موارد زیر نحوه استفاده از هوش مصنوعی در سمعک ها را نشان می دهد:

کاربردهای هوش مصنوعی هر روز در بخشهای مختلف در حال رشد است. موارد بی شماری از کاربردهای هوش مصنوعی در مراقبت های بهداشتی وجود دارد. هوش مصنوعی که در سمعک ها رخ می دهد سالهاست که ادامه دارد و موارد زیر در مورد چگونگی وقوع آن است. وی خاطرنشان کرد ، سمعک ها در گذشته نسبتاً ساده بودند ، اما وقتی سمعک ها فناوری معروف به فشرده سازی دامنه دینامیکی گسترده (WDRC) را معرفی کردند ، دستگاه ها در واقع تصمیم گرفتند براساس شنیده ها چند تصمیم بگیرند. برای اینکه سمعک ها به طور موثر کار کنند ، باید با نیازهای شنوایی فردی و همچنین انواع محیط های سر و صدای پس زمینه سازگار شوند. هوش مصنوعی ، یادگیری ماشین و شبکه های عصبی تکنیک های بسیار خوبی برای مقابله با چنین مسئله پیچیده ، غیرخطی و چند متغیری هستند.

نتیجه تحقیق:

محققان تاکنون توانسته اند با استفاده از هوش مصنوعی در زمینه بهبود شنوایی دستاوردهای بسیاری کسب کنند. به عنوان مثال ، محققان آزمایشگاه Perception and Neurodynamics (PNL) در دانشگاه ایالتی اوهایو یک DNN را آموزش دادند تا گفتار را از سر و صدای دیگر (مانند زمزمه و سایر مکالمات پس زمینه) تشخیص دهد. دلیانگ وانگ ، استاد علوم کامپیوتر و مهندسی در دانشگاه ایالتی اوهایو ، در IEEE Spectrum می گوید: "افرادی که دارای کم شنوایی هستند می توانند فقط 29٪ کلمات را که توسط برنامه لجن درآمده رمزگشایی کنند ، اما آنها 84٪ را پس از پردازش درک کردند"

استفاده از شبکه های عصبی در سمعک ها:

در سال های اخیر ، تولیدکنندگان بزرگ سمعک فناوری هوش مصنوعی را به مدل های برتر سمعک خود اضافه کرده اند. به عنوان مثال ، سمعک Widex’s Moment از هوش مصنوعی و یادگیری ماشین برای ایجاد برنامه های شنوایی بر اساس محیط های معمول یک کاربر استفاده می کند. اخیراً ، Oticon جدیدترین دستگاه سمعک خود را با نام Oticon More  ، اولین سمعک با یک شبکه عصبی عمیق معرفی کرد. Oticon More تصمیم گرفته است که 12 میلیون صدا به علاوه صداهای واقعی را به صدا در آورد تا افرادی که از آن استفاده می کنند بهتر بتوانند گفتار و صداهای اطراف خود را درک کنند. در یک مکان شلوغ ، شبکه عصبی Oticon More لایه پیچیده ای از صداها را دریافت می کند که به عنوان ورودی شناخته می شود. DNN شروع به کار می کند ، ابتدا عناصر و الگوهای ساده صوتی را از ورودی اسکن و استخراج می کند و او را به عناصر مجهز می سازد تا آنچه را که اتفاق می افتد تشخیص دهد. سرانجام ، سمعک ها در مورد نحوه تعادل بخشیدن به صحنه صدا تصمیم می گیرند و اطمینان حاصل می کنند که خروجی تمیز است و از نظر ایده آل با نوع کم شنوایی شخص متعادل است. گفتار و سایر اصوات موجود در محیط ، شکل موج صوتی پیچیده ای هستند ، اما با الگوها و ساختارهای منحصر به فرد ، دقیقاً نوعی از داده های یادگیری عمیق است که برای تجزیه و تحلیل طراحی شده است.

201000330.009