助听器能自主训练和学习？奥迪康More告诉你答案
深度神经网络(Deep Neural Network, DNN)一词对我们来说可能有些陌生，但如果说到人工智能(Artificial Intelligence, AI)大家一定都有所耳闻。
作为被奥迪康搭载在助听器芯片上的技术，DNN到底是什么呢？与现在大热的AI又有何关联？让我们通过本篇推文来揭开DNN的神秘面纱吧！
-01-什么是DNN？
在了解DNN之前，我们先来看一看AI是什么——当一台机器根据一组特定的解决相应问题的算法执行任务时，这种智能可以被称为人工智能（AI）。
这是一个广泛的概念，它的包含范围很大，包括识别、学习、解决问题，甚至可以让AI拥有创造力。
我们日常生活中用到的语音识别（Siri）、图像识别（淘宝识物）和虚拟客服等等，都是AI。
上图中我们可以看出，AI所包含的范围最广，其中机器学习（ML）就是被包含的一支，它更依赖于人为的干预、参数设定来进行学习。而深度学习（DL）又是机器学习的一支，它能够根据模型和大量的数据训练来进行自我学习，擅长处理庞大的、复杂的数据。
那DNN在哪里呢？它包含在上图中的深度学习中，DNN是由一个3层以上的神经网络组成的，是深度学习算法的一种。
神经网络可以接收大量的数据，并通过多个不同层面来处理它们，从而了解数据的复杂特征，然后就可以对数据做出有理有据的判断。
例如学习相貌特征，对人物进行判断
根据推测是对还是错，DNN将利用这一结果，学习并尝试对新数据做出判断。通过这些尝试和错误不断学习，最终能够对未知数据做出准确的决策。这种层级式的神经网络和它学习及训练的方式与大脑类同。
-02-为什么选择DNN？
目前DNN常常被用于处理声音信号、图像、面部识别等问题。
就声音而言，我们日常生活中的声音场景有一个特征就是复杂多变，一些声源甚至是不断移动的！如果需要人为的要对如此多种声音进行特征提取，将是一个庞大的工程量，并且可能会存在缺漏的情况。
对于这种每天都面临着的各种各样的聆听挑战，想得到一个能够在这种复杂聆听环境中正确处理声音信号的算法，就需要一个庞大的训练数据集来对算法进行训练。
而DNN在学习过程中大部分的特征提取为部分自动化，消除了一些所需的人工干预，并可以使用更大的数据集，DNN会自动确定特征的层次结构，从而区分不同类别的数据。相较而言，机器学习更依赖于人工干预，需要人为的输入所需的特性、层次结构等，数据集也不如DNN来得大。
说到这里，
相信选择DNN的理由已经不言而喻了。
-03-如何让训练效果正确且卓越？
我们在前面提到了需要一个训练数据集来对算法进行训练，那么如何才能达到正确且卓越的训练效果？
训练太少会导致定义太宽泛，会出现欠拟合的问题，也就是找到的规律模型没能够很好的捕捉数据特征，不能很好的拟合数据；但训练过多，定义又会太狭窄，出现过拟合的问题，也就是记住的规律太多，太具体死板地记住训练数据集。那么奥迪康是如何划定合适的训练数据集范围的？
答案是，立足现实——奥迪康的科研人员在真实的生活环境中，应用球形麦克风从各个角度收集了1200万种声音场景，以此为训练数据集对DNN进行训练，让搭载在Polaris平台上的DNN能够学会并完成对生活中会遇到的各种各样的声音场景进行精准地判断和处理。尽可能保证DNN得到的训练是适当且正确的。
-04-在More中DNN扮演了什么角色？
奥迪康在行业内首次将DNN搭载在助听器平台上，并以此作为核心，推出突破性创新性能『AI全声景领航系统』，助力奥迪康More利用DNN的智能功能来模拟大脑的学习方式，自动根据开发过程中获得的经验和培训来处理所有声音。
奥迪康More的深度神经网络
不仅仅是一个标准的人工智能软件
更一种独特的专用助听器解决方案
专为日常生活中的实时操作而开发
这种建立在现实生活场景之上的声音处理
能够让用户获得更加
清晰、完整、平衡的全声景感知
文字 / Demant中国培训部 蒋泽宸
文献参考：Ibm.com (2006, May). AI vs. Machine Learning vs. Deep Learning vs. Neural Networks: What’s the Difference?
Upgrad.com (2019, September). Deep Learning vs Neural Networks: Difference Between Deep Learning and Neural Networks
Towardsdatascience.com (2018, September). Clearing the Confusion: AI vs Machine Learning vs Deep Learning Differences.
Mckinsey.com (2020) An executive’s guide to AI.
