211service.com
Transskriberer stemmen i dit hoved
Lorrie Lejeune / MIT
MIT-forskere har udviklet en computergrænseflade, der kan transskribere ord, som brugeren verbaliserer internt, men som faktisk ikke taler højt.
Elektroder i den bærbare enhed opfanger neuromuskulære signaler i kæben og ansigtet, der udløses af at sige ord i dit hoved, men som ikke kan spores for det menneskelige øje. Signalerne føres til et maskinlæringssystem, der er blevet trænet til at korrelere bestemte signaler med bestemte ord.
Enheden, kaldet AlterEgo, inkluderer også knogleledende hovedtelefoner, som overfører vibrationer gennem ansigtsknogler til det indre øre. Fordi hovedtelefonerne ikke blokerer øregangen, kan systemet formidle information uden at afbryde samtalen eller forstyrre den auditive oplevelse.
AlterEgo tilbyder en privat og diskret kanal til at transmittere og modtage information, lade bærere gøre sådanne ting som uopdageligt posere og modtage svar på vanskelige beregningsproblemer eller lydløst rapportere modstanderes træk i et skakspil og lige så lydløst modtage computer-anbefalede svar.
Vi kan dybest set ikke leve uden vores mobiltelefoner, siger Pattie Maes, professor i mediekunst og -videnskab og specialerådgiver for Arnav Kapur, Media Labs kandidatstuderende, der ledede systemets udvikling. Men i øjeblikket er brugen af disse enheder meget forstyrrende. Hvis jeg vil slå noget op, der er relevant for en samtale, jeg har, skal jeg finde min telefon og indtaste adgangskoden og åbne en app og indtaste et søgeord. Målet med AlterEgo var at bygge et ikke-invasivt intelligensforøgelsessystem, der ville blive fuldstændig kontrolleret af brugeren.
Ideen om, at interne verbaliseringer har fysiske korrelater, har eksisteret siden det 19. århundrede, og den blev seriøst undersøgt i 1950'erne. Et mål med hurtiglæsningsbevægelsen i 1960'erne var at eliminere denne subvokalisering, som den er kendt.
Men subvokalisering som en computergrænseflade er stort set uudforsket. For at bestemme, hvilke ansigtsplaceringer der giver de mest pålidelige neuromuskulære signaler, satte forskerne 16 elektroder til forskernes ansigter og fik dem til at subvokalisere den samme række af ord fire gange.
Forskerne skrev kode for at analysere de resulterende data og fandt ud af, at signaler fra syv elektrodeplaceringer konsekvent var i stand til at skelne subvokaliserede ord. I et papir, de præsenterede på Association for Computing Machinery's ACM Intelligent User Interface-konference, beskrev de en prototype af en bærbar lydløs-tale-grænseflade, som vikler sig rundt om nakken som et telefonheadset og har tentakellignende buede vedhæng, der rører ved. ansigtet på syv steder på hver side af munden og langs kæberne.
Men i efterfølgende eksperimenter opnåede forskerne sammenlignelige resultater ved kun at bruge fire elektroder langs den ene kæbe, hvilket kunne give en mindre påtrængende enhed.
Efter at have valgt elektrodeplaceringerne indsamlede forskerne data om nogle få beregningsopgaver med ordforråd på omkring 20 ord hver. Den ene var aritmetik, hvor brugeren subvokaliserede store additions- eller multiplikationsproblemer; en anden var skakapplikationen, hvor brugeren rapporterede træk ved hjælp af standard skaknummereringssystem.
Derefter brugte de for hver ansøgning en neurale netværk at finde sammenhænge mellem bestemte neuromuskulære signaler og bestemte ord.
Ved hjælp af prototypegrænsefladen gennemførte forskerne en usability-undersøgelse, hvor 10 forsøgspersoner brugte omkring 15 minutter på at tilpasse den aritmetiske applikation til deres egen neurofysiologi og yderligere 90 minutter på at bruge den til at udføre beregninger. I denne undersøgelse var transskriptionsnøjagtigheden i gennemsnit omkring 92 procent. Men, siger Kapur, præstation bør forbedres med flere træningsdata, som kunne indsamles under almindelig brug.
I det løbende arbejde indsamler forskerne data om mere omfattende samtaler i håbet om at bygge applikationer med meget mere ekspansivt ordforråd. Siger Kapur, jeg tror, vi vil opnå fuld samtale en dag.