人工智慧在助聽器製造中的應用

人工智慧在不同領域的應用每天都在增長。在醫療保健領域有許多人工智慧應用實例。發生在助聽器中的人工智慧實際上已經持續了很多年，下面是關於它是如何發生的。他指出，助聽器過去相對簡單，但當助聽器引入一種稱為寬動態範圍壓縮（WDRC）的技術時，這些設備實際上開始根據聽到的聲音做出一些決定。助聽器要有效工作，就需要適應個人的聽覺需求以及各種背景噪聲環境。人工智慧、機器學習和神經網絡是處理這樣一個複雜、非線性、多變量問題的很好的技術。


研究結果


到目前為止，研究人員已經能夠用人工智慧在改善聽力方面取得很多成就。例如，俄亥俄州立大學的感知和神經動力學實驗室（PNL）的研究人員訓練了DNN來區分語音和其他噪聲（如哼唱和其他背景會話）。俄亥俄州立大學計算機科學與工程系的教授德亮望在IEEE頻譜中進一步解釋說，「聽力受損的人可以破譯只有29%的單詞被胡言亂語而沒有這個程序，但是他們在處理後理解了84%。」
神經網絡在助聽器中的應用


近年來，各大助聽器製造商都在其高端助聽器型號中加入了人工智慧技術。例如，Widex的Moment助聽器利用人工智慧和機器學習，根據佩戴者的典型環境創建聽力程序。最近，奧的康推出了最新的助聽器，奧的康更多™, 帶車載深度神經網絡的第一助聽器。奧的康莫爾公司已經決定了1200多萬個真實生活中的聲音，以便人們穿著它可以更好地理解語音和周圍的聲音。在一個擁擠的地方，奧蒂康莫爾的神經網絡接收一層複雜的聲音，稱為輸入。DNN開始工作，首先掃描並從輸入中提取簡單的聲音元素和模式。它構建了這些元素，使她能夠識別和理解正在發生的事情。最後，助聽器再決定如何平衡聲音場景，確保輸出是乾淨的，理想的平衡到人的獨特類型的聽力損失。環境中的語音和其他聲音都是複雜的聲波波形，但具有獨特的模式和結構，這正是深度學習所要分析的數據類型。


人工智慧助聽器的必要性


助聽器的價格範圍很廣，一些低端的助聽器沒有人工智慧驅動的鈴鐺和口哨。有些患者可能不需要所有的功能，比如獨居或很少離開家的人發現自己處於擁擠的場景中，例如，可能無法從高端機型的功能中獲益。


但對於那些經常外出走動的人來說，尤其是在有大音景的情況下，人工智慧功能可以改善聽覺體驗。記憶力的提高可以用很多更自然的方法來衡量，那就是回憶記憶。並不是像Oticon這樣的助聽器更能提高人的記憶力，而是人工智慧幫助人們花更少的時間去理解周圍的噪音，這一過程被稱為傾聽努力。當傾聽的努力變得更自然時，一個人可以更專注於談話和其中傳達的所有細微差別。因此，人工智慧在助聽器中的應用將有助於大腦以更自然的方式工作。