تشخیص مستی و الکل خون با Deep Learning !

تکنولوژی جدید هوش مصنوعی، می‌تواند با تجزیه و تحلیل یک کلیپ 12 ثانیه‌ای از صدای افراد، به سرعت تشخیص دهد که آیا میزان الکل خون آن فرد بالاتر از حد مجاز است یا خیر! (منبع دانشگاه La Trobe)

محققان دانشگاه La Trobe یک الگوریتم هوش مصنوعی را توسعه داده‌اند که می‌تواند به جای دستگاه‌های تست تنفس که گران هستند و به طور بالقوه در معرض سوگیری قرار دارند، میزان الکل خون افراد را تشخیص دهد.

این تکنولوژی می‌تواند با گوش دادن به 12 ثانیه از صدای یک فرد تعیین کند که آیا از حد مجاز الکل فراتر رفته است یا خیر.

در مقاله‌ای که در journal Alcohol منتشر شد، این مطالعه به رهبری یک دانش آموز دکترا به نام آبراهام آلبرت بونلا و تحت نظارت پرفسور امانوئل کونشه و دانشیار ژن هی، به ترتیب از مرکز تحقیقات خط مشی الکل و گروه علوم کامپیوتر و IT دانشگاه  La Trobe انجام شد که موضوع آن توصیف یک الگوریتم  Deep Learning مبتنی بر صدای افراد است. این الگوریتم برای شناسایی مستی شدید (ADLAIA) در افراد است. و می‌تواند بر اساس یک صدای 12 ثانیه‌ای از آن‌ها، وضعیت مسمومیت آن‌ها را تعیین کند.

به گفته آلبرت بونلا، مسمومیت حاد الکل توانایی‌های شناختی و روانی-حرکتی را مختل می‌کند. که این منجر به خطرات مختلف از جمله تصادفات جاده‌ای و خشونت‌های خانگی مرتبط با الکل می‌شود.

آلبرت بونلا گفت: «افراد مست معمولاً با اندازه‌گیری غلظت الکل خون (BAC) با استفاده از دستگاه‌های تنفسی که گران‌قیمت و پرمصرف هستند، شناسایی می‌شوند».

این فناوری می‌تواند فوراً تعیین کند که آیا یک فرد از حد مجاز الکل بالاتر رفته است یا خیر.

آزمایشی که به سادگی و با ضبط کردن صدای فرد انجام می‌شود، یک تغییر بزرگ خواهد بود.

الگوریتم تشخیص الکل خون

این الگوریتم با استفاده از دیتابیسی از 12.360 کلیپ صوتی از صدای افراد مست و هوشیار، توسعه یافته و آزمایش شد. به گفته محققان، ADLAIA قادر به شناسایی صدای افراد مست با میزان الکل خون 0.05% و بالاتر با دقت تقریباً 70% است. دقت این الگوریتم در شناسایی صدای افراد مست با میزان الکل خون بالاتر از 0.12% ، تقریباً 76% است.

محققان می‌گویند که یکی از کاربردهای بالقوه ADLAIA در آینده، می‌تواند ادغام در اپلیکیشن‌های تلفن همراه و استفاده در محیط‌ها (مانند بارها و استادیوم‌های ورزشی) باشد که حضور افراد مست را در لحظه تشخیص دهد.

آلبرت بونلا گفت: «توانایی شناسایی افراد مست فقط بر اساس گفتار آن‌ها، یک جایگزین بسیار ارزان‌تر برای سیستم‌های فعلی خواهد بود. چرا که آزمایش الکل با نفس در این مکان‌ها، اغلب گران و غیرقابل اعتماد است».

ADLAIA  با بهبود بیشتر در عملکرد کلی، می‌تواند در اپلیکیشن‌های تلفن همراه ادغام شود و به عنوان یک ابزار اولیه برای شناسایی افراد مست استفاده شود.

زمینه تحقیق

مسمومیت حاد با الکل توانایی‌های شناختی و روانی حرکتی را مختل می‌کند. که این منجر به خطرات مختلف مانند تصادفات جاده‌ای و خشونت‌های مرتبط با الکل می‌شود. افراد مسموم معمولاً با اندازه‌گیری غلظت الکل خون (BAC) و با استفاده از دستگاه‌های تنفسی گران‌قیمت شناسایی می‌شوند. در این مقاله، الگوریتم یادگیری عمیق مبتنی بر صدا را برای شناسایی مسمومیت الکل (ADLAIA) معرفی کرده‌ایم. که این الگوریتم می‌تواند فوراً وضعیت مسمومیت یک فرد با الکل را بر اساس یک کلیپ صوتی 12 ثانیه از گفتار او، تشخیص دهد.

متدهای تشخیص میزان الکل خون

ADLAIA بر روی یک مجموعه از گفتار به زبان آلمانی آموزش دید که در مجموع شامل 12.360 کلیپ صوتی از افراد مست و هوشیار است. (مجموعاً 162 نفر؛ 21 تا 64 ساله؛ که 47.7% از آن‌ها زن هستند). عملکرد ADLAIA با محاسبه میانگین recall غیروزنی (UAR) و دقت پیش‌بینی مسمومیت الکل تعیین شد.

ADLAIA قادر به شناسایی صدای افراد مست با غلظت الکل خون بالای 0.05% با UAR 68.09% و دقت 67.67% بود. UAR در شناسایی افراد متن با غلظت الکل خون بالای 0.12% ، عملکرد بهتری داشت و UAR 75.7% را ثبت کرد.

نتیجه‌گیری

ADLAIA با توانایی شناسایی افراد مست تنها با صدای آن‌ها، می‌تواند در اپلیکیشن‌های موبایل ادغام شود و در محیط‌هایی مانند بارها و استادیوم‌های ورزشی، برای تشخیص فوری افراد مست استفاده شود.

منبع ترجمه: neurosciencenews