Un grupo multidisciplinario de investigadores de la Universidad de Pittsburgh acaba de publicar un estudio en la revista eNeuro que sugiere que los monos, los conejillos de indias y los hablantes nativos de inglés tienen respuestas cerebrales similares a sonidos del habla.

Las respuestas del cerebro al sonido, llamadas respuestas de seguimiento de frecuencia, o FFR, se pueden registrar a partir de pequeños electrodos colocados en el cuero cabelludo de una persona.

Diagnóstico para la audición

El hallazgo podría ayudar a allanar el camino para una mejor comprensión y diagnóstico de los déficits del procesamiento auditivo. Y es que los médicos utilizan FFR para evaluar rápidamente la capacidad auditiva de un niño y señalar una gran cantidad de posibles trastornos del habla y el lenguaje, como la dislexia y el autismo. Pero el método tiene un gran inconveniente: carece de especificidad.

Comprender la fuente y el mecanismo de la generación de FFR permitiría el desarrollo de marcadores específicos de alteraciones del habla, lo que sería fundamental para mejorar el diagnóstico clínico de las deficiencias en el procesamiento auditivo.

Cuanto más se asemeja el perfil FFR al perfil de la fuente de sonido, más fuerte es la capacidad de procesamiento auditivo del cerebro. Por el contrario, cuanto más diferentes sean los dos perfiles, mayores serán las posibilidades de diagnosticar un déficit auditivo.

En Xataka Ciencia

65 millones de adultos en la UE sufren de tinnitus, y esta cifra aumentará significativamente durante la próxima década

Al combinar grabaciones electroencefalográficas del cuero cabelludo con grabaciones de electrodos colocados dentro del cráneo, los investigadores descubrieron que los FFR se generan no solo en el tallo cerebral, sino también en la corteza auditiva del cerebro, la región responsable del procesamiento de los sonidos ubicada alrededor de la sien, a solo unos centímetros de la superficie del cráneo, y que el patrón de generación de FFR es similar en todos los mamíferos.

En respuesta a cuatro tonos diferentes de la sílaba mandarín "yi", los cerebros de las personas de habla inglesa que no están familiarizados con el chino mandarín generaron FFR similares a los de los monos macacos y los conejillos de indias, los cuales tienen un rango de audición y una sensibilidad muy similares a humanos.

La percepción de ser escuchado por un oyente juega un papel clave en si una persona tartamudea, según revela un nuevo estudio dirigido por el profesor Eric S. Jackson de NYU Steinhardt.

El fenómeno en el que las personas que tartamudean no tartamudean cuando están solas se ha observado en informes anecdóticos, pero hasta ahora no ha sido respaldado por pruebas.

Cinco condiciones diferentes

Los investigadores evaluaron a 24 adultos bajo cinco condiciones diferentes: discurso conversacional, lectura en voz alta, discurso privado (en el que se hizo pensar a los participantes que nadie estaba escuchando), repetir el discurso privado para dos oyentes y discurso espontáneo. Con la excepción del discurso privado, todas las condiciones involucraron a los participantes hablando o leyendo a otros.

En la condición de habla privada, los participantes se quedaron solos para completar una tarea desafiante de programación informática, que se ha demostrado que provoca el habla privada en estudios anteriores.

También se engañó a los participantes para que pensaran que nadie los escuchaba y se les dijo que las personas que hablaban en voz alta consigo mismas tenían más probabilidades de desempeñarse mejor en la tarea.

La condición del habla privada era la única condición en la que no existían casos de tartamudeo.

Según revela un estudio publicado en Nature, la transmisión de agentes infecciosos por el aire depende más de lo alto que hablemos que de las toses o estornudos. El efecto es independiente del idioma.

Los investigadores analizaron la transmisión en cuatro idiomas: inglés, español, mandarín y árabe.

Superpropagadores de habla

Las hipótesis sobre la transmisión de enfermedades infecciosas transmitidas por el aire tradicionalmente han enfatizado el papel de la tos y los estornudos, que son eventos espiratorios que producen gotas fácilmente visibles y grandes cantidades de partículas demasiado pequeñas para verlas a simple vista.

