ابداع دانشمندان: این هوش مصنوعی با تحلیل صدا سرعت پیری افراد را تخمین می‌زند

از اینکه ما را در توسعه بهتر و هدفمند‌تر دیجیاتو همراهی می‌کنیداز شما سپاسگزاریم.

 پژوهشگران با هوش مصنوعی سن افراد را از روی گفتار تخمین زدند.

جهت بهره‌مندی و دسترسی به امکانات ویژه و بخش‌های مختلف در دیجیاتو عضو ویژه دیجیاتو شوید.

پژوهشگران یک ابزار هوش مصنوعی جدید به نام «ساعت گفتاری» (Speech Clock) توسعه داده‌اند که با تحلیل نحوه صحبت‌کردن افراد، سن تقویمی آن‌ها را تخمین می‌زند. مطالعه‌ای جدید نشان می‌دهد افرادی که صدایشان مسن‌تر از سن واقعی‌شان به نظر می‌رسد، بیشتر با مشکلات شناختی، زوال عقل و نشانه‌های پیری زیستی زودهنگام مواجه هستند.

به گزارش لایوساینس، پژوهشگران داده‌های نزدیک به ۳ هزار فرد اسپانیایی‌زبان را بررسی کردند. افرادی که سن تخمینی آن‌ها از روی گفتار بیشتر از سن واقعی‌شان بود، احتمال بیشتری داشت که به مشکلات شناختی، زوال عقل و نشانه‌های پیری زیستی زودرس مبتلا باشند.

این افراد همچنین در مقایسه با سایر شرکت‌کنندگان، بیشتر در شرایط اجتماعی و اقتصادی نامطلوب قرار داشتند.

«ساعت گفتاری» به خانواده ابزارهای موسوم به ساعت‌های پیری (Aging Clocks) اضافه می‌شود. این ابزارها با استفاده از نشانگرهای مختلف زیستی، سن یا خطر ابتلا به بیماری‌های مرتبط با افزایش سن را تخمین می‌زنند.

«ساعت‌های پیری موجود بسیار قدرتمند هستند، اما بسیاری از آن‌ها به اسکن مغزی یا آزمایش‌های خون متکی‌اند که گران و تهاجمی هستند یا استفاده از آن‌ها برای تکرار منظم دشوار است. استفاده از گفتار می‌تواند این محدودیت‌ها را برطرف کند.»

پژوهشگران برای ساخت این مدل از داده‌های کنسرسیوم ReD-Lat، یک پروژه بزرگ پژوهش درباره زوال عقل در آمریکای لاتین، استفاده کردند. این مطالعه بیش از ۲۹۰۰ فرد اسپانیایی‌زبان ۱۸ تا ۸۸ ساله از آرژانتین، شیلی، کلمبیا، مکزیک و پرو را دربر می‌گرفت.

حدود ۱۵۰۰ نفر از شرکت‌کنندگان از نظر شناختی سالم بودند و سایر افراد به اختلال شناختی خفیف، بیماری آلزایمر یا زوال عقل پیشانی‌گیجگاهی مبتلا بودند. هر فرد هفت وظیفه را انجام داد. ازجمله این وظایف می‌توان به توصیف یک ویدیوی متحرک، نام‌بردن از بیشترین تعداد کلمه، سبزیجات یا حیوانات در مدت ۶۰ ثانیه و بازگویی یک داستان کوتاه بلافاصله پس از شنیدن آن و بار دیگر ۲۰ تا ۳۰ دقیقه بعد اشاره کرد.

پژوهشگران صدای افراد را ضبط و بیش از ۷۰۰ ویژگی مختلف را از این فایل‌ها استخراج کردند. مکث‌ها، سرعت صحبت‌کردن، زیر و بمی صدا، دایره واژگان و بیان احساسات از جمله این ویژگی‌ها بودند.

سپس یک مدل یادگیری ماشینی با استفاده از این ویژگی‌ها و سن واقعی شرکت‌کنندگان آموزش داده شد تا بتواند سن افراد را بر اساس نحوه صحبت‌کردن آن‌ها تخمین بزند. پژوهشگران اختلاف میان سن تخمینی مدل و سن واقعی هر فرد را شکاف سن گفتاری (Speech-Age Gap) نامیدند.

افراد سالم از نظر شناختی کمترین فاصله را میان سن واقعی و سن تخمین‌زده‌شده توسط هوش مصنوعی داشتند. این فاصله در افراد مبتلا به اختلال شناختی خفیف یا زوال عقل بیشتر بود. بیشترین شکاف نیز در افراد مبتلا به نوعی از زوال عقل پیشانی‌گیجگاهی مشاهده شد که عمدتاً بر توانایی‌های ارتباطی تأثیر می‌گذارد.

افرادی که گفتارشان مسن‌تر به نظر می‌رسید، در آزمایش‌های حافظه، زبان و توجه نیز عملکرد ضعیف‌تری داشتند و در انجام فعالیت‌های روزمره با مشکلات بیشتری مواجه بودند.

پژوهشگران همچنین دریافتند شکاف بزرگ‌تر سن گفتاری با عوامل مختلف خطر زوال عقل، از جمله مشکلات مالی، ناامنی غذایی، دسترسی محدود به خدمات درمانی، تجربه دوران کودکی دشوار و سطح تحصیلات پایین‌تر، ارتباط دارد.

با وجود نتایج مطالعه، پژوهشگران تأکید دارند که این ابزار هنوز نمی‌تواند به‌تنهایی خطر ابتلای یک فرد به زوال عقل را مشخص کند. چون صدای انسان به وضعیت کلی سلامت حساس است و ممکن است گفتار فرد صرفاً به‌دلیل افسردگی شدید، خستگی یا تحمل فشارهای جدی زندگی مسن‌تر به نظر برسد.

یافته‌های این پژوهش در ژورنال Science Advances منتشر شده است.

دانش‌آموخته‌ زبان‌شناسی‌ هستم و همان‌قدر که به «کلمه» علاقه‌مندم، از سرک‌کشیدن به گوشه‌وکنارِ جهان تکنولوژی و علم هم حظ می‌کنم.

برای گفتگو با کاربران ثبت نام کنید یا وارد حساب کاربری خود شوید.

با توجه به قطعی اینترنت، برای ثبت‌نام نیازی به تأیید ایمیل نیست.