Wie Machine Learning Hörhilfen revolutionieren wird

Wenn du den Begriff "Machine Learning" hörst, woran denkst du zuerst? Denkst du daran, dass Computer uns am Arbeitsplatz überflüssig machen? Denkst du an bewaffnete Roboteraufstände?

Wenn deine erste Reaktion auf Machine Learning negativ ist, bist du nicht allein. Die meisten Menschen wissen sehr wenig darüber, was Machine Learning wirklich ist oder wie die Wissenschaft des Machine Learning uns als Einzelne täglich zugute kommt. Obwohl es viele akademische Definitionen gibt, ist Machine Learning im Wesentlichen die Wissenschaft der Mustererkennung und Vorhersage von Mustern durch Computer.

Nehmen wir ein reales Beispiel. In meiner persönlichen Google Fotos-Mediathek kann ich nach dem Begriff "Katze" suchen, und Google gibt mir Bilder zurück, die ich von meiner Katze (Niko) gemacht habe.

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

Wie könnte Google möglicherweise von Niko wissen? Die Antwort ist natürlich Machine Learning. Google hat seine Software trainiert, um häufige Objekte und Tiere zu erkennen, indem die Software Millionen von Fotos ausgesetzt wurde, in denen die Objekte und Tiere identifiziert wurden. Um besser zu verstehen, was Google in meinen Bildern "sieht", habe ich das erste Foto von Niko gemacht und es zu Googles Vision API hochgeladen.

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

… und hat sich etwas weniger sicher gezeigt, dass Niko ein Säugetier ist (hier sprechen wir von Machine Learning, nicht von echter menschlicher Intelligenz). Abgesehen von dieser Inkonsistenz hat Google einen ziemlich guten Job bei der Identifizierung der Muster im Bild gemacht. Um dieses Kunststück zu vollbringen, wurde Googles Musterkennungsmodul mit Millionen von Bildern von Katzen, Säugetieren, Schnurrhaaren, Fell usw. trainiert. Anmerkung: Wir dachten immer, Niko sei eine Tabby-Katze, aber nach dem Anschauen einiger Bilder von "Dragon Li"-Rassen überdenken wir das jetzt.

Abgesehen von der Erkennung deiner Katzenfotos, welche anderen realen Anwendungen des Machine Learning könnten dein Leben beeinflussen?

Reale Anwendungen des Machine Learning:

Machine Learning und Hörgeräte

Wie kann die Wissenschaft des Machine Learning dazu beitragen, Hörgeräte zu verbessern? Forscher auf diesem Gebiet haben einige konkrete Ziele genannt:

• Besseres Hören bei Hintergrundgeräuschen
• Verbesserte Soundqualität
• Größerer Hörtkomfort

Besseres Hören bei Hintergrundgeräuschen

Wie jeder erfahrene Hörgeräteträger weiß, ist das Hören bei Hintergrundgeräuschen extrem schwierig. Die Lösung des Hintergrundgeräusch-Problems ist der unerreichbare heilige Gral der Hörgerätetechnologie, und obwohl es seit der Einführung digitaler Hörgeräte eine Reihe von technologischen Innovationen gegeben hat (wie das Richtmikrofon und die Beamforming-Direktionalität), wurden nur schrittweise Fortschritte bei der Bereitstellung einer Lösung gemacht.

Was bedeutet das alles für dich?

Wie wirst du Widex's Machine-Learning-Technologie nutzen, und wie wird sie dir helfen? Im Wesentlichen läuft es darauf hinaus, deine Hörgeräteinstellungen mit der EVOKE™-Begleit-App zu optimieren. Mit der App können Widex EVOKE™-Hörgeräte für eine beliebige Anzahl einzigartiger Soundeinstellungen mit A/B-Vergleichen optimiert werden. Stellen wir uns vor, du bist in deinem liebsten Pizzarestaurant, und der Sound ist überwältigend und unangenehm. Um die Soundqualität zu verbessern und den Sound komfortabler zu gestalten, nimm dein Telefon und starte die EVOKE™-App, wo dir zwei Soundoptionen (A oder B) angezeigt werden. Du hörst dir beide Optionen kurz an und wählst dann aus, welches der beiden Soundprofile du bevorzugst.

Wenn das alles zu einfach und wenig technologisch klingt, liegt das daran, dass es so konzipiert wurde. Die Magie von Widex's Machine-Learning-Ansatz ist, dass er die Komplexität der Hörgerät-Soundoptimierung nimmt und sie in einer ansprechbaren, benutzerfreundlichen App verpackt, die fast jeder verstehen und bedienen kann. Durch die Vereinfachung der Aufgabe des Benutzers (wähle A oder B), die mehrere Hörgeräteinstellungen auf sinnvolle Weise anpasst (um Soundoptimierung zu bieten), hat Widex einen Volltreffer für Benutzer gelandet, die mehr Kontrolle über ihre individualisierten Soundeinstellungen möchten. Und es wird noch besser. Mit der Zeit lernt EVOKE™ deine Höreinspeichern kennen und kann durch Machine Learning die richtigen Soundeinstellungen vorhersagen, ohne dass du etwas tun musst.

Obwohl dieses Video nicht unbedingt auf Endbenutzer ausgerichtet ist, erklärt es sehr gut, wie die Technologie verwendet wird und wie sie den Benutzern zugute kommt:

Was ist mit den Katzenfotos?

Wie hängt das alles mit Google Fotos und Bildern von Katzen zusammen? Wenn Googles Vision API ein Bild betrachtet, könnte es genauso gut auf eine Menge Lärm schauen; zufällig gefärbte Pixel ohne jede Bedeutung. Googles Machine-Learning-Technologie nimmt diesen visuellen Lärm und gibt ihm Bedeutung, und zwar durch den Einsatz ausgefeilter Musterkennungstechniken, die die Umrisse einer Katze, Markierungen einer Tabby (oder Dragon Li) usw. erkennen.

Wenn deine Widex EVOKE™-Hörgeräte mit dem akustischen Lärm eines überfüllten Restaurants konfrontiert werden, beginnen sie einen ähnlichen Prozess. Was ist der Lärm? Welche Muster sind im Lärm vorhanden, und welche Art von Soundeinstellung ist das? Sobald die Muster von der Hörgerät-Software erkannt wurden, passen sich die Soundeinstellungen der Hörgeräte an, um optimale Soundqualität und Hörtkomfort zu bieten – alles basierend auf Machine Learning und das, was du der EVOKE™-App über deine Höreinspeichern beigebracht hast.

Die Zukunft von Machine-Learning-Hörgeräten?

Hörgeräte sind nun in der Lage, auf ausgefeilte Machine-Learning-Software zuzugreifen, indem sie sich drahtlos mit unseren Smartphones verbinden. Durch Widex EVOKE™ haben wir nun die erste reale Anwendung einer solchen Technologie gesehen; eine Technologie, die greifbare Vorteile für echte Hörgeräteträger bieten kann.

Was kommt als nächstes für Machine-Learning-Hörgeräte?

Wir wissen es nicht genau, aber wir werden wahrscheinlich erst dann den nächsten echten Fortschritt für Hörgeräteträger sehen, wenn Machine-Learning-Berechnungen auf dem Hörgerät selbst durchgeführt werden können (und das könnte lange dauern). Sobald Hörgeräte Super-Computer-Berechnungen durchführen können – ohne die Hilfe von Smartphones – sollten wir sehr nahe an einem Echtzeit-Sprache-bei-Lärm-Parser sein; eine Technologie, die dir endlich helfen sollte, besser bei Hintergrundgeräuschen zu hören.