Un algorithme d’apprentissage en profondeur peut entendre l’alcool dans la voix – Neuroscience News
Résumé: La nouvelle technologie d’IA peut déterminer instantanément si une personne dépasse la limite légale d’alcool en analysant un extrait de 12 secondes de sa voix.
Source: Université La Trobe
Les chercheurs de l’Université La Trobe ont développé un algorithme d’intelligence artificielle (IA) qui pourrait fonctionner avec des appareils de test d’haleine coûteux et potentiellement biaisés dans les pubs et les clubs.
La technologie peut déterminer instantanément si une personne a dépassé la limite légale d’alcool simplement en utilisant un enregistrement de 12 secondes de sa voix.
Dans un article publié dans la revueAlcool, l’étude menée par Ph.D. l’étudiant Abraham Albert Bonela et supervisé par les professeurs Emmanuel Kuntsche et le professeur agrégé Zhen He, du Centre de recherche sur les politiques en matière d’alcool et du Département d’informatique et de technologie de l’information de l’Université La Trobe, respectivement, décrit le développement de l’algorithme d’apprentissage en profondeur basé sur l’audio pour identifier l’intoxication alcoolique (ADLAIA) qui peut déterminer l’état d’intoxication d’un individu sur la base d’un enregistrement de 12 secondes de son discours.
Selon Albert Bonela, l’intoxication alcoolique aiguë altère les capacités cognitives et psychomotrices entraînant divers risques pour la santé publique tels que les accidents de la route et la violence liée à l’alcool.
« Les personnes en état d’ébriété sont généralement identifiées en mesurant leur taux d’alcoolémie (BAC) à l’aide d’alcootests coûteux et à forte intensité de main-d’œuvre », a déclaré Albert Bonela.
« Un test qui pourrait simplement compter sur quelqu’un qui parle dans un microphone changerait la donne. »
L’algorithme a été développé et testé à l’aide d’un ensemble de données de base de données de 12 360 clips audio de locuteurs en état d’ébriété et sobres. Selon les chercheurs, ADLAIA a pu identifier les locuteurs en état d’ébriété avec un taux d’alcoolémie de 0,05 % ou plus avec une précision de près de 70 %. L’algorithme avait une performance supérieure de près de 76 %, dans l’identification des locuteurs en état d’ébriété avec un taux d’alcoolémie supérieur à 0,12 %.
Les chercheurs suggèrent qu’une future application potentielle d’ADLAIA pourrait être l’intégration dans des applications mobiles et être utilisée dans des environnements (tels que des bars et des stades de sport) pour obtenir des résultats instantanés sur l’état d’ébriété des individus.
« Être capable d’identifier les personnes en état d’ébriété uniquement sur la base de leur discours serait une alternative beaucoup moins chère aux systèmes actuels où les tests d’alcoolémie basés sur l’haleine dans ces endroits sont coûteux et souvent peu fiables », a déclaré Albert Bonela.
« Après une amélioration supplémentaire de ses performances globales, ADLAIA pourrait être intégré dans des applications mobiles et utilisé comme outil préliminaire pour identifier les personnes en état d’ébriété. »
À propos de cette actualité sur la recherche en IA
Auteur: Bureau de presse
Source: Université La Trobe
Contacter: Service de Presse – Université La Trobe
Image: L’image est dans le domaine public
Recherche originale : Accès fermé.
« Algorithme d’apprentissage en profondeur basé sur l’audio pour identifier l’ivresse de l’alcool » par Abraham Albert Bonela et al. Alcool
Voir également
Résumé
Algorithme d’apprentissage en profondeur basé sur l’audio pour identifier l’ébriété alcoolique
Fond
L’intoxication alcoolique aiguë altère les capacités cognitives et psychomotrices, entraînant divers risques pour la santé publique tels que les accidents de la route et la violence liée à l’alcool. Les personnes en état d’ébriété sont généralement identifiées en mesurant leur taux d’alcoolémie (TA) à l’aide d’éthylotests coûteux et exigeants en main-d’œuvre. Dans cet article, nous avons développé l’algorithme d’apprentissage en profondeur basé sur l’audio pour identifier l’ébriété alcoolique (ADLAIA) qui peut prédire instantanément l’état d’intoxication d’un individu sur la base d’un enregistrement de 12 secondes de son discours.
Méthodes
ADLAIA a été formé sur un corpus de langue allemande sur l’alcool accessible au public qui comprend un total de 12 360 clips audio de locuteurs en état d’ébriété et sobres (162 au total, âgés de 21 à 64 ans, 47,7 % de femmes). Les performances de l’ADLAIA ont été déterminées en calculant le rappel moyen non pondéré (UAR) et la précision de la prédiction de l’ébriété.
Résultats
ADLAIA a pu identifier les locuteurs en état d’ébriété avec un taux d’alcoolémie de 0,05 % ou plus avec un UAR de 68,09 % et une précision de 67,67 %. ADLAIA avait une meilleure performance (UAR de 75,7%) dans l’identification des locuteurs intoxiqués (BAC > 0,12%).
Conclusion
Capable d’identifier les individus en état d’ébriété uniquement sur la base de leur discours, ADLAIA pourrait être intégré dans des applications mobiles et utilisé dans des environnements (tels que des bars, des stades de sport) pour obtenir des résultats instantanés sur l’état d’ébriété des individus.