Hoe herkennen we wat één persoon zegt terwijl anderen tegelijkertijd spreken? Deze eenvoudige, maar eigenaardige vraag vormt de basis van het cocktailpartyprobleem, een term bedacht door cognitief wetenschapper Colin Cherry in 1953. Het beschrijft hoe het brein zich in een drukke, lawaaierige ruimte concentreert op één geluid of stem. Voor iedereen die een hoortoestel draagt, is het cocktailpartyprobleem reëel. Met veel hulp van machine learning zette promovendus Luan Fiorio zich in om dit probleem op te lossen.
Mensen met normaal gehoor kunnen specifieke stemmen isoleren uit een kamer vol stemmen, maar mensen met gehoorverlies hebben moeite om één stem te onderscheiden van veel andere stemmen, geluiden en galmen. “Hoortoestellen en andere gehoorapparaten kunnen helpen, en recente ontwikkelingen in machine learning-modellen hebben ze nog beter gemaakt, maar deze vooruitgang vereist veel rekenkracht.”
Normaal gesproken wordt hoortoestelsoftware (in deze context neurale netwerkmodellen) getraind via supervised learning, waarbij elk audiosignaal een label heeft dat het signaal beschrijft. Dit kan echter enkele problemen opleveren.
“Labels dragen vooroordelen. Zo kan de ene persoon een bepaald geluid labelen als afkomstig van een metrostation, terwijl een ander het als afkomstig van een luchthaven bestempelt”, zegt Fiorio. “Om labelbias te vermijden, heb ik geen labels gebruikt! In plaats daarvan gebruikte ik onbegeleid leren, waarbij het mogelijk is om neurale netwerken bepaalde taken te laten leren zonder het ‘juiste antwoord’ bij de hand te hebben.
Lees het hele bericht op de site van de TUe.
