江苏龙网

  1. 首页 > 人文 > >

鸡尾酒会效应嘿，siri！嘈杂的酒吧里，AI为什么听不懂指令？( 二 )


鸡尾酒会效应嘿，siri！嘈杂的酒吧里，AI为什么听不懂指令？
本文插图
别...别激动…说人话就是——给麦克风做了一个忽闪忽闪的“大耳朵” ， 不过这个耳朵跟我们的耳朵差别有点大 ， 它长这样…
鸡尾酒会效应嘿，siri！嘈杂的酒吧里，AI为什么听不懂指令？
本文插图
△左图：超材料结构模型图右图：超材料结构实物图（图片来源：作者绘制与拍摄）
我们暂且叫他“蜂窝耳”吧 。 这个“蜂窝耳”由外中内三层半球壳嵌套而成 ， 每一层球壳上都随机设置大小不一的圆孔 ， 球壳之间随机插入了若干块横向和纵向的挡板来制造大小不一的腔体 ， 在球心位置则放着一个单通道的麦克风 。 这些大小随机的圆孔和隔板使“蜂窝耳”具有高度的空间不对称性 ， 因此会对来自不同方向的声波起到不同的调制效果 。
这个“蜂窝耳”中的声学结构就像是一个个风格迥异的Tony老师 ， 声波经过时总是难逃老师们的“改造” ， 这位老师画个眉毛 ， 那位老师涂个口红 ， 所以等它到麦克风的面前时 ， 早就不是它原本的样子啦 。
你可能已经猜到 ， “蜂窝耳”的学名就是——声学滤波器 。 刚才所说的声波的“改造”过程其实就是滤波过程 ， 滤波后的声信号频谱会发生相应的改变 ， 因此被麦克风接收到的信号就会产生与来波方向有关的差异性了 。
那么问题又来了——你以为声波们长得不一样 ， 机器就能很快辨别出来吗？想得美！
我们还需要训练一个算法 ， 让机器提取这些声波身上的独家特征 ， 最终定位和识别来自不同方向的声音 。 拥有这个算法就好像拥有了一本Tony老师们的《造型百科全书》 ， 里面记录了各位Tony老师的改造技能和偏爱风格 。 从某种意义上说 ， 这个算法也可以帮助广大男同胞完美应对女朋友每日的灵魂拷问：“你觉得我今天有什么不一样吗？”是不是很想来一套！
鸡尾酒会效应嘿，siri！嘈杂的酒吧里，AI为什么听不懂指令？
本文插图
机器戴耳记
一切准备就绪 ， 我们的“蜂窝耳”就可以正式上岗啦！
来自不同方向的声波从外表面不同的位置进入“蜂窝耳” ， 经过不同的传播路径时被不同的造型师改造 ， 被球形的麦克风接收；熟读《造型百科全书》的算法对接收信号进行处理 ， 最终重建出它们的来波方向和声音的内容 。 这种超材料结构+智能算法的组合 ， 只用一个麦克风就能实现多声源的实时定位和分离 。 攻城狮们再也不用担心麦克风数量不够用啦！
鸡尾酒会效应嘿，siri！嘈杂的酒吧里，AI为什么听不懂指令？
本文插图
△“蜂窝耳”的工作流程（图片来源：作者绘制）
你是不是也很好奇“蜂窝耳”的效果如何呢？来看看研究人员针对多个生活场景进行的听音测试 。
鸡尾酒会效应嘿，siri！嘈杂的酒吧里，AI为什么听不懂指令？
本文插图
△实验场景（图片来源：作者拍摄）
“蜂窝耳”（图片红框里）放在中间 ， 周围均匀放置16个音响用于播放测试所用的声音 。 测试所用到的声音包括马路上的鸣笛声、动物的叫声、各种乐器声、人说话的声音等等 ， 好奇心爆棚的笔者曾一度跑到“蜂窝耳”的位置 ， 试图挑战一下这个听音测试 ， 当时的场景大概是这个样子的…
鸡尾酒会效应嘿，siri！嘈杂的酒吧里，AI为什么听不懂指令？
本文插图
不过 ， 这对训练有素的“蜂窝耳”来说就是小菜一碟啦 。 当空间中同时发声的声源不超过三个 ， 定位与分离的准确率可以达到90%以上 ， 耗时也不超过1s ， 是不是棒棒哒！
当然 ， 现在的“蜂窝耳”还只能算一个小baby ， 它的声学结构设计和后端算法仍有待进一步的磨合和提升 ， 研究人员也正在马不停蹄地研发“蜂窝耳”2.0版本 。 随着语音技术的发展 ， 我们身边越来越多的电子设备都搭载了语音交互系统 ， 希望这个“蜂窝耳”能让这些设备更加智能 ， 使人与机器之间的交互更加流畅和便捷 。


推荐阅读


上一篇：检测|天津市及时处置一名境外新冠病毒核酸检测结果阳性外籍人员有关疫情风险，目前结果全部阴性

下一篇：泰国留学网TB|想学小语种？泰语值得你去了解一下