شنیدن صدای دنیا از طریق یادگیری ماشین

منتشرشده در مجله Forbes به تاریخ ۱۵ اکتبر ۲۰۲۰
لینک مقاله اصلی: Hearing The World Through Machine Learning

یادگیری ماشین (ML) به آرامی به بخشی از زندگی روزمره ما تبدیل شده‌است که اتومبیل‌ها، عمل‌های جراحی در بیمارستان‌ها و غذایی که می‌خوریم را تقویت می‌کند. برخی از هیجان‌انگیزترین شرکت‌هایی که از یادگیری ماشین استفاده می‌کنند حتی خود را شرکت‌های یادگیری ماشین نمی‌دانند. صنعت خودرو بارزترین مثال است، زیرا ۱۰ میلیارد دلار سرمایه‌گذاری تنها در سال ۲۰۱۹ به این صنعت وارد شده‌است. همانطور که منتظر نسل بعدی صنایعی هستیم که یادگیری ماشین در آن‌ها تاثیر انقلابی خواهد داشت، مراقبت‌های بهداشتی به عنوان یکی از امید بخش ترین آن‌ها شناخته می‌شود. در مراقبت‌های بهداشتی، در حال حاضر راه‌های قابل‌توجهی برای بهبود شنوایی ما از طریق یادگیری ماشین وجود دارد.

مشکلی با قدمت یک قرن

آرام‌ترین صدایی که می‌شنوید با افزایش سن بدتر می‌شود اما بلندترین صدای قابل شنیدن در کل زندگی شما ثابت می‌ماند. وسایل کمک‌شنوایی به طور سنتی تنها با تقویت صداهای بسیار خشن، از صدای به‌هم خوردن بشقاب‌ها در رستوران گرفته تا صدای کودک شما کار می‌کنند. پوشیدن آن‌ها می‌تواند به طور باور نکردنی دردناک باشند، اغلب صداهایی که می‌خواهید بشنوید را در صداهایی که نمی‌خواهید بشنوید غرق می‌کنند و این موضوع به ویژه در مکان‌های عمومی پر سر و صدا برجسته‌تر است.

حدود ۴۸ میلیون آمریکایی در حال حاضر درجاتی از کاهش شنوایی را تجربه می‌کنند. علی‌رغم شیوع این مشکل، سمعک غالب در بازار امروز ۵۰ تا ۱۰۰ سال پیش ساخته شده. سونوا (Sonova) یک شرکت ۱۷ میلیارد دلاری مستقر در سوئیس است که در سال ۱۹۴۷ تاسیس شد؛ همان سالی که ترانزیستور اختراع شد. دمنت (Demant) یک شرکت ۸ میلیارد دلاری مستقر در دانمارک است که در سال ۱۹۰۴ تاسیس شد، حتی قبل از مدل T. تعداد انگشت شماری از تازه واردان به تازگی پدیدار شده‌اند، که محصولات ارزان‌قیمت‌تر را مستقیم به مصرف‌کننده ارائه می‌کنند، اما دستیابی به کیفیت در برابر متصدیان صنعت دشوار است.

ورود به عصر یادگیری ماشینی

با یادگیری ماشین، شرکت‌ها می‌توانند از پیشرفته‌ترین تکنولوژی برای تغییر یک مشکل قدیمی استفاده کنند. استارت‌آپ‌ها از یادگیری عمیق و پردازش سیگنال پیشرفته در محدوده‌ای که قبلا امکان بهبود کیفیت شنوایی وجود نداشت، استفاده می‌کنند.

برخی از شرکت‌های کمک‌شنوایی فعلی به تازگی توانایی خود را برای اضافه کردن ویژگی‌های هوش مصنوعی مانند تلفیق الکسا و شمارنده‌های گام‌ اعلام کرده‌اند. متاسفانه، به نظر نمی‌رسد که این ویژگی‌ها کیفیت واقعی شنوایی را بهبود بخشد و یا از قابلیت‌های حقیقی یادگیری ماشین فراتر از ایجاد شایعات بازاریابی بهره ببرد.

در مقابل، استارت‌آپ‌ها در حال ساخت راه‌حل‌های نرم‌افزاری هستند که می‌توانند به طور مداوم ویژگی‌های جدید و آپدیت‌هایی به کاربران موجود ا را ارائه دهند، درست مانند سیستم‌هایی که در اپل و تسلا پیشگام هستند. این کار منجر به محصولی می‌شود که در طول زمان بهتر می‌شود. الگوریتم‌هایی که به این وسایل کمک شنوایی نیرو می‌دهند می‌توانند نویز ناخواسته پس‌زمینه را شناسایی، پیش‌بینی و سرکوب کنند، و اساس یک حرکت فنی غیر بدیهی در پشت محصول را تشکیل می‌دهند. مهندسان در حال حاضر با استفاده از داده‌های ساختار یافته و ساختار نیافته، تقویت آن با داده‌های داخلی (نماینده طیفی از سنین، زبان‌ها و انواع صدا) ، تغذیه داده‌ها به آموزش شبکه عصبی و سپس اصلاح پیش‌بینی‌ها-فرآیندی که به طور مداوم کارایی محصول را بهبود می‌بخشد- سال‌ها زمان خود را صرف ساخت این مدل‌های شبکه عصبی کرده‌اند.

در گفت و گو با آندره استوا، رئیس بخش پزشکی هوش مصنوعی در سلسفورس، او اشاره کرد که روش‌های سنتی با تلاش‌های دستی گسترده برای به دست آوردن داده‌ها، تبدیل آن به قالب قابل‌استفاده، تهیه الگوریتم های ابتدایی و استقرار آن‌ها در دستگاه‌ها، محدود شده‌اند. در مقابل، یادگیری ماشین دارای اثر چرخ طیار طبیعی است که در آن دستگاه‌ها داده‌ها در مقیاس را جمع‌آوری می‌کنند، پروتکل‌های آموزش یادگیری ماشین به طور خودکار داده‌ها را پردازش می‌کنند، خودشان را به روز کرده و دوباره استقرار می‌یابند. تاثیر آن، کاهش قابل‌توجهی در چرخه بازخورد محصول و افزایش دامنه قابلیت‌های موجود است. زیبایی این روش این است که با عبور شبکه‌های عصبی از آموزش تکراری، هوش نهفته در طول زمان بهبود می‌یابد.

اکنون زمان سرمایه‌گذاری است

دلایل زیادی برای خوش بینی در مورد ارزشی که یادگیری ماشین =می‌تواند برای بهبود سلامت ما در سال‌های آینده ایجاد کند، وجود دارد. من قویا معتقدم که در میان نسل بعدی صنایع که در آن‌ها نیز یادگیری ماشین تاثیر انقلابی خواهد داشت، مراقبت‌های بهداشتی یکی از امید بخش ترین آن‌هاست. آینده شنوایی، مراقبت اولیه، آزمایش‌های بالینی و بسیاری دیگر از بخش‌های مهم پازل مراقبت‌های بهداشتی به طور فزاینده‌ای بر سیستم‌های هوشمند تکیه خواهند کرد. ظهور استارت‌آپ‌های هیجان‌انگیز در بازار دستگاه‌های کمک‌کننده به شنوایی تنها یک مثال از موج جدید نوآوری هدایت‌شده یادگیری ماشین در مراقبت بهداشتی است.

این مقاله با استفاده از ربات ترجمه مقالات یادگیری ماشین ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته‌است. بنابراین ممکن است دارای خطاهای احتمالی باشد.