Wie maschinelles Lernen Hörgeräte revolutionieren wird

Wenn Sie den Begriff „machine learning“ hören, woran denken Sie als Erstes? Denken Sie daran, dass Computer uns am Arbeitsplatz überflüssig machen? Denken Sie an bewaffnete Roboteraufstände?

Wenn Ihre erste Reaktion auf maschinelles Lernen negativ ist, sind Sie nicht allein. Die meisten Menschen wissen sehr wenig darüber, was maschinelles Lernen wirklich ist oder wie die Wissenschaft des maschinellen Lernens uns als Einzelpersonen täglich zugutekommt. Zwar gibt es viele akademische Definitionen, doch maschinelles Lernen ist – im Wesentlichen – die Wissenschaft der Mustererkennung und Mustervorhersage durch Computer.

Nehmen wir ein Beispiel aus der Praxis. In meiner persönlichen Google Photos-Bibliothek kann ich nach dem Begriff „cat“ suchen, und Google gibt Bilder zurück, die ich von meiner Katze (Niko) aufgenommen habe.

Aber warte. Ich habe Google nie gesagt, dass sich auf diesen Bildern eine Katze befindet.

Wie konnte Google möglicherweise von Niko wissen? Die Antwort ist natürlich maschinelles Lernen. Google hat seine Software darauf trainiert, häufige Objekte und Tiere zu erkennen, indem die Software Millionen von Fotos ausgesetzt wurde, auf denen die Objekte und Tiere identifiziert wurden. Um besser zu verstehen, was Google in meinen Bildern „sieht“, habe ich das erste Foto von Niko genommen und es in Googles Vision API hochgeladen.

Google war zu 99 % sicher, dass Niko eine Katze war…

… und amüsanterweise etwas weniger sicher, dass Niko ein Säugetier war (wir sprechen hier über maschinelles Lernen, nicht über echte menschliche Intelligenz). Abgesehen von dieser Inkonsistenz hat Google die Muster im Bild ziemlich gut erkannt. Um diese Leistung zu vollbringen, wurde Googles Mustererkennungs-Engine mit Millionen von Bildern von Katzen, Säugetieren, Schnurrhaaren, Fell usw. trainiert. Hinweis: Wir dachten immer, Niko sei ein Tabby, aber nachdem wir uns einige Bilder von Katzen der Rasse „Dragon Li“ angesehen haben, überlegen wir es uns noch einmal.

Abgesehen davon, dass deine Katzenfotos erkannt werden: Welche anderen Anwendungen des maschinellen Lernens in der realen Welt könnten dein Leben beeinflussen?

Anwendungen des maschinellen Lernens in der realen Welt:

Maschinelles Lernen und Hörgeräte

Wie kann die Wissenschaft des maschinellen Lernens dazu beitragen, Hörgeräte zu verbessern? Forschende auf diesem Gebiet haben einige konkrete Ziele formuliert:

• Besseres Hören bei Störgeräusch
• Verbesserte Klangqualität
• Höherer Hörkomfort

Besseres Hören bei Störgeräusch

Wie jeder erfahrene Hörgerät-Nutzer weiß, ist das Hören bei Störgeräusch äußerst schwierig. Die Lösung des Störgeräusch-Problems ist der schwer fassbare heilige Gral der Hörgerät-Technologie, und obwohl es seit den Anfängen digitaler Hörgeräte eine Reihe technologischer Innovationen gegeben hat (wie das Richtmikrofon und die Strahlformungs-Richtwirkung), wurden bei der Bereitstellung einer Lösung nur schrittweise Fortschritte erzielt.

Was bedeutet das alles für Sie?

Wie werden Sie die Machine-Learning-Technologie von Widex nutzen, und wie wird sie Ihnen helfen? Im Wesentlichen geht es darum, Ihre Hörgeräteeinstellungen mithilfe der EVOKE™ Begleit-App zu optimieren. Mit der App können Widex EVOKE™ Hörgeräte mithilfe von A/B-Vergleichen für eine beliebige Anzahl einzigartiger Klangumgebungen optimiert werden. Angenommen, Sie sind in Ihrem Lieblingspizzarestaurant und empfinden den Klang als überwältigend und unangenehm. Um die Klangqualität zu verbessern und den Klang angenehmer zu gestalten, nehmen Sie Ihr Telefon und starten die EVOKE™ App, in der Ihnen zwei Klangoptionen (A oder B) präsentiert werden. Sie hören sich beide Optionen kurz an und wählen dann aus, welches der beiden Klangprofile Sie bevorzugen.

