Machine Translated by Google

788040JLAXXX10.1177/2472630318788040SLAS TECNOLOGÍA: Traducción de la innovación en ciencias de la vidaAusterjost et al.

artículo-de-investigación2018

Investigacion original

Tecnología SLAS
2018, vol. 23(5) 476–482
Presentamos un asistente virtual para el laboratorio: © 2018 Sociedad de Laboratorio
Automatización y Cribado
Una interfaz de usuario de voz para lo intuitivo DOI: 10.1177/2472630318788040
https://doi.org/10.1177/2472630318788040
journals.sagepub.com/home/jla

Control de Instrumentos de Laboratorio

Jonas Austerjost1,2 , marc porr1 , Noah Riedel1,

dominik geier2 , Thomas Becker2, Thomas Scheper1 ,
Daniel Marquard1 ,Patricio Lindner1 , y Sascha Beutel1

Resumen

La introducción de los asistentes virtuales (VA) inteligentes y los dispositivos inteligentes correspondientes trajo un nuevo grado de libertad a nuestra vida
cotidiana. Los dispositivos controlados por voz y conectados a Internet permiten el control y la supervisión intuitivos de dispositivos en todo el mundo y definen
una nueva era de interacción hombre-máquina. Aunque los VA son especialmente exitosos en la automatización del hogar, también muestran un gran
potencial como asistentes de laboratorio impulsados por inteligencia artificial. Las posibles aplicaciones incluyen lectura paso a paso de procedimientos
operativos estándar (SOP) y recetas, recitación de sustancias químicas o parámetros de reacción a un control y lectura de dispositivos y sensores de
laboratorio. En este estudio, presentamos un enfoque de actualización para hacer que los instrumentos de laboratorio estándar formen parte del Internet de
las cosas (IoT). Establecimos una interfaz de usuario de voz (VUI) para controlar esos dispositivos y leer datos de dispositivos específicos. Un punto de
referencia de la infraestructura establecida mostró una alta precisión media (95 % ± 3,62) del reconocimiento de comandos de voz y revela un gran potencial
para futuras aplicaciones de una VUI dentro del laboratorio. Nuestro enfoque muestra la aplicabilidad general de los AV disponibles comercialmente como
asistentes de laboratorio y podría ser de especial interés para los investigadores con discapacidades físicas o baja visión. La solución desarrollada permite un
control del dispositivo manos libres, lo cual es una ventaja crucial dentro de la rutina diaria del laboratorio.

Palabras clave
asistente virtual, automatización de laboratorio, interfaz de usuario de voz, Internet de las cosas, transformación digital

Introducción Los VA permiten la ampliación de sus capacidades mediante la instalación

de aplicaciones desarrolladas a medida, las denominadas “habilidades” o
No hace mucho tiempo, el concepto de un asistente virtual (VA) era algo “acciones”. Además del uso con fines de entretenimiento y domótica,
que uno seguramente habría imaginado en el territorio de la ciencia ficción,
también existe la demanda de utilizar la tecnología VA actual en un entorno
donde las entidades impulsadas por la inteligencia artificial (IA) apoyan a
profesional. Dado que el habla es uno de los medios de interacción más
los superhéroes cómicos para salvar el día y ayudan a las tripulaciones de
naturales e intuitivos, el control de máquinas o el acceso a datos mediante
las naves espaciales de TV a explorar. lugares "ningún hombre ha ido
una interfaz de voz ofrece ventajas sobre los métodos de interacción de
antes". En los últimos años, el procesamiento del lenguaje natural (NLP, por
dispositivos conservadores que proporcionan los dispositivos de interfaz
sus siglas en inglés), la base de los VA basados en voz, se ha vuelto cada
humana.
vez más sofisticado y confiable.1 Últimamente, muchas grandes empresas
de tecnología de la información (TI) han comenzado a trabajar en VA, que
utilizan tecnología de reconocimiento, inteligencia artificial y síntesis de voz 1

