Ana Laguna Pradas tenía un deseo extraño para una madre primeriza. Quería que su hijo llorara. Su madre no lo entendía: “Pero Ana, hija, coge al niño y no le dejes llorar más, me decía. Suena a madre chiflada, pero soy la primera madre que quiere que su hijo llore”, explica.
Durante el embarazo Laguna le daba vueltas a una pregunta: “¿Cómo voy a entenderle?” Un bebé se comunica llorando: quiere comer, mimos, le duele algo, tiene sueño. ¿Pero qué quiere exactamente cada vez que llora? Era 2016, Laguna buscó apps para interpretar ese llanto y solo encontró una china que funcionaba mal.
“Si Jane Goodall comprende el lenguaje de los chimpancés, ¿por qué no intentar traducir a un recién nacido?”
¿Por qué no hacerla ella misma?, pensó Laguna, que es científica de datos en BBVA Data&Analytics. Su intuición le decía que los lloros de un bebé tienen patrones y que la inteligencia artificial puede detectarlos: “Había trabajado en traducción automática, y el llanto del bebé no deja de ser otro medio de comunicación oral. Además, si Jane Goodall comprende el lenguaje de los chimpancés, ¿por qué no intentar traducir las necesidades de un recién nacido con un algoritmo?”, dice.
Tras la cuarentena, empezó a grabar a su hijo. Cada muestra de lloro debía durar al menos 10 segundos. Así estuvo hasta los cuatro meses. Reunió unos 65 audios. Al final el pequeño no lloró tanto: de media resultó menos de una grabación al día.
El ojo humano ve diferencias obvias en las señales de audio, pero un algoritmo necesita más detalles para encontrar patrones. Así que Laguna recurrió a los espectogramas. La intuición se confirmaba: “Las señales de audio tenían buena pinta y la precisión del modelo era aceptable”, dice.
Pero Laguna dio con un nuevo problema: la falta de muestra, de lloros. La inteligencia artificial necesita una cantidad sustancial de ejemplos.
Además una vez reunidos suficientes ejemplos de un tipo de lloro, hay otra pregunta difícil: el etiquetado. La etiqueta es lo que identifica un lloro como de dolor, hambre, sueño, ganas de mimos y deben ponerla los padres. Si las etiquetas están mal puestas, el modelo buscará mal los patrones y será un desastre. Antes de que el algoritmo pueda ver patrones en cada lloro, deben hacerlo los padres.
Por falta de datos y de buenas etiquetas, Laguna acabó dividiendo su base de datos en solo dos opciones: hambre y no hambre. La pretensión inicial de acertar con más tipos de lloro quedó aparcada.
Ahora Laguna vuelve a estar embarazada. Esta vez irá más en serio. Su segundo hijo puede ser el bebé español que más tiempo pase llorando.
La única esperanza de Laguna para aumentar la base de datos no es su segundo hijo. Ha creado una ONG para hacer trabajos de datos donde hay un formulario para que otros bebés colaboren. El objetivo es doble: crecer más rápido y evitar el sesgo de que toda la base de datos sea del lloro de dos hermanos. Aquí pueden subir los padres el llanto de sus pequeños. Laguna quiere trabajar con lloros de bebés de menos de 6 meses.
El ejemplo norteamericano
La intuición de Laguna también la tuvo un equipo californiano dirigido por Ariana Anderson, neuropsicóloga computacional de UCLA (Universidad de California en Los Angeles). Anderson tiene cuatro hijos. Cuando oía llorar al tercero empezó a darse cuenta de que había patrones. El siguiente paso lógico fue, como para Laguna, entrenar a un algoritmo para que mejorara la percepción humana.
Con los años, el equipo de Anderson sacó una app: Chatterbaby, disponible en Android y iPhone, y que da un porcentaje con el motivo más probable de lloro. La base de datos de Chatterbaby tiene miles de ejemplos y es capaz de distinguir entre dolor (con un 90% de éxito), inquietud (con un 85%) y hambre (con un 60%). “Ese 60% se debe a que tenemos aún muestras pequeñas, pero como estamos continuamente entrenando nuestros algoritmos con datos nuevos, la precisión crecerá en el futuro”, dice Anderson.
El proceso de certificación del etiquetado en Chatterbaby es delicado. El lloro de dolor es indiscutible: están sacados de pinchazos a bebés por vacunas o por agujeros en la oreja. Las otras dos categorías que de momento manejan -inquieto y hambriento- tienen control de calidad: “Son etiquetados por los padres (normalmente la madre). Entonces otra madre del equipo y yo escuchamos uno por uno esos lloros. Si las dos estamos de acuerdo, se queda en nuestra base de datos. Si una está en desacuerdo, se quita. Estamos de acuerdo en un 80% de lloros, lo que muestra que madres experimentadas pueden reconocer lloros de bebés que no son suyos”, explica Anderson.
En el equipo de Anderson, esperan tener suficientes datos pronto para identificar más tipos de llanto: separación, miedo, cólicos. Aunque cada uno tiene su dificultad. “Lo que entendemos del desarrollo normal de bebés es que empiezan a sentir miedo de separación a los 6 a 7 meses pero frecuentemente no hasta mas cerca al final del primer año”, dice la neonatóloga Diana Montoya-Williams, del equipo de Anderson. “Como estos estados no aplican a todos los bebés en nuestros datos, no lo estudiamos separado. Para el cólico, no tenemos aún suficiente muestra. Las investigaciones preliminares muestran que es similar al llanto del dolor con vacunas”, añade. Chatterbaby acepta lloros de niños de hasta 2 años, pero la mayoría de los que tienen ronda los 3 meses.
A pesar de los avances de Chatterbaby, los bebés españoles y latinoamericanos deberán confiar en la labor de Laguna. Los niños lloran distinto por lengua y país: “El bebé puede oír la melodía (prosodia) de la lengua de la madre en el útero”, dice Anderson. Debido a la extensión de la app, la base de datos internacional de Chatterbaby crece pero aún es insuficiente para llegar a todas partes: “Alrededor de un 80% de nuestros usuarios son internacionales”, dice Anderson. Por género, sin embargo, es “improbable” que haya diferencias, añade Anderson, aunque seguirán mirándolo en sus investigaciones.
Chatterbaby tiene más usos. Puede ayudar especialmente a los padres sordos y hay indicios de que irregularidades en el lloro de un bebé puede ayudar en un diagnóstico temprano del autismo.
En las puntuaciones de Google Play la app solo tiene a padres muy satisfechos que dan cinco estrellas y a otros muy decepcionados, que dan una. Debe de ser muy frustrante tener a las 3 de la mañana la última tecnología en inteligencia artificial y no poder hacer nada mientras el bebé sigue llorando sin remedio.
Fuente: El Pais