को सीमित कर दिया जो इस पूर्व पीढ़ी के मॉडल से खींची जा सकती हैं।
मस्तिष्क को बेहतर ढंग से समझने के लिए, सैडलर और मैकडरमोट एक सुनवाई मॉडल को उन चीजों को करने के लिए चुनौती देना चाहते थे जो लोग वास्तविक दुनिया में अपनी सुनवाई का उपयोग करते हैं, जैसे कि शब्दों और आवाज़ों को पहचानना। इसका मतलब था कि मस्तिष्क के उन हिस्सों को अनुकरण करने के लिए एक कृत्रिम तंत्रिका नेटवर्क विकसित करना जो कान से इनपुट प्राप्त करते हैं। नेटवर्क को कुछ 32,000 सिम्युलेटेड साउंड-डिटेक्टिंग सेंसरी न्यूरॉन्स से इनपुट दिया गया था और फिर विभिन्न वास्तविक दुनिया के कार्यों के लिए अनुकूलित किया गया था।
शोधकर्ताओं ने दिखाया कि उनके मॉडल ने मानव सुनवाई को अच्छी तरह से दोहराया – श्रवण व्यवहार के किसी भी पिछले मॉडल की तुलना में बेहतर, मैकडरमोट कहते हैं। एक परीक्षण में, कृत्रिम तंत्रिका नेटवर्क को एक हवाई जहाज के केबिन से लेकर उत्साही तालियों तक, दर्जनों प्रकार के पृष्ठभूमि शोर के दर्जनों प्रकार के भीतर शब्दों और आवाज़ों को पहचानने के लिए कहा गया था। हर स्थिति में, मॉडल ने मनुष्यों के लिए बहुत समान प्रदर्शन किया।
जब टीम ने नकली कान में स्पाइक्स के समय को नीचा दिखाया, हालांकि, उनका मॉडल अब आवाज को पहचानने या ध्वनियों के स्थानों की पहचान करने के लिए मनुष्यों की क्षमता से मेल नहीं खा सकता है। उदाहरण के लिए, जबकि मैकडरमोट की टीम ने पहले दिखाया था कि लोग लोगों की आवाज़ों की पहचान करने में मदद करने के लिए पिच का उपयोग करते हैं, मॉडल ने खुलासा किया कि यह क्षमता ठीक समय पर सिग्नल के बिना खो जाती है। “आपको मानव व्यवहार के लिए और कार्य पर अच्छा प्रदर्शन करने के लिए दोनों के लिए काफी सटीक स्पाइक समय की आवश्यकता है,” सदलर कहते हैं। इससे पता चलता है कि मस्तिष्क सटीक समय पर श्रवण संकेतों का उपयोग करता है क्योंकि वे सुनवाई के इन व्यावहारिक पहलुओं की सहायता करते हैं।
टीम के निष्कर्षों से पता चलता है कि कैसे कृत्रिम तंत्रिका नेटवर्क न्यूरोसाइंटिस्ट को यह समझने में मदद कर सकते हैं कि कान द्वारा निकाल की गई जानकारी दुनिया की हमारी धारणा को कैसे प्रभावित करती है, जब सुनवाई बरकरार होती है और जब यह बिगड़ा होता है। मैकडरमोट कहते हैं, “व्यवहार के साथ श्रवण तंत्रिका में फायरिंग के पैटर्न को जोड़ने की क्षमता बहुत सारे दरवाजे खोलती है।”
“अब हमारे पास ये मॉडल हैं जो कान में तंत्रिका प्रतिक्रियाओं को श्रवण व्यवहार से जोड़ते हैं, हम पूछ सकते हैं, ‘यदि हम विभिन्न प्रकार के सुनवाई हानि का अनुकरण करते हैं, तो हमारी श्रवण क्षमताओं पर क्या प्रभाव पड़ता है?” मैकडरमोट कहते हैं। “यह हमें सुनवाई हानि का बेहतर निदान करने में मदद करेगा, और हमें लगता है कि बेहतर श्रवण यंत्र या कर्णावत प्रत्यारोपण डिजाइन करने में हमारी मदद करने के लिए इसके विस्तार भी हैं।” उदाहरण के लिए, वे कहते हैं, “कोक्लियर इम्प्लांट विभिन्न तरीकों से सीमित है – यह कुछ चीजें कर सकता है और दूसरों को नहीं। उस कॉक्लियर इम्प्लांट को स्थापित करने का सबसे अच्छा तरीका क्या है ताकि आप व्यवहार को मध्यस्थ कर सकें?
(TagStotranslate) MIT McGovern Institute For Brain Research (T) श्रवण न्यूरॉन्स (T) हियरिंग (T) ऑडिशन (T) चरण-लॉकिंग (T) आर्टिफिशियल न्यूरल नेटवर्क्स (T) जोश मैकडरमोट (टी) मार्क सैडलर
