近些年來，關於人工智能的熱度越來越大，而所涉及的領域也比比皆是，而讓機器獲得人類感官能力，以發展出更聰明的人工智能，一直是主流的看法，如自動駕駛，刷臉等等以視覺為主的物理識別，也有許多科學家投入機器聽覺的研究，廣泛討論的對象是自動語音識別（ASR），常見於智能語音助理，智能音箱等產品，相較於通過機器學習創造出各種新潮的應用，刺激民眾消費，借其之力以改善某些群體生活上的不便利，或許更能彰顯出 AI 的價值，機器學習改善助聽器，就是一例。
行業巨頭把持市場，其他公司還有羹喝嗎？
調研機構 MarketsandMarkets 指出，全球助聽器（含人工耳蝸）市場 2017 年規模大約 69.7 億美元，2020 年預計將成長到 97.8 億美元，接近百億美元水平，需求成長主要來自老年人口增加。而在助聽器領域有所謂的六大品牌，分別是丹麥的 GN ReSound，丹麥 William Demant 集團旗下的 Oticon，瑞士 Phonak 集團旗下的 Sonova，美國 Starkey，丹麥 Widex，以及從德國西門子分拆出來的 Sivantos，這六家公司就已經佔據了全球超過 9 成的市佔率。就在兩個月前，Widex 和 Sivantos 宣佈合併，成為前三大助聽器廠商，預計合併後的集團年銷售額達 16 億歐元。
雖然目前市場由上述六大巨頭所把持，但他們也正面臨著適應數字時代和更多精通技術公司的挑戰，例如很想往醫療領域發展的蘋果也默默嘗試，目標把無線耳塞 AirPods 變成助聽器，在今年開發者大會 WWDC，蘋果釋出 iOS 12 測試版，用戶啟用 Live Listen 輔助聽力技術後，iPhone 就變為一個指向性麥克風，通過放大聲音，讓 AirPods 變成某種程度的聽力輔助器。
另一方面，現有助聽器仍有許多變革空間，包括聲音品質、使用體驗、價格，使用機器學習來改善現有相關技術，已經是行業興起的趨勢，像是基於深度學習的多模態語音增強、以深度神經網絡分類分離語音和噪聲、以深度學習優化降噪等，都能見到大企業跟初創公司投入，如知名的助聽器品牌 Widex、初創企業如由美國俄亥俄州立大學教授汪德亮擔任首席科學家的大象聲科、或是團隊來自芯片公司如聯發科、恩智浦半導體的 RelaJet 等。
現有助聽器主要有兩個層面的問題，第一是技術，其次是成本。
助聽器主要由三大元件構成：麥克風、擴大器（amplifier）及接收器。簡單來說，現有絕大多數助聽器的處理流程是前處理＋聲音處理＋後處理，根據 FDA 的規定，聲音從助聽器的麥克風收音進來、算法處理、到喇叭播放出聲音，整個流程只有 10 毫秒（ms）的處理時間，之所以有不得超過 10ms 的原因在於聲音延遲太久，容易導致助聽器用戶出現頭暈、不舒服的現象，概念就像是配戴 VR 頭顯一樣，視覺影像的延遲也會導致用戶體驗不佳。
所謂的前處理包括把聲音轉為數位訊號、降噪等，而後處理的工作則有語音合成等，前、後處理分別會佔用 1～2ms 的時間，扣除之後，只留有 5～6ms 給算法進行聲音處理，正因為處理的時間相當受限，能做的事就不多，所以過去 20～30 年助聽器的研究多圍繞在移頻、聲音放大、降噪，或是體積的縮小、芯片功耗的減少、增加 2.4 GHz、藍牙無線連結功能等
。
助聽器的價格範圍頗大，依功能、廠牌從 1000～5000 美元不等，除了設備之外，還有耗材如電池的開銷。儘管助聽器的預期使用壽命大約是 5 年，高於一般消費電子產品，但對一般人來說仍是一筆不小的負擔。
行業痛點正是區塊鏈天生優勢
除了上述提及的技術受限於 10 毫秒的問題之外，還有一個很大的問題，就是研發助聽器的公司拿不到用戶數據。由於醫療數據是十分受到保護、具有高隱私性的資訊，這樣用戶反饋的缺乏，很難去快速改善產品的設計，因此，如何取得用戶的數據，是助聽器品牌一直很想解決的痛點。
從去年就開始火爆起來的區塊鏈，強調數據加密安全，不可竄改等特性，正好給了醫療領域一個非常好的機會，有意使用區塊鏈來做醫療數據分享、交易的公司越來越多，像是以太坊聯合創始人 Joseph Lubin 創立的 ConsenSys 公司旗下專攻企業區塊鏈方案的 Kaleido 公司宣佈與上海凱峰基因（Caifeng Gene）合作，將搭建一個聯盟區塊鏈以及數據交易平臺，在此平臺上採集並管理發展糖尿病醫學研究的數據。另外，由遺傳學大牛、哈佛大學教授 George Church 共同創立的 Nebula Genomics 的基因測試公司、獲得國內醫藥研發龍頭藥明康德投資的美國 AI 製藥公司 Insilico Medicine 都有類似的計劃。
人工智能與區塊鏈的結合，想必將會為這項產品帶來更多的可能性。
閱讀更多 商圈最熱門 的文章
