UMETNA INTELIGENCA (AI) V SLUŠNIH APARATIH: KAKO POMAGA RAZUMETI GOVOR V HRUPU
Manj hrupa, več pogovora: kaj danes zmore umetna inteligenca (AI) v slušnih aparatih?
Družinsko kosilo, polna restavracija, sestanek, vožnja z avtomobilom ali druženje, pri katerem govori več ljudi hkrati. Prav v takšnih situacijah ljudje z izgubo sluha pogosto povedo, da zvok sicer slišijo, vendar govoru težko sledijo.
Dolga leta so slušni aparati zahtevne zvočne situacije reševali predvsem s samodejnim prepoznavanjem okolja, usmerjenimi mikrofoni in zmanjševanjem hrupa. Najnovejša generacija naprav pa uporablja tudi globoke nevronske mreže oziroma DNN – vrsto umetne inteligence, ki lahko naredi še en pomemben korak: iz zvočne mešanice poskuša ločiti govor od hrupa.
Cilj ni popolna tišina. Cilj je, da uporabnik pogovoru sledi lažje, z manj napora in z večjo možnostjo vključevanja.
AI v slušnem aparatu ni ena sama funkcija
Izraz »umetna inteligenca« se danes uporablja zelo široko. V slušnih aparatih lahko pomeni več različnih stvari, zato ni vsaka funkcija z oznako AI enaka.
Sistem lahko na primer:
- prepozna, ali je uporabnik v tihem prostoru, prometu, restavraciji ali okolju z glasbo;
- samodejno izbere primeren program;
- prilagodi delovanje mikrofonov;
- zmanjša določene vrste motečega hrupa;
- uporabniku v aplikaciji predlaga primernejšo nastavitev;
- z globoko nevronsko mrežo ločuje vzorce govora od vzorcev hrupa.
Pomembna je predvsem razlika med prepoznavanjem okolja, klasičnim zmanjševanjem hrupa in DNN-ločevanjem govora od hrupa.
Prepoznavanje okolja slušnemu aparatu pove, v kakšni situaciji se uporabnik nahaja. Klasični algoritmi nato zmanjšujejo določene vrste hrupa ali usmerijo mikrofone proti sogovorniku. DNN pa je naučen, da v kompleksnem zvočnem prizoru prepoznava značilnosti govora in jih razlikuje od hrupa.
Preprosto povedano: aparat ne poskuša samo utišati vsega v okolici. Poskuša bolje ugotoviti, kateri deli zvoka so govor in kateri niso.
Kako umetna inteligenca ločuje govor od hrupa?
Za uporabnika se vse zgodi skoraj neopazno in v realnem času.
Mikrofoni najprej zajamejo celoten zvok v prostoru: glas sogovornika, pogovor pri sosednji mizi, ropot posode, glasbo, promet ali druge zvoke. Sistem nato zvočni signal pretvori v nekakšen zemljevid frekvenc in časa, ki mu pravimo spektrogram.
Globoka nevronska mreža ta zemljevid analizira in oceni, kateri deli najverjetneje vsebujejo govor ter kateri vsebujejo hrup. Na tej osnovi ustvari masko, ki ohrani več govornega signala in zmanjša neželene dele zvočne slike. Očiščeni signal se nato ponovno pretvori v zvok, ki ga uporabnik zasliši skozi slušni aparat.
Vse to mora potekati brez zaznavnega zamika. Že majhen časovni zamik med zvokom iz okolja in obdelanim zvokom bi lahko povzročil nenaravno poslušanje. Obenem je slušni aparat zelo majhna naprava z omejeno baterijo, zato mora biti nevronska mreža dovolj zmogljiva, vendar tudi izjemno energijsko učinkovita. Zaradi tega najnaprednejše rešitve uporabljajo posebej prilagojeno strojno opremo oziroma namenski čip.
Govor ni vedno samo pred nami
Klasična usmerjenost mikrofonov je zelo koristna, kadar sogovornik sedi neposredno pred uporabnikom. Resnično življenje pa pogosto ni tako preprosto.
