எவ்வளவு இரைச்சலிலும் தனிஒருவரின் பேச்சை மட்டும் கேக்கணுமா? வந்தாச்சு புதிய AI ஹெட்ஃபோன்
ஹெட்ஃபோன்களை அணிந்த ஒரு நபரை மூன்று முதல் ஐந்து வினாடிகள் வரை பார்த்து, பின்னர் சத்தமில்லாத இடங்களில் கேட்பவர் நகரும் போதும், பதிவு செய்யப்பட்ட பேச்சாளரின் குரலை உண்மையான நேரத்தில் கேட்க உதவுகிறது.
“நான் உன்னிடம் பேசும்போது என்னைப் பார்” என்ற அறிவுரையை நீங்கள் கேட்டிருக்கலாம். ஆனால் ஹெட்ஃபோன்களை அணிந்துகொண்டிருக்கும் போது யாரையாவது பார்ப்பதன் மூலம் இன்னும் தெளிவாகக் கேட்க முடியுமா என்ன?
வாஷிங்டன் பல்கலைக்கழக ஆராய்ச்சியாளர்களால் உருவாக்கப்பட்ட ஒரு புதிய செயற்கை நுண்ணறிவு அமைப்பில் என்ன நடக்கிறது, அதில் சத்தத்தை குறைக்கும் ஹெட்ஃபோன்களை அணிந்த ஒருவர் சில நொடிகள் பார்த்து ஒரு தனி நபரை கணினியில் "பதிவு" செய்யலாம். சிஸ்டம் சுற்றுச்சூழலில் உள்ள மற்ற எல்லா சத்தங்களையும் ரத்து செய்து, கேட்பவர் சுற்றிச் சென்றாலும், பேச்சாளரை எதிர்கொள்ளாவிட்டாலும், பதிவுசெய்யப்பட்ட பேச்சாளரின் குரலை மட்டுமே இயக்குகிறது.
"டார்கெட் ஸ்பீச் ஹியர்ரிங்" என்று அழைக்கப்படும் இந்த முயற்சியானது, சத்தத்தை ரத்துசெய்யும் ஹெட்ஃபோன்களுக்கான "சொற்பொருள் கேட்கும்" அமைப்பை முன்பு உருவாக்கிய அதே UW குழுவிடமிருந்து வருகிறது, இதில் கேட்போர் சூழலில் இருந்து எந்த ஒலியை வடிகட்ட வேண்டும் மற்றும் எந்த ஒலியை உள்ளே விட வேண்டும் என்பதை தீர்மானிக்க முடியும்.
புதிய அமைப்பு மைக்ரோஃபோன்களுடன் பொருத்தப்பட்ட ஆஃப்-தி-ஷெல்ஃப் ஹெட்ஃபோன்களை நம்பியுள்ளது. ஹெட்ஃபோன்களை அணிந்த ஒருவர், பேசிக்கொண்டிருக்கும் ஒருவரை நோக்கி பார்க்கும்போது ஒரு பொத்தானைத் தட்டுகிறார். ஸ்பீக்கரின் குரலில் இருந்து ஒலி அலைகள் ஹெட்செட்டின் இருபுறமும் உள்ள மைக்ரோஃபோன்களை அடைகிறது மற்றும் ஹெட்ஃபோன்கள் அந்த சிக்னலை உள்-உட்பொதிக்கப்பட்ட கணினிக்கு அனுப்புகின்றன , அங்கு இயந்திர கற்றல் மென்பொருள் விரும்பிய பேச்சாளரின் குரல் வடிவங்களைக் கற்றுக்கொள்கிறது.
சிஸ்டம் அந்த ஸ்பீக்கரின் குரலுடன் இணைக்கப்பட்டு, ஜோடி நகரும் போதும், நிகழ்நேரத்தில் கேட்பவருக்கு அதைத் தொடர்ந்து இயக்குகிறது. ஸ்பீக்கர் தொடர்ந்து பேசுவதால், பதிவுசெய்யப்பட்ட குரலில் கவனம் செலுத்தும் கணினியின் திறன் மேம்படுகிறது, UW படி, கணினிக்கு கூடுதல் பயிற்சித் தரவை அளிக்கிறது.