Instituto de Química Técnica, Universidad Leibniz de Hannover,

para comprender y responder preguntas y ejecutar tareas específicas.2 Hoy Hanóver, Alemania
2
en día, los asistentes personales inteligentes están disponibles Instituto de Tecnología de Bebidas y Cerveza, Forschungszentrum
Weihenstephan, Technische Universität München, Alemania
comercialmente y se han abierto camino en nuestros hogares y bolsillos.
Cuando Apple lanzó al público uno de los primeros VA ampliamente Recibido el 23 de enero de 2018 y en forma revisada el 1 de mayo de 2018. Aceptado para su

disponibles, Siri, a fines de 2011, las masas se emocionaron, aunque las publicación el 20 de junio de 2018.

preocupaciones sobre privacidad y seguridad surgieron de inmediato.3
Pronto se lanzaron otros asistentes inteligentes: Google Assistant de Google,
Cortana de Microsoft, Alexa de Amazon y Bixby de Samsung, solo por
nombrar los más populares.4,5 Algunos
El material complementario está disponible en línea con este artículo.
Autor correspondiente:
Sascha Beutel, Instituto de Química Técnica, Universidad Leibniz de Hannover,
Callinstr. 5, 30167 Hannover, Alemania.
Correo electrónico: beutel@iftc.uni-hannover.de
Machine Translated by Google
Austerjost et al.
(HID).6 Un control de máquina manos libres mientras realiza otras tareas,
una interacción intuitiva que no requiere una capacitación extensa y una
fácil interacción con el dispositivo para operadores con discapacidades
visuales o físicas son solo algunos de los beneficios de una interfaz de
usuario de voz (VUI). ).
Hasta el momento, el uso de AV se ha evaluado en diferentes campos
profesionales. Allen et al. utilizó un Amazon Echo con una habilidad
personalizada para una solicitud de soporte visual de manos libres en
una tableta dentro de un estudio clínico, mientras que Miehle et al.
presentó un concepto de AV como apoyo en los quirófanos quirúrgicos.7,8
Ennis et al. desarrollaron un gabinete inteligente con una VUI que
implementa un Amazon Echo en un entorno de servicio personalizado.
como apoyo al anciano en situaciones cotidianas.9
Además, recientemente se desarrolló una habilidad para la asistencia
en laboratorios de química. “Helix” es una habilidad basada en Amazon
Echo que puede buscar información sobre reacciones químicas y datos
químicos asociados.10 Si bien la introducción de VA en las ciencias
naturales recientemente ganó el interés de la comunidad científica, lo que
probablemente se deba a la reciente aparición gencia de la tecnología y
el software, otros conceptos innovadores de automatización y aplicaciones
inteligentes llegaron a los laboratorios hace algún tiempo. Los dispositivos
inteligentes ya se utilizan para ayudar a los científicos en sus experimentos.
Los temas de investigación actuales incluyen el uso de teléfonos
inteligentes, tabletas y anteojos inteligentes como sustitutos económicos
de algunos dispositivos de laboratorio, para tareas de documentación y
para el acceso y análisis de datos.11–13 Los nuevos esfuerzos de
automatización comprenden el diseño, la ejecución y la evaluación
totalmente automatizados. de experimentos, lo que podría conducir a una
enorme mejora de la eficiencia del trabajo de laboratorio en un futuro
cercano.14,15 La transformación digital de la ciencia acaba de comenzar,
pero parece tener un gran potencial para facilitar el trabajo en todas las
partes de la investigación científica.
El objetivo de este estudio fue establecer una VUI de laboratorio para
controlar instrumentos de laboratorio. Esto se logró utilizando hardware
comercialmente disponible, servicios en la nube y soluciones de código
abierto. La configuración es modular y permite la integración de
instrumentos de laboratorio más antiguos. Mostró una alta precisión en la
ejecución de los comandos de voz. El uso de protocolos de comunicación
y formatos de datos abiertos permite la integración en las infraestructuras
de laboratorio digitales disponibles.
Materiales y métodos
Enfoque de actualización de dispositivos IoT
Para integrar instrumentos de laboratorio estándar en un entorno moderno
de Internet de las cosas (IoT), se implementó la herramienta de
programación visual Node-RED 0.15.216 (IBM, Armonk, NY) en una PC
de escritorio (CPU Intel i5 6500T, 8 GB de RAM) Se utilizó el sistema
operativo Windows 7 Professional de 64 bits (Microsoft Corporation,
Redmond, WA). Ambos dispositivos de laboratorio utilizan una interfaz
RS232 para la comunicación en serie que se conectó mediante un RS232-
USB
477
adaptador. Para realizar una capacidad de IoT, los comandos de puerto
patentados para la interacción del dispositivo se sincronizaron con el
corredor de IoT basado en la nube AWS IoT17 (Amazon Web Services,
