Whisper Hearing System: KI-Störschallunterdrückung

In der heutigen Folge des The HearingTracker Podcast spricht Moderator Steve Taddei mit Dr. Don Schum, dem Leiter der Audiologie bei Whisper. Das in San Francisco ansässige Unternehmen Whisper stellt Hörgeräte her, die Störgeräusche durch „Denoising“ entfernen, ein Verfahren, das auf Artificial Intelligence (AI) und Deep Neural Networks (DNNs) basiert. Im Interview gibt Dr. Schum Einblicke in die Entstehung und Mission von Whisper und erklärt in einfachen Worten, wie Whisper modernste Technologien nutzt, um Whisper-Besitzern dabei zu helfen, bei Störgeräuschen besser zu hören.

Podcast-Transkript

Steve Taddei: Hallo, ich bin Dr. Steve Taddei und Sie hören den Hearing Tracker Podcast.

Wenn Sie unsere letzte Folge gehört haben, wissen Sie, dass wir begonnen haben, an der Oberfläche der künstlichen Intelligenz zu kratzen.

Giles Tongue: Allgemein gilt: Alles, was ein Tier oder ein Mensch tut und was Sie als intelligent beschreiben, ist künstliche Intelligenz, wenn es von einer Maschine erledigt wird.

Steve Taddei: Aber wir konzentrierten uns hauptsächlich auf echte kabellose Stereo-Ohrhörer. Deshalb wollte ich heute in der Sendung herausfinden, wie maschinelles Lernen und tiefe neuronale Netzwerke in anderen Hörtechnologien wie Hörgeräten eingesetzt werden.

Ist es das nächste große Ding oder eher ein Buzzword? Wie genau wird es eingesetzt? Und die große Frage: Bietet diese Technologie mehr als nur einen Hauch Hoffnung, um Sprache im Störschall zu verbessern? Okay, das war ein schlechter Witz, aber meine Art, den Gast dieser Folge vorzustellen. Um diese Fragen zu beantworten, sprach ich mit Dr. Donald Schum, dem Leiter der Audiologie bei einem Unternehmen namens Whisper.

Donald Schum: Whisper wurde von einem Herrn gegründet, der aus den KI-Bereichen im Silicon Valley kam. Sie arbeiteten für einige der großen Technologieunternehmen dort. Und sie wollten ihr Fachwissen im Bereich KI nutzen, um in einem Unternehmen etwas Neues zu schaffen. Sie hatten viel Aufmerksamkeit auf das Potenzial einiger fortschrittlicher Formen künstlicher Intelligenz gerichtet, um das Sprachverstehen zu verbessern und Anwendungen für Sprache im Störschall und Ähnliches zu verbessern.

Also versammelten sie eine Gruppe von Menschen, die sie aus dem Silicon-Valley-Umfeld kannten und die viel über Audio, Unterhaltungselektronik, Signalverarbeitung und natürlich KI wussten, um Hörgeräte zu entwickeln.

Steve Taddei: KI mag neu erscheinen, aber sie hat ihren Weg in die meisten unserer elektronischen Geräte gefunden. Wahrscheinlich sind Sie gerade nicht weiter als eine Armlänge davon entfernt.

Siri: Hallo, jetzt läuft der Hearing Tracker Podcast.

Steve Taddei: Wenn Sie etwas weiter schauen, fühlt es sich allmählich so an, als lebten wir in einigen unserer liebsten Sci-Fi-Franchises. Orte wie die University of Wisconsin haben damit begonnen, spezialisierte Lieferroboter auf dem Campus einzusetzen. Ich habe sogar Regale auffüllende Droiden in meinem örtlichen Supermarkt gesehen. Und darüber hinaus kann ich persönlich es kaum erwarten, ein selbstfahrendes Auto zu haben.

Das alles ist großartig, aber wie kann dieselbe Technologie mit Geräten auf Ohrhöhe genutzt werden? Welche Vorteile bietet KI wirklich?

Donald Schum: Wenn Sie mit vielen Daten arbeiten, aber nicht sicher sind, was in den Daten steckt, oder wenn Sie versuchen, Informationen aus den Daten zu extrahieren, dann kommt genau dort maschinelles Lernen ins Spiel.