En Xataka

Una vez más surge el debate sobre si la COVID-19 se transmite por el aire: esto es todo lo que sabemos hasta ahora

No obstante, se sabe desde hace mucho tiempo que el habla normal también produce grandes cantidades de partículas que son demasiado pequeñas para verlas a simple vista, pero lo suficientemente grandes como para transportar una variedad de patógenos respiratorios transmisibles.

En el estudio citado se muestra, así, que la tasa de emisión de partículas durante el habla humana normal se correlaciona positivamente con el volumen (amplitud) de la vocalización, que varía de aproximadamente 1 a 50 partículas por segundo (0.06 a 3 partículas por cm3) para amplitudes bajas a altas, independientemente de el idioma hablado (inglés, español, mandarín o árabe). Al respirar, estás emitiendo partículas de tu saliva o del fluido respiratorio, de la tráquea y de los pulmones. Si hablas, emites 10 veces más. Si gritas o cantas, 50 veces más.

En Xataka

239 científicos dicen que el coronavirus se transporta por el aire; la OMS, que aún no está claro: ambos están esencialmente de acuerdo

Además, una pequeña fracción de individuos se comporta como 'superemisores del habla', liberando consistentemente un orden de magnitud más de partículas que sus semejantes.

Esto no solo puede explicarse por las estructuras fónicas ni por la amplitud del habla, así que los resultados también sugieren que otros factores fisiológicos desconocidos, que varían drásticamente entre individuos, podrían afectar la probabilidad de transmisión de enfermedades infecciosas respiratorias y también ayudarían a explicar la existencia de superpropagadores que son desproporcionadamente responsables de los brotes de enfermedades infecciosas transmitidas por el aire.

Según un nuevo estudio publicado esta semana en PNAS, miles de gotas de saliva de las personas que hablan en voz alta pueden permanecer en el aire entre 8 y 14 minutos antes de desaparecer.

La investigación, realizada por un equipo de los Institutos Nacionales de Salud de Estados Unidos, podría tener un impacto significativo en nuestra comprensión de la transmisión COVID-19.

Propagación

Los virus respiratorios como el SARS-CoV-2 se transmiten por contacto directo o cuando el virus llega a un lugar en pequeñas gotas liberadas en el aire. Por eso es importante toser y estornudar tapándose la boca. Sin embargo, el simple habla también puede liberar miles de gotas de líquido oral en el aire, y los investigadores estaban interesados ​​en comprobar cuántas se producían y cuánto tiempo podían permanecer en el aire.

En el estudio, se solicitó a un grupo de personas que repitieran frases y utilizaron láseres para visualizar las gotas que producían, viéndolas decaer en un ambiente cerrado y estancado.

En Xataka Ciencia

El coronavirus se puede encontrar en el semen, según una nueva investigación

Según la ley de Stokes, la velocidad terminal de una gota que cae se escala como el cuadrado de su diámetro. Una vez en el aire, las gotas generadas por el habla se deshidratan rápidamente debido a la evaporación, disminuyendo así su tamaño y disminuyendo su caída.

Sobre la base de estudios previos de cuánto ARN viral se puede encontrar en los fluidos orales en el paciente promedio de covid-19, los investigadores estiman que un solo minuto hablando en voz alta genera al menos 1 000 gotas que contienen virus. Sus observaciones sugieren que estas gotitas permanecen en el aire durante más de 8 minutos y, a veces, hasta 14 minutos.

Utilizando modelos computacionales conocidos como redes neuronales, un grupo de investigadores ha reconstruído palabras y oraciones que, en algunos casos, eran inteligibles para los oyentes humanos y que intentaban ser verbalizadas por diversos pacientes.

El desarrollo de esta técnica permite "escuchar" a las personas que no puede hablar debido a alguna enfermedad simplemente descifrando los datos que registraban en el cerebro de los pacientes. Es decir, bastaba con que la persona imaginara lo que quería decir.

