MIT ศาสตราจารย์พัฒนาหุ่นยนต์ฟังเสียงที่สามารถเกินกว่าการได้ยินของมนุษย์

ศาสตราจารย์ Paris Smaragdis จากสถาบันเทคโนโลยีแมสซาชูเซตส์ (MIT) กำลังพัฒนานวัตกรรมเทคโนโลยีการฟังของเครื่องจักรที่มีประสิทธิภาพเหนือกว่ามนุษย์ โดยมีเป้าหมายในการสร้างระบบคอมพิวเตอร์ที่สามารถเข้าใจเสียงได้ดีกว่าการได้ยินของมนุษย์ ระบบดังกล่าวสามารถใช้ในการฟังเสียงยางรถที่ส่งเสียงดังและเสียงการชนของโลหะเพื่อระบุอุบัติเหตุจราจร รวมถึงสามารถเตือนเมื่อหัวเจาะในงานเจาะความร้อนใต้พิภพใกล้จะเกิดการแตกหัก

ทีมงานของ Smaragdis มุ่งเน้นการเรียนรู้ของเครื่องจักร โดยมีเป้าหมายในการแยกเสียงแต่ละเสียงจากเสียงที่ผสมกัน พัฒนาอุปกรณ์อัจฉริยะที่เสริมสร้างการได้ยินของมนุษย์ และสร้างเครื่องมือที่ดีกว่าในการสร้างและวิเคราะห์ดนตรี Smaragdis เติบโตในกรีซ และเคยศึกษาเบสที่ Berklee College of Music ในบอสตัน และได้รับปริญญาโทและปริญญาเอกจาก MIT Media Lab ในช่วงเริ่มต้นของอาชีพ เขาเลือกเส้นทางที่ไม่ธรรมดา นักเรียนหลายคนในห้องทดลองสื่อใช้เทคนิคการประมวลผลสัญญาณเพื่อช่วยให้เครื่องจักรจัดการเสียง แต่เขาหันไปใช้การเรียนรู้ของเครื่องจักร เนื่องจากวิธีนี้มีข้อได้เปรียบที่เทคนิคดั้งเดิมไม่สามารถเปรียบเทียบได้

การเรียนรู้ของเครื่องจักรและเทคโนโลยีการได้ยิน

เขาชี้ให้เห็นว่ามนุษย์ยังไม่ได้เข้าใจวิธีการได้ยินของตนเองอย่างเต็มที่ "เราไม่สามารถบอกคอมพิวเตอร์ได้เพียงแค่ให้ฟัง" เขากล่าว ดังนั้นมันจึงต้องเรียนรู้จากข้อมูล

ที่ Mitsubishi Electric Research Laboratories Smaragdis ได้สร้างระบบปัญญาประดิษฐ์ที่สามารถสแกนเสียงในวิดีโอเพื่อระบุเหตุการณ์ที่เกิดขึ้นในภาพ ตัวอย่างเช่น เสียงคำรามของฝูงชนสามารถบ่งบอกถึงช่วงเวลาที่น่าตื่นเต้นในเกมฟุตบอลโดยไม่ต้องวิเคราะห์วิดีโอ การวิจัยนี้ต่อมาได้นำไปใช้ในกล้องบันทึกส่วนบุคคล ระบบการตรวจสอบการจราจร และโทรศัพท์มือถือ ที่มหาวิทยาลัยอิลลินอยส์ในออร์บานา-แชมเพน ทีมงานของเขาใช้เครือข่ายประสาทเทียมในการแยกเสียงแต่ละเสียงจากเสียงผสม เทคโนโลยีนี้ดึงดูดความสนใจของทีมงานผลิตสารคดีมินิซีรีส์ "The Beatles: Get Back" ในปี 2021 ซึ่งเชิญ Smaragdis มาช่วยทำความสะอาดการบันทึกเสียงเก่า