Seattle, WA) que aloja una representación digital, la llamada sombra del
dispositivo, del laboratorio específico. instrumento. Los comandos de
puerto de la balanza de alta precisión ED224S (Sartorius AG, Göttingen,
Alemania) fueron proporcionados por el manual del fabricante. Los
comandos de puerto y los controladores para el espectrofotómetro
GENESYS 10S UV-Vis (Thermo Fisher Scientific Inc., Waltham, MA)
fueron proporcionados amablemente por el fabricante. La sincronización
del puerto serie/sombra del dispositivo se implementó utilizando JavaScript
y nodos de función estándar en Node-RED. La comunicación bidireccional
de la sombra del dispositivo se realizó utilizando el protocolo de
mensajería MQTT (Message Queue Telemetry Transport) .18 Se
estableció una conexión MQTT segura entre el servidor del dispositivo y
la sombra del dispositivo específico usando certificados X.509 sobre el
MQTT TCP (Protocolo de control de transmisión) seguro designado. )
puerto 8883.19 Los nodos estándar Node-RED se utilizaron para la
comunicación MQTT-RS232/RS232-MQTT y la manipulación de cadenas.
La integración de un enchufe Wi-Fi (Edimax SP-2101W, Edimax Computer
Company, Santa Clara, CA) para el control de la alimentación del
instrumento se logró con el nodo personalizado "node-red-contrib
smartplug 2.0.0". Las sombras del dispositivo se diseñaron para realizar
todas las interacciones básicas del dispositivo. El formato subyacente de
notificación de objetos de JavaScript (JSON) es modular, lo que permite
agregar más parámetros del dispositivo en un momento posterior (consulte
la figura 2).
Configuración de una habilidad personalizada para laboratorio
Interacción del instrumento
Se utilizó un servicio informático bajo demanda20 (Amazon Lambda,
Amazon Web Services) para albergar una habilidad personalizada que
interactúa con las sombras del dispositivo de laboratorio y reacciona a
las consultas de comandos de voz procesadas. Node.js 6.10 se utilizó
como entorno de tiempo de ejecución y se implementaron intenciones
personalizadas para realizar interacciones de dispositivos específicos. El
Alexa Skills Kit (Amazon Web Services), que comprende las denominadas
"expresiones", frases personalizadas para invocar una acción específica
del dispositivo, se habilitó como disparador de la habilidad alojada. Se
implementó un modelo de respuesta de audio para dar retroalimentación
a frases específicas.
Creación de una interfaz de interacción de voz
La VUI se diseñó utilizando el Alexa Skills Kit. Los nombres de invocación
para las habilidades específicas se definieron como "fotómetro" y
"equilibrio", respectivamente. Los puntos finales correspondientes se
establecieron en el recurso de la aplicación Lambda específico. El modelo
de interacción se diseñó de manera redundante para tener una selección
de diferentes frases que activan un mensaje específico.
Machine Translated by Google
478
intención y resultando en una acción de instrumento. Los algoritmos de
reconocimiento de voz subyacentes son parte de Alexa Voice Service21
de Amazon (AVS, Amazon Inc., Seattle, WA). Se utilizó un dispositivo
Amazon Echo de primera generación como dispositivo habilitado para
VA. El idioma principal del sistema se estableció en inglés.
Resultados y discusión
Ecosistema de asistente virtual
El modelo de voz contiene información sobre el nombre de invocación
de la habilidad, por ejemplo, "fotómetro", que debe decirse para llamar a
una habilidad. El modelo también contiene una frase definida, por
ejemplo, "para medir el valor actual" o "para establecer la longitud de
onda en XXX nanómetros". Las frases específicas invocan una intención
que, con respecto a los ejemplos mencionados anteriormente, provoca
una medición fotométrica o establece el espectrofotómetro en una
longitud de onda deseada (consulte la Fig. 1 para ver un esquema de
flujo de datos). Este llamado modelo de interacción utiliza un servicio de
alojamiento de habilidades accesible a través de Internet como punto
final y utiliza algoritmos NLP comerciales (Amazon) para procesar
consultas de voz y generar salida de voz. La habilidad acepta solicitudes
basadas en el modelo de interacción y realiza acciones sobre estas, por
ejemplo, proporcionando una retroalimentación de audio y/o interactuando
con la sombra del dispositivo que es una representación digital del estado
actual del dispositivo. La sombra del dispositivo básicamente actúa como
un intermediario MQTT que contiene un JSON de valor clave predefinido
de las condiciones y estados del dispositivo (consulte la Fig. 2 para ver
el diseño JSON de las sombras del dispositivo usado).
Esta sombra puede ser accedida y modificada por la habilidad.
Esto puede, por ejemplo, establecer el valor de la subclave "activo" en