Maschinelles Lernen ist ein sehr spezialisierter Teil der Welt der KI. Es kann viele Informationen aufnehmen, sehr schnell sortieren und Informationen extrahieren oder Informationen finden, die in den Daten enthalten sind. Und wenn Sie an das Problem von Sprache im Störschall denken, dann ist das genau das, was wir haben. Wir haben viele Daten.

Es gibt so viele Feinheiten in den Details des Sprachsignals und in den Details anderer Geräusche in der Umgebung, und das ist die perfekte Art von Problem für KI. Denn Sie haben viele Daten, mit denen Sie arbeiten können, aber Sie müssen diese Daten sehr schnell verarbeiten und sehr komplexe Muster in diesen Daten finden können, die Ihnen etwas sagen.

Steve Taddei: Don beschrieb anschließend genauer, wie diese Systeme erstellt werden, und einen Prozess namens Offline-Training.

Donald Schum: So funktioniert maschinelles Lernen: Offline füttern Sie das System mit Tausenden und Abertausenden von Aufnahmen von Sprache im Störschall, über Tausende von Trainingsstunden hinweg. Und jedes Mal, wenn ein Signal durch das System läuft, wird es an einem Kriterium gemessen, wie gut aussehen soll. So lernt es, wie gut aussieht, und es sieht dieses Signal hereinkommen und fragt sich: „Was muss ich tun, um dieses Signal so zu verändern, dass es gut aussieht, damit es dem entspricht, wie gut aussieht?“

Je mehr Sie es trainieren, je mehr Tausende von Trainingsstunden Sie hinzufügen, desto ausgefeilter wird es darin, zu erkennen, was bedeutsam ist und was nicht bedeutsam ist. In einem Deep-Learning-System, einem tiefen neuronalen Netzwerk oder einem maschinellen Lernsystem kann das System buchstäblich Zehntausende von Parametern optimieren. Das hängt davon ab, wie viel Rechenleistung Ihnen zur Verfügung steht. Das ermöglicht im Grunde eine Verarbeitung auf Phonem-zu-Phonem-Basis.

Denn jedes Phonem hat ein eigenes akustisches Muster. Ein „T“ sieht anders aus als ein „Th“. Ein „E“ sieht anders aus als ein „Ah“. Ein Reibelaut – sie alle haben diese unterschiedlichen einzigartigen Muster. Und das ist die Art von Dingen, die ein Deep-Learning-System lernen kann.

Steve Taddei: Und laut Don ist dieser Schritt entscheidend. Die Genauigkeit Ihres Systems hängt wirklich von diesem Offline-Training ab. Stellen Sie sich also vor, Sie füttern einen Computer mit vielen Audiobeispielen guter, sauberer Sprache.

Saubere Sprache Stimme 1: Das Land dort ist reich und angenehm.

Saubere Sprache Stimme 2: Vielleicht ist es am einfachsten, ein neues zu bekommen?

Saubere Sprache Stimme 3: Ich frage mich, was draußen passiert?

Steve Taddei: Dies dient als Grundlage dafür, was gut ist. Dann beginnen wir, das System zu trainieren, indem wir ihm Sprache mit Breitbandrauschen, Schmalbandrauschen, Restaurantlärm und anderen potenziell unerwünschten Geräuschen wie Raumambiente zuführen.

Schließlich können Sie ein System erhalten, das Spracheingaben in realen Situationen präzise erkennen und analysieren kann. Wow, oder? Und das ist nur ein Beispiel dafür, wie KI zunehmend in Hörgeräten eingesetzt wird.

Donald Schum: Es gibt andere Hörgeräteunternehmen, die KI einsetzen, um andere Dinge zu tun. Einige Unternehmen überwachen beispielsweise die Klangumgebung und senden Informationen über die Klangumgebung in die Cloud.

Und dann sendet die Cloud Vorschläge für Änderungen der Einstellungen des Hörgeräts zurück. Das ist eine Anwendung von KI. Eine weitere Anwendung erfolgt über Bewegungssensoren. Wenn jemand also ein Beamforming-System in seinem Hörgerät hat – Systeme, die unter bestimmten Umständen sehr gut funktionieren –, kann ein Beamformer aber sehr desorientierend auf Ihr Hörgerät wirken, wenn Sie sich im Raum bewegen. Deshalb verwenden sie einen Bewegungssensor, um ihren Beamformer auszuschalten. Das ist eine weitere Anwendung von KI.

