কথা বলার গতি, বিরতি, শব্দভাণ্ডার এবং আবেগের প্রকাশ বিশ্লেষণ করে একজন মানুষ বয়সের সঙ্গে স্বাভাবিকভাবে এগোচ্ছেন, নাকি তুলনামূলক দ্রুত ‘বুড়িয়ে’ যাচ্ছেন—তার ইঙ্গিত দিতে পারে নতুন এআই-নির্ভর ‘স্পিচ ক্লক’। স্মৃতিভ্রংশ-সহ চিন্তা ও স্মৃতিশক্তির সমস্যার লক্ষণ চিহ্নিত করার ক্ষেত্রেও এই পদ্ধতি গুরুত্বপূর্ণ হয়ে উঠতে পারে বলে গবেষণায় দাবি করা হয়েছে।
AI Speech Clock মানুষের কণ্ঠস্বর বিশ্লেষণ করে তাঁর বয়সগত মানসিক পরিবর্তন সম্পর্কে ইঙ্গিত দিতে পারে—এমনই দাবি উঠে এসেছে একটি গবেষণায়। বয়স কেবল ক্যালেন্ডারের পাতায় এগিয়ে যাওয়া সংখ্যার বিষয় নয়। সময়ের সঙ্গে শরীরের পাশাপাশি মানুষের স্মৃতি, চিন্তাশক্তি, কথা বলার ধরন এবং আবেগ প্রকাশের মধ্যেও পরিবর্তন দেখা দিতে পারে।
কিন্তু সবাই কি একই গতিতে ‘বুড়ো’ হন? কারও পরিবর্তন বয়সের সঙ্গে স্বাভাবিকভাবে এগোয়, আবার কারও ক্ষেত্রে সেই পরিবর্তনের গতি তুলনামূলক বেশি হতে পারে। গবেষণায় আলোচিত এআই টুলটি কণ্ঠস্বরের নানা বৈশিষ্ট্য পরীক্ষা করে এই পার্থক্য শনাক্ত করার চেষ্টা করেছে।
এই বিশেষ পদ্ধতির নাম দেওয়া হয়েছে ‘স্পিচ ক্লক’। মানুষের কথা বলার সময় তৈরি হওয়া সূক্ষ্ম সংকেত বিশ্লেষণ করাই এর মূল ভিত্তি। গবেষকদের দাবি অনুযায়ী, এই বিশ্লেষণ থেকে একজন মানুষের মানসিক বয়স তাঁর কালানুক্রমিক বয়সের সঙ্গে তাল রেখে এগোচ্ছে কি না, তার একটি ধারণা পাওয়া যেতে পারে।
কণ্ঠস্বর শুনে বয়সগত পরিবর্তন বোঝার দাবি
বয়স বাড়ার সঙ্গে শরীর ও মনের ভিতরে নানা ধরনের পরিবর্তন চলতে থাকে। এই পরিবর্তন সাধারণত ধীরে ধীরে ঘটে। কিন্তু বর্তমান সময়ে স্মৃতিভ্রংশের মতো সমস্যার প্রকোপ বৃদ্ধির প্রেক্ষাপটে মানুষের মানসিক পরিবর্তন কত দ্রুত হচ্ছে, সেই প্রশ্নও গুরুত্বপূর্ণ হয়ে উঠেছে।
গবেষণায় ব্যবহৃত এআই টুলটি শারীরিক বয়স নির্ধারণের কোনও সাধারণ ব্যবস্থা নয়। এখানে গুরুত্ব পেয়েছে মানুষের মনের বয়স এবং বয়সের সঙ্গে যুক্ত স্মৃতি ও চিন্তার পরিবর্তন। অর্থাৎ, কেবল জন্মতারিখ থেকে পাওয়া বয়স নয়—কণ্ঠস্বরের বৈশিষ্ট্যের ভিত্তিতে বয়সগত মানসিক অবস্থার ইঙ্গিত খোঁজার চেষ্টা করা হয়েছে।
গবেষণার মূল দাবি: কথা বলার গতি, কথার মধ্যবর্তী বিরতি, কণ্ঠস্বরের তীব্রতা, শব্দভাণ্ডার এবং আবেগ প্রকাশের ধরন বিশ্লেষণ করে বয়সগত মানসিক পরিবর্তনের ইঙ্গিত দিতে পারে ‘স্পিচ ক্লক’.
