Forestill deg at du er på en travel flyplass, en konsert eller en støyende kafé. Rundt deg er det kaos av lyder – andre som snakker, musikk som spiller, og all slags bakgrunnsstøy. Men hva om du kunne velge å høre bare én persons stemme klart og tydelig midt oppi all denne støyen?
Dette er visjonen bak et nytt forskningsprosjekt ledet av forskere fra University of Washington og Microsoft. De har utviklet en ny teknologi som de kaller «Look Once to Hear», som lar deg fokusere på én bestemt persons tale, mens den filtrerer bort alle andre lyder. Teknologien er så bygget inn i et par KI-hodetelefoner.
Ser én gang for å høre klart
Teknologien fungerer ved at du ser på personen du ønsker å høre i noen sekunder, mens du holder inne en knapp på siden av hodetelefonen. I løpet av disse sekundene fanger to mikrofoner på høyre og venstre side opp personens unike stemmeavtrykk, selv om det er mye støy rundt.
Dette stemmeavtrykket blir så brukt av en smarttelefon-app eller en spesialisert enhet til å isolere denne personens stemme. Selv om du ser bort eller beveger deg rundt, vil du nå kunne høre denne personen klart og tydelig, som om dere var alene i rommet.
KI-hodetelefonene bruker avansert maskinlæring for å oppnå dette. Mikrofonopptakene med bakgrunnsstøy blir prosessert av et nevralt nettverk som er trent til å skille ut og forsterke målpersonens unike stemmeavtrykk.
Mange bruksområder for KI-hodetelefoner
Forskerne ser for seg mange potensielle bruksområder for teknologien. Den kan være nyttig for å høre en guide på et travelt museum, eller en lærer i et klasserom med mye bakgrunnsstøy. Den kan også være til hjelp for personer med nedsatt hørsel som sliter med å følge samtaler i støyende omgivelser. Å bygge teknologien inn i høreapparater er et naturlig neste steg.
KI-hodetelefonene er foreløpig på prototypestadiet, men forskerne har demonstrert at den virker med vanlige hodetelefoner tilkoblet en liten datamaskin. De håper at teknologien etterhvert kan bygges inn i vanlige smarttelefoner og trådløse ørepropper.
Bedre enn støykansellering
Til forskjell fra vanlige støykansellerende hodetelefoner, som blokkerer ut all lyd, lar de nye KI-hodetelefonene deg selektivt velge hvilken lyd du vil høre. Den representerer dermed et betydelig fremskritt innen lydprosessering og kan potensielt revolusjonere hvordan vi opplever lyd i støyende omgivelser.
Hva med oversettelse?
Når man først er inne på kunstig intelligens, er det lett å tenke seg at man også kan bake inn direkte oversettelse fra fremmed språk til sitt eget morsmål. Kanskje med subjektets egen stemmesignatur? Dermed kan man reise rundt i verden uten tolk, og forstå det aller meste som blir sagt rundt deg.
Spionasje
Vi kan ikke unngå å tenke på om teknologien kan brukes med ondsinnede hensikter. For hva kan hindre folk i å spionere på andre? Vel, først må stemmen til den du skal høre isoleres. Til dette må du sitte relativt nært, og personen må snakke direkte til deg. Mikrofonene på hver side av hodet må være like langt fra munnen som snakker til deg, og da kan systemet skille ut stemmen fra omgivelser, hvor hver lyd har ulik lengde til hvert øre. Sitter du for langt unna personen, vil ikke faseresponsen fra stemmen være ulik nok miljøet du ønsker å skille ut.
Men det hindrer deg jo ikke fra å først gå bort til personen, utveksle et hyggelig ord, mens det lages en profil av stemmen. Og deretter kan du trekke deg tilbake, og spionere så mye du vil på personen.
Om denne teknologien skal komme i konsumentprodukter, bør den som skal forstås måtte dele sitt samtykke på en eller annen måte.
Kilde: dl.acm.org
