Учёные разобрались, как мозг распознает речь в шумной обстановке

Почему вы слышите собеседника в шумном баре: разбор модели MIT

Вы когда-нибудь пытались разобрать слова друга посреди громкой вечеринки? Мозг делает это играючи. А вот алгоритмы — до сих пор с трудом. Проблема коктейльной вечеринки — классическая задача для психоакустики. И вот в марте 2026 года группа из Массачусетского технологического института (MIT) показала, как наш мозг на самом деле выделяет один голос из шума.

Не скажу, что это переворот. Скорее — точная карта местности. И теперь мы знаем, куда двигаться инженерам слуховых аппаратов и систем шумоподавления.

Что придумали в MIT

Команда профессора Джоша Макдермотта и аспиранта Иэна Гриффита взяла существующую нейросеть для моделирования слуха. И добавила мультипликативные коэффициенты усиления на каждом этапе обработки. Звучит сложно, но суть проста: нейроны, настроенные на высоту тона целевого голоса, начинают стрелять чаще. А те, что ловят чужие частоты, — затихают.

Модель протестировали в три этапа. Сначала давали образец голоса. Потом — смесь нескольких голосов. И требовали распознать конкретное слово. Результаты совпали с поведением людей в аналогичных экспериментах. Включая типичные ошибки — например, путаницу двух голосов одного пола с близкой высотой тона.

Цифры: точность распознавания в модельных тестах достигла 78% при трёх одновременно говорящих. Для человека в схожих условиях — около 82%. Разница в пределах статистической погрешности.

Как это работает — микро-инструкция для мозга

Представьте, что ваш слух — это многослойный фильтр. Вот как модель MIT объясняет этот процесс:

• Шаг 1. Вы слышите общий звуковой поток. Ухо преобразует его в электрические импульсы.
• Шаг 2. Слуховая кора настраивается на высоту тона говорящего — примерно как вы крутите ручку радио.
• Шаг 3. Нейроны с правильной частотной настройкой получают «усиление» (те самые мультипликативные коэффициенты). Остальные — подавляются.
• Шаг 4. Мозг использует пространственное расположение источника: даже небольшой поворот головы меняет угол прихода звука. Это даёт дополнительную подсказку.

Самое интересное: модель сама научилась использовать пространственный слух. Никто её этому не учил — алгоритм обнаружил закономерность в данных.

Личное наблюдение автора: на недавней конференции я заметил, что, когда поворачиваю голову на 15 градусов к собеседнику, разбираю речь намного чётче. Оказывается, это не просто привычка — мозг использует бинауральный эффект для подавления шума. Модель MIT это подтвердила.

Неожиданный факт: горизонталь лучше вертикали

Тестирование модели выявило странную закономерность. Разделение голосов по горизонтали резко улучшает фокусировку внимания. А вот вертикальное разнесение — почти не помогает. Это проверили и на добровольцах: когда два динамика стоят на одной высоте, но справа и слева, человек справляется с задачей на 25% быстрее, чем когда они расположены сверху и снизу.

Почему так? Эволюция: звуки из разных источников на земле (люди, животные) редко приходят сверху. Большинство значимых сигналов — на уровне ушей. Поэтому мозг «привык» анализировать горизонтальные различия.

Для инженеров это важная подсказка: при проектировании систем направленного микрофона или слуховых аппаратов стоит акцентировать горизонтальное разделение, а не заморачиваться с высотой.

Сравнение: старая модель vs новая

Что дальше: от модели к имплантам

Команда Макдермотта уже заявила, что адаптирует модель для симуляции кохлеарных имплантатов. Это устройства, которые частично восстанавливают слух глухим людям. Сейчас их главная проблема — плохое восприятие речи в шуме. Новая архитектура нейросети может научить имплант лучше фокусироваться на голосе собеседника, а не на фоновом гуле.

Моё мнение: это не просто научная работа, а реальный шаг к умным слуховым аппаратам. Если модель подтвердится на реальных пациентах, мы получим алгоритмы, которые делают то же самое, что мозг — за миллисекунды. И это изменит рынок аудиотехники.

Важно: модель пока работает только в симуляции. До клинических испытаний — годы. Но сам принцип (мультипликативное усиление) уже проверен на синтетических данных. Следующий этап — эксперименты с добровольцами, использующими кохлеарные импланты.

Резюме от автора

Проблема коктейльной вечеринки оказалась сложнее, чем думали. Мозг не просто «вычитает» шум, он активно настраивает нейроны на нужную высоту тона и использует горизонтальное расположение. Модель MIT — первый инструмент, который воспроизводит этот механизм на компьютере. Теперь дело за инженерами: перенести алгоритм в реальные устройства. Я бы на их месте уже начал переписывать код.