Următorul pentru AI: învățarea cum să-ți citești buzele

Un pacient stă într-un pat de spital, un bandaj acoperindu-i gâtul cu o mică deschidere pentru tubul de traheostomie care îl alimentează cu oxigen.

Din cauza intervenției sale chirurgicale recente, bărbatul a apărut în asta video de marketing nu poate vocaliza. Așadar, un medic ridică un smartphone și înregistrează pacientul în timp ce spune o scurtă frază. O aplicație numită SRAVI analizează mișcările buzelor și în aproximativ două secunde returnează interpretarea - „Am nevoie de aspirație”.

Pare o interacțiune simplă și, în anumite privințe, SRAVI (aplicația de recunoaștere a vorbirii pentru persoanele cu deficiențe de voce) este încă destul de simplistă. Poate recunoaște doar câteva zeci de fraze și o face cu o precizie de aproximativ 90%. Dar aplicația, realizată de startup-ul irlandez Liopa, reprezintă o descoperire masivă în domeniul recunoașterii vizuale a vorbirii (VSR), care implică antrenarea AI pentru a citi buzele fără nicio intrare audio. Va fi probabil prima aplicație AI de citire a buzelor disponibilă pentru cumpărare publică.

Cercetătorii lucrează de zeci de ani pentru a învăța computerele să citească buzele, dar sa dovedit o sarcină dificilă chiar și cu progresele în sistemele de învățare profundă care au ajutat la spargerea altor probleme de reper. Cercetarea a fost condusă de o gamă largă de posibile aplicații comerciale - de la instrumente de supraveghere la aplicații de comunicare silențioase și performanțe îmbunătățite ale asistentului virtual.

Liopa este în curs de certificare SRAVI ca dispozitiv medical de clasa I în Europa, iar compania speră să finalizeze certificarea până în august, ceea ce îi va permite să înceapă vânzarea către furnizorii de servicii medicale.

Deși intențiile lor pentru tehnologie nu sunt clare, mulți dintre giganții tehnologiei lucrează și la inteligența artificială. Oamenii de știință afiliați sau care lucrează direct pentru Google, Huawei, Samsung și Sony cercetează toate sistemele VSR și par să facă progrese rapide, conform interviurilor și revizuirii plăcii de bază a cercetărilor publicate recent și a cererilor de brevet publicate. Companiile fie nu au răspuns, fie au refuzat interviurile pentru această poveste.

Pe măsură ce AI cu citirea buzelor apare ca un produs comercial viabil, tehnologii și câinii de supraveghere a confidențialității sunt din ce în ce mai îngrijorați de modul în care este dezvoltat și de modul în care ar putea fi implementată într-o zi. SRAVI, de exemplu, nu este singura aplicație de AI de citire a buzelor la care lucrează Liopa. Compania este, de asemenea, în faza a doua a unui proiect împreună cu o agenție de cercetare a apărării din Marea Britanie pentru a dezvolta un instrument care să le permită agențiilor de aplicare a legii să caute prin imagini CCTV silențioase și să identifice când oamenii spun anumite cuvinte cheie.

Compania de supraveghere Motorola Solutions are un brevet pentru un sistem de citire a buzelor conceput pentru a ajuta poliția. Skylark Labs, un startup al cărui fondator are legături cu Agenția SUA pentru Proiecte de Cercetare Avansată (DARPA), a declarat pentru Motherboard că sistemul său de citire a buzelor este implementat în prezent în case private și într-o companie de electricitate controlată de stat în India pentru a detecta limbajul urât și abuziv. .

„Acesta este unul dintre aceste domenii, din perspectiva mea, care este un bun exemplu de„ doar pentru că o putem face, nu înseamnă că ar trebui ”, a declarat Fraser Sampson, comisarul britanic pentru camere de biometrie și supraveghere, pentru Motherboard. „Principala mea preocupare în acest domeniu nu ar fi neapărat ce ar putea face tehnologia și ce nu ar putea face, ar fi efectul îngrozitor al oamenilor care cred că ar putea face ceea ce spune. Dacă acest lucru i-a descurajat să vorbească în public, atunci ne aflăm într-o zonă mult mai mare decât simpla confidențialitate, iar confidențialitatea este suficient de mare ”.

Apariția AI de citire a buzelor amintește de tehnologia de recunoaștere facială, care a fost o zonă de nișă a cercetării timp de decenii înainte de a fi comercializată în liniște, dar rapid, ca instrument de supraveghere începând cu începutul anilor 2000.