ทำไม Speech AI ทั่วไปจึงไม่เหมาะกับเด็ก

คุณรู้หรือไม่ว่าความผิดปกติของการพูดในเด็กเพิ่มขึ้นมากกว่าสองเท่าในช่วงการระบาดของโควิด-19 ตามรายงานของ Contemporary Pediatrics ในขณะเดียวกัน การประเมินความก้าวหน้าทางการศึกษาแห่งชาติเผยว่าคะแนนการอ่านลดลงสองคะแนน ตามรายงานของ EdWeek แม้ว่าจะมีการลงทุนหลายอย่างเพื่อแก้ไขปัญหาการสูญเสียการเรียนรู้ที่ได้รับการสนับสนุนจากเงินอุดหนุนของรัฐบาล แต่ความต้องการการแทรกแซงในช่วงแรกก็เพิ่มขึ้นอย่างมาก โดยหลายคนหันมาใช้ AI และเทคโนโลยีเพื่อช่วยเหลือ หลังจากทั้งหมดแล้ว เครื่องมือการรู้จำเสียงพูดมีมากมายทั้งจากผู้ช่วยเสมือนจนถึงซอฟต์แวร์ในห้องเรียน แต่นี่คือปัญหา: เครื่องมือเหล่านี้ส่วนใหญ่ถูกสร้างขึ้นสำหรับเสียงของผู้ใหญ่เท่านั้น

ระบบการรู้จำเสียงพูดอัตโนมัติ (ASR) ในปัจจุบันส่วนใหญ่ถูกฝึกฝนจากข้อมูลของผู้พูดที่เป็นผู้ใหญ่ ซึ่งมักจะเป็นภาษาอังกฤษและมีรูปแบบการพูดที่ชัดเจนและสม่ำเสมอ ดังนั้น เมื่อเด็กพูด ระบบเหล่านี้มักจะเข้าใจผิดหรือไม่ตอบสนองเลย นี่ไม่ใช่แค่ปัญหาทางเทคนิคเท่านั้น เมื่อ AI ไม่สามารถเข้าใจสิ่งที่เด็กพูดได้ ก็เป็นโอกาสที่พลาดไปในการสนับสนุนการเรียนรู้ การระบุความกังวลเกี่ยวกับการพัฒนาที่อาจเกิดขึ้น หรือการให้การแทรกแซงในช่วงแรก

ข่าวดีก็คือ นี่คือปัญหาที่สามารถแก้ไขได้ แต่ก่อนอื่นเราต้องเข้าใจว่าทำไมช่องว่างเหล่านี้จึงเกิดขึ้นและอะไรที่ต้องทำเพื่อแก้ไขมัน

ทำไมการพูดของเด็กทำให้ AI สับสน

การพูดของเด็กแตกต่างจากผู้ใหญ่ในหลายด้าน เมื่อพิจารณาจากลักษณะการพูดที่ไม่คาดเดาได้และเต็มไปด้วยความไม่สม่ำเสมอหรือการออกเสียงที่ไม่ถูกต้อง เด็กๆ ยังอาจพูดไม่จบประโยคหรือใช้คำศัพท์ที่ยังพัฒนาไม่เต็มที่ ซึ่งสร้างความหลากหลายที่ยากสำหรับ AI ในการประมวลผล ตามรายงานของ National Library of Medicine ระบบการรู้จำเสียงพูดมีอัตราความผิดพลาดของคำที่สูงกว่าในเด็กถึงสองถึงห้าเท่าเมื่อเทียบกับผู้ใหญ่ โดยอ้างถึงความแตกต่างของเสียง ความแปรผันของการออกเสียง และความไม่ตรงกันของเส้นทางเสียง

และไม่ใช่แค่ว่าเด็กพูดอย่างไร แต่ยังรวมถึงที่ไหนที่พวกเขาพูดด้วย การบันทึกเสียงของเด็กๆ มักเกิดขึ้นในสถานที่ที่มีเสียงรบกวนอย่างห้องเรียนหรือสถานดูแลเด็ก ซึ่งมีเสียงหลายเสียงทับซ้อนกันและเสียงรบกวนอยู่ตลอดเวลา โมเดล ASR มาตรฐานต้องดิ้นรนในการแยกเสียงพูดของคนเดียวในสถานการณ์ดังกล่าว ต่อให้สามารถถอดเสียงได้อย่างแม่นยำก็ตาม เทคนิคที่ซับซ้อนอย่างการระบุผู้พูด ซึ่งเป็นความสามารถในการระบุว่าเสียงไหนเป็นของเด็ก ครู หรือผู้สอน มักจะล้มเหลวเมื่อใช้กับสถานการณ์ที่มีหลายคนพูดและเสียงรบกวนมาก

