Paris Smaragdis z MIT buduje maszyny, które słyszą lepiej niż ludzie
Profesor MIT Paris Smaragdis łączy uczenie maszynowe i muzykę, by stworzyć sztuczną inteligencję słuchającą lepiej niż człowiek.

Źródło zdjęcia: MIT News | Massachusetts Institute of Technology
Profesor Paris Smaragdis z MIT pracuje nad komputerami, które mają słyszeć lepiej niż ludzie — od rozpoznawania mowy po monitoring środowiska i rozumienie muzyki. Jak powstają maszyny, które potrafią słuchać – to historia naukowca, który od zabawy syntezatorem w dzieciństwie trafił do czołówki badań nad sztuczną inteligencją dźwięku.
Kluczowe wnioski
- Paris Smaragdis, absolwent MIT (SM '97, PhD '01), dołączył do uczelni jako profesor w 2025 roku, z podwójną afiliacją w programie Music and Theatre Arts oraz w Department of Electrical Engineering and Computer Science.
- Jego grupa badawcza zajmuje się uczeniem maszynowym do separacji źródeł dźwięku, inteligentnymi urządzeniami poszerzającymi percepcję słuchową człowieka oraz narzędziami do analizy i tworzenia muzyki.
- Smaragdis porównuje swoją pracę do badań nad widzeniem komputerowym – „robię to samo, co ludzie od computer vision, tylko dla słuchu”.
- Przykłady zastosowań: maszyna ze „słuchem nadludzkim” mogłaby błyskawicznie lokalizować wypadek drogowy po dźwięku piszczących opon i gniecionego metalu, albo wykrywać moment, w którym przemysłowe wiertło może się złamać podczas drążenia skał pod odwiert geotermalny.
- Swoją ścieżkę naukową rozpoczął od muzyki klasycznej i jazzu, przez studia w Berklee College of Music, aż po MIT Media Lab, gdzie zamiast tradycyjnego przetwarzania sygnałów wybrał mniej eksplorowane podejście – uczenie maszynowe.
Od gitary klasycznej do syntezatorów
Smaragdis dorastał w Grecji i jako dziecko zaczął grać na gitarze klasycznej. Punktem zwrotnym okazał się moment, gdy jego ojciec przyniósł do domu niewielki syntezator. „Ten mały syntezator miał funkcję, która pozwalała tworzyć własne dźwięki, i kompletnie mnie to zafascynowało” – wspomina naukowiec. Lata 80. XX wieku to okres, w którym syntezatory zyskiwały coraz większe znaczenie w muzyce popularnej, co dodatkowo pogłębiało jego zainteresowanie tą technologią.
Gdy przyszedł czas na dalszą edukację, Smaragdis chciał studiować muzykę tworzoną za pomocą syntezatorów – ścieżki, której nie oferowały wówczas bardziej tradycyjne europejskie konserwatoria. Zdecydował się więc na Berklee College of Music w Bostonie, gdzie mógł eksplorować wykorzystanie komputerów i syntezatorów do kształtowania i manipulowania dźwiękiem. „Dzięki komputerom i syntezatorom mogłem tworzyć nowe dźwięki, których nikt wcześniej nie słyszał” – mówi.
Równolegle Smaragdis zanurzył się w jazz fusion. Jako główny instrument wybrał bas, ponieważ dawał mu więcej okazji do gry z zespołami jazzowymi. „Uznałem bas za brzmieniowo bardziej interesujący niż gitara. To był bardziej niezbadany obszar, a mnie zawsze ciągnęło do niezbadanych obszarów” – tłumaczy.
Od muzyki do maszynowego słuchu
To zamiłowanie do niezbadanych obszarów przełożyło się bezpośrednio na jego pracę naukową. Wraz z mentorem Richardem Boulangerem, profesorem produkcji i projektowania elektronicznego, Smaragdis tworzył nowe narzędzia pomagające ludziom pisać, produkować i ulepszać muzykę za pomocą komputerów.
Podczas studiów w Berklee rozpoczął współpracę z profesorem Barrym Vercoe (zmarłym w 2025 roku) z MIT Media Lab nad tworzeniem syntezatorów programowych do produkcji muzycznej. Rozwijając ten projekt, Smaragdis podjął studia doktoranckie w grupie Vercoe, gdzie ukończył magisterium i doktorat, a następnie odbył staż podoktorski. „W Media Lab bardziej zetknąłem się z komputerową stroną muzyki komputerowej. To wtedy moja uwaga zaczęła się przesuwać. Chciałem naprawdę tworzyć komputery, które rozumieją dźwięk” – wyjaśnia.
W tamtym czasie wielu studentów Media Lab wykorzystywało klasyczne techniki przetwarzania sygnałów, aby umożliwić maszynom pracę z dźwiękiem. Smaragdis postanowił odróżnić się od reszty i wybrał podejście mniej eksplorowane – uczenie maszynowe. To właśnie ta decyzja ukierunkowała jego późniejszą karierę badawczą, prowadzącą dziś do prac nad separacją źródeł dźwięku i inteligentnymi systemami percepcji słuchowej, prowadzonych w ramach jego grupy badawczej na MIT.
Znaczenie dla przyszłości sztucznej inteligencji dźwięku
Praca Smaragdisa wpisuje się w szerszy trend rozwoju percepcji maszynowej, w którym po przełomach w widzeniu komputerowym naukowcy coraz intensywniej eksplorują analogiczne możliwości w domenie dźwięku. Opisane przez niego zastosowania – od lokalizowania wypadków drogowych po dźwięku po monitorowanie stanu sprzętu przemysłowego podczas wiercenia – pokazują, że maszynowy słuch może mieć praktyczne znaczenie w bezpieczeństwie publicznym, przemyśle i infrastrukturze. Jego interdyscyplinarne podejście, łączące doświadczenie muzyczne z uczeniem maszynowym, wyróżnia go na tle badaczy skupionych wyłącznie na klasycznym przetwarzaniu sygnałów.
Historia Parisa Smaragdisa pokazuje, jak osobista fascynacja dźwiękiem i muzyką może przerodzić się w naukową misję budowania maszyn słyszących lepiej niż ludzie – z potencjalnymi zastosowaniami daleko wykraczającymi poza świat muzyki.
Źródła
Podobne publikacje

MIT: nowa metoda trenowania emulatorów klimatu przy ułamku danych
Naukowcy z MIT opracowali metodę trenowania emulatorów klimatu na syntetycznych scenariuszach. Trening wymaga jednego przebiegu ESM zamiast sześciu–ośmiu.

Barzilay i Collins z Nagrodą Pritzkera za antybiotyki odkryte przez AI
Regina Barzilay i James Collins z MIT otrzymali Nagrodę Pritzkera 2026 za odkrywanie antybiotyków z pomocą AI, w tym halicyny – pierwszego leku tego typu.

John Urschel z MIT: matematyczne „mięśnie” wciąż ważne w erze AI
John Urschel z MIT, który rozwiązał z pomocą AI problemy opierające się matematykom od dekad, tłumaczy, dlaczego samodzielna nauka matematyki wciąż ma sens.