カンザス大学のビテヴィッチ教授ら研究チームは、ネットワーク科学を用いて約2万語の英語を視覚的特性で分類した地図を作成し、唇読みの誤認メカニズムを解明した。成果は学術誌ジャーナル・オブ・ザ・アコースティカル・ソサエティ・オブ・アメリカに掲載された。 本研究は、従来の音韻分析ではなく、唇や顎の動きを指すヴィジーミに焦点を当てた。視覚情報のみを基に単語を識別する際、音は似ていても唇の動きが異なる場合や、逆に音が異なっても唇の動きが類似する場合の区別困難さが定量的に評価された。分析結果、被験者の唇読み精度は想像より低く、誤認の大半は目標単語と視覚的特徴が1から2つだけずれた状態であることが判明した。可視化マップでは、類似する動きを持つ単語が特定の領域で密集し、この空間上の圧縮と伸張が認識精度の高低を決定づけることが示された。 得られた知見は、人工知能および対話支援技術の革新に応用可能である。訓練プログラムでは、学習者の誤認パターンをリアルタイムで追跡し目標単語へ収束させる最適化が期待される。同時に、既存の音声認識システムに視覚的なパターン認識を融合させることで、会議ツールの自動字幕生成精度や、聴覚障害者向けのリアルタイム伝話支援システムの精度向上が図れる。研究チームは今後、機械学習モデルへの応用を探り、人間と同様の知覚的補正機制をコンピュータに実装する方向で基礎研究を継続する。