Inteligencia artificial aprende a traducir el llanto de los bebés

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.

¿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.