Paris Smaragdis vom MIT sorgt dafür, dass Maschinen besser hören können

Der MIT-Professor Paris Smaragdis entwickelt Systeme, die Geräusche intelligenter wahrnehmen können – von der Trennung einzelner Stimmen in verrauschten Audioaufnahmen bis hin zur Unterstützung von Maschinen dabei, zu verstehen, was in einer Aufnahme vor sich geht. Laut dem MIT-Profil zielt seine Arbeit darauf ab, die künstliche Wahrnehmung zu verbessern, indem er Computern beibringt, Geräusche nicht nur zu verarbeiten, sondern auch zu hören und zu interpretieren.

Smaragdis, der seit 2025 am MIT tätig ist, beschreibt seine Forschung als das akustische Pendant zur Bildverarbeitung. Seine Forschungsgruppe beschäftigt sich mit maschinellem Lernen zur Trennung von Schallquellen, intelligenten Geräten, die die akustische Umgebung des Menschen bereichern können, sowie mit Werkzeugen zur Analyse und Komposition von Musik. Dem Artikel zufolge besteht das langfristige Ziel nicht darin, Musiker zu ersetzen, sondern ihnen bessere Werkzeuge an die Hand zu geben und Audiosysteme in der Praxis nützlicher zu machen.

Der Artikel beleuchtet seinen musikalischen Werdegang in Griechenland, sein Studium am Berklee College of Music und seine spätere Forschungsarbeit am MIT Media Lab. Außerdem wird darauf hingewiesen, dass seine Arbeit bereits zuvor praktische Anwendungen gefunden hat, darunter Audiosysteme in Geräten sowie seine Mitarbeit an der Dokumentar-Miniserie aus dem Jahr 2021. The Beatles: Get Back, was dem Team 2022 einen Emmy Award für den Tonschnitt einbrachte.

Womit sich sein Labor derzeit beschäftigt

Dem MIT-Artikel zufolge befasst sich Smaragdis’ derzeitige Forschungsgruppe mit zwei großen Themenbereichen: der Verbesserung von Computern als Werkzeuge für Musiker sowie der Entwicklung neuer Methoden der Audioverarbeitung für Wissenschaftler und Künstler. Er sagt, das Team untersuche zudem Möglichkeiten, große Sprachmodelle für die Spracherkennung und Klangverbesserung einzusetzen, fügt jedoch hinzu, dass die KI im Bereich Klang und Musik noch nicht ihre ideale Rolle gefunden habe.

• Hauptziel: Maschinen beibringen, Geräusche zu verstehen, nicht nur zu erkennen.
• Praktische Anwendungsmöglichkeiten: Unfallerkennung, industrielle Überwachung, Musik-Tools und Audiobereinigung.
• Offene Frage: Wie lässt sich KI am besten in Audio- und Musik-Workflows integrieren?.

Für Unternehmen, die Audioprodukte entwickeln, ist dies eine Erinnerung daran, dass nützliche KI oft mit einem eng gefassten, konkreten Problem beginnt: der Trennung von Klangquellen, der Bereinigung von Aufnahmen oder der Erkennung von Ereignissen in lauten Umgebungen. Teams, die in den Bereichen Medien, Fertigung, Telekommunikation oder Smart Devices tätig sind, werden möglicherweise feststellen, dass Audio-KI einen Mehrwert bieten kann, noch bevor sie als Funktion für Endverbraucher in Erscheinung tritt.

Ursprüngliche Quelle: MIT-Nachrichten

Wie weit sollte KI bei der Interpretation von Klängen gehen, bevor sie kreative Arbeit nicht mehr unterstützt, sondern vielmehr verändert?