"verdadero" dentro de la clave de "medición" después de llamar a la
intención específica. El servicio local también puede acceder a la sombra,
que puede actualizar los valores de sombra del dispositivo para una tecla
definida, por ejemplo, escribiendo un valor de absorbancia medido en
una tecla de posición de torreta definida después de medir una absorción
o configurando "medición" en " falso” después de una medición exitosa.
Se definieron límites específicos para valores específicos; por ejemplo,
la longitud de onda del espectrofotómetro solo se puede establecer entre
190 y 1100 nm. Si el operador desea configurar una longitud de onda
fuera de este rango, el dispositivo habilitado para VA emite un mensaje
de falla y especifica los valores válidos.
Un comando de voz completo consta de una palabra de activación,
que es "computadora" en nuestra configuración; el nombre de la habilidad,
que es "el fotómetro" o "la balanza"; y una frase que está asignada a una
acción. Se definieron un total de 18 frases para siete interacciones
diferentes con el fotómetro, mientras que se implementaron 9 frases para
cuatro interacciones de equilibrio diferentes (ver la Tabla 1 para ejemplos
de frases).
Debido a su forma modular, el entorno desarrollado permite una fácil
integración de comandos de voz adicionales
Tecnología SLAS 23(5)
solo agregando código compatible en el lado de la nube del sistema. Es
posible la integración de un dispositivo similar de otro proveedor. Solo es
necesario cambiar los comandos de interacción propietarios específicos
y el estándar de comunicación (dependiendo de la interfaz de intercambio
de datos instalada) dentro del servicio local. Es posible la integración de
otros tipos de dispositivos de laboratorio. Se debe elaborar un diseño de
sombra de dispositivo razonable para cada nuevo tipo de dispositivo, y
se debe implementar un nuevo modelo de voz y una habilidad
personalizada.
El uso de un protocolo de comunicación abierto (MQTT) y un formato de
datos abierto y compacto (JSON) permite la integración de datos
acumulados en sistemas de gestión de información de laboratorio (LIMS)
o sistemas de planificación de recursos empresariales (ERP). El cifrado
Transport Layer Security (TLS) proporciona seguridad de datos avanzada
para transmisiones desde la nube al entorno de servicio local y viceversa.
Dado que la seguridad de los datos siempre es un tema importante en la
ciencia, la ingeniería y la investigación, la infraestructura establecida
puede considerarse crítica. El reconocimiento de voz lo realiza un
proveedor de servicios externo, y todos los datos que surgen se
almacenan en los servidores de un proveedor de servicios externo, que
siempre pueden ser objeto de ataques. Desde el punto de vista de la
privacidad, el dispositivo inteligente graba la voz después de que se dice
una palabra de activación específica. Es posible que se rompa, lo que
puede otorgar acceso no autorizado a las capacidades del dispositivo
conectado.4,22 El uso del sistema por parte de personal no autorizado
podría evitarse potencialmente mediante el uso de la identificación por
huella de voz, que puede limitar las funciones de VA a un grupo específico
de personas. usuarios.23,24 Una función como esta podría implementarse
en un futuro no muy lejano.25
Precisión de la interfaz de usuario de voz
Para determinar la precisión de la VUI y la capacidad de reconocimiento
de comandos de voz del algoritmo de nube subyacente, cada una de
las frases particulares para el control del dispositivo del espectrofotómetro
o la balanza fue dicha 30 veces seguidas por un científico varón, quien
fue ya familiarizado con el sistema desarrollado y las frases definidas.
Luego se verificó si los comandos de voz dados dieron como resultado
las acciones esperadas del dispositivo. La evaluación se realizó en un
laboratorio con ventilación de extracción activa que provocó un ruido
ambiental en el rango de 50 a 55 dB, que es equivalente al nivel de
sonido de una conversación normal. Los comandos de voz se dieron a
1,5 m del dispositivo habilitado para VA.
Los posibles resultados de la evaluación fueron que el sistema no asignó
las frases a la intención correcta, tal vez debido a un error de ambigüedad;
que no pudo relacionar dichas frases con intención alguna, por no
entender la frase; o que asignó la frase específica a la intención correcta.
Los dos primeros escenarios se clasificaron como "no reconocidos
correctamente", mientras que el último se marcó como "reconocido
correctamente". El análisis de precisión de reconocimiento de comandos
dio como resultado una precisión de reconocimiento media general del
95 % ± 3,62 (consulte la Tabla 1
Machine Translated by Google

