211service.com
App luistert naar gevaar als u niet oplet
Een startup ontwikkelt machine learning-technologie die de manier waarop het oor werkt nabootst, waardoor het voor smartphones en draagbare apparaten gemakkelijker zal worden om constant te luisteren naar geluiden van gevaar.
een lama zal enkele van zijn mogelijkheden tonen in een app genaamd Audio Aware, die bedoeld is om slechthorende smartphonegebruikers te waarschuwen en afgeleide wandelaars (een probleem dat eerder is onderzocht in Veilig sms'en tijdens het lopen? Binnenkort komt daar misschien een app voor). De app, die naar verwachting in maart wordt uitgebracht, zal op de achtergrond draaien op een Android-smartphone, geluiden als gierende banden en loeiende sirenes detecteren en je daarop attenderen door bijvoorbeeld de muziek waarnaar je luistert te onderbreken. De app komt met kennis van een aantal gevaarlijke geluiden, en gebruikers kunnen hun eigen geluiden aan de app toevoegen en deze met andere mensen delen.
One Llama hoopt dat Audio Aware interesse zal wekken bij makers van draagbare gadgets, die de technologie zouden kunnen verwerken in slimme brillen, slimme horloges en fitnesstrackers. In die apparaten kan Audio Aware meer doen dan alleen alert zijn op gevaren: het kan gezondheidstoestanden, trainingen of zelfs locaties bewaken door aandacht te besteden aan de geluiden die je maakt en de geluiden om je heen. Vogelaars zouden het misschien willen gebruiken om kennis te maken met de verschillen tussen, laten we zeggen, een mannelijke chipping mus en een donkerogige junco.
De kern van de technologie van One Llama is wat het bedrijf zijn kunstmatige oor noemt. Wanneer geluid je oor binnenkomt, reist het door het spiraalvormige slakkenhuis, dat is bekleed met kleine haarcellen die trillen als stemvorken wanneer ze door bepaalde frequenties worden geraakt. Het kunstmatige oor van een lama is hiervan een softwareversie - in wezen een reeks digitale stemvorken die geluiden meten. Het is gebaseerd op werk dat medeoprichter David Tcheng en anderen hebben uitgevoerd aan de Universiteit van Illinois, waar hij onderzoekwetenschapper is.
Het bedrijf beweert dat deze methode sneller en flexibeler kan zijn dan andere gebruikelijke methoden voor het analyseren van de verschillende frequenties van de trillingen die we als geluiden horen.
In het geval van Audio Aware werkt het door via de microfoon van je smartphone te luisteren, zegt Tcheng, en vergelijkt hij constant wat het hoort met opgeslagen sjablonen van waarschuwingsgeluiden die het moet herkennen. Wanneer een voldoende overeenkomst, zoals een claxon, wordt gedetecteerd, annuleert het alle audio die je hoort en wordt de pijp in een versterkte versie van het geluid dat het oppikt, of misschien een cartoonachtige versie van dat geluid die gemakkelijker te horen is. herken.
Audio Aware zal kunnen werken zonder toegang tot een draadloos netwerk, maar het zal audio naar een externe server moeten streamen wanneer het nieuwe geluiden leert, bijvoorbeeld in een nieuw land waar sirenes anders klinken dan thuis.
Kan de app alles wat hij moet doen om je op tijd te waarschuwen voordat je voor een tegenligger stapt? Tcheng erkent die uitdaging, maar is van mening dat de software audiofuncties snel genoeg extraheert om gebruikers daadwerkelijk in realtime te helpen. Maar de technologie van One Llama is niet onfeilbaar. Tcheng gaf me een demonstratie van hoe de technologie van One Llama verschillende geluiden kon onderscheiden - waaronder brekend glas, een rinkelende deurbel en een toeterende claxon - boven het lawaai van een radio die speelde en een kat die in zijn huis miauwde. Hoewel de software geluiden zoals brekend glas correct identificeerde, identificeerde het ook ten onrechte een rinkelende deurbel. Na verloop van tijd zou het systeem vermoedelijk het verschil leren.
Richard Stern , een professor aan de Carnegie Mellon University die onderzoek doet naar spraakherkenning, zegt dat geluidsverwerkingsmethoden op basis van de werking van het slakkenhuis steeds gebruikelijker zijn geworden, deels omdat de rekenkracht van computers in de loop van de tijd zoveel goedkoper is geworden.
Aandacht besteden aan hoe het auditieve systeem signalen verwerkt, kan met name nuttig zijn voor het herkennen van geluiden in lawaaierige omgevingen, zegt hij. Maar de complexiteit van geluiden die we elke dag tegenkomen, betekent dat geluidsherkenningssystemen constant proberen één van de vele signalen binnen te halen, en het is vrijwel onmogelijk om van tevoren te voorspellen hoe deze signalen zich zullen combineren. De mens loopt wat dat betreft nog ver voor op computers.