ความท้าทายหลักอีกประการหนึ่งคือการขาดการถอดเสียงระดับเสียงพอนในระบบ ASR หลายระบบ การแบ่งเสียงพูดออกเป็นเสียงพอนแต่ละเสียงช่วยให้โมเดลสามารถติดตามการออกเสียงที่ไม่ถูกต้อง การลังเล และความคล่องแคล่วได้อย่างแม่นยำมากขึ้น การเข้าใกล้ในระดับละเอียด nàyมีคุณค่าอย่างมากในบริบททางการศึกษาและบำบัด โดยที่การเข้าใจความแตกต่างเล็กๆ น้อยๆ ในการพูดสามารถให้ข้อมูลในการแทรกแซงได้

คุณลักษณะเหล่านี้ทำงานได้ดีที่สุดเมื่อใช้ร่วมกัน ไม่ใช่การแทนที่โมเดลการรู้จำเสียงพูดทั่วไป แต่เป็นการปรับให้เหมาะสมด้วยข้อมูลที่ได้รับมาอย่างมีจริยธรรมและเฉพาะสำหรับเด็ก เพื่อให้สามารถทำงานได้อย่างแม่นยำในสถานการณ์ที่สำคัญที่สุด

การขาดข้อมูลและทำไม Big Tech จึงไม่ได้แก้ไขปัญหา

รากของปัญหาอยู่ที่ข้อมูลหรือการขาดข้อมูล เนื่องจากโมเดลการรู้จำเสียงพูดส่วนใหญ่ถูกฝึกฝนด้วยชุดข้อมูลที่มีเสียงของผู้ใหญ่เป็นหลัก เสียงของเด็กๆ โดยเฉพาะจากภูมิหลังภาษาและวัฒนธรรมที่หลากหลาย จึงถูกละเลย การรวบรวมข้อมูลเสียงที่มีคุณภาพและเป็นตัวแทนของเด็กๆ ที่จำเป็นต่อการฝึกโมเดล AI นั้นซับซ้อนโดยธรรมชาติ และมีเหตุผลที่ดี กฎระเบียบ เช่น COPPA (Children’s Online Privacy Protection Act) กำหนดข้อจำกัดที่เข้มงวดสำหรับบริษัทที่ต้องการรวบรวมและวิเคราะห์ข้อมูลจากเด็กที่อายุน้อยกว่า 13 ปี แม้ว่ากฎระเบียบเหล่านี้จะมีความสำคัญต่อการปกป้องความเป็นส่วนตัวของเด็กๆ แต่ก็สร้างอุปสรรคที่ไม่ได้ตั้งใจสำหรับการพัฒนา AI ที่มีประสิทธิภาพ

สำหรับหลายบริษัท เทคโนโลยี การวิเคราะห์ต้นทุน-ผลประโยชน์และโอกาสทางการตลาดที่รับรู้ไม่สนับสนุนการลงทุนในการพัฒนาการรู้จำเสียงพูดสำหรับเด็ก การสนับสนุนการรู้จำเสียงพูดเฉพาะสำหรับเด็กมักถูกมองว่าเป็นงานที่ใช้ความพยายามสูงแต่มีผลตอบแทนต่ำ ตลาดสำหรับเด็กนั้นเล็กกว่าเมื่อเทียบกับโซลูชันที่เน้นผู้ใหญ่และองค์กร และอุปสรรคด้านกฎระเบียบทำให้ไม่น่าสนใจมากขึ้น ดังนั้น การปรับปรุง ASR สำหรับเด็กจึงไม่ค่อยได้รับการจัดลำดับความสำคัญ

ทำไม AI ที่แม่นยำและเป็นไปตามหลักจริยธรรมจึงมีความสำคัญต่อผลลัพธ์การอ่านอย่างเท่าเทียม

