گفتگوي اختصاصي خراسان با مخترع پيشرفته‌ترين سيستم «تشخيص صدا در رايانه‌هاي هوشمند»

[Sardabir]

پروفسور پرهام اعرابي دانشمند جوان ايراني‌تبار مقيم کانادا که به عنوان يکي از 35 مخترع جوان زير 35 سال از سوي مجله تکنولوژي ريويو وابسته به موسسه فناوري ماساچوست (MIT) انتخاب شد 6 مهرماه جايزه خود را از اين موسسه دريافت کرد.



اعرابي دانشمند جوان ايراني با 29 سال سن يکي از جوان‌ترين پروفسورهاي دانشگاه‌هاي کانادا است، وي در سال 1355در تهران به دنيا آمد و تحصيلات خود را تا 12 سالگي در ايران ادامه داد.
وي پس از مهاجرت به کانادا در سال 1367 تحصيلات خود را در تورنتو ادامه داده و مدارج ليسانس و فوق‌ليسانس خود را در رشته مهندسي برق به ترتيب در سال‌هاي 1998 و 1999 دريافت کرد. پروفسور اعرابي تحصيلات دکتراي مهندسي برق را نيز در مدت 2 سال در دانشگاه استنفورد به پايان برد و از همان سال 2001 يعني در 24 سالگي به عنوان يکي از جوان‌ترين اساتيد دانشگاه‌‌هاي کانادا به کادر علمي دانشگاه تورنتو ملحق شده و از جولاي امسال يعني دو ماه پيش به درجه پروفسوري رسيده است.
پروفسور اعرابي علاوه بر جايزه فوق‌الذکر به واسطه فعاليت‌هاي تحقيقاتي و موقعيت‌هاي آموزشي تاکنون جوايز داخلي و بين‌المللي متعدد ديگري را نيز در کانادا دريافت کرده است که ازجمله آنها جايزه «محقق کانادايي»‌در سال 2002 و جايزه بين‌المللي آموزش مهندسي برق (ويژه اساتيد جوان) در سال 2004 است.
خبرنگار گروه دانش و فناوري خراسان در يک گفتگوي اينترنتي با پرهام اعرابي علت اعطاي بعضي جوايز و به ويژه اعطاي عنوان اخير از سوي موسسه فناوري ماساچوست به وي را جويا شد که ترجمه آن در ذيل مي‌آيد.
علت انتخاب شما به عنوان 35 مخترع جوان زير 35 سال از سوي مجله تکنولوژي ريويو وابسته به موسسه فناوري ماساچوست MIT چه بود؟
وي گفت: به دو دليل انتخاب شدم: اول: تحقيقات در زمينه تقويت توان رايانه‌هاي هوشمند در تشخيص صداي انسان از ميان انبوهي از صداهاي زائد و مزاحم محيطي و دوم بهبود امکان جستجو و طبقه‌بندي تصاوير در شبکه اينترنت
شما به خاطر پژوهش‌هايتان بر روي تشخيص صداي انسان توسط رايانه‌ها اگر اشتباه نکنم در اکتبر 2004 موفق شديد جايزه اول آموزش بين‌المللي رااز سوي موسسه بين‌المللي جامعه مهندسين الکترونيک کسب کنيد. لطفا راجع به اين رشته از تحقيقاتتان توضيح دهيد.گويا شما در اين زمينه از توانايي گوش انسان در ؟ و تشخيص صداها الهام گرفته‌ايد آيا درست است؟
ج- جايزه‌اي که از آن نام برديد براي اولين بار در سطح بين‌المللي اهدا شد و دليل اهداي آن ابداع شيوه نويني از بهره‌گيري از سيستم‌هاي شناخت مصنوعي صدا و تلفيق آن با تکنولوژي کامپيوتري بود. به طوري که انسان براي تايپ و يا هر استفاده‌اي احتياجي به کيبورد نداشته باشد و کاربر با کامپيوتر صحبت کند به اين منظور و براي اينکه کامپيوتر بتواند درک درستي از صحبت‌هاي کاربر داشته باشد از چندين ميکروفون و دوربين استفاده مي‌کنيم. اين دوربين‌ها به کامپيوتر کمک مي‌کند که حرف يک انسان را بهتر درک کند از طرف ديگر وقتي فقط يک ميکروفون براي ضبط صدا باشد ممکن است در آن نويز وجود داشته باشد و يا امکان دارد چند نفر با هم صحبت کنند و کامپيوتر گمراه شود و نفهمد که کاربر اصلي چه گفته است وقتي چندين دوربين و ميکروفون کار گذاشته مي‌شود کامپيوتر مي‌تواند حرکات لب کاربر را دنبال و حرف‌هاي بقيه را از کاربر اصلي جدا کند و صداهايي را که نويز هستند و از چپ يا راست مي‌آيند را قطع کند و فقط به کاربر اصلي گوش دهد و با توجه به حرکت لب و شکل آوا و صدا و حرفي که از آن خارج مي‌شود را تشخيص داده و بفهمد که چه لغتي از دهان کاربر بيرون آمده است. اين کارها با کمک دانشجويان نم صورت گرفته است. حسگرهاي مضاعف چند تايي مثل دو يا چند ميکروفون همانند گوش انسان براي تشخيص صداهاي مختلف يا يک نوع صدا از بيان چندين صدايي که از محيط شنيده مي‌شود عمل مي‌کند. در گوش انسان هزاران حسگر وجود دارد که هرکدام مثل يک ميکروفون قوي عمل مي‌کنند. کامپيوترها هم با چندين ميکروفون مي‌توانند با استفاده از هوش مصنوعي منبع صوتي اصلي را که از کاربر به آنها مي‌رسد تشخيص دهند.