‘সায়েন্স অ্যাডভান্সেস’-এ প্রকাশিত গবেষণা
এই এআই টুলকে কেন্দ্র করে তৈরি গবেষণাপত্রটি ‘সায়েন্স অ্যাডভান্সেস’ জার্নালে প্রকাশিত হয়েছে। গবেষণার জন্য প্রায় ৩,০০০ স্পেনীয় ভাষাভাষী প্রাপ্তবয়স্ক ব্যক্তির উপর পরীক্ষা চালানো হয়েছিল। তাঁদের কণ্ঠস্বর এবং নির্দিষ্ট কিছু কাজ করার সময় কথা বলার ধরন সংগ্রহ করে বিশ্লেষণ করা হয়।
গবেষণায় আর্জেন্টিনা, চিলি, কলম্বিয়া, মেক্সিকো এবং পেরুর ২,৯০০ জনেরও বেশি স্প্যানিশ ভাষাভাষী মানুষের কণ্ঠস্বর ব্যবহার করা হয়েছিল। অংশগ্রহণকারীদের বয়স ছিল ১৮ থেকে ৮৮ বছরের মধ্যে। ফলে অল্পবয়সী প্রাপ্তবয়স্ক থেকে প্রবীণ—বিস্তৃত বয়সসীমার মানুষের কথা বলার বৈশিষ্ট্য এই পরীক্ষার অন্তর্ভুক্ত হয়।
- অংশগ্রহণকারী: ২,৯০০ জনেরও বেশি স্প্যানিশ ভাষাভাষী প্রাপ্তবয়স্ক
- অংশগ্রহণকারী দেশ: আর্জেন্টিনা, চিলি, কলম্বিয়া, মেক্সিকো ও পেরু
- বয়সসীমা: ১৮ থেকে ৮৮ বছর
- পরীক্ষার ভিত্তি: নির্দিষ্ট কাজের সময় রেকর্ড করা কণ্ঠস্বর
- বিশ্লেষিত বৈশিষ্ট্য: ৭০০টিরও বেশি স্বতন্ত্র উপাদান
গবেষণায় দেখা যায়, অংশগ্রহণকারীদের মধ্যে প্রায় দেড় হাজার জনের বয়সগত অবস্থায় কোনও সমস্যা ধরা পড়েনি। তাঁদের পরিবর্তন কালানুক্রমিক বয়সের সঙ্গে সামঞ্জস্যপূর্ণ ছিল। কিন্তু বাকি অংশগ্রহণকারীদের মধ্যে কারও স্মৃতিশক্তি ও চিন্তাশক্তিতে সামান্য সমস্যা, আবার কারও মধ্যে অ্যালঝাইমার্স বা ফ্রন্টোটেম্পোরাল ডিমেনশিয়ার লক্ষণ দেখা গিয়েছে বলে জানানো হয়েছে।
কীভাবে কাজ করেছে এআই ‘স্পিচ ক্লক’?
এই টুলের কাজ বোঝার জন্য গবেষণায় অংশ নেওয়া প্রত্যেক ব্যক্তিকে মোট সাতটি কাজ করতে হয়েছিল। সব কাজ একই ধরনের ছিল না। কোনওটিতে নিজের ভাষায় একটি দৃশ্যের বর্ণনা দিতে হয়েছে, কোনওটিতে অল্প সময়ের মধ্যে যত বেশি সম্ভব শব্দ বলতে হয়েছে, আবার কোনও কাজের মাধ্যমে পরীক্ষা করা হয়েছে গল্প শোনার পর তা মনে রেখে বলার ক্ষমতা।
একটি কাজে অংশগ্রহণকারীদের একটি অ্যানিমেটেড ভিডিওর বর্ণনা দিতে বলা হয়েছিল। তাঁরা কীভাবে ভিডিওটি দেখছেন, কোন বিষয় আগে বলছেন, বক্তব্য কীভাবে সাজাচ্ছেন এবং বর্ণনার সময় কতবার থামছেন—এসবই তাঁদের স্বাভাবিক কথার অংশ হিসেবে অডিওতে ধরা পড়ে।
আরেকটি কাজে মাত্র ৬০ সেকেন্ডের মধ্যে যথাসম্ভব বেশি শব্দ বলতে হয়েছিল। একইভাবে শাকসবজি অথবা প্রাণীর যত বেশি নাম সম্ভব বলতে বলা হয়েছিল অংশগ্রহণকারীদের। সীমিত সময়ের মধ্যে শব্দ মনে করা এবং তা উচ্চারণের পুরো প্রক্রিয়াই কণ্ঠস্বরের রেকর্ডে সংরক্ষিত হয়।