479
Machine Translated by Google
480
para obtener detalles y material complementario para obtener una lista
detallada de todas las frases implementadas y material de video de las
interacciones específicas del dispositivo). Esta precisión parece ser adecuada,
teniendo en cuenta que el operador tiene acento alemán, lo que podría influir
en la tasa de éxito del reconocimiento de voz.26 Cabe mencionar que la
configuración analizada ya estaba establecida durante 4 meses en el
momento de la acumulación determinación de la raza, y que fue entrenado
tanto por usuarios masculinos como femeninos, sin diferencias perceptibles
en cuanto a la precisión del reconocimiento de voz entre los sexos. Las
experiencias de este proceso de capacitación llevaron a sugerir que la
precisión del reconocimiento podría ser similar con diferentes usuarios, al
menos si tienen el mismo acento. El servicio de NLP utilizado se entrena
constantemente mediante el uso de datos de interacciones de voz, lo que
significa que los datos que se muestran actualmente son solo una instantánea,
ya que el servicio se vuelve más eficiente cada día.
La alta eficiencia del servicio en la nube utilizado demuestra la capacidad de
los algoritmos NLP disponibles comercialmente y destaca que ya es
imaginable una aplicación en entornos profesionales.
La transformación digital de la industria y la vida cotidiana es eminente e
impregnará la mayoría de las facetas de la sociedad. Esta nueva era de
dispositivos y servicios inteligentes ofrece enormes posibilidades para apoyar
a ingenieros y científicos. Como se demuestra en este informe, utilizar
asistentes virtuales basados en voz en el laboratorio
Tecnología SLAS 23(5)
Figura 2. Sombras de
dispositivo especificadas de
los dispositivos de laboratorio
integrados. (A) JSON de la sombra del
fotómetro. Pares clave-valor que manejan
la fuente de alimentación del dispositivo,
la longitud de onda, la función de medida
y los últimos valores de absorción
medidos del fotómetro de las posiciones
de torre correspondientes. Además, se
implementan la función de señal acústica,
la función de supresión y la posición
actual de la muestra. (B) JSON del
equilibrio de alto rendimiento.
Los pares clave-valor del JSON
representan la función de medición, el
último valor medido, la función de tara y
el bloqueo y desbloqueo de los botones
del dispositivo físico.
podría ser una poderosa herramienta para mejorar la eficiencia de los
procesos de laboratorio.
Pudimos integrar los dispositivos de laboratorio actuales en un entorno
de IoT de una manera asequible. Mediante el uso de una combinación de
soluciones comercialmente disponibles y de código abierto, se implementó
un asistente de laboratorio virtual. Actuó como una interfaz de usuario basada
en la voz para los instrumentos de laboratorio. Aunque toda la transferencia
de datos dentro de este sistema está encriptada, pueden surgir amenazas
potenciales a la seguridad y privacidad de los datos debido al procesamiento
externo y la generación de datos de voz. NLP es una tarea que requiere
hardware, pero puede establecerse potencialmente como una solución
interna para evitar posibles problemas de seguridad. Sin embargo, esto
requeriría conocimientos técnicos y gastos de mantenimiento sustanciales,
mientras que la generación actual de habilidades requiere puntos finales
accesibles por Internet. Además, se necesita una conexión a Internet estable
y rápida para acceder a los servicios en la nube utilizados, que no siempre
se proporcionan.
El uso de comandos de voz y la salida de voz VA se suma a la cacofonía
general en el laboratorio y puede distraer al resto del personal del laboratorio.
El emparejamiento con auriculares Bluetooth ya se puede lograr con algunas
versiones de hardware de Echo (p. ej., Echo Dot), lo que podría minimizar
las molestias por ruido causadas por la salida de voz de VA. Amazon anunció
recientemente el "Kit de accesorios móviles de Alexa" para
Machine Translated by Google

