¿Te preguntas si ese pequeño trago fue demasiado? Algún día, pronto, su discurso chapoteado podrá revelar sus secretos a su asistente digital residente con la misma facilidad con la que tropieza con un trabalenguas. Un grupo de investigadores de la Universidad de Stanford en EE.UU. y la Universidad de Toronto en Canadá han desarrollado un método algorítmico para hacer precisamente eso. En un artículo publicado esta semana, los científicos informan que lograron identificar la intoxicación por alcohol con un 98 por ciento de precisión al hacer que los participantes del estudio leyeran trabalenguas después de beber varios gimlets de vodka (es decir, vodka, lima y un poco de almíbar simple para darle dulzor). , a aquellos que no han sido presentados). «Con la proliferación de sensores de teléfonos inteligentes, ahora podemos aprovechar las señales digitales para predecir con mayor precisión cuándo ocurren los episodios de consumo de alcohol, mejorando nuestra capacidad de intervenir en los momentos más efectivos», dijo el autor principal, el Dr. Brian Suffoletto, profesor asociado de medicina de emergencia en Stanford. El registro. Suffoletto dijo que ha estado trabajando para desarrollar herramientas basadas en chat destinadas a frenar el consumo de alcohol de riesgo durante más de una década, siendo el momento del apoyo el elemento más crítico. Para recopilar datos, a los participantes en el estudio se les sirvieron gimlets que fueron «administrados de acuerdo con los procedimientos estándar» (es decir, borrachos), con el objetivo de lograr que los usuarios alcanzaran una concentración de alcohol en el aliento superior al 0,20 por ciento, o bien dentro del rango «muy deteriorado». . Luego se pidió a los participantes que leyeran un trabalenguas elegido al azar cada hora con un teléfono inteligente frente a ellos sobre una mesa, durante siete horas. Para el estudio se utilizaron trabalenguas ingleses comúnmente conocidos, como Peter Piper, She Sells Sea Shells, Woodchuck y Betty Botter, nos dijo Suffoletto. Las muestras de voz se limpiaron y analizaron en segmentos de un segundo, y después de ejecutarlas a través de un algoritmo diseñado para examinar características de voz espectrales y basadas en frecuencia, el sistema arrojó resultados con la precisión del 98 por ciento antes mencionada. «Nuestro modelo superó al modelo anterior de mejor rendimiento utilizando el único otro corpus de grabación de voz conocido sobre alcohol que conocemos», dijeron los investigadores. esa muestra [PDF] procedía de hablantes de alemán recopilados en 2011 y tenía una precisión del 70 por ciento. El equipo de este último estudio atribuye su precisión mejorada a varios factores, incluido un conjunto estándar de trabalenguas que redujo la variabilidad entre individuos y puntos temporales en las grabaciones. El equipo también atribuyó su método de examinar la frecuencia y el tono a «características basadas en el tiempo relacionadas con los fonemas y la prosodia, que pueden diferir mucho entre individuos». Se necesita más investigación, sin mencionar las preocupaciones sobre la privacidad. Si bien los resultados pueden ser impresionantes, incluso los investigadores advierten que su estudio es poco más que una prueba de concepto que necesita mucho más trabajo antes de que sea un producto comercial viable. La ciencia del uso de la voz de una persona como biomarcador de la intoxicación por alcohol es un campo relativamente incipiente, admitió el equipo, y con sólo 18 puntos de datos, el estudio no fue lo suficientemente grande como para ser más que una señal de que se necesitan más bebidas. Es necesario recopilar los datos servidos. «No pudimos validar externamente nuestros modelos» más allá del tamaño de muestra de 18 personas, señaló el equipo. Todo el grupo de participantes era blanco y no hispano, lo que limita aún más la generalización de sus hallazgos. También es posible, dijeron, que aquellos con más práctica de trabalenguas puedan engañar más fácilmente a un algoritmo de este tipo, y no están seguros de «si las firmas de voz serían útiles para detectar eventos de consumo de alcohol de menor riesgo», es decir, aquellos que no bien en la zona «schwasted». Además de las limitaciones técnicas, el equipo tampoco está seguro de que el público acepte dicha tecnología. «Aún se desconoce si los individuos percibirían los programas que procesan muestras de voz como intrusivos», dijeron los investigadores en su artículo. «Por lo tanto, no sabemos si sería un método aceptable para utilizarlo en el mundo real». Los estudios futuros, dijo el equipo, necesitan un grupo de participantes más grande y mixto, y los investigadores deberían «considerar seriamente» la posibilidad de asociarse con empresas como Amazon «que ya recopilan muestras de voz de parlantes inteligentes para probar modelos utilizando datos del mundo real». Sin embargo, no está claro si se realizarán tales estudios. «No hay actualmente estudios a gran escala planificados o en curso, que yo sepa», nos dijo Suffoletto. «Se necesitaría un financiador más grande como el NIH para estar lo suficientemente interesado como para apoyar tal esfuerzo». Imagine un futuro en el que dicha investigación convirtiera en un producto viable. Podrías subirte a tu coche después de pasar unas horas en tu bar local, algo que tu smartphone sabe porque ha estado registrando tus datos de geolocalización. Presionas el botón de encendido de tu vehículo inteligente, que también sabe muy bien que estabas enviando mensajes de texto a tus amigos con planes de tomar algunas bebidas, pero no sucede nada. «Tus datos de ubicación sugieren que es posible que hayas estado bebiendo. Antes de que puedas arrancar tu vehículo, [Google Assistant/Siri/etc.] «Requiere que leas el siguiente trabalenguas», suena tu teléfono. Te topas con Peter Piper, escogió un picotazo de pimientos encurtidos y esperas. «Lo siento, pero pareces intoxicado. ¿Te gustaría llamar a un Uber?» ®

Source link