AI lost het cocktailparty-probleem van hoortoestellen op

Al decennialang lopen gebruikers van hoortoestellen tegen een frustrerende barrière aan in sociale situaties. In drukke restaurants of op drukke straten versterken traditionele hoortoestellen alle achtergrondgeluiden zonder onderscheid. Dit probleem, bekend als het "cocktailparty-probleem," maakt het bijna onmogelijk om één gesprek te volgen, wat leidt tot sociaal isolement en mentale vermoeidheid.

Luan Fiorio, promovendus aan de Technische Universiteit Eindhoven (TU/e), ontwikkelde een AI-gedreven oplossing. Door real-time machine learning-algoritmes toe te passen, ontwikkelde de wetenschapper een systeem dat het natuurlijke vermogen van de menselijke hersenen om één spreker te isoleren nabootst. Deze innovatie markeert een grote verschuiving in gehoortechnologie, van eenvoudige geluidsversterking naar intelligente, contextbewuste audioverwerking.

Hoe filteren hersenen ruis eruit?

De term "cocktailparty-probleem" werd voor het eerst geïntroduceerd door wetenschapper Colin Cherry in 1953. De term beschrijft het opmerkelijke vermogen van het menselijk gehoorsysteem om zich op één stem te concentreren terwijl concurrerend achtergrondgeluid wordt weggefilterd. De hersenen bereiken dit door ruimtelijke aanwijzingen, toonhoogteverschillen en tijdspatronen te analyseren.

Het blijkt echter buitengewoon lastig om dit biologische proces na te bootsen in kunstmatige gehoorsystemen. Traditionele hoortoestellen vertrouwen op digitale signaalverwerkingstechnieken zoals beamforming en spectrale aftrekking. Hoewel deze methoden goed werken in stille omgevingen, schieten ze tekort in complexe, dynamische akoestische situaties waarin meerdere mensen tegelijk praten.

Omdat traditionele algoritmes geen onderscheid kunnen maken tussen een doelspreker en achtergrondgebabbel, versterken ze de ruis vaak samen met de spraak. Dit technologische knelpunt zorgt er al meer dan zeventig jaar voor dat gebruikers van hoortoestellen moeite hebben in sociale omgevingen. Het onvermogen om dit probleem op te lossen is de belangrijkste reden gebleven waarom veel mensen weigeren hun hoortoestel in het openbaar te dragen.

Een slimme architectuur in drie stappen

Om deze uitdaging aan te pakken, stelt Fiorio's proefschrift een gestructureerde aanpak voor die audioverwerking opdeelt in drie afzonderlijke fasen: classificatie van de akoestische omgeving, beamforming/bronlocatie, en spraakversterking.

Eerst identificeert het systeem de akoestische omgeving van de gebruiker, zoals een stil kantoor of een luidruchtig restaurant. Vervolgens volgt het in realtime de fysieke locatie van de doelspreker. Ten slotte isoleren en versterken diepe neurale netwerken de doelspraak, terwijl achtergrondgeluid actief wordt onderdrukt. Dankzij dit driestappenproces kan het hoortoestel zich dynamisch aanpassen aan veranderende omgevingen.

Door de complexe auditieve scène op te delen in behapbare rekentaken, kan het algoritme de verwerkingscapaciteit inzetten waar die het hardst nodig is. Deze gerichte aanpak zorgt ervoor dat de belangrijkste spraaksignalen behouden en verduidelijkt blijven.

De weg naar commerciële realiteit

Om dit baanbrekende onderzoek van een universiteitslaboratorium naar een commercieel product te brengen, moeten aanzienlijke fysieke beperkingen worden overwonnen. Commerciële hoortoestellen werken met extreem krappe energiebudgetten, doorgaans slechts 1 tot 3 milliwatt.

Ook hebben ze zeer beperkt geheugen, gewoonlijk tussen 512 kilobyte en 2 megabyte. Om deze machine learning-algoritmes geschikt te maken voor dagelijks gebruik, moeten ingenieurs de modellen comprimeren door middel van kwantisatie en pruning. Dit proces verkleint de rekenkundige voetafdruk zonder in te leveren op prestaties. De volgende stap is het inzetten van deze gecomprimeerde modellen op gespecialiseerde, energiezuinige chips, zoals ingebedde field-programmable gate arrays of speciale neurale verwerkingseenheden. Zodra de hardware is geoptimaliseerd, moeten fabrikanten uitgebreide klinische onderzoeken uitvoeren met slechthorende gebruikers.

Fiorio zet zijn werk aan hoortoestellen voort bij GN Hearing, waar hij als research scientist in dienst is getreden.