08. 01. 21
Mély Neurális Hálózat (MNH)
Mi az Oticonnál elkötelezetten dolgozunk azért, hogy megváltoztassuk a halláscsökkenéssel élők életét. Ennek egyik módja a vezető technológiák kifejlesztése és alkalmazása. Ezért dolgoztunk MNH-val, azaz a „Mély Neurális Hálózattal” legújabb hallókészülékünk, az Oticon More™ esetében.
Ez a fajta technológia új az audiológia területén, és valószínűleg Önnek is vannak kérdései vele kapcsolatban. Ebben a blogbejegyzésben érthetően elmagyarázzuk, mi az a MNH, bemutatjuk előnyeit és azt, ezeket Ön hogyan tudja érthetően elmagyarázni ügyfeleinek.
Lehet, hogy a MNH-t – vagyis a mély neurális hálózatot – nem ismeri fel a nevéről, de valószínűleg már használta anélkül, hogy észrevette volna. Számos mindennapi feladatra, például nyelvi fordításra használják. Még orvosi diagnosztikára is használták már – a UCLA egy MNH-t képzett ki a rákos sejtek felismerésére! Most pedig hangfeldolgozásra és kiegyenlítésre használjuk az Oticon More-ban. De mi is pontosan a MNH, és hogyan működik?
A MNH lényege, hogy a rendszer ismétlődő műveleteken keresztül tanul egy mintagyűjteményből, például 1000 különböző kutyáról készült képből, nem pedig egy merev szabályrendszert használva, tehát nem úgy, hogy azt mondjuk neki: „a kutyának fekete orra és lógó füle van”. Ily módon a MNH ugyanúgy tanul, mint az emberi agy – gyakorlással és hibák elkövetésével.
Így működik:
- A számítógép kap egy információt, például egy képet vagy egy hangot. Mondjuk, példánkban legyen ez a hang egy trombita hangja. Önnel vagy velem ellentétben a számítógép elsőre nem tudja, mi ez a hang.
- A számítógép átfuttatja ezt a hangot a mély neurális hálózatán (MHN), felismerve, amit csak tud, és szétválogatja a hang elemeit – például a magas és mély hangokat.
- A folyamat végén pedig eldönti, hogy a hang a trombita hangja-e vagy sem.
- Erről a válaszról visszajelzést kap – egy igent vagy egy nemet –, amelyet a számítógép a döntéshozatal megerősítésére használ fel.
- A folyamat újra és újra megismétlődik sok különböző trombitahanggal, amíg a számítógép meg nem tanulja azonnal felismerni ennek a hangszernek a hangját. Pontosan úgy, ahogy az agy is tanul.
A hagyományos hallókészülékek olyan elméleti modellekre és szigorúan meghatározott szabályokra támaszkodnak, amelyek a legjobban javítják a beszédet és csökkentik a háttérzajt. Ez azonban rugalmatlanságot okozhat a változó környezetben, mivel hibázhatnak és nem tudják „elkapni” a hang minden árnyalatát. Miután egy MNH-nak megtanítottunk 12 millió valós hangjelenetet – például családi összejövetelek, éttermek, forgalmas utak és tömegközlekedés –, beépítettük az új hallókészülékünkbe, az Oticon More-ba. A hallókészülék ezután képes a MNH intelligenciáját felhasználni, hogy utánozza az agy működését a hangok rangsorolásakor és kiegyensúlyozásakor.
Mik a MNH előnyei, és hogyan tudja Ön ezeket elmagyarázni ügyfeleinek?
Hozzáférést biztosít a hallókészülék használó számára egy teljes és pontosan kiegyensúlyozott hangjelenethez – a MNH-t a legkülönfélébb hangjelenetek feldolgozására képezték ki, így az összes releváns hanghoz világosabb és kiegyensúlyozottabb módon tud hozzáférést biztosítani.
Egyik tanulmányunk kimutatta, hogy a teljes hangjelenetet 60%-kal tisztábbá teszi a felhasználó számára.
A tisztább hang segíti a felhasználókat a beszélgetés követésében – Ez a tisztább hanginformáció javítja az agy képességét a legfontosabb hangok követésére, miközben nyitottságot biztosít más hangforrásokra. Például egy baráti beszélgetést így jobban lehet követni, egy forgalmas étteremben ülve.
Segít jó neurális kódot biztosítani az agy számára, hogy támogassa annak optimális működését – A MNH utánozza azt a módot, ahogy az agy tanul. Ez pedig azáltal támogatja a hallásközpontot, hogy megadja az agynak azt, amire az optimális működéshez szüksége van – és ez segíthet az agy egészségének megőrzésében is.
Learn more about how sound supports the brain’s health here.
Nézze meg, mit mondanak a tesztelőink az Oticon More-ról
Az Oticon More nagy hatással lehet ügyfelei életére, hiszen a Mély Neurális Hálózata forradalmi használata segít az elfelejtett hangok újrafelfedezésétől kezdve egészen addig, hogy a zajos helyzetek többé ne tartsák vissza ügyfeleit.
Find out more about Oticon More here.
If you’d like to learn more about DNN, read our technology page.
_________________________________________
[1] Bahram Jalali, Claire Lifan Chen, and Ata Mahjoubfar, University of California, Los Angeles (UCLA)
https://www.mathworks.com/company/newsletters/articles/cancer-diagnostics-with-deep-learning-and-photonic-time-stretch.html
[2] Santurette, S., Juul Jensen, J., Ng, E.H.N. , Man, K.L.B (2020) Oticon More(TM) Clinical Evidence. Oticon Whitepaper