Pri družinskem kosilu lahko ena oseba govori z leve, druga z desne, tretja pa z druge strani mize. V restavraciji se sogovorniki premikajo, se obračajo in govorijo iz različnih smeri. Če slušni aparat posluša predvsem naprej, lahko uporabnik izgubi del pogovora, ki prihaja od strani ali od zadaj.
V slušnem aparatu Unitron Moxi S-RX je sistem SoundSonic 360. Njegov namen je ločevanje govora in hrupa iz širšega zvočnega prostora, ne samo neposredno pred uporabnikom. DNN-obdelavo izvaja ločen procesor, medtem ko glavni čip še naprej skrbi za običajno obdelavo zvoka, povezljivost in druge funkcije.
To ne pomeni, da bo uporabnik vedno popolnoma razumel vsakega govorca v prostoru. Pomeni pa, da ima sistem več možnosti pomagati tudi takrat, ko pomemben glas ne prihaja samo iz ene smeri.
Manj napora ob poslušanju
Pri izgubi sluha težava ni le v tem, da je govor pretiho. Možgani morajo pogosto vložiti veliko več napora, da iz nepopolnega zvočnega signala sestavijo pomen.
Uporabnik lahko zato pogovoru nekaj časa še sledi, vendar se hitreje utrudi. Lahko začne ugibati, kaj je bilo povedano, prosi za ponavljanje ali pa se iz pogovora postopoma umakne.
Kadar umetna inteligenca uspešno izboljša razmerje med govorom in hrupom, uporabnik ne zazna nujno samo »glasnejšega« govora. Pomembnejši občutek je lahko:
- da stavkom lažje sledi;
- da potrebuje manj koncentracije;
- da se lažje vključi v pogovor;
- da lahko v družbi ostane dejaven dlje časa.
AI se lahko vključi samodejno
Umetna inteligenca ne rabi delovati z največjo močjo ves čas. V mirnem prostoru bi bila intenzivna obdelava nepotrebna, poleg tega pa bi hitreje porabljala baterijo.
Zato slušni aparat najprej analizira okolje. Ko zazna dovolj zahtevno kombinacijo govora in hrupa, lahko samodejno vključi naprednejšo DNN-obdelavo. Ko takšna pomoč ni potrebna, sistem uporablja druge, energijsko manj zahtevne načine obdelave.
To je pomembno za uporabnika, saj mu ni treba ob vsakem vstopu v restavracijo ali na sestanek ročno iskati novega programa. Avtomatski program lahko večino odločitev opravi sam.
Ročni programi so kljub temu še vedno koristni. Uporabnik lahko na primer izbere močnejši poudarek na govoru ali večje zmanjševanje hrupa, kadar je udobje pomembnejše od razumevanja pogovora. Pri daljši uporabi zahtevnejših ročnih programov pa je treba računati na večjo porabo baterije.
Slušni aparat se lahko prilagaja tudi preko aplikacije
AI ni omejen samo na obdelavo zvoka v aparatu. Povezan je lahko tudi z aplikacijo na telefonu.
Uporabnik lahko glede na model in izbrano nastavitev:
- prilagodi moč filtra hrupa;
- izbere dodatni govorni ali hrupni program;
- oceni svojo izkušnjo v določeni situaciji;
- prejme nasvet za rešitev pogoste težave;
- na daljavo prejme prilagoditev, ki jo pripravi slušni akustik.
Funkcija Coach lahko uporabnika usmerja pri uporabi, Remote Fine-Tuning pa omogoča določene prilagoditve na daljavo, kadar obisk slušnega centra ni potreben ali je otežen.
Kljub temu aplikacija ni namenjena temu, da bi uporabnik sam postal svoj slušni akustik. Njena naloga je olajšati vsakodnevno uporabo in omogočiti več osebnega nadzora nad že strokovno prilagojeno rešitvijo.
Česa AI v slušnih aparatih ne zmore?
