Sponsoreret indhold

Machine learning i høreapparater møder kendt dilemma fra selvkørende biler

Algoritmer vil i fremtiden kunne overtage en del af ansvaret for høreapparater fra audiologer på samme måde, som de gør det fra chaufføren med selvkørende biler. Det skaber et nyt dilemma i en gammel branche.

Selvkørende biler repræsenterer et efterhånden kendt dilemma i udviklerkredse. Det kan basalt set koges ned til spørgsmålet: Hvem har ansvaret, hvis bilen kører galt? Skal programmører holdes ansvarlige for de algoritmer, de udvikler?

Hvad færre måske tænker over er, at selvsamme dilemma vil dukke op i adskillige andre sammenhænge i de kommende år – og her er høreapparater et af dem.

Den seneste udvikling inden for industrien går nemlig i retning af at bruge machine learning til automatisk at tilpasse høreapparaterne efter den enkelte brugers høretab. Igen et spørgsmål om at automatisere dele af en kompliceret proces, der indtil videre har været manuel.

Kompleksiteten består i, at der er over 15.000 parametre at skrue på, når man indstiller et høreapparat. Derfor har ansvaret for tilpasningsarbejdet også hidtil ligget hos uddannede audiologer.

Men når machine learning i fremtiden begynder at kunne assistere og måske endda overtage dele af audiologens arbejde, åbner det op for et nyt dilemma: Hvem har ansvaret, hvis algoritmerne indstiller høreapparatet forkert, og det forårsager en ulykke? Nogle høreapparater er trods alt så kraftige, at de kan udsende lyde, der potentielt kan skade brugerens hørelse yderligere.

»Der er mange ting, som skal være på plads, før vi kan automatisere tilpasningen af høreapparater. Blandt andet skal lovgivningen tillade det,« siger Niels Maretti, enterprise-arkitekt hos den danske høreapparatvirksomhed Widex.

Widex er i øjeblikket i gang med en omfattende digital omstilling af forretningen og søger i den forbindelse efter 50 nye udviklere, heriblandt eksperter i machine learning.

Behov for app-udviklere, der forstår machine learning

Udviklingen i høreapparatbranchen er en del af en større tendens mod at inkorporere machine learning overalt i samfundet fra vindmøller til vaskemaskiner.

Det stiller samtidig nye krav til udviklere af alle slags, heriblandt app-udviklere ifølge Niels Maretti. Mange apps er i øjeblikket præget af overfladisk udvikling med mest fokus på user interfaces og langt mindre på back end-funktionalitet, men det vil ændre sig, mener han.

»App-udviklere skal fremover have en basal forståelse for at anvende machine learning på en måde, som gavner deres produkter,« siger han og uddyber:

»Vi kommer til at lave komplicerede apps, hvor vi har brug for regnekraften i telefonen. Når vi skriver til høreapparatet, skal det nemlig gå så hurtigt, at hvis data skal op og vende i skyen, taber vi for meget tid. Samtidig stiller det krav til app-udviklerne, at de forstår at bruge machine learning-biblioteker.«

Machine learning skal reducere besøg til audiologen

Når en person med høretab skal have tilpasset høreapparatet, foregår det i dag hos en audiolog. Vedkommende indstiller blandt andet forstærkningen i de forskellige frekvensområder samt tilpasser de mange lydmiljøer til brugeren – eksempelvis, hvordan de lavere frekvenser forbundet med motorstøj bliver dæmpet, når brugeren sidder i bilen.

»I alt, hvad vi vil lave fremover, vil der på længere sigt være et stort element af machine learning,« siger Niels Maretti, enterprise-arkitekt hos den danske høreapparatvirksomhed Widex.

Arbejdet er så kompliceret, at det ofte kan tage flere besøg hos en audiolog at finde de rette indstillinger i et høreapparat. Dette er et af de områder, hvor machine learning fremover vil kunne assistere arbejdet ifølge Niels Maretti.

