Met de opkomst van spraak- en audio gestuurde automatische systemen (bv spraakherkenning), zijn ook de beperkingen duidelijk geworden. Automatische spraakherkenning mislukt wanneer de akoestische omstandigheden suboptimaal zijn en de toepassingen zijn veelal niet afgestemd op de pathologieën van individuen die ermee interageren (bv gehoorstoornissen). Om het toepassingsbereik en de toegankelijkheid van automatische technologieën te verbeteren, put dit project uit expertkennis over de geluidsverwerking in het menselijk gehoor. Mensen kunnen spraak makkelijk verstaan bij negatieve signaal-ruis verhoudingen, zodat het integreren van de auditieve signaalverwerking in de auditieve input features van automatische systemen deze systemen robuuster kan laten werken in complexe akoestische omstandigheden. Ten tweede kunnen signaalverwerkings-modellen van het oor de individuele gehoorschade simuleren zodat hun integratie met e.g. spraakherkenning individuele predicties kan maken (bv automatische spraakverstaan voorspelling). Dit project volgt dus een bio-geïnspireerde en machinaal leren aanpak om bestaande systemen te verbeteren met methoden die geen grote hoeveelheden trainingsgegevens nodig hebben, maar veeleer kennis van de menselijke auditieve signaalverwerking. De resultaten van dit project zullen audio gestuurde systemen voor machinaal horen robuuster maken: machinaal horen 2.0.