一个工程和健康团队的研究人员开发了一种工具，用以提高电子设备检测人类患者咳嗽的能力，该工具可用于健康监测。新工具依赖于一种先进的人工智能（AI）算法，该算法可以帮助AI在现实世界中面对意外数据时更好地识别其不确定性。
北卡罗来纳州立大学电子和计算机工程副教授Edgar Lobaton说：“当人工智能被训练识别咳嗽声音时，这通常是用‘干净’的数据完成的——没有很多背景噪声或其他混乱的声音。但现实世界充满了背景噪声和其他混乱的声音。因此之前的咳嗽检测技术经常会遇到误报的问题——它们会在没有人咳嗽的时候，检测到有人在咳嗽。”
“我们开发了一种算法，通过允许人工智能表达不确定性来帮助我们解决这个问题。人工智能除了‘是’或‘否’，它还可以报告检测到一个不熟悉的声音。换句话说，人工智能有了第三个选择：‘我不知道那是什么’。”
咳嗽检测技术有几个潜在的健康监测应用。
Lobaton说：“人们可以使用可穿戴健康监测设备来检测哮喘患者的咳嗽，这可能会触发哮喘发作风险增加的通知；也可以使用咳嗽检测来监测新冠肺炎等。”
然而，之前的咳嗽检测技术有很高的假阳率，相关的人工智能将许多不熟悉的声音报告为咳嗽。这些误报极大地限制了它们的效用。
Lobaton说：“在短期内，我们的工作允许人工智能在听到无法识别的声音时，注意到它，来限制误报。从长远来看，我们的算法应该允许我们不断训练人工智能，通过告诉它听到的陌生声音是咳嗽还是无关的噪声。随着时间的推移，这应该可以实现更精确的检测。”
此外，研究人员在计算模型中测试了新算法，发现改进的咳嗽检测人工智能可以比以前的技术使用更少的每秒声音样本有效地运行。例如，之前的咳嗽检测工具每秒使用约16,000个声音样本，而新的AI工具每秒使用750个声音样本，灵敏度相似，误报率更低。
“使用更少的声音样本是一个显著的优势。”Lobaton说，“首先，这意味着电子设备需要更少的计算能力，这使我们能够使它更小，更节能。其次，使用更少的声音样本意味着该技术将无法录制可理解的语音，这可以解决隐私问题。”
研究人员目前正在将新算法整合到可穿戴健康监测设备中，该设备可以用于现实世界的测试。
此外，研究人员表示，他们在这里采取的方法可以用于解决一系列人工智能应用，在这些应用中，人工智能可能会遇到它没有经过训练来理解的意外输入。
信息源于：NCSU
版权声明：本文内容转自互联网，本文观点仅代表作者本人。本站仅提供信息存储空间服务，所有权归原作者所有。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至1393616908@qq.com 举报，一经查实，本站将立刻删除。
