కొత్త AI స్టేట్ ఆఫ్ ది ఆర్ట్ మెషిన్ హియరింగ్‌ను అధిగమిస్తుంది

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) లోతైన అభ్యాసం యొక్క నమూనా-గుర్తింపు సామర్థ్యాలు ప్రసంగం మరియు వాయిస్ గుర్తింపులో కొత్తదనాన్ని పెంచాయి. ఈ రోజు, బెల్జియంలో పరిశోధకులు ఒక అధ్యయనాన్ని విడుదల చేశారు నేచర్ మెషిన్ ఇంటెలిజెన్స్ అత్యాధునిక యంత్ర-ఆధారిత వినికిడి పరిష్కారాల కంటే 2000 రెట్లు వేగంగా పనిచేసే నిజ-సమయ, మానవ-వంటి సామర్థ్యాలతో కొత్త AI యంత్ర అభ్యాస నమూనాను పరిచయం చేస్తోంది.

యంత్ర ఆధారిత వినికిడి మార్కెట్ వృద్ధి అవకాశం. ఫార్చ్యూన్ బిజినెస్ అంతర్దృష్టుల ప్రకారం 2018-2026లో 19.8 శాతం CAGR తో 2026 నాటికి ప్రపంచ ప్రసంగం మరియు వాయిస్ గుర్తింపు 28.3 బిలియన్ డాలర్లకు చేరుకుంటుందని అంచనా. గ్రాండ్ వ్యూ రీసెర్చ్ ప్రకారం ప్రపంచవ్యాప్త వినికిడి చికిత్స మార్కెట్ 2025 నాటికి 7.3 బిలియన్ డాలర్లకు చేరుకుంటుందని మరియు 2019-2025లో 4.6 శాతం CAGR కలిగి ఉంటుందని అంచనా.

బయోఫిజిసిస్టులు, మెషీన్ లెర్నింగ్ నిపుణులు మరియు AI వైద్య పరికర పరిశోధకుల ప్రపంచం వెలుపల, యంత్ర-ఆధారిత వినికిడిని ప్రభావితం చేసే సమస్యలు సాధారణ జ్ఞానం కాదు. వినికిడి-సహాయాలు, యంత్ర-ఆధారిత వినికిడి, రోబోటిక్స్ మరియు స్వయంచాలక ప్రసంగ గుర్తింపు వ్యవస్థల కోసం ఫీచర్ వెలికితీత కోసం ఉపయోగించే ప్రస్తుత శ్రవణ నమూనాలు రెండు ప్రధాన సమస్యలను పంచుకుంటాయి-అవి నిజ సమయంలో పనిచేయవు మరియు వాటికి భారీ కంప్యూటింగ్ వనరులు అవసరం.

బెల్జియంలోని ఘెంట్ విశ్వవిద్యాలయంలోని పరిశోధకులు సారా వెర్హుల్స్ట్, దీపక్ బేబీ మరియు ఆర్థర్ వాన్ డెన్ బ్రూకే తదుపరి తరం యంత్ర-ఆధారిత వినికిడిని తెలియజేయడానికి కొత్త రకం శ్రవణ నమూనాను రూపొందించడానికి బయలుదేరారు.

శబ్ద నమూనాలను అర్థం చేసుకోవడానికి మానవ వినికిడి పరిజ్ఞానం అవసరం, బయోఫిజికల్ (వర్సెస్ బయోకెమికల్) ప్రక్రియ. మానవ వినికిడి బయటి చెవి నుండి చెవి కాలువ గుండా చెవి కాలువ ద్వారా ప్రయాణించే శబ్దంతో మొదలవుతుంది, ఇది బయటి మధ్య చెవి నుండి వేరు చేస్తుంది. చెవిపోటు మూడు చిన్న ఎముకలు (ఒసికిల్స్) ద్వారా సుత్తి (మల్లెయస్), అన్విల్ (ఇంకస్) మరియు స్టిరరప్ (స్టేప్స్) అని పిలువబడే ధ్వనిని కంపించి ప్రసారం చేస్తుంది. తరువాత, విస్తరించిన ధ్వని తరంగాలు లోపలి చెవిని కోక్లియాకు ప్రవేశిస్తాయి, ఇది ఒక నత్త యొక్క షెల్ రూపంతో ద్రవంతో నిండిన వంకర నిర్మాణం. కోక్లియాలోని ద్రవం ధ్వని కారణంగా పైకి క్రిందికి కదులుతుంది. ఇది జుట్టు కణాలపై అంచనాలు (స్టీరియోసిలియా) కోక్లియా యొక్క అంతర్గత పొరను (బాసిలార్ పొర) చుట్టుముట్టకుండా వంగి ఉంటుంది. ఈ భౌతిక కదలిక మరియు స్టీరియోసిలియా యొక్క వంపు అయాన్ చానెళ్లను తెరవడానికి ప్రేరేపిస్తుంది, ఇది కోక్లియా నుండి మెదడు యొక్క కాండం (మెడుల్లా) కు శ్రవణ (కోక్లియర్) నరాల ద్వారా పంపిన సిగ్నల్‌ను ఉత్పత్తి చేస్తుంది.