ஆப்பிளின் ஏர்போட்ஸ் ப்ரோ போன்ற ஒலி-ரத்துசெய்யும் ஹெட்ஃபோன்கள் ஏற்கனவே உள்ளன, அவை உரையாடலின் போது தானாகவே ஒலி அளவை சரிசெய்யும். UW இன் முன்மாதிரி அதை ஒரு படி மேலே கொண்டு சென்று யாரை எப்போது கேட்க வேண்டும் என்பதைக் கட்டுப்படுத்த ஒரு பயனரை அனுமதிக்கிறது.
நெரிசலான உணவகம் அல்லது சிற்றுண்டிச்சாலையில் ஹெட்ஃபோன்களை அணிவது, பின்னணி இரைச்சல் உங்களுக்கு எதிரே அமர்ந்திருப்பவரைத் தெளிவாகக் கேட்பதை கடினமாக்குகிறது. ஒரு பொத்தானை அழுத்தி ஸ்பீக்கரைப் பார்ப்பது விஷயங்களை மாற்றுகிறது.
தற்போது கணினியால் ஒரு நேரத்தில் ஒரு ஸ்பீக்கரை மட்டுமே பதிவு செய்ய முடியும், மேலும் இலக்கு பேச்சாளரின் குரல் வரும் அதே திசையில் இருந்து மற்றொரு உரத்த குரல் வராதபோது மட்டுமே ஸ்பீக்கரை பதிவு செய்ய முடியும். தெளிவை மேம்படுத்த ஒரு பயனர் மற்றொரு பதிவை ஸ்பீக்கரில் இயக்கலாம்.
குழு தனது கண்டுபிடிப்புகளை மே 14 அன்று ஹொனலுலுவில் கணினி அமைப்புகளில் மனித காரணிகள் பற்றிய ACM CHI மாநாட்டில் வழங்கியது. ப்ரூஃப்-ஆஃப்-கான்செப்ட் சாதனத்திற்கான குறியீடு மற்றவர்களுக்கு உருவாக்கக் கிடைக்கிறது. இந்த அமைப்பு வணிக ரீதியாக கிடைக்கவில்லை.
“நான் உன்னிடம் பேசும்போது என்னைப் பார்” என்ற அறிவுரையை நீங்கள் கேட்டிருக்கலாம். ஆனால் ஹெட்ஃபோன்களை அணிந்துகொண்டிருக்கும் போது யாரையாவது பார்ப்பதன் மூலம் இன்னும் தெளிவாகக் கேட்க முடியுமா என்ன?
வாஷிங்டன் பல்கலைக்கழக ஆராய்ச்சியாளர்களால் உருவாக்கப்பட்ட ஒரு புதிய செயற்கை நுண்ணறிவு அமைப்பில் என்ன நடக்கிறது, அதில் சத்தத்தை குறைக்கும் ஹெட்ஃபோன்களை அணிந்த ஒருவர் சில நொடிகள் பார்த்து ஒரு தனி நபரை கணினியில் "பதிவு" செய்யலாம். சிஸ்டம் சுற்றுச்சூழலில் உள்ள மற்ற எல்லா சத்தங்களையும் ரத்து செய்து, கேட்பவர் சுற்றிச் சென்றாலும், பேச்சாளரை எதிர்கொள்ளாவிட்டாலும், பதிவுசெய்யப்பட்ட பேச்சாளரின் குரலை மட்டுமே இயக்குகிறது.
"டார்கெட் ஸ்பீச் ஹியர்ரிங்" என்று அழைக்கப்படும் இந்த முயற்சியானது, சத்தத்தை ரத்துசெய்யும் ஹெட்ஃபோன்களுக்கான "சொற்பொருள் கேட்கும்" அமைப்பை முன்பு உருவாக்கிய அதே UW குழுவிடமிருந்து வருகிறது, இதில் கேட்போர் சூழலில் இருந்து எந்த ஒலியை வடிகட்ட வேண்டும் மற்றும் எந்த ஒலியை உள்ளே விட வேண்டும் என்பதை தீர்மானிக்க முடியும்.