গল্প মনে রেখে বলার কাজটিও ছিল এই পরীক্ষার গুরুত্বপূর্ণ অংশ। অংশগ্রহণকারীদের একটি ছোট গল্প শোনানো হয়। গল্পটি শোনার পরপরই তাঁদের সেটি পুনরায় বলতে বলা হয়েছিল। এখানেই পরীক্ষা শেষ হয়নি। একই গল্প ২০ থেকে ৩০ মিনিট পরে আবারও বর্ণনা করতে হয়েছিল।
অডিও থেকে লিখিত রূপ, তারপর বিস্তারিত বিশ্লেষণ
সাতটি কাজ করার সময় অংশগ্রহণকারীদের বক্তব্য অডিও হিসেবে রেকর্ড করেন বিজ্ঞানীরা। পরে সেই অডিও লিখিত আকারে রূপান্তরিত করা হয়। অর্থাৎ, বিশ্লেষণের জন্য শুধু কণ্ঠস্বরের শব্দ নয়, বক্তব্যে ব্যবহৃত শব্দ ও ভাষার ধরনও বিবেচনায় রাখা হয়েছিল।
রেকর্ড করা কথা থেকে গবেষকেরা ৭০০টিরও বেশি স্বতন্ত্র বৈশিষ্ট্য চিহ্নিত করেন। এতগুলি বৈশিষ্ট্যের সমন্বিত বিশ্লেষণের ভিত্তিতেই স্পিচ ক্লক বয়সগত পরিবর্তনের ইঙ্গিত দেওয়ার চেষ্টা করেছে। কোনও একটি লক্ষণকে আলাদাভাবে ভিত্তি না করে, কথা বলার বিভিন্ন দিককে একসঙ্গে দেখা হয়েছে।
কথার কোন কোন বৈশিষ্ট্য পরীক্ষা করা হয়েছে?
মানুষ কথা বলার সময় শুধু শব্দ উচ্চারণ করেন না। কখন থামছেন, কত দ্রুত বলছেন, কণ্ঠ কতটা তীব্র হচ্ছে, কী ধরনের শব্দ বেছে নিচ্ছেন এবং আবেগ কীভাবে প্রকাশ করছেন—এই সবকিছু মিলিয়েই তৈরি হয় তাঁর বক্তব্যের নিজস্ব ধরন। গবেষণায় এই বৈশিষ্ট্যগুলির উপর বিশেষ গুরুত্ব দেওয়া হয়েছিল।
- কথার মধ্যবর্তী বিরতি: বক্তব্য দেওয়ার সময় কোথায় এবং কতবার থামছেন
- কথা বলার গতি: বক্তব্য কত দ্রুত বা ধীরে বলা হচ্ছে
- কণ্ঠস্বরের তীব্রতা: বলার সময় কণ্ঠের জোরের ধরন
- শব্দভাণ্ডার: বক্তব্যে কী ধরনের এবং কত রকম শব্দ ব্যবহৃত হচ্ছে
- আবেগের প্রকাশ: কণ্ঠস্বর ও বক্তব্যের মধ্যে অনুভূতি কীভাবে প্রকাশ পাচ্ছে
এই বৈশিষ্ট্যগুলি আলাদা আলাদা হলেও গবেষণায় সেগুলিকে একটি বৃহত্তর ছবির অংশ হিসেবে ব্যবহার করা হয়েছে। অ্যানিমেটেড ভিডিও বর্ণনা, নির্দিষ্ট সময়ের মধ্যে বিভিন্ন নাম বলা এবং গল্প পুনরায় বলার মতো কাজ থেকে পাওয়া অডিও এই বিশ্লেষণের ভিত্তি তৈরি করেছে।
AI Speech Clock সেই সংগৃহীত বৈশিষ্ট্য বিশ্লেষণ করে কার বয়সগত পরিবর্তন স্বাভাবিক গতিতে হচ্ছে এবং কে তুলনামূলক দ্রুত ‘বুড়িয়ে’ যাচ্ছেন, তার ইঙ্গিত দিয়েছে বলে গবেষণায় দাবি করা হয়েছে। এই ‘বুড়িয়ে যাওয়া’ বলতে এখানে মূলত মন, স্মৃতি এবং চিন্তাশক্তির সঙ্গে যুক্ত পরিবর্তনের কথাই তুলে ধরা হয়েছে।
স্মৃতি ও চিন্তাশক্তির পরিবর্তন কীভাবে সামনে এসেছে?