Steve Taddei: Aber wenn Sie sich erinnern: Diese Diskussion begann mit der Erwähnung eines im Silicon Valley ansässigen Unternehmens namens Whisper. Wie nutzen sie künstliche Intelligenz?

Donald Schum: Was wir mit KI tun, ist die Idee, maschinelles Lernen zu nutzen, um in Echtzeit sehr komplexe Eingaben von Sprache im Störschall zu sortieren und Muster zu identifizieren, die wie Sprache aussehen und sich von anderen Geräuschen unterscheiden.

Und dies in Echtzeit zu tun – so nutzen wir KI. Und eine der Ideen, die wir sehr ernst nehmen, ist: Wenn Sie das tun wollen, brauchen Sie viel Signalverarbeitungsleistung. Als Whisper gegründet wurde, bestand daher eine der Annahmen darin, dass man nicht hinsichtlich der Signalverarbeitungsleistung auf das beschränkt sein wollte, was man in ein Ohrpassstück [Hörgerät] einbauen kann.

Wenn Sie wirklich die Rechenleistung einsetzen wollen, die dieses Problem verdient, dann brauchen Sie ein weiteres Gerät. Und wir haben neben den beiden Ohrpassstücken ein drittes Gerät in unserem System, und das ist das Brain.

Steve Taddei: Mehr zum Whisper Brain, wenn wir zurückkommen. Sie werden es nicht verpassen wollen, vertrauen Sie mir.

Vielen Dank, dass Sie den Hearing Tracker Podcast hören. In der Sendung sprechen wir häufig über Technologien und verschiedene Möglichkeiten, die Hörbarkeit bei bestehenden Hörproblemen zu verbessern. Die Bedeutung des Schutzes Ihres Gehörs kann jedoch nicht genug betont werden. In den meisten Fällen kann Hörverlust verringert, verzögert oder sogar vermieden werden, wenn wir sicherere Hörgewohnheiten praktizieren. Ähnliches gilt für Menschen, die bereits einen Hörverlust haben, denn seien wir ehrlich: Ihr Gehör kann fast immer noch schlechter werden.

Zu diesem Zweck und um uns für Ihre anhaltende Unterstützung zu bedanken, verlosen wir ein Paar Minuendo Lossless Earplugs. Das sind keine gewöhnlichen weichen Schaumstoffstöpsel. Sie ermöglichen es Ihnen, die Stärke der Schalldämpfung mithilfe eines Schiebehebels an der äußeren Hülle der Geräte anzupassen.

Wie nehmen Sie teil? Hinterlassen Sie uns einfach eine ehrliche Bewertung bei Apple Podcast oder teilen Sie diese Folge online. Machen Sie dann einen Screenshot und senden Sie ihn an steve@hearingtracker.com. Wir geben den Gewinner in der Folge des nächsten Monats bekannt. Und keine Sorge, falls Sie nicht gewinnen: Mit dem Code STEVESB erhalten Sie weiterhin 20% Rabatt auf Minuendo-Produkte.

Willkommen zurück. Vor der Pause ließ Don bezüglich Whisper gewissermaßen eine Bombe platzen. Er erwähnte, dass ihr System auf ein externes Gerät zusätzlich zu den Ohrpassstücken angewiesen ist, um die zusätzliche KI-Verarbeitung zu übernehmen. Und dieses Gerät heißt Brain. Klingt passend, oder? Die Entscheidung, einen dritten Prozessor einzubeziehen, war notwendig, um die Fähigkeiten traditioneller Bauformen von Hörgeräten zu übertreffen.

Kehren wir also zurück und erfahren wir mehr über das Whisper Brain.

Donald Schum: Das Brain ist dieses dritte Teil. Der Signalprozessor, der es dem System ermöglicht, eine erhebliche Menge an Brain-Leistung auf das Problem anzuwenden, in Echtzeit diese sehr komplexen Eingaben zu sortieren, die Muster zu erkennen, die es als Sprachsignal gelernt hat, und sie von anderen Geräuschen in der Umgebung zu unterscheiden.

Steve Taddei: Don erklärte mir weiter, dass das Brain ein situationsabhängiges Gerät ist. Sie müssen es nicht immer verwenden, da die Hörgeräte ohne es normal funktionieren.

