संयुक्त राज्य अमेरिका में येल विश्वविद्यालय की एक शोध टीम ने हाल ही में घोषणा की है कि उन्होंने सफलतापूर्वक एक नया मस्तिष्क-कंप्यूटर इंटरफ़ेस (बीसीआई) सिस्टम विकसित किया है जो बिना किसी पारंपरिक हैंडल या नियंत्रक के केवल उपयोगकर्ता की मस्तिष्क गतिविधि पर भरोसा करके वास्तविक समय में वीडियो गेम में आभासी पात्रों को नियंत्रित कर सकता है। शोधकर्ताओं ने कहा कि मानव मस्तिष्क की अंतर्निहित तंत्रिका गतिविधि संरचना का "अनुपालन" करके, यह प्रणाली बहुत कम प्रशिक्षण समय में तेजी से स्टार्ट-अप प्राप्त करती है, और चिकित्सा पुनर्वास, मानसिक स्वास्थ्य हस्तक्षेप और मानव-कंप्यूटर संपर्क जैसे कई क्षेत्रों को नया आकार देने की उम्मीद है।
अध्ययन में वास्तविक समय में विषयों की मस्तिष्क गतिविधि की निगरानी करने और इन संकेतों को खेल निर्देशों में परिवर्तित करने के लिए कार्यात्मक चुंबकीय अनुनाद इमेजिंग (एफएमआरआई) का उपयोग किया गया। शोध के नतीजे हाल ही में नेचर न्यूरोसाइंस जर्नल में प्रकाशित हुए थे। टीम ने पाया कि जब मस्तिष्क-कंप्यूटर इंटरफ़ेस का डिज़ाइन मस्तिष्क के मौजूदा तंत्रिका मार्गों और गतिविधि पैटर्न में फिट बैठता है, तो उपयोगकर्ता "विचारों" के साथ सिस्टम को काफी तेज़ी से नियंत्रित करना सीख सकते हैं, और मस्तिष्क की अपनी गतिविधियों को भी अनुकूल रूप से पुनर्गठित किया जाएगा।
पेपर की पहली लेखिका, एरिका बुश, जिन्होंने हाल ही में येल में डॉक्टरेट की पढ़ाई पूरी की है, ने बताया कि मस्तिष्क की गतिविधि अराजक नहीं है, बल्कि एक स्थापित "न्यूरल मैनिफोल्ड" के साथ संचालित होती है। जब मस्तिष्क-कंप्यूटर इंटरफ़ेस इस प्राकृतिक संरचना के अनुरूप होता है, तो सीखने का बोझ बहुत कम हो जाता है, और उपयोगकर्ता कम समय में स्थिर नियंत्रण क्षमताएं प्राप्त कर सकता है; इसके विपरीत, यदि सिस्टम को मस्तिष्क को अप्राकृतिक गतिविधि पैटर्न उत्पन्न करने की आवश्यकता होती है, तो सीखने के प्रभाव में शायद ही काफी सुधार होगा।
ब्रेन-कंप्यूटर इंटरफ़ेस एक ऐसी तकनीक है जो मनुष्य को मस्तिष्क की गतिविधियों के माध्यम से कंप्यूटर के साथ सीधे बातचीत करने की अनुमति देती है। मानव-संबंधी अनुसंधान कई वर्षों से जारी है, लेकिन कई प्रणालियों की व्यावहारिकता और सीखने की दक्षता अभी भी सीमित है। अतीत में, वास्तविक समय एफएमआरआई पर आधारित मस्तिष्क-कंप्यूटर इंटरफेस के लिए आमतौर पर दस लंबे प्रशिक्षण सत्रों की आवश्यकता होती थी, लेकिन प्रदर्शन में सुधार बहुत सीमित था। लगभग एक-तिहाई प्रतिभागी सिस्टम को प्रभावी ढंग से नियंत्रित करना सीखने में असमर्थ थे, चाहे उन्होंने कितना भी कठिन अभ्यास किया हो। बुश टीम का मानना है कि यह काफी हद तक पारंपरिक प्रणालियों को डिजाइन करने के तरीके के कारण है: वे अक्सर मस्तिष्क की अंतर्निहित संगठनात्मक संरचना को नजरअंदाज करते हैं और उपयोगकर्ताओं को "मस्तिष्क की प्राकृतिक आदतों के खिलाफ" सीखने के लिए मजबूर करते हैं।
