Estudiaron el llanto de los bebés con algoritmos y descubrieron nuevos patrones de comunicación
El llanto de un bebé es usualmente indescifrable, más allá de la pericia de padres experimentados y profesionales de la salud. Pero eso podría cambiar gracias al avance de la inteligencia artificial.
Investigadores del Instituto de Ingeniería Eléctrica y Electrónica (IEEE, por sus siglas en inglés) en colaboración con la Asociación China de Automatización (CAA) trabajan en un sistema que decodifica el llanto de los nenes. Analizando el audio, identifica la causa más factible que del sollozo.
Según explica Newsweek, la tecnología de IA fue entrenada para reconocer patrones en el llanto y entonces decodificar las causas: sueño, hambre, dolor e incluso una enfermedad. Los investigadores comentan que si bien el llanto de cada nene es único, hay características comunes. Por eso es posible usar este tipo de tecnologías de identificación automática.
“Como un lenguaje especial, hay mucha información relacionada con la salud en varios sonidos de llanto. Las diferencias entre las señales de sonido realmente llevan la información”, señala Lichuan Liu, autora del estudio.
Según comentan, otra de las ventajas del sistema es que funciona incluso en ambientes muy ruidosos. “El objetivo es que los bebés sean más saludables, y que haya menos presión sobre los padres y cuidadores“, dijo Liu que además indicó que buscan colaborar con hospitales y centros de investigación médica para mejorar el sistema.
El sistema reseñado nos recuerda a uno que vimos en la pantalla chica, más precisamente en The Simpsons. En un capítulo que estrenó en el año 1992, el hermano de Homero, Herb Powell, diseña una máquina que traduce el llanto de los bebés.
Naturalmente, la pequeña Maggie fue el conejillo de indias para ese invento.
Pero hay casos más allá de la ficción. A comienzos de este año conocimos un desarrollo liderado por la española Ana Laguna Pradas, que ideó un algoritmo para entender el lenguaje de los bebés. La científica experta en datos usó llantos de su propio hijo, aunque actualmente busca más muestras para robustecer su base de datos. Y, en tanto, mejorar la precisión de su sistema.
