211service.com
Balso perrašymas galvoje
Lorrie Lejeune / MIT
MIT mokslininkai sukūrė kompiuterio sąsają, kuri gali perrašyti žodžius, kuriuos vartotojas verbalizuoja viduje, bet iš tikrųjų nekalba garsiai.
Nešiojamame įrenginyje esantys elektrodai paima neuromuskulinius signalus žandikaulyje ir veide, kurie suaktyvinami ištariant žodžius galvoje, bet žmogaus akiai neaptinkami. Signalai tiekiami į mašininio mokymosi sistemą, kuri buvo išmokyta susieti konkrečius signalus su konkrečiais žodžiais.
Įrenginyje, pavadintame AlterEgo, taip pat yra kaulams laidžios ausinės, kurios perduoda vibracijas per veido kaulus į vidinę ausį. Kadangi ausinės neužstoja ausies kanalo, sistema gali perduoti informaciją netrukdydama pokalbiui ir netrukdydama klausos pojūčiams.
„AlterEgo“ suteikia privatų ir diskretišką informacijos perdavimo ir priėmimo kanalą, leidžiantį naudotojams daryti tokius dalykus kaip nepastebimai pozuoti ir gauti atsakymus į sudėtingas skaičiavimo problemas arba tyliai pranešti apie varžovų ėjimus šachmatų partijoje ir lygiai taip pat tyliai gauti kompiuterio rekomenduojamus atsakymus.
Iš esmės negalime gyventi be savo mobiliųjų telefonų, sako Pattie Maes, medijų menų ir mokslų profesorė bei Arnavo Kapur, Media Lab magistrantūros studento, vadovavusio sistemos kūrimui, patarėja. Tačiau šiuo metu tų įrenginių naudojimas labai trikdo. Jei noriu rasti ką nors, kas susiję su vykstančiu pokalbiu, turiu rasti savo telefoną ir įvesti prieigos kodą, atidaryti programą ir įvesti tam tikrą paieškos raktinį žodį. „AlterEgo“ tikslas buvo sukurti neinvazinę žvalgybos didinimo sistemą, kurią visiškai valdytų vartotojas.
Idėja, kad vidinės verbalizacijos turi fizinių koreliacijų, egzistuoja nuo XIX amžiaus ir buvo rimtai ištirta šeštajame dešimtmetyje. Vienas septintojo dešimtmečio greitojo skaitymo judėjimo tikslų buvo pašalinti šį subvokalizavimą, kaip žinoma.
Tačiau subvokalizacija kaip kompiuterio sąsaja iš esmės nėra ištirta. Norėdami nustatyti, kurios veido vietos suteikia patikimiausius neuromuskulinius signalus, tyrėjai prie tiriamųjų veidų pritvirtino 16 elektrodų ir keturis kartus paskyrė tą pačią žodžių seriją.
Tyrėjai parašė kodą gautiems duomenims analizuoti ir nustatė, kad signalai iš septynių elektrodų vietų nuosekliai galėjo atskirti subvokalizuotus žodžius. Straipsnyje, kurį jie pristatė Kompiuterinių mašinų asociacijos ACM intelektualiosios vartotojo sąsajos konferencijoje, jie aprašė nešiojamos tylios kalbos sąsajos prototipą, kuris apgaubia kaklą kaip telefono ausinės ir turi čiuptuvus primenančius išlenktus priedus, kurie liečiasi. veido septyniose vietose abiejose burnos pusėse ir išilgai žandikaulių.
Tačiau vėlesniuose eksperimentuose mokslininkai pasiekė palyginamų rezultatų, naudodami tik keturis elektrodus išilgai vieno žandikaulio, o tai galėjo padaryti mažiau įkyrų įrenginį.
Pasirinkę elektrodų vietas, mokslininkai surinko duomenis apie keletą skaičiavimo užduočių, kurių kiekvienoje buvo apie 20 žodžių žodynai. Vienas iš jų buvo aritmetika, kai vartotojas subvokalizavo dideles sudėties ar daugybos problemas; kita buvo šachmatų programa, kurioje vartotojas pranešdavo apie ėjimus naudodamas standartinę šachmatų numeravimo sistemą.
Tada kiekvienai programai jie naudojo a neuroninis tinklas rasti sąsajas tarp tam tikrų neuromuskulinių signalų ir tam tikrų žodžių.
Naudodami prototipo sąsają, mokslininkai atliko tinkamumo naudoti tyrimą, kurio metu 10 tiriamųjų praleido apie 15 minučių pritaikydami aritmetinę programą pagal savo neurofiziologiją ir dar 90 minučių naudojo ją skaičiavimams atlikti. Tame tyrime transkripcijos tikslumas vidutiniškai siekė apie 92 proc. Tačiau Kapur teigia, kad našumas turėtų pagerėti naudojant daugiau treniruočių duomenų, kuriuos būtų galima surinkti įprasto naudojimo metu.
Vykdydami darbą, mokslininkai renka duomenis apie sudėtingesnius pokalbius, tikėdamiesi sukurti programas su daug platesniu žodynu. Kapuras sako: manau, kad kada nors pasieksime visapusišką pokalbį.