Austerjost et al. 481

Tabla 1. Ejemplos de comandos de voz implementados para la interacción de dispositivos y la precisión de reconocimiento promedio de todas las frases
implementadas que provocan la misma acción (consulte el material complementario para conocer otras frases implementadas).

Reconocimiento medio
Dispositivo Frase de ejemplo Acción Precisión (%)

Fotómetro "Para pitar" Fotómetro da señal acústica 91.7

Fotómetro "Para obtener el valor actual" El fotómetro mide y VA da el valor actual 92.8
Fotómetro “Para ir a la posición de muestra X” La torreta del fotómetro se mueve a la posición deseada de la torreta 91.7
Fotómetro "Encender" El fotómetro se enciende 98.3
Fotómetro "Apagar" El fotómetro se apaga 95
Fotómetro “En blanco” Fotómetros en blanco 98.3
Fotómetro “Para establecer la longitud de onda en La rejilla del fotómetro está ajustada a la longitud de onda deseada 93.3
XXX nanómetros”
Balance “Para volver peso” Las medidas de equilibrio y VA dan el peso actual 97.8
Balance "A cero" Balancear taras 95
Balance “Para bloquear llaves” Los botones de saldo se bloquean 98.3
Balance “Para desbloquear llaves” Las claves de saldo se desbloquean 96.7

Lleve Alexa a dispositivos móviles como auriculares, audífonos y relojes
inteligentes.27 Esto ofrece la oportunidad de agregar movilidad al VA y
disminuir el nivel de ruido dentro del laboratorio.
La tecnología y el software VA no se limitan a la clase de dispositivo
habilitado para VA presentada. Recientemente se anunciaron los
anteojos inteligentes habilitados para IA que podrían formar una
simbiosis fructífera entre los anteojos de seguridad, que son obligatorios
en el laboratorio; un asistente de laboratorio virtual; y elementos de
realidad aumentada.28 Esta combinación podría ser una gran adición
al flujo de trabajo del laboratorio (p. ej., para mostrar de forma interactiva
los parámetros del dispositivo, los procedimientos operativos estándar
[SOP] y las notificaciones relevantes para la seguridad en el campo de
visión del experimentador). Dado que el NLP en la nube no está tan
Nuestra investigación en curso se centra en la implementación de
otros tipos de instrumentos y la integración del asistente de laboratorio
virtual en un sistema funcional de gestión e información de laboratorio.
Asimismo, se prevé la implementación de los SOP apoyados por un VA.
Declaración de Conflicto de Intereses
Los autores no declararon posibles conflictos de interés con respecto a la
investigación, autoría y/o publicación de este artículo.
Fondos
Los autores declararon haber recibido el siguiente apoyo financiero para la