Futuras prótesis de voz

Las personas que han perdido la capacidad de hablar después de un derrame cerebral o una enfermedad pueden usar sus ojos o hacer otros pequeños movimientos para controlar un cursor o seleccionar letras en pantalla, tal y como hacía Stephen Hawking. Pero si una interfaz cerebro-computadora pudiera recrear el discurso directamente, podrían recuperar mucho más que el habla: también el control sobre el tono y la inflexión de lo que quieren decir, por ejemplo, o la capacidad llevar a cabo una conversación más fluida.

En Xataka Ciencia

La palabra 'caca' es la que mejor nos diferencia de las máquinas, según esta versión del Test de Turing

Este pequeño milagro ha sido realizado gracias a los datos con los que se han entrenado las redes neuronales artificiales que procesan patrones complejos del cerebro. Para el estudio, se basaron en los datos de cinco personas con epilepsia.

La red analizó grabaciones de la corteza auditiva (que está activa tanto durante el habla como la audición) a medida que esos pacientes escuchaban grabaciones de historias y personas que nombraban dígitos de cero a nueve. Luego, un ordenador reconstruyó los números hablados solo a partir de datos neuronales; cuando el ordenador "pronunció" los números, un grupo de oyentes los identificó con un 75% de precisión.

En Xataka Ciencia

Esta inteligencia artificial diagnostica la insuficiencia cardíaca con un 100 por 100 de eficacia

Las señales cerebrales cuando una persona "habla" o "escucha" en silencio su voz en su cabeza no son idénticas a las señales del habla o del oído. Sin un sonido externo que coincida con la actividad cerebral, puede ser difícil para un ordenador incluso determinar dónde comienza y termina el habla interna.

Sin embargo, se están dando pasos impresionantes en este sentido, para quizá algún día crear una prótesis de voz artificial. Otro ejemplo en este sentido es el protagonizado por el neurocirujano Edward Chang y su equipo en la Universidad de California, San Francisco, que reconstruyeron oraciones enteras a partir de la actividad cerebral capturada del habla y las áreas motoras mientras tres pacientes con epilepsia leían en voz alta. En una prueba online, 166 personas escucharon una de las oraciones y tuvieron que seleccionarla entre 10 opciones escritas. Algunas oraciones se identificaron correctamente más del 80% del tiempo.

En Xataka Ciencia

Las lenguas no solo sirven para comunicarnos, sino para diferenciarnos y excluirnos

Otro gran salto en la calidad de estas técnicas pasaría, quizás, por proporcionar retroalimentación al usuario de la interfaz cerebro-computadora: si el usuario puede escuchar la interpretación del habla del ordenador en tiempo real, podría ajustar sus pensamientos para obtener el resultado que desea.

Anteriormente este tipo de estudios se centraban en tratar de comprender los movimientos musculares que acaban produciendo las palabras, sin embargo, esta producción de lenguaje natural involucra más de cien músculos y además un movimiento no siempre resulta en un sonido. Para Chethan Pandarinath y Yahia Ali, expertos en ingeniería biomédica en la Universidad de Emory, "el enfoque de estos autores resulta en una menor distorsión acústica que los anteriores sistemas de descodificación".

Poco a poco, pues, estudios más audaces nos están encaminando hacia la posibilidad de que las personas que tienen dificultades para hablar puedan hacerlo con una fluidez mayor, quizá en un futuro próximo indistinguible del habla normal.

Si bien podría sonar de perogrullo (la ciencia también está para confirmar lo que creemos saber) y siempre teniendo presente que correlación no implica causalidad, un estudio sugiere que los habitantes de países en los que la televisión emite en versión original subtitulada en vez de doblada dominan más el inglés.

Análisis de antecedentes históricos

En el estudio, realizado investigadores de la Universitat Pompeu Fabra (España), el IMD (Suiza), la Universidad de Turín (Italia) o City University of London (Reino Unido), entre otros, también se tuvo en cuenta las circunstancias históricas en las que los países optaron por uno de los modos de traducción.

Se desglosaron los resultados por tipo de habilidades (comprensión auditiva, expresión oral, lectura y escritura) y se halló que la televisión funciona especialmente bien para mejorar la comprensión auditiva del inglés, aunque mejora todas las habilidades. Es decir, que no es solo que los habitantes de estos países con televisión subtitulada hablen más inglés, sino que quienes lo hablan lo hacen más, acercándose al nivel nativo.

