Ilustrasi Artificial Intelligence (AI), Machine Learning (ML). Kredit: Gerd Altmann from Pixabay |
Gangguan pendengaran adalah objek penelitian ilmiah yang berkembang pesat. Alasannya, populasi generasi Baby Boomers mengalami gangguan pendengaran terus meningkat seiring dengan pertambahan usia.
Untuk memahami bagaimana gangguan pendengaran berdampak pada manusia, para peneliti mempelajari kemampuan orang untuk mengenali ujaran.
Sebagai contoh, lebih sulit bagi sebagian orang untuk mengenali ujaran jika ada gema atau kebisingan latar belakang yang signifikan, seperti kebisingan lalu lintas. Kasus serupa juga berlaku bagi orang dengan gangguan pendengaran.
Oleh karena itu, algoritma alat bantu dengar sering digunakan untuk meningkatkan kemampuan pengenalan suara manusia.
Untuk mengevaluasi algoritma tersebut, para peneliti melakukan eksperimen yang bertujuan untuk menentukan rasio signal-to-noise di mana sejumlah kata tertentu (biasanya 50 persen) dapat dikenali.
Dalam sebuah makalah yang terbit di Acoustical Society of America, para peneliti dari Jerman mengeksplorasi model pengenalan ujaran manusia berdasarkan Machine Learning dan Deep Neural Networks.
Kemampuan prediksi
"Kebaruan model kami adalah bahwa model ini memiliki kemampuan prediksi yang baik bagi pendengar dengan gangguan pendengaran untuk jenis kebisingan dengan kompleksitas sangat berbeda," ujar salah satu peneliti, Jana Rossbach, dari Carl Von Ossietzky University dikutip dari rilis pers via Eurekalert pada Kamis (3/3/2022).
Selain itu, kata Rossbach, penelitian mereka menunjukkan tingkat kesalahan rendah dan korelasi tinggi dengan data yang diukur.
Para peneliti menghitung berapa banyak kata per kalimat yang dipahami pendengar menggunakan Automatic Speech Recognitiion. Kebanyakan orang akrab dengan ASR melalui aplikasi seperti Alexa dan Siri.
Responden Penelitian
Penelitian ini melibatkan 8 pendengar normal dan 20 pendengar tunarungu yang terpapar berbagai suara kompleks yang mengganggu pembicaraan.
Pendengar dengan gangguan pendengaran dikategorikan ke dalam tiga kelompok, dengan tingkat gangguan pendengaran terkait usia yang berbeda.
"Kami terkejut bahwa prediksi bekerja dengan baik untuk semua jenis kebisingan. Kami sempat memperkirakan model memiliki masalah saat menggunakan satu pembicara yang bersaing. Namun, itu tidak terjadi," kata Rossbach.
Selain memprediksi kejelasan ucapan, model ini juga berpotensi digunakan untuk memprediksi upaya mendengarkan atau kualitas bicara karena topik ini sangat terkait.
Responden Penelitian
Penelitian ini melibatkan 8 pendengar normal dan 20 pendengar tunarungu yang terpapar berbagai suara kompleks yang mengganggu pembicaraan.
Pendengar dengan gangguan pendengaran dikategorikan ke dalam tiga kelompok, dengan tingkat gangguan pendengaran terkait usia yang berbeda.
"Kami terkejut bahwa prediksi bekerja dengan baik untuk semua jenis kebisingan. Kami sempat memperkirakan model memiliki masalah saat menggunakan satu pembicara yang bersaing. Namun, itu tidak terjadi," kata Rossbach.
Selain memprediksi kejelasan ucapan, model ini juga berpotensi digunakan untuk memprediksi upaya mendengarkan atau kualitas bicara karena topik ini sangat terkait.
Infografis Akses dan Fasilitas Umum Ramah Penyandang Disabilitas
Sumber: https://www.liputan6.com/tekno/read/4901047/solusi-machine-learning-untuk-gangguan-pendengaran
0 Komentar