Wie künstliche Intelligenz das Gehör vollständig wiederherstellen könnte

Während Wissenschaftler sich beeilen, die Hörverlustepidemie durch Biotechnologie zu lösen, werden Fortschritte in den Bereichen KI und maschinelles Lernen gemacht, die alternative Optionen für diejenigen darstellen könnten, die ihr Gehör wiederherstellen möchten – und die nicht dagegen haben, dabei zum Cyborg zu werden.

Hintergrundgeräusche sind der Feind

Für die meisten Menschen mit Hörverlust sind Hintergrundgeräusche das größte Problem. Und selbst mit ausgefeilter Technologie wie hyperdirektionalen Beamforming-Mikrofonarrays sind moderne Hörgeräte sehr begrenzt in ihrer Fähigkeit, Geräusche aus einer Unterhaltung zu entfernen. Während es einige Apps gibt, die Fortschritte bei der Rauschunterdrückung gemacht haben, und Apple und Bose in den Hörtech-Bereich einsteigen, sind wir noch weit entfernt von einer 100%igen Rauschunterdrückung – besonders bei komplexeren Geräuschen wie dem Geplauder in einem lauten Restaurant.

Lip-Reading-KI könnte das Rauschproblem lösen

Die Technologie hat sich in den letzten Jahren im Bereich des KI-basierten Lippenlesens schnell entwickelt. An der Schnittstelle von Computer Vision, künstlicher Intelligenz und Sprachwissenschaften ist KI-Lippenlesung der Prozess, bei dem ein Computer ein Video einer sprechenden Person anschaut – ohne Ton – und am Ende eine Audiodatei der hörbaren Sprache der Person ausgibt. Immer noch verwirrt? Schaue dir das Video unten an, um eine vollständige Erklärung dieser Technologie zu erhalten.

Saubere Sprache, endlich

Wie du in dem Video oben sehen kannst, sind Computer nun in der Lage, extrem saubere Sprache nur auf der Grundlage von Computer Vision zu erzeugen. Ich kann die Bedeutung dies aus der Perspektive von Menschen mit Hörverlust nicht überbetonten. Wenn ein Computer in der Lage ist, sich auf eine einzelne Person in einer Menschenmenge zu konzentrieren und ihre Stimme zu reproduzieren, ohne Hintergrundgeräusche entfernen zu müssen, überspringt diese Technologie effektiv die gesamte Wissenschaft der Rauschunterdrückung und bietet Menschen mit Hörverlust einen greifbaren Grund, für die Zukunft optimistisch zu sein.

Auf die richtige Person konzentrieren

Im Jahr 2018 kündigte Google AI ihre Fortschritte bei „Looking to Listen" an, einer Technologie, die es ermöglicht, eine bestimmte Person in einer Videoszene zu hören, selbst wenn mehrere Personen in der Szene gleichzeitig sprechen. Google verwendete ein cleveres Audio- und Visual-Feature-Erkennungsmodell, um extrem sauberes Audio basierend auf der einzelnen Person bereitzustellen, die du in dem Video isolieren möchtest. Ein Beispiel dafür ist im Video unten zu sehen.

Wie du in diesem 2 Jahre alten Video sehen kannst, ist die Technologie bereits für Audio-Fokussierung auf eine einzelne Person via Computer Vision verfügbar. Während Google sich auf Audio- und Video-Features stützte, um Sprache zu reproduzieren, sind moderne Ansätze (im Video oben diskutiert) noch einen Schritt weiter gegangen und haben die Notwendigkeit von Audio-Features völlig eliminiert. Das bedeutet, dass es möglich sein sollte, hochwertige, audio-fokussierte Sprache zu reproduzieren, unabhängig davon, ob der Sprecher vollständig von lauten, komplexen Hintergrundgeräuschen übertönt ist.

Anwendung in der realen Welt?

Wie würde diese Technologie also in der realen Welt funktionieren? Müsstest du eine Kamera, einen Computer und Kopfhörer mit dir herumtragen und auf die Personen klicken, auf die du hören möchtest? Und kann so etwas überhaupt in Echtzeit funktionieren? Derzeit gibt es wirklich keine Möglichkeit, eine KI-basierte Lippenlese-Lösung in Echtzeit zu implementieren, da eine erhebliche Computerverarbeitungszeit erforderlich ist, um fehlende Sprache zu reproduzieren.

Und wer will all diese Ausrüstung ohnehin mit sich herumtragen? Nun, erinnerst du dich an Google Glass? Head-Mounted-Kamera und Heads-up-Augmented-Reality-Display? Ich weiß, dass es ein Albtraum für den Datenschutz war, und ich weiß, dass alle es hassten, aber vielleicht könnten wir alle eine Ausnahme für Menschen mit Hörverlust machen?

Ich könnte mir vorstellen, dass Google Glass in einer neuen Welt der computergestützten Sprach-Fokussierung relevant wird. KI-Technologie müsste von ihrem aktuellen Zustand fortschreiten, um Echtzeit-Sprach-Fokussierung zu ermöglichen, aber ich könnte mir vorstellen, dass Google Glass (oder ähnliche) Träger einfach auf die Person schauen, auf die sie hören möchten, und die KI macht den Rest.

Saubere Sprache ins Ohr und darüber hinaus liefern

Nachdem die Hauptarbeit geleistet ist, wie wird gereinigter Sound ins Ohr geliefert? Für Menschen mit normalem Gehör sollte dies einfach sein. Du könntest den eingebauten Lautsprecher auf Google Glass (oder ein konkurrierendes Produkt) nutzen, um einen Sprach-Boost in Hintergrundgeräuschen zu bekommen. Oder du könntest eine beliebige Anzahl von kabellosen Ohrhörern nutzen, um das gereinigte Audio zu deinen Ohren zu liefern.

Ja, hier wird es wirklich verrückt, und es klingt mehr nach Science-Fiction als nach Realität. Aber Musk hat ein fantastisches Team von Biotech-Innovatoren zusammengestellt und eine Brain-Machine-Interface mit über 3.000 Elektroden geschaffen, die auf spezifische Gehirnregionen abzielen. Musk denkt, dass Neuralink eines Tages Musik direkt ins Gehirn übertragen wird. Und wenn sich das als wahr herausstellt, sollte Neuralink auch saubere menschliche Sprache direkt ins Gehirn liefern können.

Wie bald können wir mit all dem rechnen?

Leider habe ich keine Antwort darauf. Ich bin ermutigt durch die rasante Entwicklung von Computer-Vision-Lösungen zur Sprachreproduktion und das großartige Potenzial von Neuralink für die direkte Audioübertragung ins Gehirn. Ich werde diesen Bereich genau beobachten und unsere Leser mit Updates versorgen, sobald ich mehr erfahre.