limitado como la tecnología de reconocimiento de voz integrada que investigación, autoría y/o publicación de este artículo: Este trabajo fue apoyado
financieramente por el Ministerio de Asuntos Económicos y Medios, Energía y
utilizan la mayoría de los anteojos inteligentes actuales para el manejo
Tecnología de Baviera dentro del programa de Tecnología de la Información y las
de la voz, incluso se pueden procesar comandos de voz complejos. Sin
Comunicaciones (subvención número IUK-1504-0006//IUK470/001).
embargo, las limitaciones actuales de hardware y batería de las gafas
inteligentes deben superarse para integrar la tecnología en la práctica
laboral diaria, pero ofrecen otra forma de llevar la IA al laboratorio.29
identificación ORCID
Para concluir, se puede decir que las VUI tienen un gran potencial
para aplicaciones dentro del laboratorio, no solo como un medio para Jonás Austerjost https://orcid.org/0000-0002-2080-1556
el control de instrumentos, sino también como un sistema para recuperar
y guardar datos y protocolos experimentales. La configuración de
Referencias
prueba de concepto que se muestra en este estudio es seguramente
solo uno de los primeros pasos hacia un laboratorio asistido por IA. 1. Cambria, E.; White, B. Jumping NLP Curves: una revisión de la investigación
Indica que los conceptos actuales de digitalización y automatización del procesamiento del lenguaje natural. Cómputo IEEE. Intel.