গবেষণার কাজগুলির মধ্যে গল্প শোনার পর তা সঙ্গে সঙ্গে বলা এবং ২০ থেকে ৩০ মিনিট পরে আবার বর্ণনা করার ব্যবস্থা ছিল। একই তথ্য দুই ভিন্ন সময়ে কীভাবে পুনরায় বলা হচ্ছে, সেই বক্তব্যও অডিওতে ধরা পড়ে। এর সঙ্গে সীমিত সময়ের মধ্যে শব্দ, শাকসবজি বা প্রাণীর নাম বলার কাজও যুক্ত ছিল।
এই কাজগুলি থেকে পাওয়া কণ্ঠস্বর ও লিখিত বক্তব্যের বৈশিষ্ট্য পরীক্ষা করে অংশগ্রহণকারীদের মধ্যে পার্থক্য দেখা গিয়েছে। প্রায় দেড় হাজার অংশগ্রহণকারীর বয়সগত অবস্থায় কোনও সমস্যা পাওয়া যায়নি। তাঁদের ক্ষেত্রে কালানুক্রমিক বয়সের সঙ্গে পরিবর্তনের সামঞ্জস্য দেখা গিয়েছে বলে জানানো হয়েছে।
অন্য অংশগ্রহণকারীদের মধ্যে অবশ্য একই চিত্র দেখা যায়নি। কারও স্মৃতি ও চিন্তাশক্তিতে সামান্য সমস্যা ছিল। আবার কয়েকজনের মধ্যে অ্যালঝাইমার্স অথবা ফ্রন্টোটেম্পোরাল ডিমেনশিয়ার লক্ষণ দেখা গিয়েছে বলে গবেষণায় উল্লেখ করা হয়েছে।
গুরুত্বপূর্ণ বিষয়: গবেষণায় অংশগ্রহণকারীদের একাংশের মধ্যে স্মৃতি ও চিন্তাশক্তির সামান্য সমস্যা এবং অ্যালঝাইমার্স বা ফ্রন্টোটেম্পোরাল ডিমেনশিয়ার লক্ষণ দেখা যাওয়ার কথা বলা হয়েছে।
মস্তিষ্ক স্ক্যান বা রক্ত পরীক্ষার তুলনায় কোথায় আলাদা?
মানুষের বয়সগত মানসিক পরিবর্তন বিশ্লেষণের জন্য কণ্ঠস্বরভিত্তিক টুল একেবারে নতুন কোনও ধারণা নয়। গবেষণায় জানানো হয়েছে, মস্তিষ্ক স্ক্যান অথবা রক্ত পরীক্ষার মাধ্যমেও এই ধরনের বিশ্লেষণ করা সম্ভব। তবে সেই পদ্ধতিগুলি ব্যয়সাপেক্ষ।
স্পিচ ক্লককে আলাদা করেছে তার কাজ করার প্রক্রিয়া। এখানে বিশ্লেষণের প্রধান উপাদান মানুষের নিজের কণ্ঠস্বর। নির্দিষ্ট কিছু কাজ করার সময় বক্তব্য রেকর্ড করা হয়েছে, অডিও লিখিত রূপ পেয়েছে এবং সেখান থেকে শত শত বৈশিষ্ট্য চিহ্নিত করে এআই বিশ্লেষণ চালিয়েছে।
ফলে এই গবেষণার কেন্দ্রে রয়েছে মানুষের স্বাভাবিক কথা বলার মধ্যে লুকিয়ে থাকা বয়সগত পরিবর্তনের ইঙ্গিত। বক্তব্যের বিষয়বস্তুর পাশাপাশি কীভাবে সেই বক্তব্য দেওয়া হচ্ছে, সেটিও সমানভাবে গুরুত্বপূর্ণ হয়েছে। বিরতি, গতি, তীব্রতা, শব্দভাণ্ডার ও আবেগ—প্রতিটি দিক একসঙ্গে মিলিয়েই স্পিচ ক্লকের বিশ্লেষণ তৈরি হয়েছে।
কারা বয়সের সঙ্গে তাল রেখে এগোচ্ছেন?
