من ShutEye إلى SleepScore ، تتوفر العديد من تطبيقات الهواتف الذكية إذا كنت تحاول أن تفهم بشكل أفضل كيف يؤثر الشخير على راحتك ، مما يسمح لك بترك الميكروفون طوال الليل لتسجيل همهمات الأنف الصاخبة وصدى الحلق. ولكن على الرغم من أن تطبيقات الهواتف الذكية مفيدة لتتبع وجود الشخير ، إلا أن دقتها تظل مشكلة عند تطبيقها على غرف نوم في العالم الحقيقي بها ضوضاء غريبة وعدد من الأشخاص المسموعين.
يبحث البحث الأولي من جامعة ساوثهامبتون فيما إذا كان للشخير صوت مميز يمكن استخدامه لتحديد الهوية. “كيف يمكنك تتبع الشخير أو السعال بدقة؟” يسأل Jagmohan Chauhan ، الأستاذ المساعد في الجامعة الذي عمل على البحث. قد توفر نماذج التعلم الآلي ، وخاصة الشبكات العصبية العميقة ، المساعدة في التحقق من من يقوم بأداء سمفونية الشخير الصوتية.
على الرغم من أن البحث حديث العهد ، إلا أنه يبني على دراسات تمت مراجعتها من قبل الأقران والتي استخدمت التعلم الآلي للتحقق من صانعي صوت آخر غني بالبيانات ، وغالبًا ما يتم سماعه يخترق صمت الليل المتفائل: السعال.
قام باحثون من Google وجامعة واشنطن بخلط صوت الكلام البشري والسعال في مجموعة بيانات ثم استخدموا نهجًا تعليميًا متعدد المهام للتحقق من الشخص الذي تسبب في سعال معين في التسجيل. في دراستهم ، كان أداء الذكاء الاصطناعي أفضل بنسبة 10 في المائة من المقيِّم البشري في تحديد من سعل من مجموعة صغيرة من الناس.
يشكك مات وايتهيل ، وهو طالب دراسات عليا عمل على ورقة تعريف السعال ، في بعض المنهجية التي يقوم عليها بحث الشخير ويعتقد أن الاختبارات الأكثر صرامة ستقلل من فعاليتها. ومع ذلك ، فهو يرى أن المفهوم الأوسع للتعريف المسموع صحيح. أظهرنا أنه يمكنك فعل ذلك مع السعال. يقول وايت هيل: “يبدو أنه من المحتمل جدًا أن تفعل الشيء نفسه مع الشخير”.
لا يتم تغطية هذا الجزء المعتمد على الصوت من الذكاء الاصطناعي على نطاق واسع (وبالتأكيد ليس بمصطلحات رنانة) مثل معالجات اللغة الطبيعية مثل ChatGPT من OpenAI. ولكن بصرف النظر عن ذلك ، تجد بعض الشركات طرقًا يمكن من خلالها استخدام الذكاء الاصطناعي لتحليل التسجيلات الصوتية وتحسين صحتك.
أطلقت شركة Resmonics ، وهي شركة سويسرية تركز على الكشف عن أعراض أمراض الرئة المدعومة بالذكاء الاصطناعي ، برنامجًا طبيًا حاصلًا على شهادة CE ومتاح للسويسريين من خلال تطبيق myCough. على الرغم من أن البرنامج ليس مصممًا لتشخيص المرض ، إلا أن التطبيق يمكن أن يساعد المستخدمين على تتبع عدد حالات السعال الليلي التي يتعرضون لها ونوع السعال الأكثر انتشارًا. يوفر هذا للمستخدمين فهمًا أكثر شمولاً لأنماط السعال لديهم بينما يقررون ما إذا كانت هناك حاجة إلى استشارة الطبيب.
يرى David Cleres ، الشريك المؤسس ورئيس قسم التكنولوجيا في Resmonics ، إمكانية تقنيات التعلم العميق لتحديد سعال أو شخير شخص معين ، لكنه يعتقد أن الاختراقات الكبيرة لا تزال ضرورية لهذا الجزء من أبحاث الذكاء الاصطناعي. كتب Cleres عبر البريد الإلكتروني: “لقد تعلمنا بالطريقة الصعبة في Resmonics أن المتانة للتنوع في أجهزة ومواقع التسجيل صعبة لتحقيقها مثل المتانة للتغيرات من مجموعات المستخدمين المختلفة”. ليس من الصعب فقط العثور على مجموعة بيانات بها مجموعة من تسجيلات السعال والشخير الطبيعي ، ولكن من الصعب أيضًا التنبؤ بجودة الميكروفون لجهاز iPhone البالغ من العمر خمس سنوات والمكان الذي سيختاره شخص ما تركه في الليل.
لذلك ، قد تكون الأصوات التي تصدرها في السرير ليلاً قابلة للتتبع بواسطة الذكاء الاصطناعي وتختلف عن الأصوات الليلية التي ينتجها أشخاص آخرون في منزلك. هل يمكن أيضًا استخدام الشخير كمقياس حيوي مرتبط بك ، مثل بصمة الإصبع؟ مطلوب مزيد من البحث قبل القفز إلى استنتاجات سابقة لأوانها. يقول تشوهان: “إذا كنت تنظر من منظور صحي ، فقد تنجح”. “من منظور القياسات الحيوية ، لا يمكننا أن نكون متأكدين.” يهتم Jagmohan أيضًا باستكشاف كيفية استخدام معالجة الإشارات ، دون مساعدة نماذج التعلم الآلي ، للمساعدة في اكتشاف الشخير.
عندما يتعلق الأمر بالذكاء الاصطناعي في أماكن الرعاية الصحية ، يستمر الباحثون المتحمسون ورجال الأعمال الجريئون في مواجهة نفس المشكلة: ندرة البيانات الجيدة المتوفرة بسهولة. يمكن أن يشكل نقص البيانات المتنوعة لتدريب الذكاء الاصطناعي خطرًا ملموسًا على المرضى. على سبيل المثال ، قامت خوارزمية مستخدمة في المستشفيات الأمريكية بإلغاء الأولوية لرعاية المرضى السود. بدون مجموعات بيانات قوية وبناء نموذج مدروس ، غالبًا ما يؤدي الذكاء الاصطناعي أداءً مختلفًا في ظروف العالم الحقيقي عن أداءه في إعدادات الممارسة المعقمة.
يقول Whitehill: “كل شخص يتحول نوعًا ما إلى الشبكات العصبية العميقة”. يزيد هذا النهج كثيف البيانات من الحاجة إلى رزم من التسجيلات الصوتية لإنتاج أبحاث عالية الجودة في السعال والشخير. إن نموذج التعلم الآلي الذي يتتبع وقت الشخير أو اختراق الرئة لا يمكن تذكره مثل روبوت المحادثة الذي يصنع السوناتات الوجودية حول Taco Bell’s Crunchwrap Supreme. لا يزال الأمر يستحق المتابعة بقوة. في حين أن الذكاء الاصطناعي التوليدي يظل في قمة اهتمامات الكثيرين في وادي السيليكون ، سيكون من الخطأ الضغط على زر الغفوة في تطبيقات الذكاء الاصطناعي الأخرى وتجاهل إمكانياتها النابضة بالحياة.
