(Lezione 03.02 · 22 minuti · Microfono · Primo modello)

Riconoscere un suono.

Il campanello, il bollitore che fischia e il silenzio. Qui insegni al telefono a riconoscere tre suoni di casa, e scopri perché un modello che ascolta sempre si misura in falsi allarmi all'ora.

Cosa impari

Come un modello ascolta il suono che scorre, un secondo alla volta
Perché basta una rete piccola addestrata da zero
Come il rumore di fondo si usa per addestrare meglio
Cosa sono i falsi allarmi e come si sceglie la soglia

Ti serve sapere

Se non ti ricordi una di queste cose, il link ti porta al capitolo che la spiega.

Come vuoi seguirla

Preparo la scena…

01 La domanda
Tre suoni, e un modello che li distingue.

Scegli tre suoni di casa, per esempio il campanello, il bollitore che fischia e il silenzio. Il telefono ascolta e ogni mezzo secondo dice quale sente. È una classificazione^01.04 come quella delle foto, ma l'ingresso è lo spettrogramma^03.01 di un secondo. Il silenzio è una classe vera, perché è quello che il microfono sente quasi sempre.

In pratica. Scegli suoni che si ripetono uguali, come un campanello o un allarme. Una voce che parla cambia di continuo e chiede molti più esempi.
02 Le finestre
Si ascolta un secondo alla volta, a passi di mezzo.

Il microfono non si ferma mai, quindi il modello guarda un pezzo di suono lungo un secondo, una finestra. Ogni mezzo secondo la finestra si sposta in avanti e il modello risponde di nuovo. Così un suono che cade a cavallo tra due finestre viene comunque sentito intero da una delle due.

In pratica. Se il suono dura meno di mezzo secondo, come un clic, accorcia il passo. Il modello lavora di più ma non se lo perde.
03 La rete
Una rete piccola, addestrata da zero.

Lo spettrogramma mel di un secondo è piccolo, 40 per 98 numeri. Per leggerlo bastano quattro o cinque strati di filtri. Ogni filtro scorre sullo spettrogramma e cerca un disegno, come la riga dritta di un fischio. La rete intera ha poche decine di migliaia di pesi^01.03 e il telefono la addestra da zero in un minuto.

In pratica. Registra ogni suono in più stanze e a distanze diverse. Un campanello sentito dal corridoio ha uno spettrogramma diverso da quello sentito vicino alla porta.
04 Il rumore
Il mondo non è mai silenzioso.

Nella realtà il campanello suona mentre la lavatrice gira e qualcuno parla. Un modello che ha sentito solo registrazioni pulite si confonde. Allora durante l'addestramento si mescola agli esempi del rumore di fondo, a volumi diversi. È un modo di inventare esempi nuovi, e il modello impara il campanello anche sopra la lavatrice.

In pratica. Registra dieci secondi dei rumori tipici del posto dove userai il modello. Il laboratorio li mescola da solo agli esempi durante l'addestramento.
05 I falsi allarmi
Un errore ogni tanto diventa sette all'ora.

Un modello che risponde ogni mezzo secondo dà 7200 risposte all'ora. Anche se sbaglia solo una volta su mille, fa scattare sette falsi allarmi ogni ora. Per questo con il suono non basta la quota di risposte giuste. Si conta quante volte il modello suona a vuoto in un'ora e quante volte perde il suono vero.

In pratica. Chiedi due risposte uguali di fila prima di dare l'allarme. Perdi mezzo secondo e togli quasi tutti i falsi allarmi isolati.
06 La soglia
Alzare la soglia sposta gli errori, non li toglie.

Ogni risposta arriva con una percentuale. Se dai l'allarme solo sopra il 90 per cento i falsi allarmi calano, ma qualche campanello vero resta sotto e si perde. Se scendi al 60 li senti tutti, con qualche allarme a vuoto. Non esiste una soglia giusta per tutti. Dipende da quale errore ti costa di più.

In pratica. Per un allarme antincendio conviene non perdere niente e accettare qualche falso allarme. Per una notifica che disturba vale il contrario.
07 Sul telefono
Ascoltare sempre costa poco, se il modello è piccolo.

