El gigante de Redmond siempre ha estado a la vanguardia del desarrollo de la I.A y, junto con OpenAI, la empresa ha estado trabajando y mejorando productos de I.A, como Copilot (antes, Bing Chat) con capacidades de reconocimiento de imágenes. Sin embargo, ahora Microsoft está trabajando en tecnologías de I.A de reconocimiento de sonido que permitirían a Copilot (y a cualquier otro modelo de I.A, como ChatGPT) detectar catástrofes naturales como terremotos y tormentas.
Analizando el sonido con otros oídos
Según una patente publicada recientemente, la nueva tecnología de Microsoft puede reconocer distintos tipos de sonidos, desde el timbre de una puerta hasta el llanto de un bebé o el ladrido de un perro, pero sin limitarse a ellos. También puede reconocer sonidos de tos o dificultades respiratorias, o ruidos inusuales, como la rotura de cristales.
Y lo que es más interesante, puede reconocer y monitorizar sonidos ambientales, y procesarlos posteriormente para avisar a los usuarios si está a punto de producirse una catástrofe natural.
El sistema toma una señal sonora y la divide en partes más pequeñas, o segmentos. Cada segmento se procesa para crear una representación normalizada del sonido en el dominio temporal. Es como un mapa del sonido en el tiempo.
Este mapa se introduce en una red neuronal entrenada, que es un tipo de inteligencia artificial. La red neuronal genera puntuaciones y probabilidades para cada tipo de evento sonoro en cada segmento. Es como adivinar de qué tipo de sonido se trata en cada segmento y cuál es su grado de certeza.
Después, el sistema realiza un postprocesamiento para suavizar las puntuaciones y las probabilidades y generar valores de confianza para cada tipo de sonido para distintos tamaños de ventana.
Posibilidades casi ilimitadas
En última instancia, esta tecnología puede utilizarse en varias aplicaciones. En un dispositivo doméstico inteligente, puede detectar si alguien ha entrado en casa, reconociendo el sonido del cristal al romperse, o si un recién nacido tiene hambre o está angustiado, reconociendo los sonidos del llanto del bebé.
También puede usarse en sanidad, para detectar con precisión enfermedades pulmonares o cardíacas, reconociendo los latidos del corazón, la tos o las dificultades respiratorias.
Pero una de sus aplicaciones más importantes sería prevenir a los usuarios de próximas catástrofes naturales, reconociendo y detectando los sonidos asociados a ellas.
La señal de audio en bruto puede contener sonidos ambientales o cotidianos que formen eventos de audio a detectar por el sistema informático, como una sirena, una alarma, el ladrido de un perro, el llanto de un bebé, disparos, explosiones, aplausos y/o risas, etc.
Dado que la tecnología utiliza redes neuronales, puede integrarse fácilmente en modelos de I.A, como Copilot en Windows, ChatGPT o cualquier otro modelo del mercado.
Puedes leer la patente aquí.