"मस्तिष्क की ज्यामितीय संरचना का अनुपालन" के विचार को सत्यापित करने के लिए, अनुसंधान टीम ने स्वस्थ युवा विषयों के एक समूह को भर्ती किया और उनके लिए चार एफएमआरआई प्रयोगों में भाग लेने की व्यवस्था की। प्रयोगों के पहले दौर में, प्रतिभागियों ने दृश्य के चारों ओर घूमने के लिए स्कैनर में एक आभासी चरित्र को नियंत्रित करने के लिए भौतिक जॉयस्टिक का उपयोग किया, जबकि शोधकर्ताओं ने उनके मस्तिष्क की गतिविधि को रिकॉर्ड किया। टीम ने नेविगेशन और स्थानिक आंदोलन से संबंधित मस्तिष्क क्षेत्रों पर ध्यान केंद्रित किया, और फिर प्रत्येक प्रतिभागी के व्यक्तिगत "न्यूरल मैनिफोल्ड", यानी, उनके मस्तिष्क गतिविधि के प्राकृतिक संरचनात्मक प्रक्षेपवक्र को निकालने के लिए पिछले शोध में विकसित एक एल्गोरिदम "टी-फेट" पेश किया।
इस "मस्तिष्क गतिविधि मानचित्र" के आधार पर, शोधकर्ताओं ने प्रत्येक विषय के लिए "मस्तिष्क नियंत्रण-गेम मैपिंग" सिस्टम के तीन अलग-अलग सेट बनाए। पहला सेट "सहज ज्ञान युक्त मानचित्रण" है, जो मस्तिष्क में सबसे मजबूत और सबसे प्राकृतिक गतिविधि पैटर्न से जुड़ता है; दूसरा सेट "इंट्रा-मैनिफोल्ड पर्टर्बेशन" है, जो अभी भी मस्तिष्क की अंतर्निहित संरचना पर निर्भर करता है, लेकिन अपेक्षाकृत छोटी गतिविधि पैटर्न में बदल जाता है; और तीसरा सेट "अतिरिक्त-कई गुना गड़बड़ी" है, जिसके लिए मस्तिष्क को गतिविधि पैटर्न उत्पन्न करने की आवश्यकता होती है जो वह शायद ही कभी स्वाभाविक रूप से उत्पन्न करता है। दूसरे शब्दों में, ये तीन प्रणालियाँ क्रमशः तीन अलग-अलग डिज़ाइन विचारों का प्रतिनिधित्व करती हैं: "प्रवृत्ति के साथ जाना," "अनिच्छा से प्रवृत्ति के साथ जाना," और "पूरी तरह से प्रवृत्ति के विरुद्ध जाना।"
निम्नलिखित तीन प्रयोगों में, अनुसंधान टीम ने एक बंद-लूप प्रणाली का निर्माण किया जो हर दो सेकंड में नया मस्तिष्क स्कैन डेटा एकत्र करता था और तुरंत इस जानकारी को आभासी चरित्र के लिए आंदोलन निर्देशों में परिवर्तित कर देता था। प्रतिभागियों ने खेल को नियंत्रित करने के लिए पूरी तरह से "विचारों" पर भरोसा किया, प्रत्येक प्रयोग एक मैपिंग विधि के अनुरूप था। नतीजे बताते हैं कि जब मस्तिष्क-कंप्यूटर इंटरफ़ेस मस्तिष्क की प्राकृतिक विविधता का अनुसरण करता है, तो विषय आमतौर पर एक घंटे से भी कम समय में अपेक्षाकृत कुशलता से चरित्र को नियंत्रित करना सीख सकते हैं, और कुछ लोग तो काफी तेज़ भी होते हैं; जबकि "आउट-ऑफ-मैनिफोल्ड पर्टर्बेशन" स्थिति के तहत, लगभग कोई भी वास्तव में समान समय में नियंत्रण हासिल नहीं कर सकता है।
