Állandóság – változás – eltérés. Mit árul el rólunk a beszédünk?
Beszédünk jellemző ránk. Hangjuk alapján megismerjük ismerőseinket, sőt személyazonosításhoz is felhasználható. Megmutathatja, hova tartozunk vagy épp milyen a személyiségünk. Beszédünkben lenyomatot hagy betegségünk is. Előadásainkban körbejárjuk, milyen jellemzőink hogyan hatnak a beszédre, és milyen nyitott kérdések állnak előttünk. Megismerhetünk egy speciális akcentusjelenséget, amelyről ritkábban esik szó a hétköznapokban. Ezután betekintünk magyar fejlesztésű, beszéden alapuló, mesterséges intelligencia adta lehetőségekbe, amelyek segítségünkre lehetnek az egyén állapotának feltérképezésében.
I. szekció: A beszéd változatossága
Gráczi Tekla Etelka – Deme Andrea – Juhász Kornélia: A beszéd mint egyedi azonosító?
Az előadás átfogó képet kíván adni arról, hogy hogyan is “él” velünk a beszéd: Hogyan változik, ahogyan felnövünk, vagy idősödünk; a nap folyamán állapotunkkal; hogyan tükrözi lelki, testi állapotunkat, egészségünket. Az előadásban körbejárjuk, milyen részletek árulkodnak beszédünkben rólunk, egyediségünkről és ízelítőt adunk, milyen nyitott kérdések megválaszolása áll még előttünk.
Juhász Kornélia – Bartos Huba: Mandarin kínai kérdő és kijelentő egy szótagú megnyilatkozások kínaiul tanuló magyar anyanyelvűek ejtésében
A kísérlet az emelkedő és ereszkedő kínai lexikai tónusok ejtését vizsgálja egy szótagú kérdő, illetve kijelentő megnyilatkozásokban. A kínai nyelvben a mondattípus nincs hatással a lexikai tónus dallammenetének irányára, tehát például az emelkedő tónus mind kérdő, mind kijelentő megnyilatkozásban emelkedő dallammal realizálódik. Kérdésként merül fel, hogy a kínaiul tanuló magyar anyanyelvűek képesek-e az anyanyelvi mintázatoktól eltérően az emelkedő tónust kijelentő mondattípusban emelkedő dallammal, míg az ereszkedő tónust kérdő mondattípusban ereszkedő f0-kontúrral produkálni.
II. szekció: Hogyan segíthet a mesterséges intelligencia a kognitív képességek romlásának korai felismerésében?
Svindt Veronika – Kiss Lőrinc: A szemantikus memória változásainak kimutatása neurodegeneratív kórképekben AI-alapú adatfeldolgozással
A kognitív képességek klinikai felmérése során gyakran alkalmazott módszer az ún. verbális fluencia feladatok alkalmazása. Ezek a rövid, és látszólag egyszerű feladatok valójában rámutathatnak az emlékezeti folyamatok romlására, illetve az emlékezet szerveződésében bekövetkező változásokra. A verbális fluencia feladatok mélyebb, nyelvészeti megközelítésű és mesterséges intelligencia-alapú tartalmi elemzése láthatóvá és mérhetővé teszi a fogalmi kategóriák kiüresedésének folyamatát, már a kognitív hanyatlás viszonylag korai szakaszában is.
Hoffmann Ildikó – Svindt Veronika – Bóna Judit – Gosztolya Gábor – Gráczi Tekla Etelka: A verbális fluencia beszédparamétereinek mérése ASR-technikával neurodegeneratív kórképben
A verbális fluencia tesztek jól alkalmazhatók a kognitív funkciók felmérésében neurodegeneratív betegségben szenvedőknél is. Ezek a tesztek azt vizsgálják, hogy egy személy hogyan képes szavakat generálni bizonyos korlátok között. Előadásunkban nem a feladatokban produkált szavak számával és szemantikai jellemzőivel foglalkozunk, hanem a produkció során zajló szupraszegmentális jellemzőkkel. Mindehhez a mesterséges intelligencia eszközeit hívjuk segítségül: automatikus beszédfelismerő (ASR) technikát alkalmazunk az időbeli jellemzők automatikus mérésére. Eredményeink szerint ez a technika jól differenciál egyes neurodegeneratív betegségben, s hasznos lehet az egyszerűbb, gyorsabb kiértékelésében.
Svindt Veronika – Gráczi Tekla Etelka – Gosztolya Gábor: Hogyan teszi mérhetővé a mesterséges intelligencia a gondolkodási folyamatok lassulását a beszéd vizsgálatán keresztül?
A beszéd célzott elemzése során a gondolkodási folyamatok működésébe is bepillantást nyerhetünk. Előadásunkban bemutatunk egy olyan módszertant, amelynek segítségével a hétköznapi spontán beszédnél jelentősebb kognitív terhelésnek tesszük ki a vizsgálati személyt. Majd a beszédprodukcióját, illetve beszédének bizonyos paramétereit automatikus beszédelemző segítségével vizsgáljuk. Az eredmények azt mutatják, hogy bizonyos neurodegeneratív betegségekben a kognitív terhelés növekedése hat az információfeldolgozási sebességre, lassítva azt. Mindez pedig kimutatható a beszéd elemzésének segítségével.