Un ejemplo paradigmático que se señala en el estudio es la comparación entre Austria y los Países Bajos. Ambos son países relativamente pequeños (menos de 20 millones de habitantes) que tienen niveles similares de gasto en educación pública por estudiante.

Sin embargo, Austria comparte un idioma común con Alemania, mientras que el holandés solo se habla en los Países Bajos y parte de Bélgica. Probablemente, debido a ello, Austria emite televisión doblada en alemán mientras que en los Países Bajos usan subtítulos, lo que contribuye a explicar por qué el 87 % de los holandeses puede mantener una conversación en inglés, mientras que solo el 53 % de los austríacos pueden hacerlo.

Si en los países donde hay televisión subtitulada se habla mejor inglés, también resulta que esos países acaban siendo más competentes a nivel económico porque el inglés mejora en rendimiento económico.

Inmersión cultural

Los países donde mejor se habla inglés como segunda lengua son Dinamarca, Suecia, Finlandia, Noruega y Holanda. Es cierto que tanto el inglés como el danés, el sueco o el noruego son idiomas germánicos, aunque el primero provenga de la rama del oeste y las lenguas escandinavas tengan un origen norteño, y que esto facilita el aprendizaje: tanto el inglés como el noruego, por ejemplo, comparten estructura gramatical y vocablos.

Sin embargo, aparte de estas semejanzas lingüísticas, suecos y noruegos suelen visionar películas y series en versión original, leen artículos y libros o escuchan música. De hecho, en el top 40 de las canciones más escuchadas en Dinamarca están las de habla inglesa y la televisión pública británica, la BBC, tiene un canal dirigido en exclusiva a los países nórdicos.

España ocupa el puesto número 23 en cuanto a competencias en inglés, correspondiente al bloque de “competencia moderada”. Italia y Francia están detrás de España. Entre los países con menor nivel de competencia hay varios ubicados en la región de América Latina, y los países de Oriente Medio y el Norte de África tienen, en general, conocimientos muy básicos de inglés.

Un buen ejemplo de cómo los medios de comunicación influyen en el dominio del inglés es la comparación entre España y Portugal, que comparten península. A pesar de ser vecinos, Portugal está en el puesto 13, dentro del rango "alta competencia". Otro estudio de 2016 que se centraba en españoles, por ejemplo, también ponía en evidencia lo importante que era ver televisión en versión original con subtítulos para mejorar el inglés: una sola hora de exposición ya fue suficiente para notar cambios a mejor en un grupo de estudiantes de inglés.

Por esa razón, los investigadores también sugieren que los gobiernos podrían promover el subtitulado como un medio para mejorar el dominio de una lengua extranjera.

Los algoritmos de aprendizaje automático (machine learning) ya han superado a los humanos al reconocer el habla conversacional ordinaria, tal y como sugieren los resultados de un software de Microsoft.

Un paso más para propiciar que los seres humanos nos estemos volviendo obsoletos cada vez en más campos.

Reconocimiento del habla

Si bien en el reconocimiento facial se estaban dando pasos enormes, el reconocmiento del habla parecía más difícil. Sin embargo, esto ya no es así. Geoff Zweig y sus colegas de Microsoft Research en Redmond, Washington, dicen que ahora los algoritmos ya superan a los humanos al reconocer el habla coloquial ordinaria.

La investigación de reconocimiento de voz tiene una larga historia. En la década de 1950, las primeras computadoras podían reconocer hasta 10 palabras pronunciadas con claridad por un solo orador. En la década de 1980, los investigadores construyeron máquinas que podían transcribir el habla simple con un vocabulario de 1.000 palabras. En la década de 1990 progresaron a grabaciones de una persona que leía el Wall Street Journal.

Pero el habla ordinaria es mucho más complejo, porque las oraciones no están tan bien construidas, es mucho menos formal. Las personas también hacen muchos ruidos aparte de los estrictos que producen el habla. Y el vocabulario es más cambiante y está jalonado de connotaciones.

