Siriに話しかける人は、まもなく iPhoneを食べようとしているように見えなくてもよくなるかもしれません。「カクテルパーティー問題」を解決する新たな技術のデモンストレーションによるものです。
多くの声が四方八方から聞こえてくる混雑した部屋で、人間の聴覚システムは、背景のざわめきを除外しながら一つの声に集中することに非常に優れています。
一方、コンピューターはそうではありません。
しかし、Duke大学のエンジニアによる新しいアプローチにより、騒がしい環境での性能がまもなく向上する可能性があります。このセンサーは、メタマテリアル（自然界にない特性を実現するために、天然素材を繰り返しパターンで組み合わせたもの）と圧縮センシングを用いて、音の方向を特定し、周囲の背景雑音から抽出します。
小型化されれば、このデバイスは、音声コマンド式の電子機器、超音波のような波動を利用する医療用センシング機器、補聴器や人工内耳などに応用できる可能性があります。
この研究は、2015年8月11日付の『米国科学アカデミー紀要（Proceedings of the National Academy of Sciences）』に掲載されました。
「現代の技術が日常的に直面する興味深い問題を、効率的かつ確実に、そして安価に解決できるセンシングシステムを開発しました」と、Duke大学で電気・コンピュータ工学の博士課程に在籍し、論文の筆頭著者でもあるAbel Xie氏は述べました。「このシステムにより、スマートフォンやゲーム機などの音声操作機器の性能を向上させると同時に、システムの複雑さを低減できると考えています。」
試作機のデバイスは、数十のスライスに分割された、厚みのあるプラスチック製の扇形ハニカムに少し似ています。ハニカムの開口部はすべて同じに見えるかもしれませんが、その深さは穴ごとに異なります。これにより、ハニカムの扇形の各スライスは固有のパターンを持ちます。
「空洞は、上部に息を吹きかけるとソーダ瓶のように振る舞います」と述べたのは、 Steve Cummer氏です。Duke大学の電気・コンピュータ工学の教授でもあります。「瓶に残っているソーダの量、つまり今回の場合は空洞の深さが、それが発する音の音程に影響し、入ってくる音を微妙だが検知可能な形で変化させるのです。」
音波がデバイスに到達すると、空洞によってわずかに歪められます。そして、その歪みは、音波が通過したパイのスライスに応じた特有の署名を持ちます。反対側のマイクで拾われた後、音は、これらの固有の歪みに基づいて入り混じった雑音を分離できるコンピューターに送信されます。
この試作センサーは、通過する「パイ」のスライスによって与えられる固有の歪みを用いて、異なる方向から同時に到達する音を分離できます。
研究者らは、3つの異なる方向から、同一の音を3つ同時にセンサーへ送る試行を複数回行い、この装置をテストしました。その結果、96.7パーセントの精度で区別することができました。
試作機の幅は6インチですが、研究者らは、縮小して日常的に使用する機器に組み込むことができると考えています。また、このセンサーはプラスチック製で、電気部品や可動部品を持たないため、極めて効率的で信頼性が高いのです。
「このコンセプトは、民生用電子機器の分野以外にも応用できる可能性があります」と、Xie氏は述べました。「超音波など波動を用いるあらゆる医療画像機器と組み合わせることで、既存のセンシング手法を改善するだけでなく、まったく新しい手法を生み出すことも可能だと考えています。
「追加の情報があれば、補聴器や人工内耳などの用途において、音声の忠実度を向上させ、機能を強化することも可能になるはずです。明白な課題の一つは、システムを物理的に小型化することです。困難ではありますが、不可能ではなく、私たちはその目標に向けて取り組んでいます。」
本研究は、米国海軍研究局（Office of Naval Research）からの助成金N00014-13-1-0631による多分野大学研究イニシアチブ（Multidisciplinary University Research Initiative）の支援を受けました。
本記事は、 Dukeとの協力により発表されたものです。掲載は、世界経済フォーラムによる見解の支持を意味するものではありません。
Agendaの最新情報を追うには、 週刊ニュースレターにご登録ください。
執筆者：Ken Kingeryは、Duke大学の科学ライターです。
画像：試作センサーは、エコーや不要な背景雑音を排除するため、音を吸収する部屋でテストされています。写真：Duke
