Virtuaalsed assistendid ja hääletuvastussüsteemid on õppinud ära tundma, mida inimene neile ütleb, ja järgima tema käske. Kuid sama Siri ja Cortana korrektseks tööks võib kõrvaline müra olla suur probleem. Selle tehnilise veaga saavad hakkama Mitsubishi Electricu eksperdid, kes tutvustasid uut tehnoloogiat ühe inimese kõne eraldamiseks üldisest mürast.
Jaapani ettevõtte tehnoloogia kannab nime Deep Clustering, mille toimimine on üles ehitatud masinõppe põhimõtetele. Alustuseks õppis tehisintellekt iseseisvalt eraldama ühe inimese kõne erinevate helide ja müra üldisest voost. Neuraalvõrk eraldab sissetulevad heliandmed erinevateks elementideks ja analüüsib neid eraldi, pärast mida saab see juba inimese häält töödelda. Sarnast tööd täheldatakse ka siis, kui kaks või enam vestluspartnerit on omavahel ühendatud.
Jaapani ettevõtte tehnoloogia tutvustamise ajal suutis süsteem eraldada edukalt kahe sama keelt erinevates keeltes rääkiva inimese kõne üheks mikrofoniks. Kogu töötlemine viidi läbi reaalajas ja viivitus ei ületanud kolme sekundit. Tuvastustäpsus oli 90 protsenti ja kui kolm inimest hakkasid mikrofoni rääkima, langes "tabamuste" protsent 80-ni, mis on ka hea tulemus. Projekti autorite Anthony Vetro ja Yohei Okato sõnul
„Erinevalt kõne eraldamisest taustmürast on ühe inimese kõne eraldamine samal ajal kõnelevate inimeste“häälmürast”väga keeruline ülesanne, kuna eri inimeste häälehelidel on palju eripära. Enamikus süsteemides lahendatakse hääle eraldamise probleem kahe või enama mikrofoni paigaldamisega, kuid ainult ühe mikrofoni kasutamise korral saab hääle eraldamise ülesandega hakkama ainult tehisintellekt. Seda tehnoloogiat saab kasutada kõikjal, kus on vaja häälsõnumite tuvastuse täpsust. Näiteks autode, liftide, olme- ja muude elektrooniliste seadmete hääljuhtimissüsteemides."
VLADIMIR KUZNETSOV
