Hvad er et DNN? 5 nemme skridt til at forstå DNN og dets fordele

5 nemme skridt til at forstå den nye teknologi i Oticon More™ og dens fordele

Oticon har lanceret et nyt høreapparat, Oticon More. Inde i dette nye høreapparat findes et såkaldt Deep Neural Network, DNN, som hjælper dig med at få en bedre lytteoplevelse. Men hvad er et DNN, og hvordan hjælper det dig med at høre?

Det lyder kompliceret, men lad os prøve at forklare det.

DNN er en slags maskinlæring, som efterligner måden, hjernen lærer på. Det er blevet brugt til mange forskellige opgaver; nogle, som du måske er bekendt med fx oversættelse og billedsøgning; og andre, som du måske ikke kender som medicinsk diagonsticering – på University of California, Los Angeles (UCLA) har man trænet et DNN til at opdage kræftceller! ¹ Nu bruger vi det i vores nye høreapparat, Oticon More.

Den grundlæggende idé bag DNN er, at det lærer gennem repetitive handlinger fra et udvalg af eksempler. Det kan fx være 100 billeder af forskellige hunde, i stedet for menneskeskabte betingelser som ”en hund har en sort snude og flagrende ører”. På denne måde lærer et DNN, ligesom en menneskehjerne gør – nemlig gennem øvelse og ved at begå fejl.

Sådan fungerer det:

1. En computer modtager et stykke information, fx et billede eller en lyd. Lad os i dette eksempel sige, at den modtager lyden af en trompet. Ulig dig og mig, så vil en computer ikke kende denne lyd.
   
   
2. Computeren sender denne lyd videre gennem sit DNN, der kigger på, hvad den indeholder, og sorterer elementer fra – fx en lys eller dyb tone.
   
   
3. Når lyden når til vejs ende i denne proces, fastslår DNN, om lyden repræsenterer en trompet eller ej.
   
   
4. Computeren får tilbagemelding om dette svar – et ja eller et nej – som den derefter bruger til at styrke sin beslutningstagning.
   
   
5. Denne proces gentages igen og igen med mange forskellige trompetlyde, indtil computeren formår at genkende dem øjeblikkeligt – ligesom en hjerne ville gøre.

Lad os nu sige, at dette DNN blev trænet med millioner af lydbilleder fra det virkelige liv – fra en restaurant, en togstation eller en travl gade. Dette DNN vil lære at identificere og afbalancere hver enkelt lyd inden for hele lydbilledet, således at du kan få adgang til netop de lyde, der er vigtige for dig.

Og det er rent faktisk det, vi har gjort! Vi trænede et DNN med 12 millioner komplekse lydscener fra det virkelige liv, som det lærte at analysere, organisere og balancere. Når DNN havde tilegnet sig al denne fantastiske viden, var det klar til at blive integreret i Oticon More. Nu kan dette høreapparat anvende de intelligente egenskaber fra DNN til at balancere og prioritere lyde, som er vigtige for dig, samtidig med at det er med til at holde din hjerne sund.

Fordelene ved at have et høreapparat med et DNN

Forestil dig, at du befinder dig på en restaurant med venner eller familie. Personen foran dig taler, mens du skal til at rejse dig for at forlade restauranten. Fordi traditionelle høreapparater er trænede til at fokusere på taledirektionalitet og andre lyde – særligt i støjfyldte omgivelser – så hører du måske ikke, at tjeneren står lige bag dig med en bakke fyldt med glas.

Med DNN får din hjerne adgang til hele lydbilledet, så du kan høre både personen ved siden af dig, lyden af bestik mod en tallerken fra bordet længere henne, og tjeneren, der står bag dig – alle lydene er afbalanceret og forstærket på en naturlig måde.

Det skyldes, at et DNN giver din hjerne mere meningsfyldt information,som gør lyd mere klar og tale nemmere at følge. Faktisk har vores undersøgelser vist, at hele lydbilledet bliver 60 % klarere² ved at anvende DNN i Oticon More.

Se, hvad vores testpersoner siger om Oticon More

Fra genopdagelsen af glemte lyde til ikke længere at føle sig begrænset i støjfylde situationer, så kan den revolutionerende anvendelse af DNN i Oticon More gøre en stor forskel i dit liv.

Læs mere om Oticon More her.

Hvis du vil lære mere om DNN, så læs vores side om teknologi.

^[1] Bahram Jalali, Claire Lifan Chen, and Ata Mahjoubfar, University of California, Los Angeles (UCLA)

www.mathworks.com/company/newsletters/articles/cancer-diagnostics-with-deep-learning-and-photonic-time-stretch.html

^[2] Santurette, S., Juul Jensen, J., Ng, E.H.N. , Man, K.L.B (2020) Oticon More(TM) Clinical Evidence. Oticon Whitepaper