Mowa niesie więcej niż słowa. Zatrucie alkoholowe pozostawia mierzalne ślady w artykulacji, tempie i spektralnych mikrozmianach — sygnały, które ludzkie ucho rejestruje co najwyżej niewiarygodnie.
Zespół badawczo-rozwojowy XENOM wytrenował autorski model głębokiego uczenia do wykrywania tych biomarkerów akustycznych i ocenił go na Alcohol Language Corpus, standardowym publicznym benchmarku dla tego zadania.
Oceniany ściśle w porównaniu jeden-do-jednego — nieważona średnia czułość na okno, pojedyncza decyzja na wypowiedź bez głosowania, dokładnie tak, jak mierzy się wcześniejsze prace — konfiguracja oparta na referencji osiąga 86,3% UAR. Konfiguracja bez referencji, która nie wymaga zapisanej linii bazowej i decyduje na podstawie pojedynczej próbki mowy, osiąga 81,9%. W punkcie operacyjnym wdrożenia, gdzie system łączy kilka okien nagrania w decyzję konsensusową, wartości te rosną odpowiednio do 87,6% i 82,5%.
Dla kontekstu: oficjalny poziom bazowy Interspeech 2011 Speaker-State Challenge na tym korpusie wynosi 65,9% UAR, wcześniej opublikowane wyniki najnowocześniejsze osiągają szczytowo około 73–75%, a nieprzeszkoleni słuchacze osiągają około 60–65%.
System działa jako warstwa pasywna na zwykłym ruchu radiowym. Pracownicy mówią tak jak zawsze; bez dodatkowej procedury, bez przerywania zadania, bez osobnego punktu kontrolnego.
Czym system jest — a czym nie jest. Nie mierzy stężenia alkoholu we krwi i nie może stanowić podstawy do odsunięcia pracownika od obowiązków. To narzędzie przesiewowe pierwszego rzutu, które wskazuje, kto wymaga uwagi, w celu weryfikacji ustalonymi metodami. Właściwe porównanie nie dotyczy alkomatu, lecz alternatywy stosowanej dziś: obserwacji przełożonego, która działa w przybliżeniu na poziomie nieprzeszkolonego słuchania.
Opublikowaliśmy pełne wyniki w różnych warunkach akustycznych — w tym tych, w których dokładność spada — wraz z zastrzeżeniami porównywalności i znanymi ograniczeniami metody.