Un secondo di suono diventa spettrogramma in pochi millisecondi, e la rete piccola risponde in altrettanti. Il telefono lavora qualche millisecondo ogni mezzo secondo e per il resto riposa. Il microfono resta acceso, ma il suono non esce mai dal telefono. Esce solo una classe ogni mezzo secondo.

In pratica. Mostra sempre quando il microfono ascolta. Anche se il suono non viene salvato, chi è nella stanza ha il diritto di saperlo.

01 / 07

(Approfondisci)

Qualche numero in più.

(01)

Speech Commands, il dataset dei primi passi

Nel 2018 Pete Warden, di Google, ha pubblicato Speech Commands, un dataset pensato proprio per i modelli piccoli che ascoltano sempre. La seconda versione ha più di 105.000 registrazioni di un secondo, 35 parole brevi come sì, no, su, giù, dette da più di 2600 persone.

Tutte le clip durano un secondo e sono a 16.000 campioni, come quelle di questa lezione. C'è anche una cartella di rumori di fondo, dal lavandino alla bicicletta, da mescolare agli esempi. È ancora il punto di partenza di quasi tutti i confronti tra modelli per le parole chiave.

105.829clip di un secondo
35parole diverse
2618persone che le hanno dette

(02)

Quanto può essere piccola una rete che ascolta

Il modello di esempio che TensorFlow usa per i microcontrollori riconosce due parole, sì e no, e pesa circa 18 KB. Gira su una scheda Arduino con 256 KB di memoria, senza telefono e senza sistema operativo. È TinyML^01.01 nel senso più stretto.

Sul telefono lo spazio non manca, quindi si può usare una rete un po' più grande e più precisa. Ma il principio resta lo stesso. Lo spettrogramma mel toglie al modello il lavoro più pesante, e alla rete resta da riconoscere un disegno in una piccola immagine.

(03)

Una curva per scegliere la soglia

Ogni soglia dà una coppia di numeri, i falsi allarmi all'ora e i suoni veri persi su cento. Provando tutte le soglie e mettendo le coppie su un grafico si ottiene una curva. In basso a sinistra ci sono i modelli buoni, che sbagliano poco in tutti e due i modi.

La curva serve a confrontare due modelli senza scegliere prima la soglia. Se la curva di un modello sta tutta sotto quella dell'altro, il primo è migliore qualunque soglia userai. Poi si sceglie il punto della curva che corrisponde all'errore che si può tollerare.

(Prova sul telefono)

Tre suoni di casa

Nel laboratorio insegni al telefono a riconoscere tre suoni che scegli tu. Servono dieci minuti e tre suoni facili da ripetere, per esempio il campanello, il bollitore e il silenzio.

Apri il laboratorio con il pulsante qui sotto. Parte già con l'ingresso Suono.
Crea tre classi, due suoni e il silenzio.
Registra 20 esempi di un secondo per classe, in stanze e a distanze diverse.
Registra dieci secondi del rumore di fondo tipico di casa tua.
Premi Addestra. Poi in Usa premi Prova dal vivo, lascia il telefono ad ascoltare per cinque minuti e conta i falsi allarmi.

Apri il laboratorio →

(Verifica)

4 domande per chiudere la lezione.

Quando rispondi a tutte, la lezione risulta fatta e sulla mappa la sua pietra diventa gialla. Conta rispondere, non il punteggio.

(01)

Perché la finestra di un secondo si sposta ogni mezzo secondo e non ogni secondo?
(02)

Un modello risponde due volte al secondo e sbaglia una volta su mille. Quanti falsi allarmi fa in un'ora?
(03)

Perché si mescola del rumore di fondo agli esempi durante l'addestramento?
(04)

Alzi la soglia dal 60 al 90 per cento. Cosa succede?

Parole nuove, e dove sono spiegate

Falsi allarmicapitolo 5

Fonti e letture

Per chiudere la lezione rispondi alla verifica

← Il suono diventa un'immagine Torna alla mappa

(Prossima lezione · 03.03) La parola che accende il telefono