Ved at analysere tusindvis af høreapparat-brugeres høredata – også kaldet et audiogram – samt indstillingerne i deres apparater, spår han, at algoritmerne i fremtiden vil hjælpe audiologen i langt flere tilfælde med at ramme præcist i første forsøg.

»I alt, hvad vi vil lave fremover, vil der på længere sigt være et stort element af machine learning, fordi det er en meget kompleks verden, som audiologen kan blive hjulpet med,« siger Niels Maretti og kommer med et eksempel:

Læs også: Softwareudvikler: Scrum-dogme er ude af trit med virkeligheden

Når en bruger får et høreapparat første gang, skal vedkommende oftest gradvist tilvænnes det forstærkede lydniveau. Det betyder, at høreapparatet ikke kan virke på fuld styrke fra starten, men i stedet skal volumen trappes op lidt efter lidt over nogle uger. Her kan machine learning bruges til at identificere den optimale kadence, hvormed lydniveauet hæves, således at brugeren bliver generet mindst muligt.

Lydmiljøer tilpasser sig automatisk efter omgivelser

Det er først for nylig, at der er kommet høreapparater på gaden, der kan forbinde direkte med en smartphone via Bluetooth LE. Det betyder også, at branchen endnu er i sin spæde begyndelse med at få taget hul på de nye muligheder, det bringer med sig.

Således kan høreapparater nu streame alt fra telefonopkald til lyden fra tv’et direkte til høreapparatet, samtidig med at brugeren kan justere de mest simple lyd-parametre i en app.

Mere interessant fra en udviklers synspunkt er dog muligheden for at opsamle data om brugerne og de lydmiljøer, de bevæger sig i. Hidtil har høreapparater som oftest et begrænset antal lyd-programmer at vælge imellem, der passer til de forskellige lydmiljøer – eksempelvis på kontoret eller i bilen. Men med flere data kommer langt flere muligheder.

»I dag er indstillingerne mest baseret på regler og erfaring. Nu kan vi lave massive målinger på, hvordan ting rent faktisk virker, så app’en kan lave langt mere sofistikerede klassifikationer af lydmiljøerne,« siger Niels Maretti.

Lyd-analyser skal tage hensyn til privatlivet

Med nye muligheder for at indsamle data om brugernes lydmiljøer følger også nye forpligtelser. Det viser erfaringerne, ikke mindst tilbage fra 2015, da Samsung endte i en shitstorm på grund af sit smart-tv. Apparatet sendte rå optagelser fra dagligstuen direkte op i skyen for at analysere dem og genkende tale.

Derfor bør høreapparater af hensyn til brugernes privatliv som udgangspunkt ikke sende uredigerede lydoptagelser videre ifølge Niels Maretti. I stedet skal udviklerne blive gode til at klassificere lydmiljøerne lokalt i høreapparatet eller telefonen og kun sende de anonymiserede data med eksempelvis ‘restaurant’ eller ‘kraftig vind’ som label videre til serveren.

Læs også: Softwareudvikler: Her får jeg får lov til at gøre livet bedre for andre mennesker

»Vi har brug for en masse sikkerhed på det her område. Der må ikke ske datalæk,« siger Niels Maretti.

Til gengæld vil der med tiden åbne sig en ny verden for høreapparat-brugerne. Således forestiller enterprise-arkitekten sig en situation, hvor man ikke længere behøver at tage til audiolog, men kan tilpasse høreapparatet hjemme i stuen.

Og noget tyder på, at situationen kan blive til virkelighed i en ikke så fjern fremtid. I december 2016 blev det nemlig for første gang lovligt at sælge visse høreapparater i USA uden at have en særlig godkendelse fra den amerikanske fødevare- og lægemiddelforvaltning FDA. Beslutningen baner således vej for, at et væld af nye opfindelser kan komme på markedet.

»Jeg tror det kommer nu, og det går rigtig stærkt,« siger Niels Maretti.