Donald Schum: Das Ohrpassstück überwacht die Umgebungsbedingungen. Und wenn der Pegel, der Gesamtpegel der Umgebung, hoch genug ist und das Signal-Rausch-Verhältnis nicht optimal ist, dann leitet es das Signal an das Brain weiter, damit das Brain die Verarbeitung übernimmt.

Während das Signal durch das Brain läuft, analysiert das Brain es in Echtzeit und sucht nach den Mustern, die es im Offline-Training gelernt hat, um Sprache von Störschall zu trennen. Wenn es diese Muster erkennt, schützt es die Teile der Muster, die es für das Sprachsignal hält, und verringert die Verstärkung oder reduziert den Signalpegel für die Teile, die eher wie Störschall aussehen. Aber wenn Sie beispielsweise zu Hause mit nur einem weiteren Familienmitglied in Ruhe zu Abend essen oder einfach leise fernsehen, dann brauchen Sie das Brain nicht. Das Brain brauchen Sie, wenn der Rest der Familie zum Sonntagsessen kommt, oder wenn Sie in ein Restaurant gehen, zu einer Party oder einer anderen Veranstaltung, bei der Sie wirklich Hilfe benötigen.

Steve Taddei: Okay, bisher hat Whisper mein Interesse definitiv geweckt. Und es gibt noch eine weitere einzigartige Funktion, die, wie ich denke, bei uns allen Anklang finden wird. Denken Sie einen Moment an eine Zeit, in der Sie ein neues Telefon, einen Fernseher, eine Kamera, einen Computer oder ein cooles Podcast-Gerät gekauft haben und das Unternehmen direkt nach Ihrem Kauf eine brandneue Produktlinie auf den Markt bringt.

Großartig, jetzt sitzen Sie mit einer früheren Technologiegeneration und dem ganzen damit verbundenen Käuferbedauern fest. Genau diese Situation habe ich in der Klinik bei Patienten erlebt, die in neue Technologie investieren möchten. Nun, mit Whisper könnte das der Vergangenheit angehören.

Donald Schum: Wenn ein neues Produkt fertig sein soll, haben Sie einen Signalprozessor, einen digitalen Signalprozessor, den Sie darin verbauen können. Und im Grunde füllen Sie diesen Prozessor mit allem, was Sie sinnvollerweise tun können. Dieses Produkt kann also an dem Tag, an dem es verkauft wird, hervorragend sein. Aber drei oder vier Jahre später ist es immer noch exakt dasselbe Produkt. Und so entsteht im Grunde eine Leistungslücke zwischen dem, was heute Stand der Technik ist, und dem, was vor drei oder vier Jahren Stand der Technik war, als Sie das Hörgerät gekauft haben.

Als Whisper gegründet wurde, dachte man sich daher: Nun, das ergibt keinen Sinn. Es muss nicht so sein. Wenn Sie Verarbeitungskapazität im Produkt reservieren und, was sehr wichtig ist, die Entwicklungsorganisation Ihres Unternehmens so aufbauen, dass Upgrades geplant werden, dann können Sie dieses Produkt so oft verbessern, wie Sie möchten.

Eines der wichtigsten Aushängeschilder unseres Systems ist unsere Fähigkeit, das System regelmäßig zu aktualisieren. Wir führen typischerweise alle drei bis vier Monate Updates durch und übertragen neue Firmware auf das System des Nutzers. Fast jedes Mal, wenn wir ein Upgrade durchführen, verbessern wir nahezu immer auch das von uns verwendete maschinelle Lernmodell.

Steve Taddei: Diese Updates sind großartig, aber es gibt einen kleinen Nachteil. Aufgrund der beschleunigten Aktualisierungen der Verarbeitung ist es schwierig, große klinische Studien durchzuführen, die die Vorteile der KI-Verarbeitung mit anderen, traditionelleren Geräten vergleichen. Don erwähnte, dass sie eigene interne Daten haben, die auf „eine sechsfach bessere Verbesserung dessen, was wir technisch mit dem Signal-Rausch-Verhältnis machen können, im Vergleich zu einem Marktführer“ hindeuten.

Ich habe selbst etwas recherchiert und einige weitere akademische Studien gefunden, die technische und klinische Verbesserungen durch diese Systeme mit tiefen neuronalen Netzwerken unterstützen. Aber diese Technologie steckt noch in den Kinderschuhen, und wir brauchen wirklich mehr Forschung.

