هوش مصنوعی صوتی به یکی از پررقابت‌ترین و پرجذاب‌ترین حوزه‌ها برای سرمایه‌گذاران تبدیل شده است؛ حوزه‌ای که دامنه کاربرد آن از اتوماسیون تماس‌های پشتیبانی تا ساخت عینک‌های هوشمند و ربات‌های خودکار گسترش یافته است. در این میان، ارزیابی و آموزش مدل‌های کلامی نیازمند داده‌های آکوستیک بسیار دقیق و واقعی است. استارتاپ ایسلندی Treble با جذب سرمایه ۱۸ میلیون دلاری قصد دارد خود را به زیرساخت اصلی تست و شبیه‌سازی صوت برای سازندگان مدل‌های هوش مصنوعی، گجت‌های پوشیدنی و شرکت‌های رباتیک تبدیل کند.
شبیه‌سازی آکوستیک؛ جایگزینی مبتنی بر فیزیک برای داده‌های وب
این شرکت که در سال ۲۰۲۰ توسط دو مهندس آکوستیک به نام‌های فینور پیند (Finnur Pind) و جسپر پدرسن (Jesper Pedersen) تأسیس شد، در مرحله جدید سرمایه‌گذاری سری A به رهبری Paladin Capital Group موفق به دریافت ۱۸ میلیون دلار شد. با احتساب سرمایه‌گذاری‌های قبلی، مجموع سرمایه جذب‌شده توسط این استارتاپ به بیش از ۴۰ میلیون دلار رسیده است. شرکت‌های بزرگی همچون آمازون و لاجیتک در شمار مشتریان شاخص این پلتفرم قرار دارند.
بخش عمده مدل‌های هوش مصنوعی صوتی تاکنون بر اساس فایل‌های صوتی جمع‌آوری‌شده از وب آموزش دیده‌اند. Treble رویکرد متفاوتی را در پیش گرفته است؛ این پلتفرم محیط‌های صوتی را بر پایه قوانین واقعی فیزیک شبیه‌سازی می‌کند تا داده‌های سنتتیک (مصنوعی) فوق‌العاده دقیقی را برای حذف نویز، ارتقای شفافیت گفتار و آموزش مدل‌ها تولید کند.
از گجت‌های پوشیدنی تا هوش مصنوعی فیزیکی و رباتیک
کاربرد پلتفرم Treble تنها به آموزش مدل‌های زبانی محدود نمی‌شود، بلکه نقش مهمی در نمونه‌سازی مجازی سخت‌افزارها ایفا می‌کند. سازندگان هدفون، اسپیکرهای هوشمند و عینک‌های مبتنی بر هوش مصنوعی می‌توانند پیش از ساخت فیزیکی محصول، نحوه انتشار و دریافت صدا را در محیط‌های مختلف ارزیابی کنند.
- تولید داده‌های سنتتیک آکوستیک: خلق محیط‌های صوتی پیچیده بر پایه محاسبات دقیق فیزیکی برای آموزش مدل‌های شنیداری.
- ارزیابی گجت‌های هوشمند: تست عملکرد اسپیکرها و عینک‌های هوشمند در دریافت درست دستورات صوتی کاربران.
- توسعه هوش مصنوعی فیزیکی: ارائه بستر شبیه‌سازی صوتی برای ربات‌ها، خودروهای خودمختار و پهپادها جهت درک بهتر محیط اطراف.
مدیران Treble بر این باورند که نسل بعدی گجت‌های شنیداری با کمک این فناوری می‌توانند قابلیت‌هایی نظیر «شنوایی مافوق صوت» را به کاربران ارائه دهند؛ به طوری که کاربر در یک محیط شلوغ مانند رستوران بتواند صدای افراد نزدیک خود را شفاف‌تر بشنود و نویز محیطی را کاملاً حذف کند.
سوالات متداول
پلتفرم Treble چه مشکلی را در هوش مصنوعی صوتی حل می‌کند؟
این پلتفرم به جای اتکا به فایل‌های صوتی ضبط‌شده روی اینترنت، محیط‌های آکوستیک واقعی را از طریق محاسبات فیزیکی شبیه‌سازی می‌کند تا داده‌های دقیق‌تری برای آموزش و ارزیابی مدل‌ها فراهم شود.
چه شرکت‌هایی از خدمات Treble استفاده می‌کنند؟
شرکت‌های برجسته‌ای مانند آمازون و لاجیتک برای نمونه‌سازی مجازی محصولات و بهبود درک صوتی گجت‌های خود از فناوری این استارتاپ بهره می‌برند.