Umetna inteligenca je pomemben napredek, vendar ni čudežna rešitev.
Ne more popolnoma odstraniti vsega hrupa. Ne more zagotoviti enakega rezultata v vsakem prostoru. Prav tako ne more premagati vseh fizikalnih omejitev, povezanih z veliko razdaljo, odmevom ali zelo slabim razmerjem med govorom in hrupom.
Če sogovornik govori daleč stran, lahko tudi najnaprednejši slušni aparat prejme premalo kakovostnega govornega signala. V takšnih primerih so še vedno pomembni sistemi, kot so oddaljeni mikrofon, TV Connector ali Roger. Ti glas sogovornika zajamejo bliže njegovim ustom in ga neposredno prenesejo v slušni aparat.
Ne moremo obljubiti, da bo AI odstranil ves hrup, deloval enako na vsaki razdalji ali odpravil potrebo po pravilni nastavitvi in dodatkih, zagotavljamo pa lahko znatno izboljšanje v zahtevnih zvočnih okoljih.
Brez pravilne prilagoditve tudi najboljši AI ne pokaže vsega
Enaka tehnologija lahko pri dveh uporabnikih deluje različno. Na rezultat vplivajo:
- vrsta in stopnja izgube sluha;
- izbira kupole ali individualnega ušesnega vložka;
- odprtost oziroma zaprtost akustične prilagoditve;
- pravilna izbira programa;
- način uporabe slušnega aparata;
- pričakovanja uporabnika;
- okolja, v katerih se najpogosteje nahaja.
Zelo odprta prilagoditev je lahko udobna in primerna za določene izgube sluha, vendar lahko zmanjša zaznavni učinek smernosti in DNN-obdelave. Zato programska nastavitev, dejanska akustična prilagoditev in potrebe uporabnika ne smejo biti obravnavane ločeno.
Najboljši rezultat tako ne nastane samo zaradi kakovostnega čipa ali algoritma. Nastane, ko se napredna tehnologija združi s strokovno meritvijo, pravilno prilagoditvijo, dobro razlago in preverjanjem v resničnem življenju.
Kaj lahko pričakujemo v prihodnosti?
Umetna inteligenca v slušnih aparatih bi se v prihodnje lahko razvijala v več smereh.
Med njimi so:
- izbira glasu, ki mu želi uporabnik slediti;
- prepoznavanje posameznih govorcev;
- razumevanje uporabnikove poslušne namere;
- prilagajanje glede na vsebino pogovora;
- prevajanje jezika v realnem času;
- še tesnejše povezovanje z drugimi digitalnimi storitvami.
Posebej zanimiva je ideja, da slušni aparat ne bi prepoznal samo prisotnosti govora, temveč tudi to, koga želi uporabnik v določenem trenutku poslušati.
Tehnologija je sredstvo, pogovor pa cilj
Ljudje praviloma ne iščejo umetne inteligence, procesorja ali nevronske mreže. Želijo bolje razumeti partnerja, vnuke, prijatelje in sodelavce. Želijo se v restavraciji manj naprezati, lažje spremljati sestanek in se ponovno vključiti v dejavnosti, ki so se jim zaradi težav s sluhom začeli izogibati.
Zato pri izbiri slušnega aparata ni najpomembnejše vprašanje, koliko funkcij uporablja AI. Pomembnejše je, ali te funkcije pomagajo v situacijah, ki so za posameznika resnično pomembne.
Najboljši način za oceno je strokovno svetovanje, pravilna prilagoditev in preizkus v vsakdanjem okolju. Šele tam se pokaže, ali uporabnik pogovoru sledi lažje, se manj napreza in v njem bolj samozavestno sodeluje.
Umetna inteligenca ni cilj slušnega aparata. Njena prava vrednost je v tem, da ljudem pomaga ostati del pogovora.
Vabljeni v AUDIO BM slušne centre, kjer je najnovejša tehnologija za vaš boljši sluh v rokah izkušenih slušnih akustikov.