Auch wenn dies wie eine Situation ohne Nachteile erscheinen mag, warnte Don, dass es unerwünschte Nebenwirkungen geben kann, wenn man zu weit geht.

Donald Schum: Jedes Mal, wenn Sie Audio aggressiv manipulieren, können Sie es vermasseln. Ganz gleich, was Sie damit erreichen wollen. Sie können versuchen, etwas Gutes zu tun, aber Sie können auch etwas Schlechtes tun. Und Systeme zur Störschallunterdrückung hatten immer diese zweifache Art von Anforderungen. Sie können viel Störschallunterdrückung betreiben, aber wenn Sie es zu schnell und zu aggressiv tun, kann es schlecht klingen.

Steve Taddei: Bei herkömmlicher, modulationsbasierter Störschallunterdrückung versuchen Hörgeräte, Frequenzbereiche zu reduzieren, die von Störschall dominiert werden. Wenn es also ein tieffrequentes Brummen gibt, wie Sie es gerade hören, werden diese Bereiche leiser sein. Durch die Reduzierung der tiefen Frequenzen verändere ich jedoch auch den Klang meiner Stimme.

Andere Algorithmen verfolgen einen anderen Ansatz und versuchen, Störschall durch einen Prozess namens spektrale Subtraktion zu entfernen. Wenn es also viel Störschall wie diesen gibt, kann er anhand des klanglichen Fingerabdrucks dieses Geräuschs subtrahiert werden. Wenn diese Prozesse zu weit getrieben werden, hören wir möglicherweise Artefakte, die mehr schaden als nutzen.

Okay, es gibt noch ein weiteres sehr überraschendes und wichtiges Element von Whisper, das wir bisher nicht angesprochen haben. Und zwar: Wie kann man sie bekommen?

Wir wissen, dass viele direkt an Verbraucher gerichtete, selbstanpassbare Geräte auf den Markt kommen. Whisper gehört jedoch nicht dazu. Whisper arbeitet mit Hörakustikern zusammen und steht hinter der Bedeutung von Fachleuten im Anpassungsprozess von Hörgeräten.

Donald Schum: Wir sind definitiv daran interessiert zu verstehen, wie die Zukunft aussieht. Und es geht nicht so sehr darum, welchen Gerätetyp Sie einem Patienten geben. Es geht vielmehr darum, wie sie ihre Versorgung von ihrem Anbieter erhalten möchten. Und wir wissen, dass sie an vielen verschiedenen Orten erreicht werden möchten.

Wir glauben, dass auf dem Markt Raum für unterschiedliche Wege zum Erfolg bei der Bereitstellung von Hörversorgung besteht. Aber letztlich geht es immer um Hörversorgung. Es geht nicht nur um Technologie. Es geht nicht nur darum, Menschen Technologie zu geben und sie dann einfach damit loslegen zu lassen. Es geht darum, Wege zu finden, Versorgung zum Patienten zu bringen. Manchmal geschieht das persönlich und manchmal aus der Ferne, weil genau das der Patient sucht.

Steve Taddei: Ich möchte Dr. Donald Schum dafür danken, dass er in der Sendung war und sowohl über KI als auch über Whisper gesprochen hat. Um mehr zu erfahren, können Sie Whisper.ai besuchen.

Außerdem möchte ich Soundbrenner und Minuendo für die Unterstützung der zuvor erwähnten Verlosung danken. Diese Folge wurde von mir geschrieben, produziert und klanglich gestaltet, mit Unterstützung von Dr. Abram Bailey. Wenn Sie mein vollständiges, ungeschnittenes Gespräch mit Don hören möchten, besuchen Sie unseren Patreon. Und wie immer: Vielen Dank fürs Zuhören.

Teilnahmebedingungen für die Verlosung der Minuendo Lossless Earplugs: Die Verlosung läuft vom 23. März bis zum 1. April. Pro Person ist nur eine Teilnahme erlaubt, und jeder kann ohne Kauf teilnehmen. Der Gewinner wird zufällig ausgewählt und während der April-Folge des Hearing Tracker Podcast bekannt gegeben.

Medien-Credits: Musik von Coma-Media von Pixabay
Musik von Penguinmusic von Pixabay
Musik von Dylan-Darby von Pixabay