211service.com
Transcribiendo la voz en tu cabeza
Lorrie Lejeune / MIT
Los investigadores del MIT han desarrollado una interfaz de computadora que puede transcribir palabras que el usuario verbaliza internamente pero que en realidad no habla en voz alta.
Los electrodos en el dispositivo portátil captan señales neuromusculares en la mandíbula y la cara que se activan al decir palabras en la cabeza pero que son indetectables para el ojo humano. Las señales se alimentan a un sistema de aprendizaje automático que ha sido entrenado para correlacionar señales particulares con palabras particulares.
El dispositivo, llamado AlterEgo, también incluye auriculares de conducción ósea, que transmiten vibraciones a través de los huesos faciales hasta el oído interno. Debido a que los auriculares no obstruyen el canal auditivo, el sistema puede transmitir información sin interrumpir la conversación ni interferir con la experiencia auditiva.
AlterEgo proporciona un canal privado y discreto para transmitir y recibir información, lo que permite a los usuarios hacer cosas como posar de manera indetectable y recibir respuestas a problemas computacionales difíciles o informar silenciosamente los movimientos de los oponentes en un juego de ajedrez y recibir respuestas recomendadas por computadora.
Básicamente, no podemos vivir sin nuestros teléfonos celulares, dice Pattie Maes, profesora de artes y ciencias de los medios y asesora de tesis de Arnav Kapur, el estudiante graduado de Media Lab que dirigió el desarrollo del sistema. Pero por el momento, el uso de esos dispositivos es muy disruptivo. Si quiero buscar algo que sea relevante para una conversación que estoy teniendo, tengo que encontrar mi teléfono y escribir el código de acceso, abrir una aplicación y escribir alguna palabra clave de búsqueda. El objetivo con AlterEgo era construir un sistema de aumento de inteligencia no invasivo que fuera completamente controlado por el usuario.
La idea de que las verbalizaciones internas tienen correlatos físicos ha existido desde el siglo XIX y se investigó seriamente en la década de 1950. Uno de los objetivos del movimiento de lectura rápida de la década de 1960 fue eliminar esta subvocalización, como se la conoce.
Pero la subvocalización como interfaz de computadora está en gran parte inexplorada. Para determinar qué ubicaciones faciales proporcionan las señales neuromusculares más confiables, los investigadores colocaron 16 electrodos en las caras de los sujetos de investigación y les hicieron subvocalizar la misma serie de palabras cuatro veces.
Los investigadores escribieron un código para analizar los datos resultantes y encontraron que las señales de siete ubicaciones de electrodos podían distinguir consistentemente las palabras subvocalizadas. En un documento que presentaron en la conferencia de interfaz de usuario inteligente ACM de la Association for Computing Machinery, describieron un prototipo de una interfaz portátil de voz silenciosa, que se envuelve alrededor de la parte posterior del cuello como un auricular de teléfono y tiene apéndices curvos similares a tentáculos que tocan la cara en siete lugares a cada lado de la boca y a lo largo de las mandíbulas.
Pero en experimentos posteriores, los investigadores lograron resultados comparables utilizando solo cuatro electrodos a lo largo de una mandíbula, lo que podría resultar en un dispositivo menos molesto.
Después de seleccionar las ubicaciones de los electrodos, los investigadores recopilaron datos sobre algunas tareas computacionales con vocabularios de unas 20 palabras cada uno. Una era la aritmética, en la que el usuario subvocalizaba grandes problemas de suma o multiplicación; otra fue la aplicación de ajedrez, en la que el usuario informaba los movimientos utilizando el sistema de numeración de ajedrez estándar.
Luego, para cada aplicación, utilizaron un red neuronal para encontrar correlaciones entre señales neuromusculares particulares y palabras particulares.
Utilizando la interfaz prototipo, los investigadores realizaron un estudio de usabilidad en el que 10 sujetos dedicaron unos 15 minutos a personalizar la aplicación aritmética para su propia neurofisiología y otros 90 minutos usándola para ejecutar cálculos. En ese estudio, la precisión de la transcripción promedió alrededor del 92 por ciento. Pero, dice Kapur, el rendimiento debería mejorar con más datos de entrenamiento, que podrían recopilarse durante el uso normal.
En el trabajo en curso, los investigadores están recopilando datos sobre conversaciones más elaboradas, con la esperanza de crear aplicaciones con vocabularios mucho más amplios. Kapur dice, creo que lograremos una conversación completa algún día.