গবেষণার অন্যতম উদ্দেশ্য ছিল অংশগ্রহণকারীদের মধ্যে কার বয়সগত পরিবর্তন কালানুক্রমিক বয়সের সঙ্গে তাল রেখে চলছে এবং কার পরিবর্তন তুলনামূলক দ্রুত হচ্ছে, সেই পার্থক্য শনাক্ত করা। প্রায় ৩,০০০ মানুষের কণ্ঠস্বর থেকে পাওয়া তথ্য এই বিশ্লেষণে ব্যবহার করা হয়েছে।
স্পিচ ক্লকের মাধ্যমে গবেষকেরা অংশগ্রহণকারীদের কথা বলার ধরনের বহু সূক্ষ্ম বৈশিষ্ট্য একত্রে বিবেচনা করেছেন। এরপর সেই বিশ্লেষণ থেকে কারা বয়সের সঙ্গে তাল রেখে বুড়ো হচ্ছেন এবং কারা দ্রুত ‘বুড়িয়ে’ যাচ্ছেন, তা চিহ্নিত করার দাবি করা হয়েছে।
১৮ থেকে ৮৮ বছর বয়সী মানুষের অংশগ্রহণ এই গবেষণাকে বিস্তৃত বয়সসীমার কণ্ঠস্বর বিশ্লেষণের সুযোগ দিয়েছে। একই সঙ্গে পাঁচটি দেশের স্প্যানিশ ভাষাভাষী মানুষের অডিও ব্যবহার করা হয়েছে। এই সমস্ত অডিও এসেছে প্রত্যেক অংশগ্রহণকারীর করা একই ধরনের সাতটি কাজ থেকে।
কণ্ঠস্বর ঘিরে নতুন প্রশ্নের সামনে ‘স্পিচ ক্লক’
একজন মানুষ কী বলছেন, তার পাশাপাশি তিনি কীভাবে বলছেন—এই গবেষণায় সেই প্রশ্নটিই সামনে এসেছে। সাধারণ কথোপকথনের মধ্যে থাকা বিরতি, গতি, কণ্ঠের তীব্রতা, ব্যবহৃত শব্দ এবং আবেগের প্রকাশ বয়সগত মানসিক পরিবর্তন সম্পর্কে ইঙ্গিত বহন করতে পারে বলে দাবি করা হয়েছে।
গবেষণার ফল অনুযায়ী, কণ্ঠস্বরের এই বৈশিষ্ট্যগুলি একত্রে বিশ্লেষণ করে স্মৃতি ও চিন্তাশক্তির সামান্য সমস্যা থেকে শুরু করে অ্যালঝাইমার্স বা ফ্রন্টোটেম্পোরাল ডিমেনশিয়ার লক্ষণের সঙ্গে যুক্ত পার্থক্যও সামনে এসেছে। ফলে মানুষের কণ্ঠস্বরকে বয়সগত পরিবর্তন বিশ্লেষণের একটি গুরুত্বপূর্ণ ভিত্তি হিসেবে ব্যবহার করেছে স্পিচ ক্লক।
শেষ কথা
প্রায় ৩,০০০ স্পেনীয় ভাষাভাষী প্রাপ্তবয়স্কের কণ্ঠস্বরের উপর চালানো গবেষণায় ‘স্পিচ ক্লক’ কথা বলার ৭০০টিরও বেশি বৈশিষ্ট্য বিশ্লেষণ করেছে। গবেষণার দাবি অনুযায়ী, এই পদ্ধতি একজন মানুষ বয়সের সঙ্গে তাল রেখে বুড়ো হচ্ছেন, নাকি তুলনামূলক দ্রুত ‘বুড়িয়ে’ যাচ্ছেন—তার ইঙ্গিত দিতে পারে। স্মৃতি, চিন্তাশক্তি এবং ডিমেনশিয়ার লক্ষণের সঙ্গে যুক্ত পরিবর্তন বোঝার ক্ষেত্রেও মানুষের কণ্ঠস্বর গুরুত্বপূর্ণ হয়ে উঠতে পারে—এই সম্ভাবনাই গবেষণাটির কেন্দ্রে রয়েছে।