புதிய அமைப்பு மைக்ரோஃபோன்களுடன் பொருத்தப்பட்ட ஆஃப்-தி-ஷெல்ஃப் ஹெட்ஃபோன்களை நம்பியுள்ளது. ஹெட்ஃபோன்களை அணிந்த ஒருவர், பேசிக்கொண்டிருக்கும் ஒருவரை நோக்கித் தலையை செலுத்தும்போது ஒரு பொத்தானைத் தட்டுகிறார். ஸ்பீக்கரின் குரலில் இருந்து ஒலி அலைகள் ஹெட்செட்டின் இருபுறமும் உள்ள மைக்ரோஃபோன்களை அடைகிறது மற்றும் ஹெட்ஃபோன்கள் அந்த சிக்னலை உள்-உட்பொதிக்கப்பட்ட கணினிக்கு அனுப்புகின்றன , அங்கு இயந்திர கற்றல் மென்பொருள் விரும்பிய பேச்சாளரின் குரல் வடிவங்களைக் கற்றுக்கொள்கிறது.
சிஸ்டம் அந்த ஸ்பீக்கரின் குரலுடன் இணைக்கப்பட்டு, ஜோடி நகரும் போதும், நிகழ்நேரத்தில் கேட்பவருக்கு அதைத் தொடர்ந்து இயக்குகிறது. ஸ்பீக்கர் தொடர்ந்து பேசுவதால், பதிவுசெய்யப்பட்ட குரலில் கவனம் செலுத்தும் கணினியின் திறன் மேம்படுகிறது, UW படி, கணினிக்கு கூடுதல் பயிற்சித் தரவை அளிக்கிறது.
ஆப்பிளின் ஏர்போட்ஸ் ப்ரோ போன்ற ஒலி-ரத்துசெய்யும் ஹெட்ஃபோன்கள் ஏற்கனவே உள்ளன, அவை உரையாடலின் போது தானாகவே ஒலி அளவை சரிசெய்யும். UW இன் முன்மாதிரி அதை ஒரு படி மேலே கொண்டு சென்று யாரை எப்போது கேட்க வேண்டும் என்பதைக் கட்டுப்படுத்த ஒரு பயனரை அனுமதிக்கிறது.
நெரிசலான உணவகம் அல்லது சிற்றுண்டிச்சாலையில் ஹெட்ஃபோன்களை அணிவது, பின்னணி இரைச்சல் உங்களுக்கு எதிரே அமர்ந்திருப்பவரைத் தெளிவாகக் கேட்பதை கடினமாக்குகிறது. ஒரு பொத்தானை அழுத்தி ஸ்பீக்கரைப் பார்ப்பது விஷயங்களை மாற்றுகிறது.
தற்போது கணினியால் ஒரு நேரத்தில் ஒரு ஸ்பீக்கரை மட்டுமே பதிவு செய்ய முடியும், மேலும் இலக்கு பேச்சாளரின் குரல் வரும் அதே திசையில் இருந்து மற்றொரு உரத்த குரல் வராதபோது மட்டுமே ஸ்பீக்கரை பதிவு செய்ய முடியும். தெளிவை மேம்படுத்த ஒரு பயனர் மற்றொரு பதிவை ஸ்பீக்கரில் இயக்கலாம்.
குழு தனது கண்டுபிடிப்புகளை மே 14 அன்று ஹொனலுலுவில் கணினி அமைப்புகளில் மனித காரணிகள் பற்றிய ACM CHI மாநாட்டில் வழங்கியது. ப்ரூஃப்-ஆஃப்-கான்செப்ட் சாதனத்திற்கான குறியீடு மற்றவர்களுக்கு உருவாக்கக் கிடைக்கிறது. இந்த அமைப்பு வணிக ரீதியாக கிடைக்கவில்லை.
