В бъдеще хората без звук ще могат свободно и ясно да произнасят думи благодарение на устройства, които превръщат мозъчната им дейност в синтезиран глас. Изследователи от Калифорнийския университет в Сан Франциско наскоро направиха голяма стъпка в подобряването на тази технология, като позволиха на изкуствения интелект да възпроизвежда глас, без да чете мисли, а чрез анализ на движенията на устните на човек. Резултатът беше впечатляващ - синтезираният глас може да се чуе в момента.
Очаква се устройството да работи, когато човекът възпроизвежда психически или физически движенията на устата, дори и да не издава никакви звуци. За да разберат кои области на човешкия мозък се активират от определени движения на устата, изследователите наели петима доброволци в процеса. Те четат кратки откъси от детски разкази - по време на този процес електродите, вградени в мозъка им, четат дейността им.
В крайна сметка изследователите разработиха две невронни мрежи: първата съвпада мозъчни сигнали с движения на устните, а втората превърна тези движения в синтезирана реч. Доброволците наистина успяха да повторят фрагменти от изречения - около 69% от синтезираните думи могат лесно да бъдат разпознати по записите. Както при другите изследвания, колкото по-къси са изреченията, толкова по-точен е резултатът.
Изследователите могат да подобрят технологията чрез използването на мозъчни импланти с по-плътни електроди и сложни алгоритми за машинно обучение. Установени са общи черти между мозъчните отговори на различни участници в проучването, което предполага, че бъдещите устройства за синтез на реч могат лесно да бъдат персонализирани за всеки човек. Изследователите също забелязаха, че изкуственият интелект понякога разпознава звуци, които не се използват в тренировките, което също дава голяма надежда.
Рамис Ганиев