اکنون راجع به تحقيقات اخيرتان بر روي جستجوي تصوير در اينترنت توضيح دهيد که گفته مي‌شود تحولي در اين زمينه در شبکه ايجاد مي‌کند. اصلا فرق اين سيستم با موتور جستجوي عکس در گوگل يا ياهو چيست؟
در حال حاضر جستجوي عکس در اينترنت براساس اسمي صورت مي‌گيرد که در زير آن نوشته شده که متاسفانه شامل چند درصد (يعني فقط 5 درصد) عکس‌ها بر روي شبکه مي‌شود در حالي که بسياري از تصاويري که بدون اسم( حدود 95%) بر روي اينترنت گذاشته شده‌اند موتورهاي جستجو قادر به يافتن آنها نيستند. طراحي سيستمي که برروي آن کار مي‌کنيم به گونه‌اي است که با بهره‌گيري از هوش مصنوعي و درک و فهم تصوير در مواقعي که کاربر اسم دقيق عکسي را که به دنبال آن مي‌گردد نمي‌داند به کمک او مي‌آيد. در اين سيستم موارد مختلفي از مشخصه‌هاي هر تصوير مانند رنگ، شکل، اندازه و نوع درک مي‌شود و با توجه به آنها تصوير موردنظر کاربر جستجو و يافت مي‌شود.البته اين نوع جستجو هم مي‌تواند داراي خطاهايي باشد که به هرحال قابل اغماض است. گوگل، ياهو و يا هر موتور جستجوي ديگر، عکس موردنظر را مبتني بر تکس(متن) جستجو مي‌کند اما اين سيستم با استفاده از تکنيک‌هاي پيشرفته هوش مصنوعي از توانمندي بالايي در تشخيص تصاوير برخوردار است.
اين موتور جديد جستجوي عکس کي وارد بازار مي‌شود؟
ما در حال کار بر روي اين سيستم هستيم که آن را هرچه سريعتر وارد بازار کنيم. من فکر مي‌کنم تا سال آينده اين کار به پايان برسد و تا نوامبر 2006 سايتي مستقل براي جستجوي عکس روي شبکه راه‌اندازي کنيم. البته من بايد بگويم که يکي از دانشجويانم در حال کار بر روي تلفيق سيستم طراحي شده از سوي ما، يعني جستجوي عکس براساس درک تصوير و سيستم قبلي يعني جستجوي آن براساس متن و اسم تصوير است تا بتوان از قابليت‌هاي هر دو سيستم براي جستجو استفاده کرد تا به اين ترتيب بيشترين و دقيق‌ترين منابع تصويري موجود در اين شبکه اطلاعاتي جهاني در اختيار جستجوگران قرار گيرد.
آيا از نظر تامين هزينه‌هاي تحقيقات با مشکلي برخورد نکرديد و دولت يا شرکت‌هايي شما را حمايت مي‌کنند؟
دولت کانادا بخش زيادي از هزينه‌ها را متقبل شده و از سوي شرکت‌هاي خصوصي کامپيوتري مثل Dell وAltera و غيره نيز حمايت شده‌ام و اصلا پروژه سيستم جستجوي تصوير مبتني بر درک تصوير از سال 2004 با حمايت تعدادي از شرکت‌هاي اينترنتي آغاز شد.
شما گفته‌ايد از اين سيستم ابداعي علاوه بر کامپيوترها در هدايت خودروها و موبايل‌ها هم مي‌توان استفاده کرد آيا در حال حاضر چنين چيزي امکان‌پذير است؟
سيستم هوش مصنوعي که درحال حاضر در بعضي از خودروها استفاده مي‌شود چون نمي‌تواند صداي اصلي را از نويزهاي محيطي تشخيص دهد بايد در محيط‌هاي ساکت مورد استفاده قرار گيرد اما در طرح ما که با موفقيت به پايان رسيده اين مشکل نيز تا حدي حل شده است. البته استفاده از اين سيستم‌هاي صوتي براي کنترل خودروها در حال حاضر به دليل هزينه زياد و امکان خطايي که در آن هست معقول به نظر نمي‌رسد و عملي نيست ولي مي‌توان از آن جهت فرمان‌هاي غيرحساس مثل روشن کردن راديو و يا فرمان‌هايي از اين قبيل استفاده کرد.
نظرتان راجع به جوانان و دانشجويان ايراني چيست؟ آيا حاضريد يافته‌هايتان را در اختيار آنها بگذاريد؟
در ايران دانشجوياني وجود دارند که انسان را متحير مي‌کنند دانشجوياني که از هوش، استعداد، پتانسيل و ظرفيت بسيار بالايي برخوردارند و اگر زمينه تحقيقات و پژوهش براي آنها فراهم شود مطمئن هستم اين جوانان مي‌توانند کارهاي بزرگي انجام دهند.
من هم با کمال ميل حاضرم با آنها و مراکز تحقيقاتي ايران در ارتباط باشم و تبادل اطلاعات
کنم پروفسور پرهام اعرابي: ابداع روشي براي جستجوي عکس دراينترنت با استفاده از هوش مصنوعي ازجمله دلايل اعطاي جايزه به من بوده است.
تا نوامبر 2006 سايت مستقلي براي جستجوي عکس روي شبکه اينترنت راه‌اندازي مي‌شود
سيستم تقويت توان رايانه‌هاي هوشمند در تشخيص صداي انسان در هدايت خودروها و موبايل‌ها هم کاربرد دارد