Wenn das alles übermäßig einfach und wenig technisch wirkt, dann liegt das daran, dass es genau so konzipiert wurde. Das Besondere am Machine-Learning-Ansatz von Widex besteht darin, die Komplexität der Klangoptimierung von Hörgeräten in einer zugänglichen, benutzerfreundlichen App zu verpacken, die fast jeder verstehen und bedienen kann. Indem dem Nutzer eine sehr einfache Aufgabe gestellt wird (A oder B auswählen), die mehrere Hörgeräteeinstellungen auf sinnvolle Weise anpasst (um die Klangoptimierung zu ermöglichen), hat Widex für Nutzer, die mehr Kontrolle über ihre individuellen Klangeinstellungen wünschen, einen Volltreffer gelandet. Und es wird noch besser. Mit der Zeit lernt EVOKE™ Ihre Hörpräferenzen kennen und kann durch Machine Learning die richtigen Klangeinstellungen vorhersagen, ohne dass Sie überhaupt etwas tun müssen.

Auch wenn dieses Video nicht unbedingt für Endnutzer gedacht ist, erklärt es hervorragend, wie die Technologie eingesetzt wird und welchen Nutzen sie den Nutzern bietet:

Was ist mit den Katzenfotos?

Wie hängt das alles also mit Google Photos und Bildern von Katzen zusammen? Wenn Google’s Vision API ein Bild betrachtet, könnte es genauso gut einen Haufen Rauschen sehen; zufällig angeordnete farbige Pixel ohne jegliche Bedeutung. Google’s Technologie für maschinelles Lernen nimmt dieses visuelle Rauschen und verleiht ihm Bedeutung, indem sie ausgefeilte Techniken zur Mustererkennung einsetzt, die die Umrisse einer Katze, die Zeichnung einer Tabby (oder Dragon Li) usw. erkennen.

Wenn Ihre Widex EVOKE™ Hörgeräte dem akustischen Lärm eines gut besuchten Restaurants ausgesetzt sind, beginnen sie einen ähnlichen Prozess. Was ist das Rauschen? Welche Muster sind im Rauschen vorhanden, und um welche Art von Hörumgebung handelt es sich? Sobald die Muster von der Hörgerät-Software erkannt wurden, passen sich die Klangeinstellungen der Hörgeräte an, um optimale Klangqualität und Hörkomfort zu bieten – alles auf Grundlage von maschinellem Lernen und dessen, was Sie der EVOKE™ App über Ihre Hörpräferenzen beigebracht haben.

Die Zukunft von Hörgeräten mit maschinellem Lernen?

Hörgeräte können heute auf ausgefeilte Software für maschinelles Lernen zugreifen, indem sie sich drahtlos mit unseren Smartphones verbinden. Durch Widex EVOKE™ haben wir nun die erste reale Anwendung einer solchen Technologie erlebt; eine Technologie, die echten Hörgeräteträgern konkrete Vorteile bieten kann.

Wie geht es mit Hörgeräten mit maschinellem Lernen weiter?

Wir wissen es nicht genau, aber wir werden den nächsten echten Fortschritt für Hörgerät-Nutzer wahrscheinlich erst sehen, wenn Berechnungen des maschinellen Lernens direkt auf dem Hörgerät durchgeführt werden können (und das könnte noch lange dauern). Sobald Hörgeräte zu leistungsfähigen Supercomputer-Berechnungen fähig sind – ohne die Unterstützung von Smartphones –, sollten wir einem Echtzeit-Sprach-in-Störgeräusch-Parser sehr nahe kommen; einer Technologie, die Ihnen helfen sollte, endlich besser bei Störgeräusch zu hören.