tienen el potencial de mejorar los flujos de trabajo y la eficiencia en el laboratorio. revista 2014, 9, 48–57.
Los esfuerzos actuales de los fabricantes de instrumentos de
laboratorio se centran en el desarrollo de formatos y protocolos
estandarizados para la comunicación de dispositivos de laboratorio.
Esto podría allanar el camino hacia una capacidad IoT plug-and-play de
futuros instrumentos de laboratorio.30 El concepto que se muestra
parece ser una adición útil para el laboratorio. Sin embargo, para
encontrar un lugar para un VA en el entorno de laboratorio del futuro,
se deben desarrollar soluciones de seguridad que reflejen reglas
comunes de privacidad y confidencialidad.
2. Dale, R. El panorama de la PNL comercial en 2017. Nat. Idioma
Ing. 2017, 23, 641–647.
3. McMillan, R. IBM se preocupa de que Siri del iPhone tenga los labios flojos.
CNN, 24 de mayo de 2012. http://edition.cnn.com/2012/05/23/tech/
mobile/ibm-siri-ban/index.html (consultado el 18 de noviembre de 2017).
4. Dale, R. Industry Watch: los pros y los contras de los dispositivos de escucha.
Nat. Idioma Ing. 2017, 23, 969–973.
5. Gopinath, SCB; Tang, TH; Chen, Y.; et al. Detección de bacterias: del
microscopio al teléfono inteligente. Biosens.
Bioelectrón. 2014, 60, 332–342.
Machine Translated by Google
482
6. Cohen, MH; Giangola, JP; Balogh, J. Interfaz de usuario de voz
Diseño. Informática 2004, 49, 368.
7. Allen, AA; Shane, HC; Schlosser, RW The Echo™ como un dispositivo de
reconocimiento de voz independiente del hablante para apoyar a niños con
autismo: un estudio exploratorio. Adv. neurodesarrollo
Desorden. 2017, 1–6.
8. Miehle, J.; Ostler, D.; Gerstenlauer, N.; et al. El Siguiente Paso: Asistencia Digital
Inteligente para Quirófanos Clínicos.
innovador Cirugía ciencia 2017, 2, 159–161.
9. Ennis, A.; Rafferty, J.; Synnott, J.; et al. Un Gabinete Inteligente y Asistente de Voz
para Apoyar la Independencia en Adultos Mayores. En Apuntes de conferencias
en Ciencias de la Computación; Springer: Cham, 2017; vol. 10586 LNCS, págs.
466–472.
10. Halford, B. Conozca a su nuevo asistente de laboratorio. Química y
Noticias de ingeniería, 2017, págs. 26–27.
11. Las aplicaciones científicas Young, HA están aquí (y habrá más)
Viniendo). Citocina 2012, 59, 1–2.
12. Gan, SK-E.; Poon, J.-K. El mundo de las aplicaciones biomédicas: sus usos,
limitaciones y potencial. ciencia Mob de aplicaciones de teléfono.
Dispositivos 2016, 2, 6.
13. Austerjost, J.; Marquard, D.; Raddatz, L.; et al. Una aplicación de dispositivo
inteligente para la determinación automatizada de colonias de E. coli en placas
de agar. Ing. Ciencias de la vida 2017, 17, 959–966.
14. Wu, T.; Zhou, Y. Una plataforma de automatización inteligente para el diseño
rápido de bioprocesos. Laboratorio J. automático 2014, 19, 381–393.
15. Glauche, F.; Pilarek, M.; Bournazou, multinacional; et al. Diseño de estrategia de
alto rendimiento basada en experimentos para el desarrollo y optimización de
protocolos de interrupción celular eficientes. Ing. Ciencias de la vida 2017, 17,
1166–1172.
16. Fundación IBM. Nodo-RED: Documentación. https://
nodered.org/docs/ (consultado el 22 de enero de 2018).
17. Servicios web de Amazon. AWS IoT Core: documentación. https://aws.amazon.com/
de/documentation/iot/ (consultado el 22 de enero de 2018).
18. Hunkeler, U.; Truong, HL; Stanford-Clark, A. MQTT-S: un protocolo de publicación/
suscripción para redes inalámbricas de sensores.
En 2008 3ra Conferencia Internacional sobre Software y Middleware de Sistemas
de Comunicación y Talleres (COMSWARE '08); IEEE: Piscataway, Nueva Jersey,
2008; págs. 791–798.
Tecnología SLAS 23(5)
19. Reinfurt, L.; Breitenbucher, U.; Falkenthal, M.; et al. Patrones de Internet de las
Cosas. En Actas de la 21.ª Conferencia Europea sobre Lenguajes de Patrones
de Programas—EuroPlop '16; ACM Press: Nueva York, 2016; págs. 1–21.
20. AWS Lambda: computadora sin servidor: servicios web de Amazon. https://
aws.amazon.com/lambda/?nc1=h_ls (consultado el 1 de mayo de 2018).
21. Desarrollador de Amazon. Descripción general del servicio de voz de Alexa. https://
developer.amazon.com/de/alexa-voice-service (consultado el 22 de enero de
2018).
22. Chung, H. "Alexa, ¿puedo confiar en ti?" Computadora (Long Beach, California)
2017, 50, 100–104.
23. Doddington, GR Reconocimiento de hablantes: identificación de personas por sus
voces. proc. IEEE 1985, 73, 1651–1664.
24. Poddar, A.; Sahidullah, M.; Saha, G. Verificación del hablante con expresiones
breves: una revisión de los desafíos, las tendencias y las oportunidades. IET
Biometrics 2018, 7, 91–101.
25. Eadicicco, L. Exclusivo: Amazon desarrolla reconocimiento de voz avanzado para
Alexa. Time, 27 de febrero de 2017. http://time.
com/4683981/amazon-echo-voice-id-feature-2017/ (consultado el 15 de marzo
de 2018).
26. Huang, C.; Chen, T.; Chang, E. Problemas de acento en el reconocimiento de voz
continuo de vocabulario amplio. En t. J. Tecnología del habla. 2004, 7, 141–153.
27. Luthra, G. Amazon Alexa Mobile Accessories: una nueva categoría de productos
habilitados para Alexa con herramientas de desarrollo próximamente. Blogs de
Alexa, 5 de enero de 2018. https://developer.amazon.com/de/blogs/
alexa/post/564685cf-0b1b-4fe4-824e-2ce1e88e3e78/amazon alexa-mobile-
accessories-a-new-alexa-enabled-product-cate gory-with-dev-tools-coming-soon
(consultado el 1 de mayo de 2018) .
28. Stein, S. ¿Gafas inteligentes impulsadas por Alexa? Sí, de Vuzix. CNET, 16 de
enero de 2018. https://www.cnet.com/news/vuzix-debuts-ama zon-alexa-blade-
smartglasses-ces-ar/ (consultado el 1 de mayo de 2018).
29. Martínez-Millana, A.; Bayo-Montón, JL; Lizondo, A.; et al.
Evaluación de las Limitaciones Técnicas de las Google Glass en su Integración
en Sistemas Médicos. Sensores (Suiza) 2016, 16, 2142.
30. Schmid, I.; Aschoff, J. Un marco de software escalable para la integración de datos
en el desarrollo de bioprocesos. Ing. Ciencias de la vida 2017, 17, 1159–1165.