แม้จะมีความท้าทายเหล่านี้ AI สำหรับการพูดก็มีบทบาทสำคัญในห้องเรียนและเซสชั่นบำบัด – สำหรับการประเมินการอ่าน โปรแกรมการอ่านในช่วงแรก และแม้กระทั่งการ筛สำหรับการเรียนรู้ที่ผิดปกติ แต่ความแม่นยำมีความสำคัญ ใน การศึกษาหนึ่ง ระบบ ASR ที่ดีที่สุดสามารถถอดเสียงคำพูดของเด็กอายุ 5 ขวบได้เพียง 18% ข้อผิดพลาดในการรู้จำสามารถทำให้ข้อมูลที่นักการศึกษาและผู้เชี่ยวชาญพึ่งพานั้นไม่ถูกต้อง ซึ่งอาจนำไปสู่การประมาณการระดับการอ่านของเด็กที่ต่ำเกินไปหรือการชะลอการระบุความเสี่ยงในการพูดหรือการเรียนรู้

เมื่อ AI สำหรับการพูดล้มเหลว มันจะส่งผลกระทบมากกว่าผลลัพธ์การเรียนรู้ มันขยายช่องว่างความเท่าเทียม เด็กที่มีสำเนียงหลากหลาย ผู้เรียนที่มีความหลากหลายทางประสาท และนักเรียนที่พูดหลายภาษาได้รับผลกระทบอย่างไม่สมส่วนจากความไม่แม่นยำของ ASR กลุ่มเหล่านี้มีความเสี่ยงที่จะถูกเข้าใจผิดโดยโมเดลทั่วไปแล้ว และเมื่อ AI ล้มเหลวพวกเขา ก็สามารถทำให้ความไม่เท่าเทียมที่มีอยู่แล้วในด้านการศึกษาและด้านสุขภาพรุนแรงขึ้น สำหรับผู้ปฏิบัติงาน AI สิ่งนี้เน้นย้ำถึงความจำเป็นในการออกแบบระบบที่ไม่เพียงแต่แม่นยำ แต่ยังเป็นไปตามหลักจริยธรรมด้วย

การพิจารณาด้านจริยธรรมมีความสำคัญไม่แพ้กัน ข้อมูลของเด็กๆ มีความอ่อนไหวสูงและต้องได้รับการจัดการด้วยความระมัดระวังและความโปร่งใส หลายเครื่องมือที่มีอยู่พึ่งพาเซิร์ฟเวอร์ของบุคคลที่สามในการประมวลผลข้อมูลเสียง – การปฏิบัติที่อาจเพียงพอสำหรับแชทบอทการบริการลูกค้า แต่ไม่เหมาะสมสำหรับนักเรียนที่อายุน้อย幸ดี การประมวลผลข้อมูลในท้องถิ่นและ การประมวลผลบนเครื่อง กำลังเป็นที่ยอมรับว่าเป็นแนวปฏิบัติที่ดีที่สุด เนื่องจากพวกมันรับประกันว่าข้อมูลจะไม่ออกจากอุปกรณ์ สอดคล้องกับกฎหมายที่จำกัดการรวบรวมข้อมูล การโฆษณาที่มุ่งเป้า และการเก็บรักษา

การปิดช่องว่างด้วยเครื่องมือที่ถูกออกแบบมาโดยเฉพาะ

เพื่อสนับสนุนเด็กๆ อย่างแท้จริง AI สำหรับการพูดต้องไปไกลกว่าการถอดเสียงพื้นฐานและถูกออกแบบมาโดยเฉพาะสำหรับความซับซ้อนของห้องเรียน สถาบัน และสภาพแวดล้อมการเรียนรู้ที่มีพลวัต บทบาทของมันควรจะเสริมไม่ใช่แทนที่ความเชี่ยวชาญของมนุษย์ ระบบที่มีประสิทธิภาพไม่เพียงแต่ให้คะแนนหรือป้ายกำกับ แต่ยังให้ข้อมูลเชิงลึกที่มีรายละเอียดและสามารถนำไปใช้ได้จริงผ่านคุณสมบัติเช่นการบันทึกเวลา การถอดเสียงระดับเสียงพอน และตัวบ่งชี้ของการลังเล

ด้วยการให้ครูและนักบำบัดด้วยข้อมูลที่น่าเชื่อถือและเชื่อถือได้ AI สามารถเสริมศักยภาพให้ chuyên家ในการตัดสินใจที่มีข้อมูลครบถ้วนและปรับให้เหมาะสมกับความต้องการของเด็กแต่ละคน เมื่อถูกออกแบบด้วยความคิดและจริยธรรม AI สำหรับการพูดก็ไม่ใช่แค่เครื่องมือ แต่เป็นคู่หูที่เชื่อถือได้ในการส่งเสริมการอ่าน ความเท่าเทียม และผลลัพธ์การเรียนรู้ที่มีความหมายสำหรับเด็กทุกคน