కోక్లియర్ మెకానిక్స్ యొక్క ప్రస్తుతమున్న సాధారణ నమూనాలు వేర్వేరు లోపాలను కలిగి ఉన్నాయి. అనేక నమూనాలు పరిశోధకుల ప్రకారం వక్రీకరణను ప్రవేశపెట్టవచ్చు. గామాటోన్ ఫిల్టర్‌బ్యాంక్ మోడల్ “కోక్లియర్ ఫిల్టరింగ్ యొక్క ఉద్దీపన-స్థాయి ఆధారపడటాన్ని విస్మరిస్తుంది.” సమాంతర నిర్మాణం ఒటోఅకౌస్టిక్ ఉద్గారాలను మరియు రేఖాంశ కలయికను మినహాయించింది. సాధారణంగా కోక్లియర్ మెకానిక్స్ కోసం ఉపయోగించే స్టేట్ ఆఫ్ ది ఆర్ట్ ట్రాన్స్మిషన్ లైన్ (టిఎల్) నమూనాలు, క్యాస్కేడ్ వ్యవస్థను ఉపయోగిస్తాయి-ఇది వడపోత సమయంలో సమాంతర కంప్యూటింగ్‌ను అనుమతించని గణనపరంగా ఖరీదైన పద్ధతి.

బెల్జియం పరిశోధకులు గణన సంక్లిష్టతను ప్రిప్రాసెసింగ్‌లో రియల్ టైమ్ కోక్లియర్ ట్రావెలింగ్ వేవ్ మోడళ్లకు గేటింగ్ కారకంగా పేర్కొన్నారు.

"ఈ సంక్లిష్టత రియల్ టైమ్ ఎగ్జిక్యూషన్‌ను అందించేటప్పుడు అత్యాధునిక విశ్లేషణాత్మక టిఎల్ మోడళ్ల పనితీరుతో సరిపోయే సమర్థవంతమైన మోడల్ కోసం మా శోధనను ప్రేరేపించింది" అని పరిశోధకులు రాశారు.

పరిశోధకులు వారి హైబ్రిడ్ AI మోడల్‌కు CoNNear అని పేరు పెట్టారు, ఇది పూర్తిగా కన్విలేషనల్ ఎన్‌కోడర్-డీకోడర్ న్యూరల్ నెట్‌వర్క్. CoNNear 20-kHz నమూనా ధ్వని తరంగ రూపాన్ని కోక్లియర్ బాసిలార్-మెమ్బ్రేన్ (BM) స్థానభ్రంశం తరంగ రూపాలకు మారుస్తుంది. CoNNear మోడల్ నిజ సమయంలో కోక్లియర్ యాంత్రిక ప్రతిస్పందనలను అనుకరిస్తుంది. CoNNear అనేది సమాంతర CPU గణనలపై ఆధారపడి ఉంటుంది, ఇవి GPU కంప్యూటింగ్‌తో వేగవంతం చేయబడతాయి మరియు రియల్-టైమ్ శ్రవణ లోతైన అభ్యాస అనువర్తనాలతో అనుసంధానించబడతాయి.

"CoNNear భేదాత్మక సమీకరణాలతో ఒక నిర్మాణాన్ని ప్రదర్శిస్తుంది మరియు అత్యాధునిక బయోఫిజికల్ రియలిస్టిక్ మోడల్స్ కంటే 2000 రెట్లు వేగంతో నిజ సమయంలో (7.5 ms ఆలస్యం) పనిచేస్తుంది" అని పరిశోధకులు నివేదించారు. "CoNNear ఫ్రేమ్‌వర్క్ కొత్త తరం మానవ-లాంటి యంత్ర వినికిడి, వృద్ధి చెందిన వినికిడి మరియు స్వయంచాలక ప్రసంగ-గుర్తింపు వ్యవస్థలను ప్రేరేపిస్తుందని మాకు చాలా ఆశలు ఉన్నాయి."

కాపీరైట్ © 2021 కామి రోసో అన్ని హక్కులూ ప్రత్యేకించుకోవడమైనది.