K získávání informací z řeči využívají výzkumníci z FIT technologie automatického rozpoznání řeči, počítačového zpracování přirozeného jazyka a strojového učení. Algoritmus neuronové sítě trénovali na několika tisícovkách hodin audiozáznamů – od interview přes telefonní hovory až po mluvené monology. Přesto hned zpočátku narazili na problém: „Zjistili jsme, že při terapeutických sezeních je mluva velmi odlišná od běžné řeči. Klienti jsou obvykle emočně rozrušení, a tak mnohem častěji opakují slova – třeba třikrát až pětkrát, než se posunou dál. Vymyslet smysluplný přepis rozhovorů nám tak ze startu zabralo mnohem víc času,“ dodává Matějka.