A beszéd többet hordoz, mint szavakat. Az alkoholos befolyásoltság mérhető nyomokat hagy az artikulációban, a tempóban és a spektrális mikrovariációban — olyan jelek, amelyeket az emberi fül legjobb esetben is megbízhatatlanul érzékel.
A XENOM K+F csapata saját fejlesztésű mélytanulási modellt tanított be ezen akusztikus biomarkerek észlelésére, és értékelte azt az Alcohol Language Corpuson, a feladat szabványos nyilvános benchmarkján.
Szigorúan összehasonlítható módon értékelve — ablakonkénti súlyozatlan átlagos felidézés, egyetlen döntés megnyilatkozásonként szavazás nélkül, pontosan úgy, ahogy a korábbi munkákat mérik — a referencia-alapú konfiguráció eléri a 86.3%-os UAR-t. A referencia nélküli konfiguráció, amely nem igényel regisztrált alapvonalat, és egyetlen kimondott mintából dönt, eléri a 81.9%-ot. A telepítési működési ponton, ahol a rendszer egy felvétel több ablakát konszenzusos döntéssé kombinálja, ezek az értékek 87.6%-ra és 82.5%-ra emelkednek.
Kontextusként: a hivatalos Interspeech 2011 Speaker-State Challenge alapvonal ezen a korpuszon 65.9% UAR-t mutat, a korábban publikált legkorszerűbb eredmények nagyjából 73–75%-on tetőznek, a képzetlen emberi hallgatók pedig körülbelül 60–65%-ot érnek el.
A rendszer passzív rétegként fut a rutinszerű rádióforgalom felett. A dolgozók úgy beszélnek, ahogy mindig; nincs további eljárás, nincs megszakítás a feladatban, nincs külön ellenőrzőpont.
Mit tud és mit nem a rendszer. Nem méri a véralkohol-koncentrációt, és nem szolgálhat alapul a dolgozó szolgálatból való eltávolításához. Első vonalbeli szűrőeszköz, amely jelzi, ki igényel figyelmet, a bevett eszközökkel történő megerősítéshez. A releváns összehasonlítás nem a szondával, hanem a ma használt alternatívával történik: a felügyelői megfigyeléssel, amely nagyjából a képzetlen hallgatás szintjén teljesít.
Teljes eredményeket publikáltunk az akusztikai körülményekre vonatkozóan — beleértve azokat is, ahol a pontosság romlik —, az összehasonlíthatósági fenntartásokkal és a módszer ismert korlátaival együtt.