Govor nosi više od riječi. Alkoholna opijenost ostavlja mjerljive tragove u artikulaciji, tempu i spektralnim mikro-varijacijama — signale koje ljudsko uho registrira u najboljem slučaju nepouzdano.
XENOM-ov R&D tim istrenirao je vlastiti model dubokog učenja za otkrivanje ovih akustičkih biomarkera i evaluirao ga na Alcohol Language Corpus, standardnom javnom mjerilu za ovaj zadatak.
Strogo uspoređeno po istim kriterijima — neponderirani prosječni recall po prozoru, jedna odluka po iskazu bez glasanja, točno kako se mjeri prethodni rad — referentna konfiguracija postiže 86.3% UAR. Konfiguracija bez reference, koja ne zahtijeva upisanu baznu liniju i odlučuje iz jednog izgovorenog uzorka, postiže 81.9%. Na radnoj točki implementacije, gdje sustav kombinira nekoliko prozora snimke u konsenzusnu odluku, ove vrijednosti rastu na 87.6% odnosno 82.5%.
Za kontekst: službena bazna linija Interspeech 2011 Speaker-State Challenge na ovom korpusu iznosi 65.9% UAR, prethodno objavljeni najsuvremeniji rezultati dosežu otprilike 73–75%, a neistrenirani ljudski slušatelji postižu oko 60–65%.
Sustav radi kao pasivni sloj preko rutinskog radijskog prometa. Radnici govore kao i uvijek; bez dodatne procedure, bez prekida zadatka, bez zasebne kontrolne točke.
Što sustav jest — i što nije. Ne mjeri koncentraciju alkohola u krvi i ne može poslužiti kao osnova za udaljavanje radnika s dužnosti. To je alat za probir prve linije koji ukazuje na to tko zaslužuje pozornost, radi provjere utvrđenim sredstvima. Relevantna usporedba nije s alkotestom, već s alternativom koja se danas koristi: opažanjem nadzornika, koje izvodi otprilike na razini neistreniranog slušanja.
Objavili smo potpune rezultate u različitim akustičkim uvjetima — uključujući one u kojima se točnost smanjuje — zajedno s napomenama o usporedivosti i poznatim ograničenjima metode.