व्यवहारिक प्रदर्शन के अलावा, मस्तिष्क स्वयं भी महत्वपूर्ण अनुकूली परिवर्तन दिखाता है। जैसे-जैसे प्रतिभागी धीरे-धीरे "दिमाग पर नियंत्रण" में महारत हासिल कर लेंगे, सिस्टम की आवश्यकताओं से बेहतर मिलान के लिए प्रासंगिक मस्तिष्क क्षेत्रों के गतिविधि पैटर्न को पुनर्गठित किया जाएगा। कुछ शर्तों के तहत, इस पुनर्गठन की डिग्री प्रतिभागी के परिचालन स्तर से अत्यधिक संबंधित है; साथ ही, यह परिवर्तन प्रारंभ में लक्षित नेविगेशन मस्तिष्क क्षेत्र तक ही सीमित नहीं है, बल्कि व्यापक तंत्रिका नेटवर्क तक फैलता है। शोधकर्ताओं का मानना है कि "न्यूरल मैनिफोल्ड" सीखने के लिए एक बाधा और अवसर दोनों है - यह निर्धारित करता है कि लोग क्या सीख सकते हैं और कितनी तेजी से सीख सकते हैं।
यह खोज मानव कौशल सीखने को समझने का एक नया दृष्टिकोण भी प्रदान करती है। शोध टीम ने बताया कि कुछ कौशलों में महारत हासिल करना अपेक्षाकृत आसान होने का कारण न केवल व्यक्तिगत प्रयास या प्रतिभा पर निर्भर हो सकता है, बल्कि यह इस बात से भी जुड़ा हो सकता है कि कार्य मस्तिष्क की मौजूदा संरचना के साथ "अनुपालन" करता है या नहीं। मनुष्य उन कार्यों को जल्दी से सीख लेता है जो मस्तिष्क के प्राकृतिक पैटर्न से निकटता से मेल खाते हैं; हालाँकि, यदि कार्य डिज़ाइन इन पैटर्न से महत्वपूर्ण रूप से भिन्न है, तो किसी भी प्रशिक्षण से बहुत कुछ हासिल नहीं होगा।
व्यावहारिक स्तर पर, इस शोध का संभावित प्रभाव प्रयोगशाला से कहीं आगे तक फैला हुआ है। मानसिक स्वास्थ्य के क्षेत्र में, शोधकर्ताओं का मानना है कि अवसाद और चिंता जैसी बीमारियों के लिए हस्तक्षेप अधिक प्रभावी हो सकता है यदि मस्तिष्क सर्किट को पूरी तरह से नया आकार देने की कोशिश करने के बजाय उन्हें मस्तिष्क के मौजूदा गतिविधि पैटर्न के साथ "कदम दर कदम" समायोजित किया जा सकता है। गति या संचार विकारों वाले रोगियों के लिए, मस्तिष्क संरचना के अनुरूप इस डिज़ाइन अवधारणा से अधिक स्थिर और विश्वसनीय गैर-आक्रामक मस्तिष्क-कंप्यूटर इंटरफ़ेस की उम्मीद की जाती है, जिससे उन्हें मस्तिष्क संकेतों के माध्यम से बाहरी उपकरणों को अधिक स्वाभाविक रूप से नियंत्रित करने की अनुमति मिलती है।
अधिक व्यापक रूप से, इस दृष्टिकोण का उपयोग स्वस्थ लोगों में संज्ञानात्मक क्षमताओं को बेहतर बनाने के लिए भी किया जा सकता है। मस्तिष्क के प्राकृतिक संगठन के आसपास प्रशिक्षण कार्यक्रम डिजाइन करके, लोग अधिक कुशलता से नए कौशल सीखने और ध्यान और स्मृति प्रदर्शन को अनुकूलित करने में सक्षम हो सकते हैं। जैसा कि बुश ने कहा, मनुष्य "खुद का बेहतर संस्करण" बनने की उम्मीद में शिक्षा, प्रशिक्षण और उपचार में बहुत सारे संसाधनों का निवेश करते हैं, और वास्तव में अपने मस्तिष्क की संरचना को समझना इस प्रक्रिया की दक्षता में काफी सुधार करने की कुंजी हो सकती है।
शोध संयुक्त रूप से एरिका एल. बुश, ई. चंद्रा फिनके, गुइल्यूम लाजोई, स्मिता कृष्णास्वामी, निकोलस बी. तुर्क-ब्राउन और अन्य द्वारा पूरा किया गया था। पेपर का शीर्षक है "मैनिफोल्ड ज्योमेट्री के माध्यम से नॉनइनवेसिव ब्रेन-कंप्यूटर इंटरफेस की मानव शिक्षा।" शोध को यू.एस. नेशनल साइंस फाउंडेशन, कैनेडियन इंस्टीट्यूट फॉर एडवांस्ड स्टडी, स्लोअन फाउंडेशन और यू.एस. स्वास्थ्य और मानव सेवा विभाग से संबद्ध एजेंसियों से धन प्राप्त हुआ है।