Vorbirea poartă mai mult decât cuvinte. Intoxicația cu alcool lasă urme măsurabile în articulație, tempo și microvariații spectrale — semnale pe care urechea umană le înregistrează în cel mai bun caz nesigur.
Echipa de cercetare XENOM a antrenat un model proprietar de deep learning pentru a detecta acești biomarkeri acustici și l-a evaluat pe Alcohol Language Corpus, benchmark-ul public standard pentru această sarcină.
Evaluat strict comparabil — recall mediu neponderat per fereastră, o singură decizie per rostire fără vot, exact cum este măsurată cercetarea anterioară — configurația bazată pe referință atinge 86,3% UAR. Configurația fără referință, care nu necesită o bază înregistrată și decide dintr-un singur eșantion vorbit, atinge 81,9%. La punctul de operare din implementare, unde sistemul combină mai multe ferestre ale unei înregistrări într-o decizie de consens, acestea cresc la 87,6%, respectiv 82,5%.
Pentru context: linia de bază oficială a Interspeech 2011 Speaker-State Challenge pe acest corpus este de 65,9% UAR, rezultatele publicate anterior ca stare a artei ating aproximativ 73–75%, iar ascultătorii umani neantrenați obțin în jur de 60–65%.
Sistemul rulează ca un strat pasiv peste traficul radio obișnuit. Muncitorii vorbesc așa cum o fac întotdeauna; fără proceduri suplimentare, fără întreruperea sarcinii, fără puncte de control separate.
Ce este sistemul — și ce nu este. Nu măsoară concentrația de alcool în sânge și nu poate servi drept temei pentru retragerea unui muncitor din activitate. Este un instrument de screening de primă linie care indică cine merită atenție, pentru verificare prin mijloace stabilite. Comparația relevantă nu este cu etilotestul, ci cu alternativa folosită astăzi: observarea de către supervizor, care performează aproximativ la nivelul ascultării neantrenate.
Am publicat rezultate complete în condiții acustice diverse — inclusiv cele în care precizia scade — împreună cu limitările de comparabilitate și limitările cunoscute ale metodei.