صحبت کردن بدون تارهای صوتی با برچسب هوش مصنوعی

آینده جهان با هوش مصنوعی (141)؛

محققان با تولید برچسب هوش مصنوعی امکان صحبت کردن افرادی که ناهنجاری های صوتی دارند را فراهم کردند.

به گزارش خبرگزاری علم و فناوری وب سازان شمال به نقل از اینترستینگ اینجینرینگ، صحبت کردن اغلب برای افرادی که ناهنجاری های صوتی دارند، از جمله کسانی که بیماری های پاتولوژیک تار های صوتی دارند یا پس از انجام عمل های سرطان حنجره در حال بهبودی هستند، چالش برانگیز یا غیرممکن است.

برای کمک به چنین مواردی، محققان دانشگاه «یو سی ال ای» (UCLA) ابزاری سبک، انعطاف پذیر و نرم ساخته اند که کمی بزرگ تر از یک اینچ مربع است که با نصب بر روی پوست گلو به افرادی که تار های صوتی ناقص دارند کمک کند تا توانایی صحبت کردن خود را بازیابی کنند.

با کمک فناوری یادگیری ماشینی، این دستگاه می تواند سیگنال های ماهیچه های حنجره متحرک فرد را با دقت تقریباً 95 درصد به گفتار قابل شنیدن تفسیر کند.

گروه مهندسی دانشکده سامویلی یو سی ال ای قبلاً دستکش پوشیدنی ایجاد کرده بود که می توانست گفتار زبان اشاره آمریکایی (ASL) را به زبان انگلیسی ترجمه کند و ارتباط بین کاربران را تسهیل کند. جزییات تحقیق این محققان در مجله نیچر کامیونیکشنزمنتشر شده است.

تبدیل سیگنال حرکتی ماهیچه ها به صدا

این اختراع دستگاهی نوآورانه، کاربرپسند و وصله مانند است که از دو قسمت تشکیل شده: یک جزء حسگر مستقل است که سیگنال های حرکتی ماهیچه ها را به سیگنال های الکتریکی قابل تجزیه و تحلیل، با دقت بالا تشخیص داده و ترجمه می کند. سپس یک الگوریتم یادگیری ماشینی این داده های الکتریکی را به سیگنال های گفتاری ترجمه می کند. در نهایت این تکانه های گفتاری به صدای مورد نظر تبدیل می شوند.

به گفته محققان، هر جزء دارای دو لایه است: یک لایه القای مغناطیسی متشکل از سیم پیچ های القایی مس و یک لایه از ترکیب سیلیکونی زیست سازگار پلی دی متیل سیلوکسان یا «پی دی ام اس» (PDMS) با ویژگی های الاستیک. لایه پنجم که میدان مغناطیسی ایجاد می کند، بین دو جزء دیگر قرار گرفته و حاوی پلی دی متیل سیلوکسان همراه با ریزمغناطیس است.

این دستگاه با استفاده از 2 جزء و 5 لایه، حرکت ماهیچه ها را به سیگنال های الکتریکی تبدیل می کند. سپس توسط یک مدل یادگیری ماشین به سیگنال های گفتاری برای بیان شنیداری ترجمه می شود.

این گجت می تواند تغییرات میدان مغناطیسی ناشی از نیرو های مکانیکی، مانند حرکت عضلات حنجره را تشخیص دهد، زیرا از مکانیزم حسگر مغناطیسی الاستیک نرمی استفاده می کند که تیم چن در سال 2021 ایجاد کرد.

قابلیت استفاده این دستگاه به ابعاد آن کمک می کند که در هر طرف فقط 1.2 اینچ قطر و حدود 7 گرم وزن دارد و تنها 0.06 اینچ ضخامت دارد. نوار دو طرفه زیست سازگار به راحتی روی گردن نزدیک آکورد های صوتی نصب می شود و می توان با استفاده مجدد از نوار در صورت لزوم دوباره از آن استفاده کرد.

راه حل های موجود مانند دستگاه های ویبراتور حنجره و روش های سوراخ کردن نای مری می توانند ناخوشایند، تهاجمی یا ناراحت کننده باشند. جون چن، سرپرست گروه تحقیقاتی بیوالکترونیک پوشیدنی در «یو سی ال ای»، گفت: این دستگاه جدید گزینه ای پوشیدنی و غیر تهاجمی را ارایه می دهد که می تواند به بیماران در برقراری ارتباط در طول دوره قبل از درمان و دوره بهبودی پس از درمان برای اختلالات صوتی کمک کند.

نقش یادگیری ماشینی چیست؟

هشت فرد سالم در آزمایشاتی شرکت کردند که در آن محققان دستگاه پوشیدنی را ارزیابی کردند. با جمع آوری داده ها در مورد حرکت حنجره، آنها توانستند کلمات خاصی را با سیگنال های تولید شده توسط یک الگوریتم یادگیری ماشینی مرتبط کنند. سپس از مولفه فعال سازی ابزار برای انتخاب سیگنال گفتار خروجی مناسب استفاده کردند.

از شرکت کنندگان خواسته شد که پنج جمله را بی صدا و با صدای بلند بگویند، از جمله «سلام راشل، امروز چطوری؟» و «دوستت دارم» تا درستی سیستم را نشان دهد.

فناوری پوشیدنی به گونه ای طراحی شده است که به اندازه کافی انعطاف پذیر باشد تا بتواند با آن حرکت کند و فعالیت ماهیچه های حنجره زیر پوست را ثبت کند.

محققان ادعا می کنند که مولفه تحریک سیگنال صوتی شرکت کنندگان را تقویت می کند، که نشان می دهد مکانیسم حسی سیگنال حرکت حنجره آنها را تشخیص داده و با جمله مربوطه که شرکت کنندگان می خواهند تلفظ کنند مطابقت دارد. این منجر به دقت پیش بینی کلی 94.68 درصد برای مدل شد.

در آینده، محققان قصد دارد این گجت را بر روی افراد دارای اختلالات گفتاری آزمایش کند و دایره لغات آن را از طریق یادگیری ماشینی گسترش دهند.