Los humanos son muy competentes en esta clase de reconocimiento. El consenso general es que tienen una tasa de error de alrededor del 4 por ciento. En otras palabras, transcriben incorrectamente cuatro palabras por cada cien. Ahora Microsoft dice que finalmente ha igualado el rendimiento humano, aunque con una advertencia importante.

Los investigadores de Microsoft comenzaron por volver a evaluar el rendimiento humano en las tareas de transcripción. Hicieron esto enviando grabaciones telefónicas a un servicio de transcripción profesional.

Para su sorpresa, descubrieron que este servicio tenía una tasa de error de 5.9 por ciento para las conversaciones entre individuos sobre un tema asignado y 11.3 por ciento para las conversaciones entre amigos y familiares. Una tasa más elevada de lo que se creía convencionalmente.

Sea como fuere, las máquinas nos pueden haber superado o solo estar a nuestro nivel, pero ya no están por debajo. Dentro de unos años, quizá estas comparaciones empiecen a resultar absurdas.

Según un estudio llevado a cabo por investigadores de la Universidad de Helsinki (Finlandia), nuestros idiomas maternos influyen nuestra capacidad de auditiva, pues el cerebro tiene la capacidad de discriminar o seleccionar aquellos sonidos relevantes que se escuchan de fondo, e incluso, puede amplificar el volumen de nuestra propia voz.

El idioma con mejor oído

Está demostrado que el sistema auditivo del cerebro se ejercita con la exposición a diferentes entornos sonoros, ya que, además de detectar el sonido a través del oído, tenemos que procesar correctamente esa información sonora.

Por ejemplo, los finlandeses reflejan una ventaja en el procesamiento de la duración auditiva con respecto a los de habla alemana, es decir, que pueden, por ejemplo, distinguir dos sonidos emitidos simultáneamente. Según explica la autora del estudio, Caitlin Dawson:

Nos encontramos con que los hablantes finlandeses muestran una ventaja en el procesamiento de la duración en el tronco encefálico, a diferencia de los de habla alemana. Esto puede deberse a que el idioma finlandés incluye sonidos largos y cortos que determinan el significado de las palabras y esto es un perfecto entrenamiento para el cerebro. Así que, los hablantes finlandeses son muy sensibles a los tiempos de los sonidos.

El idioma mandarín también posee tonos que determinan el significado de las palabras, así que los músicos que hablan mandarín mostraron una mejor discriminación de comportamiento, tanto en frecuencia como en duración.

Tras un análisis acústico se ha descubierto que los babuinos, un primate de tamaño medio a grande, de hábitos terrestres que rara vez sube a los árboles, hacen cinco sonidos similares a las vocales.

Para realizar este hallazgo, Louis-Jean Boë y sus colegas de la Universidad de Grenoble Alpes, en Francia, tuvieron que analizar acústicamente gruñidos, rugidos, llamadas de cópula y conversaciones de babuinos. En total, se analizaron 1.335 vocalizaciones espontáneas producidas por 15 babuinos machos y femeninos en diferentes contextos sociales

El misterio del habla

Si alguna vez habéis considerado injusto o un error de la evolución que nos atragantemos con tanta facilidad al beber un vaso de agua o que no podamos respirar y beber a la vez, quizá ignoréis que ello es el tributo que todos hemos pagado para tener el don del habla.

Si viéramos la radiografía de la parte inferior del cráneo de un niño, la mandíbula y el cuello, observaríamos un hueso en forma de pequeña "U". Es el hioides, que flota en la garganta y sirve como áncora para los músculos que conectan la mandíbula, la laringe y la lengua. Al crecer el bebé, la laringe se desplaza hacia abajo de la garganta, y con ella también lo hace el hueso hioides.

El camino entre los labios y la faringe se convierte entonces en un ángulo recto en lugar de ser una curva suave. Este reposicionamiento de la laringe le permitirá que disponga de un gama vocal mucho mayor.

Por tanto, una idea predominante sobre el origen del habla es que se requiere que la laringe humana baja sea capaz de producir conjuntos de vocales distintas y que la laringe alta de los primates no humanos les impide producir las vocales presentes en las lenguas humanas. Por lo tanto, los científicos creen que el lenguaje se originó relativamente recientemente, en los últimos entre 70.000 y 100.000 años.

