# Treble z 18 milijoni dolarjev stavi na prihodnost glasovne umetne inteligence
Da bi glasovna umetna inteligenca delovala zanesljivo tudi zunaj tihih laboratorijev, ne potrebuje le boljših modelov, temveč tudi bolj realistične podatke. Islandsko podjetje Treble želi ta problem reševati s fizikalnimi simulacijami zvoka, za nadaljnji razvoj platforme pa je zdaj zbralo 18 milijonov dolarjev.
Razširitev financiranja serije A je vodil Paladin Capital Group, sodelovali pa so obstoječi vlagatelji KOMPAS VC, Frumtak Ventures, EIC in Omega ehf. Treble, ki sta ga leta 2020 ustanovila akustična inženirja Finnur Pind in Jesper Pedersen, je leta 2024 prejel že 12 milijonov dolarjev. Skupaj je podjetje do zdaj zbralo več kot 40 milijonov dolarjev. Med njegovimi strankami sta Amazon in Logitech.
Zakaj zvok ostaja težaven problem za umetno inteligenco
Sistemi za prepoznavanje govora in obdelavo zvoka pogosto delujejo prepričljivo v nadzorovanih razmerah, vendar lahko hitro odpovejo v resničnem svetu. Govor preglasijo promet, veter, odmevanje prostora, drugi ljudje, glasba ali slab položaj mikrofona. Prav takšne okoliščine so ključne za naprave, ki naj bi uporabnika razumele doma, v avtomobilu, na ulici ali v skladišču.
Tradicionalno podjetja za učenje takšnih sistemov zbirajo ogromne količine posnetkov iz resničnega okolja. Ta postopek je drag, počasen in omejen: težko je zajeti vse možne kombinacije prostorov, hrupa, naglasov, naprav in položajev uporabnikov. Obenem lahko zbiranje resničnih posnetkov odpira tudi vprašanja zasebnosti.
Treble želi ponuditi alternativo. Njegova platforma ustvarja sintetične zvočne podatke in simulira, kako se zvok širi ter spreminja v različnih okoljih. To razvijalcem omogoča, da modele izpostavijo razmeram, ki jih je v resničnosti težko, drago ali celo nemogoče sistematično poustvariti.
Od sintetičnih podatkov do robustnejših glasovnih modelov
Za podjetja, ki razvijajo glasovno umetno inteligenco, Treble ponuja ustvarjanje podatkov za izboljšanje govora, zmanjševanje šumov in učenje modelov. Platforma lahko modele tudi vrednoti v različnih akustičnih pogojih ter razvijalcem pokaže, kje in zakaj prihaja do napak.
Podjetje je letos s Hugging Face sodelovalo pri predstavitvi merila za primerjavo modelov za prepoznavanje govora v realističnih pogojih. Takšno testiranje je pomembno zato, ker kakovosti sistema ni mogoče ocenjevati le po tem, kako dobro prepozna jasno izgovorjen stavek v tišini. Pomembneje je, kako se odzove, ko se v ozadju slišijo pogovori, stroji ali promet.
Soustanovitelj Finnur Pind je za TechCrunch poudaril, da je zvočna umetna inteligenca v veliki meri problem podatkov. Večina dosedanjih sistemov temelji na posnetkih in podatkih, zbranih na spletu, Treble pa verjame, da lahko natančna fizikalna simulacija postane pomemben nov vir podatkov za razvoj zvokovnih modelov.
Ko morata sodelovati model in naprava
Treblejev pristop ni omejen na programsko opremo. Podjetje sodeluje tudi s proizvajalci slušalk in zvočnikov, ki lahko s simulacijami preverjajo, kako bo njihov izdelek zvenel še pred izdelavo fizičnega prototipa.
To je neposredno povezano z delovanjem umetne inteligence. Glasovni model je namreč odvisen od kakovosti signalov, ki jih prejme prek mikrofonov, od postavitve zvočnikov ter od tega, kako naprava vpliva na zvok v prostoru. Pametni zvočnik lahko denimo različno dobro prepozna ukaz glede na to, ali je postavljen ob steno, na polici ali sredi hrupne kuhinje.
Podobne izzive prinašajo pametna očala in slušalke. V prihodnosti bi lahko takšne naprave uporabniku pomagale izločiti nezaželen hrup in poudariti zvoke, ki jih želi slišati. Pind kot primer omenja restavracijo, kjer bi uporabnik želel jasno slišati sogovornika v bližini, ne pa vsega hrupa v prostoru.
Uporaba tudi v avtomobilih, robotiki in dronih
Treble želi z novim kapitalom povečati prisotnost na področju fizične umetne inteligence, v robotiki, avtomobilski industriji in pri dronih. Potencial je velik: avtomobil bi lahko s pomočjo bolje naučenih sistemov zanesljiveje prepoznal sireno reševalnega vozila kljub dežju, vetru in prometnemu hrupu. Robot v skladišču bi lahko natančneje zaznal glasovni ukaz med delovanjem strojev, pametna očala pa bi lahko ljudem z okvaro sluha pomagala bolje razločevati pomembne glasove od okolice.
Francois Ruether, podpredsednik Paladin Capital Group, meni, da bo takšna infrastruktura postajala dragocenejša, ko bo vse več izdelkov odvisnih od razumevanja zvoka. Treblejeva stava je jasna: prihodnja konkurenčna prednost umetne inteligence ne bo le v sposobnosti govorjenja, ampak tudi v sposobnosti poslušanja v nepredvidljivem resničnem svetu.
