توسعه سمعک‌های هوشمند با هوش مصنوعی برای تمرکز بر صدای مورد نظر

سمعک‌های کنونی با وجود توانایی در تقویت صداها، با چالشی اساسی روبرو هستند: ناتوانی در تشخیص اهمیت صدا برای شنونده. این نقص باعث می‌شود افراد در محیط‌های شلوغ مانند رستوران‌ها و مهمانی‌ها، برای تمرکز بر یک مکالمه خاص، تلاش ذهنی زیادی متحمل شوند که در نهایت به خستگی و عدم استفاده از سمعک در این محیط‌ها منجر می‌شود.

چالش‌های سمعک‌های موجود و نیاز به نوآوری

«ویشال چودهاری»، رهبر پژوهشی که نتایج آن در نشریه «نیچر نوروساینس» منتشر شده، تاکید می‌کند که شنوایی تنها به درک کلمات محدود نمی‌شود. دو نفر ممکن است مکالمه یکدیگر را بفهمند، اما یکی از آنها ممکن است برای پیگیری گفت‌وگو به تلاش ذهنی بیشتری نیاز داشته باشد که این امر به مرور زمان خسته‌کننده خواهد شد. همین موضوع سبب می‌شود بسیاری از افراد استفاده از سمعک را در مکان‌هایی که بیشترین نیاز به آن است، مانند رستوران‌ها، کافه‌ها، مهمانی‌ها یا گردهمایی‌های اجتماعی شلوغ، متوقف کنند.

در حال حاضر، بسیاری از سمعک‌ها از فناوری «تشکیل‌دهنده پرتو» (beamforming) استفاده می‌کنند که صدایی را که از جهت خاصی، معمولاً از جلوی شنونده، می‌آید، تقویت می‌کنند. اما مکالمات واقعی پویا هستند؛ افراد سرشان را می‌چرخانند، توجهشان تغییر می‌کند یا حتی بدون نگاه کردن به افراد دیگر، به آنها گوش می‌دهند. این پویایی، کارایی سمعک‌های فعلی را کاهش می‌دهد.

توسعه فناوری هوشمند با هوش مصنوعی

در راستای حل این مشکل، چودهاری و همکارانش در تلاشند تا فناوری هوشمندی را توسعه دهند که به کاربر سمعک امکان دهد بداند به چه چیزی گوش می‌کند. هدف آنها تقویت یک صدا یا صوت خاص و همزمان کاهش صداهای دیگر یا سروصدای پس‌زمینه است. به همین منظور، آنها سیستمی طراحی کرده‌اند که با استفاده از هوش مصنوعی، امواج مغزی را می‌خواند و آنچه را که شنونده به آن توجه دارد، تفسیر می‌کند.

این گروه تحقیقاتی، تحت نظارت «نیما مسگرانی»، محقق ایرانی، پروفسور و محقق ارشد در انستیتو زاکرمن دانشگاه کلمبیا، الگوریتم‌های یادگیری ماشینی را توسعه داده‌اند که قادر به بررسی امواج مغزی و شناسایی مکالمات در آزمایش‌ها روی چهار شرکت‌کننده با شنوایی نرمال بوده است. این پژوهشگران سیستم خود را «سیستم حلقه‌بسته برای رمزگشایی توجه شنیداری» (AAD) نامیده‌اند.

آزمایش‌ها و نتایج امیدوارکننده

پژوهشگران قصد داشتند دریابند که آیا AAD می‌تواند به اندازه کافی دقیق و سریع، به طور گزینشی صدای یک فرد سخنگو را تقویت و همزمان سروصدای پس‌زمینه را سرکوب کند یا خیر. هرچند این ایده خارق‌العاده به نظر می‌رسد، اما برای استفاده عمومی از آن هنوز زود است؛ چرا که در حال حاضر، این کانسپت بر الکترودهایی متکی است که در یک بستر بالینی به مغز متصل شده‌اند.

در آزمایش‌ها، چهار شرکت‌کننده که به دلیل صرع، مغزشان تحت نظارت بود و از قبل الکترودهایی در داخل جمجمه داشتند، در این تست شرکت کردند. این شرایط کار را برای محققان آسان‌تر کرد. شرکت‌کنندگان در معرض صدای ضبط‌شده از دو منبع قرار گرفتند که از بلندگوهای کوچک در چپ و راست پخش می‌شد. این صداها شامل مکالمات افراد با جنسیت‌های مختلف درباره غذا، سفر و ورزش بود که با «بلندگویی با چند گوینده» و سروصدای عابر پیاده در هم آمیخته بود.

مسگرانی و همکارانش پیش از این در سال ۲۰۱۲ کشف کرده بودند که امواج مغزی بسته به توجه فرد، بالا و پایین می‌روند و اوج و فرودهایی را نشان می‌دهند که زمان‌بندی آنها با صداها و سکوت‌های یک مکالمه هماهنگ است. در پژوهش جدید، بلندی مکالمات رقیب به صورت پویا و در زمان واقعی بر اساس سیگنال‌های رمزگشایی‌شده مغز تنظیم شد؛ مکالمه مورد توجه بلندتر و مکالمه رقیب آرام‌تر شد. محققان گزارش داده‌اند که این سیستم نتایج خوبی را نشان داد، چه زمانی که شرکت‌کنندگان به گوش دادن به یک مکالمه خاص هدایت می‌شدند و سپس از آنها خواسته می‌شد توجه خود را تغییر دهند، و چه زمانی که شرکت‌کنندگان مکالمه‌ای را آزادانه انتخاب می‌کردند.