เสียงที่ได้ยินนั้นสามารถบ่งชี้ได้อะไรหลายอย่าง ไม่ว่าจะเป็นการสั่นสะเทือน ปัญหาที่เกิดขึ้นในการใช้งานต่าง ๆ แต่การฝึกฝน AI ให้ตรวจจับเสียงเหล่านั้นได้อาจได้รับอิทธิพลจากมนุษย์ในการฝึกฝนระบบและนำไปสู่ความผิดพลาดในการใช้งานได้
นักวิจัยจาก University of Basque Country ได้แสดง Distortion Metrics ซึ่งใช้ในการตรวจจับการก่อกวนสัญญาณเสียงซึ่งในการรับรู้ของมนุษย์นั้นไม่อาจเชื่อถือได้ และได้ยกตัวอย่างกรณีที่จะช่วยยกระดับความสามารถเหล่านี้ขึ้นมา
AI ในฐานะเทคโนโลยี ML ที่มีคนใช้งานเพิ่มมากขึ้นโดยเฉพาะอย่างยิ่งการใช้งานกับชุดข้อมูลขนาดใหญ่กลายเป็นทางออกในการบูรณาการเทคโนโลยีต่าง ๆ ซึ่งการตรวจจับเสียงก็ถูกใช้งานด้วยเช่นกัน เช่น การใช้ Speec Recognition หรือการจดจำคำพูดเป็นต้น ทว่าโมเดลเหล่านี้กลับสามารถถูกหลอกได้ด้วยตัวอย่างที่ใช้ในการฝึกฝนระบบ
การใส่ข้อมูลและแนะนำระบบที่ผิดพลาดโดยมนุษย์ไม่อาจสังเกตได้นั้นเป็นปัญหาที่เกิดขึ้นได้ และปัญหาเหล่านี้ส่งผลกระทบต่อผลลัพธ์ในการใช้งานในท้ายที่สุด เช่น การได้ยินคำสั่งที่ผิดพลาด อย่างสั่งให้เลี้ยวซ้ายแต่ระบบได้ยินเป็นเลี้ยวขาว หรือจากใช่ เป็นคำว่าไม่
ต้องยอมรับว่างานวิจัยไม่น้อยที่อยากพัฒนาสิ่งใหม่ ๆ เทคโนโลยีใหม่ ๆ แต่ไม่ได้ห้ความสำคัญกับผลกระทบที่ผิดเพี้ยนอันเกิดจากมนุษย์สักเท่าไหร่นัก การศึกษานี้จึงได้เกิดขึ้นเพื่อตรวจวัดความผิดเพี้ยนการรับรู้ของมนุษย์ โดยทำการทดลลองกับมนุษย์ 36 คนผ่านตัวอย่างเสียงที่มีปัจจัยแตกต่างกัน ซึ่งตัวชี้วัดซึ่งใช้โดยกรรมวิธีดั้งเดิมแสดงให้เห็นว่าไม่สามารถเชื่อถือได้ และไม่อาจเรียกได้ว่าเป็ฯตัวแทนการรับรู้ของมนุษย์ได้เสียทีเดียว เพราะบางครั้งไม่สามารถตรวจจับได้แต่พอใช้มนุษย์ตรวจจับกลับพบเป็นต้น
นักวิจัยได้เสนอวิธีที่มีความแม่นยำมากขึ้นโดยใช้ปัจจัยที่แน่นอนบางอย่างในเสียงซึ่งเกี่ยวข้องกับสิ่งที่เกิดขึ้นเพื่อตรวจจับักษณะเฉพาะที่เกิดขึ้น แต่ในท้ายที่สุดยังคงเป็นปัญหาปลายเปิดเพราะประเด็นนี้ยากที่จะใช้มาตรวัดทางคณิตศาสตร์มาตรวจจับโมเดลการรับรู้ทางเสียง ขึ้นอยู่กับรูปแบบประเภทสัญญาณเสียง มาตรวัดที่แตกต่างอาจจะใช้สำหรับปัจจัยที่แตกต่างกัน
ที่มา:
Ehu.eus
เนื้อหาที่น่าสนใจ:
ชิ้นส่วนอิเล็กทรอนิกส์ที่เยียวยาตัวเองได้อาจออกสู่ตลาดอีกไม่ช้า
