
در یک محیط شلوغ و پر سر و صدا، آیا تا به حال آرزو کردهاید که میتوانید تمام صحبتهای پسزمینه را تنظیم کنید و فقط روی شخصی که میخواهید به او گوش دهید تمرکز کنید؟ در حالی که هدفون های حذف کننده نویز پیشرفت های زیادی در ایجاد صفحه خالی شنیداری داشته اند، اما همچنان در تلاش هستند تا صداهای خاصی از محیط اطراف کاربر را فیلتر کنند. اما چه میشود اگر هدفونهای شما طوری آموزش داده شود که صدای یک فرد مجرد را بگیرد و تقویت کند، حتی وقتی در اتاقی پر از مکالمات دیگر حرکت میکنید؟
Target Speech Hearing (TSH) ، یک سیستم هوش مصنوعی پیشگامانه که توسط محققان دانشگاه واشنگتن توسعه یافته است، در این زمینه پیشرفت می کند.
📷
برای استفاده از TSH، فردی که از هدفون مخصوص استفاده میکند، فقط باید برای چند ثانیه به فردی که میخواهد بشنود نگاه کند. این دوره کوتاه “ثبت نام” به سیستم هوش مصنوعی امکان می دهد الگوهای صوتی منحصر به فرد گوینده مورد نظر را بیاموزد و به آن متصل شود.
در زیر چگونه کار می کند:
هرچه بلندگوی مورد نظر طولانیتر صحبت کند، دادههای آموزشی بیشتری را سیستم دریافت میکند و به آن اجازه میدهد تا بهتر روی صدای مورد نظر تمرکز کرده و واضحتر شود. این رویکرد نوآورانه به “شنوایی انتخابی” دنیایی از امکانات را برای بهبود ارتباطات و دسترسی در محیط های شنیداری چالش برانگیز باز می کند.
شیام گولاکوتا نویسنده ارشد مقاله و استاد UW در دانشکده علوم و مهندسی کامپیوتر پل جی آلن است.
ما تمایل داریم که اکنون هوش مصنوعی را به عنوان چت ربات های مبتنی بر وب در نظر بگیریم که به سوالات پاسخ می دهند. اما در این پروژه، ما هوش مصنوعی را توسعه میدهیم تا درک شنوایی هر کسی که هدفون به سر دارد، با توجه به اولویتهایشان تغییر دهد. با دستگاههای ما اکنون میتوانید یک بلندگو را به وضوح بشنوید، حتی اگر در محیطی پر سر و صدا باشید که افراد زیادی در حال صحبت کردن هستند.» – گولاکوتا
هدفونهای هوش مصنوعی نویز را فیلتر میکنند تا یک صدا را در میان جمعیت بشنوید
تیم تحقیقاتی برای اینکه شنوایی گفتار هدف را به سرعت انجام دهد، مطالعه ای را با 21 شرکت کننده انجام داد. هر آزمودنی هدفون مجهز به TSH را میپوشید و یک بلندگوی هدف را در یک محیط پر سر و صدا ثبت میکرد. نتایج چشمگیر بودند – به طور متوسط، کاربران وضوح صدای گوینده ثبت نام شده را در مقایسه با فید صوتی فیلتر نشده تقریباً دو برابر بالاتر ارزیابی کردند.
این پیشرفت بر اساس کار قبلی این تیم بر روی “شنوایی معنایی” است، که به کاربران اجازه می داد محیط شنوایی خود را بر اساس طبقه بندی های از پیش تعریف شده صدا، مانند صدای جیر جیر پرندگان یا صدای انسان فیلتر کنند. TSH با فعال کردن تقویت انتخابی صدای یک فرد خاص، این مفهوم را یک قدم فراتر می برد.
پیامدهای آن بسیار مهم است، از تقویت مکالمات شخصی در محیطهای با صدای بلند گرفته تا بهبود دسترسی برای افرادی که دارای اختلالات شنوایی هستند. همانطور که فناوری توسعه می یابد، می تواند اساساً نحوه تجربه و تعامل ما با دنیای شنوایی خود را تغییر دهد.
در حالی که شنوایی گفتار هدف نشان دهنده یک جهش بزرگ در هوش مصنوعی شنوایی است، این سیستم در شکل فعلی خود دارای محدودیت هایی است:
علیرغم این محدودیت ها، تیم دانشگاه واشنگتن به طور فعال در حال کار بر روی پالایش و گسترش قابلیت های TSH است. یکی از اهداف اصلی آنها کوچک کردن این فناوری است که به آن اجازه می دهد به طور یکپارچه در محصولات مصرفی مانند هدفون و سمعک ادغام شود.
از آنجایی که محققان به دنبال کردن مرزهای ممکن با هوش مصنوعی شنیداری ادامه میدهند، کاربردهای بالقوه بسیار گسترده است، از افزایش بهرهوری در محیطهای اداری که حواسپرتی ایجاد میکند تا تسهیل ارتباطات واضحتر برای اولین پاسخدهندگان و پرسنل نظامی در موقعیتهای پر خطر. آینده شنوایی انتخابی روشن به نظر می رسد و شنوایی گفتار هدف نقشی اساسی در شکل دادن به آن ایفا می کند.