با این حال، صدای رویدادهای دفع بستگی به نوع توالت مورد استفاده دارد.
گاتلین میگوید استفاده از این رویکرد برای ردیابی شیوع بیماری شامل قرار دادن میکروفونها در نزدیکی دستشوییهای عمومی و تغذیه دادهها به هوش مصنوعی است.
با این حال، صدای رویدادهای دفع بستگی به نوع توالت مورد استفاده دارد.
گاتلین میگوید استفاده از این رویکرد برای ردیابی شیوع بیماری شامل قرار دادن میکروفونها در نزدیکی دستشوییهای عمومی و تغذیه دادهها به هوش مصنوعی است.
گاتلین توضیح میدهد: «بسیاری از مناطقی که وبا در آنها شایع است، انواع توالتهایی را ندارند که ما در ایالات متحده یا بریتانیا داریم، بنابراین ما باید یک هوش مصنوعی برای صداهایی که در انواع مختلف توالتها ایجاد میشود، توسعه دهیم.» نتایج در a نشست انجمن آکوستیک آمریکا 5 دسامبر.
استفاده از ضبطهای آنلاین برای توسعه هوش مصنوعی همچنین به این معنی بود که محققان باید بهطور دستی به ضبطها گوش میدادند و تصمیم میگرفتند که آیا برچسبهای صوتی دقیقاً نوع رویداد ریختن را توصیف میکردند یا خیر – بدون اینکه مطمئن باشند چه نوع ضبط شده است.
برای خبرنامه رایگان بررسی سلامت ما ثبت نام کنید که اخبار سلامت، غذا و تناسب اندام را که می توانید به آنها اعتماد کنید، هر شنبه به شما می دهد.
بیماریهای اسهالی مانند وبا در صورت عدم درمان میتوانند منجر به مرگ شوند و تشخیص خودکار سطوح اسهال در جامعه میتواند به ردیابی شیوع و کاهش شیوع بیماری کمک کند.
محققان دستگاهی را ایجاد کردند که میتوان آن را در توالت نصب کرد. یک میکروفون صدای استفاده از توالت را دریافت می کند، که روی یک ریزپردازنده در جعبه “Diarrhea Detector” (تصویر بالا) که دارای یک مدل هوش مصنوعی یادگیری ماشینی است، ضبط می شود. سیگنال قبل از طبقه بندی به عنوان اسهال یا نه پردازش و ارزیابی می شود.
درباره این موضوعات بیشتر بدانید:
منبع: https://www.newscientist.com/article/2350082-ai-listens-to-toilet-sounds-to-guess-whether-people-have-diarrhoea/?utm_campaign=RSS%7CNSNS&utm_source=NSNS&utm_medium=RSS&utm_content=home
این نشان داد که هوش مصنوعی میتواند به درستی یک رویداد ریزش را به عنوان اسهال یا غیراسهالی با دقت 98 درصد طبقهبندی کند، در صورتی که سر و صدای پسزمینه (مانند افرادی که صحبت میکنند) فیلتر شود، و با دقت 96 درصد اگر نویز پسزمینه حفظ شود.
مایا گاتلین
سپس محققان از 70 درصد ضبطها برای آموزش هوش مصنوعی برای تشخیص تفاوتهای شنیداری بین چهار نوع دفع استفاده کردند. هنگامی که آنها تأیید کردند که هوش مصنوعی می تواند این کار را به طور مداوم با 10٪ از داده های اضافی انجام دهد، آنها عملکرد هوش مصنوعی را با استفاده از 20٪ باقی مانده از سوابق آزمایش کردند.
یک هوش مصنوعی می تواند اسهال را با دقت 98 درصد با تجزیه و تحلیل صداهای منتشر شده از توالت تشخیص دهد. این مهارت می تواند به ما در ردیابی شیوع بیماری مانند وبا کمک کند.
گاتلین میگوید: «در آینده، ما میخواهیم رکوردهای دفع واقعی را جمعآوری کنیم و هوش مصنوعی را بر روی آنها توسعه دهیم.