„Bár az automatizáció azokon a feltételezéseken alapul, hogy mit kellene és nem kellene erősítenünk – emeli ki Townend. Még az elérhető legkifinomultabb automatizációs rendszerek sem tudhatják, hogy a felhasználó az adott szituációban mit is szeretne hallani.”
Például, ha egy társasági összejövetelen van, mindig a beszélgetésre szeretne fókuszálni, vagy néha azt szeretné hallgatni, hogyan játszik a zongorista a háttérben?
Vagy gondoljon arra, amikor először állítják be a hallókészülékét
az audiológián. El kell magyaráznia, hogyan hall az adott szituációban, vagy mi az, ami kihívást jelent az Ön számára – ami nem mindig egyszerű. Ezután audiológusának értelmeznie kell, és lefordítani a hallókészülék beállításának „nyelvére”. Fontos dolgok veszhetnek el a fordításban.
Ezen felül egy hallókészüléknek rengeteg paramétere állítható ezer és egy módon. Ha az összes lehetséges beállítást szeretnénk összehasonlítani azáltal, hogy mit gondol, az „A hang” vagy a „B hang” jobb-e, kb. 2.500.000 összehasonlítást kellene elvégeznünk, hogy minden paramétert kipróbáljunk.
Gépi tanulás hozzáadása
A fenti kihívások tükrében a Widex előállt egy gépi tanuláson alapuló megoldással, amely a felhasználó preferenciáinak és szándékának megfelelően működik.
„Egy egyszerű okostelefonos felületet mutatunk be. Egyszerű A/B összehasonlításokkal vezetjük el a felhasználót a jobb hallás felé azáltal, hogy kiválasztja, melyik opció hangzik jobban. Ezután a gépi tanulás segít annak megjóslásában, hogy az adott helyzetben mi lesz a preferált beállítás. Mindössze ki kell választani, hogy melyik hangzás felel meg jobban a célnak, hogyan szeretne hallani az adott szituációban. A gépi tanulási mechanizmus innentől végzi a dolgát” – magyarázza Townend.
A Widex kutatása azt mutatja, hogy egy ilyen rendszerrel mindössze kb. 20 összehasonlítással elérhető az ideális hallókészülék beállítás, ami jelentős eltérés a 2.500.000-el szemben.
Lehet, hogy az Ön következő hallókészüléke is beépített gépi tanulási mechanizmussal lesz ellátva?