Pero lo que lo que sugiere el estudio de Louis-Jean Boë, que ha sido publicado en Plos One, es que estos monos también utilizan movimientos de la lengua para formar cada uno de los sonidos parecidos a vocales.

Los babuinos no pueden hablar, no pueden producir vocales en un sentido estricto, pero son capaces de producir un sistema de vocalizaciones con sonidos parecidos a las vocales.

En conjunto, estos hallazgos sugieren que el lenguaje hablado en las personas puede haber evolucionado a partir de las capacidades articulatorias que ya poseía nuestro último antepasado común con los babuinos, lo cual se estima que fue hace unos 25 millones de años.

El habla humana es ciertamente fascinante. No sólo lo que habla humana puede expresar (desde una emoción capaz de conmover a auditorios hasta un meme chiripitifláutico al estilo Chiquito de la Calzada, jarl). También es fascinante la voz en sí misma, la capacidad de articulación de sonidos, las singularidades de nuestro órgano fonador.

Si alguna vez habéis considerado injusto o un error de la evolución que nos atragantemos con tanta facilidad al beber un vaso de agua o que no podamos respirar y beber a la vez, quizá ignoréis que ello es el tributo que todos hemos pagado para tener el don del habla, para poder comunicar ideas y convertirnos en lo que ahora somos; Chiquito de la Calzada incluido.

Si viéramos la radiografía de la parte inferior del cráneo de un niño, la mandíbula y el cuello, observaríamos un hueso en forma de pequeña "U". Es el hioides. Al contrario que la gran mayoría de los huesos del cuerpo, no está conectado directamente a otro hueso. El hioides flota en la garganta y sirve como áncora para los músculos que conectan la mandíbula, la laringe y la lengua.

Cuando somos bebés podemos mamar de forma continuada, sin que sea necesario detener la ingesta de leche para respirar. El aire fluye directamente de la nariz a los pulmones, sin pasar por la boca.

Pero al crecer el bebé, la laringe se desplaza hacia abajo de la garganta, y con ella también lo hace el hueso hioides. El camino entre los labios y la faringe se convierte entonces en un ángulo recto en lugar de ser una curva suave. Ahora el bebé podrá atragantárse si trata de comer y respirar a la vez. Pero este reposicionamiento de la laringe le permitirá que disponga de un gama vocal mucho mayor. Hablar por los codos, como si dijéramos.

Nos atragantamos para poder decir cosas o para cantar el último éxito musical de la tele mientras nos duchamos.

Cuando abandonamos la infancia y llegamos a la pubertad, entonces también aparecen nuevos cambios en nuestra voz. Es la época en la que la voz de los hombres alcanza sus tonos más graves. La hormona testosterona que segregan los testículos provoca el desarrollo de carácteres sexuales, como que salga bigote, pero también produce un ensanchamiento de la laringe.

Como en los instrumentos musicales, cuanto más ancho es el tubo, más grave es la nota que da.

Por ello los castrados, que carecen de testículos y por tanto no segregan testosterona, tienen esa voz aguda tan apreciada por algunos, sobre todo los dobladores de los pitufos.

En las mujeres, el tono de voz se vuelve más grave en la época postmenopáusica, y al llegar a la ancianidad tanto en hombres como mujer suelen agudizar su tono.

Pero ¿qué ocurre cuando ya no tenemos voz? Miles de personas en el mundo han sufrido una laringuectomía o extirpación de la laringe. Pero existen métodos alternativos para restituir la capacidad de comunicación oral. Uno de ellos es la erigmofonía (erigmo viene de eructo, por cierto).

Con la erigmofonía, la voz se genera mediante la inyección de aire en el esófago y una suerte de técnicas y ejercicios que os recomiendo leer. O la voz también se puede producir con esa especie de vibrador, como una máquina de afeitar, que se sitúa en el cuello y que origina una vibración en el interior de la garganta; las prótesis laringeas eléctricas o mecánicas. Esas prótesis que dan a la voz ese aire robótico de película. ¿Te da cuen?

Más información | Portal Web de la Universidad del País Vasco