เพิ่งอ่านเปเปอร์นี้จบ บันเทิงมาก ความรู้สึกเหมือนดูมาสเตอร์เชฟทำอาหาร
เปเปอร์นี้ตีพิมพ์ในวารสารเนเจอร์ เมื่อวันที่ 25 เมษายน 2562 ที่ผ่านมา เป็นงานวิจัยเพื่อสังเคราะห์เสียงพูดจากสมองออกมาเป็นไฟล์เสียงโดยตรง โดยไม่ผ่านการออกเสียงจากปาก
อ่านเนื้อหาแล้ว นึกว่าเป็นงานวิจัยที่ตีพิมพ์ใน SIG ACM หรือ IEEE Transaction มีแต่ศัพท์ EE กับ CS เต็มไปหมด
งานวิจัยที่น่าสนใจมาก เพราะเปเปอร์นี้จริง ๆ แล้ว สามารถแยกตีพิมพ์เจาะลึกเนื้อหาได้เป็น 3 เปเปอร์
ถ้าแยกเป็น 3 เปเปอร์ จะได้เนื้อหาดังนี้
- เปเปอร์แรก เป็นงานสอนเครื่องให้รู้ว่า สัญญาณจากสมอง ตรงกับการขยับลิ้น กราม และริมฝีปากยังไง ประโยชน์ของงานวิจัย ตัวอย่างเช่น ต่อไปเราสามารถใช้สมองสั่งหุ่นยนต์ให้ขยับปากตามความคิดที่จะพูดของเราได้
- เปเปอร์สอง เป็นงานสอนให้เครื่องรู้ว่า การขยับลิ้น กราม และริมฝีปาก ตรงกับการออกเสียงคำหรือประโยคอะไร ประโยชน์ของงานวิจัย ตัวอย่างเช่น เอาไว้อ่านปาก เพื่อรู้ว่าพูดอะไร
- เปเปอร์สาม เป็นงานสอนให้เครื่องรู้ว่า เสียงพูดที่ไม่ปะติดปะต่อ แหบพร่า ฟังไม่ค่อยรู้เรื่อง ตรงกับประโยคเสียงพูดที่สมบูรณ์ใด
ว่าตามจริง แยกวิจัยก็คือยากแล้ว แต่นี่เอามารวมกัน มันเลยอลังการมาก
ทีนี้มาคุยกันเกี่ยวกับจุดที่น่าสนใจในงานวิจัยนี้ในมุมมองส่วนตัว
จุดแรก วิธีการได้มาซึ่งข้อมูลในการสอนเครื่อง ซึ่งผู้วิจัยใช้วิธีผ่าตัดกระโหลกของผู้ทดสอบ เพื่อแปะเซ็นเซอร์ไว้บนพื้นผิวของเปลือกสมอง
ครับ เซ็นเซอร์วางแปะอยู่ตรงนั้นบนเปลือกสมอง และนี่คือสาเหตุว่าทำไมชื่อแรกของเปเปอร์จึงเป็นคุณหมอผ่าตัด และเปเปอร์นี้ถึงต้องตีพิมพ์ในวารสารเนเจอร์!!!
ปรกติเคยเจอแต่แปะเซ็นเซอร์บนกระโหลก หรือใช้วิธี fMRI แต่นี่ไปไกลล่ะ เล่นปลูกถ่ายเซ็นเซอร์กันเลยทีเดียว
และนอกจากนี้ เพราะสัญญาณที่ได้จากสมองมันยังไม่ชัวร์ เลยทำให้ผู้วิจัยต้องติดเซ็นเซอร์เอาไว้ที่ลิ้น กราม และริมฝีปากของผู้ทดสอบ เพื่อเก็บข้อมูลด้วย
สิ่งที่น่าสนใจในจุดที่สองก็คือ การส่งต่อเหตุและผล ในงานวิจัยทาง Machine Learning ส่วนใหญ่ เรามักสนใจเหตุและผลจังหวะเดียว เช่น เหตุเพราะผลไม้เป็นสีแดง เปลือกมันวาว เนื้อแข็ง ผลก็ควรแปลว่ามันเป็นแอปเปิ้ล จังหวะเดียวจบ
แต่งานวิจัยนี้มีการส่งต่อเหตุและผลถึงสามจังหวะ
จังหวะแรก เหตุเพราะสมองคิดแบบนี้ ผลจึงทำให้ลิ้น กราม ริมฝีปากขยับแบบนี้
จังหวะสอง เหตุเพราะลิ้น กราม ริมฝีปากขยับแบบนี้ จึงทำให้ออกเสียงพร่า ฟังไม่ค่อยชัดแบบนี้
และจังหวะสาม เหตุเพราะเสียงพร่า ฟังไม่ค่อยชัดแบบนี้ จึงทำให้ตีความได้ว่าพูดประโยคอะไรออกมา
ประมาณนี้
เนื่องจากในเปเปอร์นี้มีการอ้างอิงทฤษฎีทางการแพทย์ (เล็กน้อย) และทฤษฎีการคำนวณสำหรับคอมพิวเตอร์ (เยอะ ๆ) ไว้หลายตัวมาก ขอไม่ลงรายละเอียดแล้วกันครับ