การบันทึกเสียงเหล่านี้มักเผชิญกับความท้าทายที่แตกต่างกัน ในช่วงหนึ่ง จอห์น เลนนอน (John Lennon) กำลังเล่นดนตรี ขณะที่พอล แมคคาร์ตนีย์ (Paul McCartney) อ่านพาดหัวข่าวและล้อเลียนจอร์จ แฮร์ริสัน (George Harrison) Smaragdis กล่าวว่า ทีมงานกำลังมองหาวิธีแก้ปัญหาทางเทคนิคที่สามารถจัดการกับปัญหาทั้งหมดได้ แทนที่จะจัดการกับแต่ละปัญหาแยกกัน การมีส่วนร่วมของเขาช่วยให้ทีมงานได้รับรางวัล Emmy Award ในปี 2022 สำหรับการตัดต่อเสียงในรายการที่ไม่ใช่เรื่องสมมติหรือเรียลลิตี้

เครื่องมือสำหรับนักดนตรีและนักวิทยาศาสตร์

หลังจากทำงานในรัฐอิลลินอยส์เป็นเวลา 15 ปี Smaragdis ได้ย้ายไปที่ MIT โดยมุ่งเน้นการแก้ปัญหาข้ามสาขาที่เกิดขึ้นในสาขานี้ ทีมงานของเขากำลังมองหาสองเป้าหมายหลัก เป้าหมายแรกคือทำให้คอมพิวเตอร์มีประโยชน์มากขึ้นสำหรับนักดนตรี รวมถึงการเรียนรู้วิธีฟังดนตรีเพื่อให้สามารถให้ข้อเสนอแนะแบบสร้างสรรค์ "เราไม่ต้องการให้คอมพิวเตอร์มาแทนที่นักดนตรี" เขาย้ำ เป้าหมายที่สองคือการสร้างเครื่องมือพื้นฐานเพื่อให้นักวิทยาศาสตร์และศิลปินสามารถจัดการ วิเคราะห์ และควบคุมเสียงได้ ทีมงานของเขากำลังสำรวจอัลกอริธึมการประมวลผลสัญญาณที่ซับซ้อน ซึ่งกรอบอ้างอิงแบบดั้งเดิม รวมถึงอัตราการสุ่มตัวอย่างและหน้าต่างบริบท ไม่ได้ถูกกำหนดหรือแม้แต่ไม่ถูกกำหนด

เขากล่าวว่า สิ่งนี้ชี้ให้เห็นถึงโครงสร้างการคำนวณที่ยังไม่ได้ถูกสำรวจ ซึ่งอาจจัดการเสียงได้อย่างมีประสิทธิภาพมากขึ้น พวกเขายังสำรวจวิธีการนำโมเดลภาษาขนาดใหญ่เข้ามาใช้ในระบบการรู้จำเสียงและการเสริมเสียง Smaragdis ชี้ให้เห็นว่าการใช้ปัญญาประดิษฐ์ในการจัดการเสียงและดนตรีในแบบที่เหมาะสมยังไม่ได้ถูกค้นพบ เขาย้ำถึงความสำคัญของการฝึกปฏิบัติ เนื่องจากนักเรียนของเขามีประสบการณ์ในด้านการคำนวณเสียงน้อยมาก เพื่อให้พวกเขาสามารถมองเห็นและได้ยินได้ว่า สมการกลายเป็นสิ่งที่เป็นรูปธรรมได้อย่างไร

ศักยภาพในอนาคตของเทคโนโลยีการฟังของเครื่องจักร

การวิจัยของ Smaragdis ไม่เพียงแต่ผลักดันขอบเขตของการฟังของเครื่องจักรในด้านเทคนิค แต่ยังสำรวจความเป็นไปได้ใหม่ ๆ ที่จุดตัดระหว่างดนตรีและวิทยาศาสตร์ ทีมงานของเขามุ่งมั่นที่จะสร้างระบบที่สามารถเข้าใจและวิเคราะห์เสียง ซึ่งมีผลกระทบอย่างลึกซึ้งต่อการสร้างสรรค์ดนตรีและการวิจัยทางวิทยาศาสตร์ เมื่อปัญญาประดิษฐ์พัฒนาไป เทคโนโลยีการฟังของเครื่องจักรจะมีการใช้งานที่ขยายออกไปอย่างต่อเนื่อง และในอนาคตอาจมอบเครื่องมือที่มีประสิทธิภาพมากขึ้นให้กับผู้สร้างสรรค์และนักวิทยาศาสตร์ เพื่อเพิ่มประสิทธิภาพการทำงานและความคิดสร้างสรรค์ของพวกเขา