¿A qué suena el Big Data? La sonificación de datos

Franki Chamaki

Seguro que habéis oído hablar del big data, esos enormes conjuntos de datos que han cambiado la forma de afrontar disciplinas como la astronomía, la medicina, la biología o la economía. Hasta ahora, la forma de escudriñar esos datos masivos para obtener información útil recurría a las técnicas más avanzadas de visualización para intentar detectar patrones o secuencias ocultas. Pero últimamente, ha aparecido un invitado con el que nadie contaba para esta labor, pero que está revolucionando por completo estos procesos: el oído humano. Definitivamente, los datos han tenido una buena idea.

Resulta que nuestro oído tiene unas propiedades excepcionales para este cometido, muchas de las cuales empleamos en nuestra vida cotidiana sin darnos cuenta. Por un lado, tenemos una gran facilidad para detectar señales sonoras (tales como conversaciones o melodías) incluso en los entornos más ruidosos. Los radioaficionados hacemos uso de esta propiedad cuando, entre el ruido blanco originado por la radiofrecuencia, somos capaces de distinguir (y comprender) las débiles señales de código morse que apenas resultan visibles en nuestras pantallas. Además, nuestro sistema de “reconocimiento auditivo multinivel” deja en pañales lo conseguido hasta ahora por la inteligencia artificial: en una conversación telefónica no sólo escuchamos las palabras habladas y extraemos su significado, sino que somos capaces de adivinar el género de nuestro interlocutor o deducir el estado emocional en el que se encuentra… incluso advertir si nos está engañando al detectar los pequeños matices que dan contundencia o no a sus argumentos.

Pero no sólo eso. El sistema auditivo humano tiene una enorme capacidad de focalización sobre un sonido concreto dentro de un paisaje sonoro complejo, una cualidad que además modulamos a nuestra voluntad. Igual nos concentramos en la banda sonora que estamos escuchando en su conjunto como empezamos a seguir un instrumento concreto o cotilleamos la conversación de la pareja que tenemos a nuestro lado... y todo esto sin que nadie nos haya enseñado a hacerlo. Además, y esto también es importante, estas habilidades de discriminación de los estímulos auditivos pueden entrenarse. Donde nosotros sólo detectamos “un ruido” en la parte trasera del coche, nuestro mecánico, nada más oírlo, sabe dónde se encuentra la avería con precisión y qué la produce: aquí también la experiencia es un grado.

Como resumen, la vista tiene buen rendimiento cuando se trata de la detección de propiedades estáticas como la forma, las dimensiones, el color o las texturas. Sin embargo, a la hora de captar aquellas que varían y fluctúan en el tiempo, nuestros oídos ganan la partida siendo capaces de percibir, por ejemplo, variaciones muy sutiles de la afinación o la ligera falta de sincronía entre dos sonidos rítmicos. Estas características son las que convierten al oído en un excelente "analizador de datos", mejorando incluso los resultados obtenidos con la vista.

Ahora bien, para poder sacar provecho de estas ventajas, es necesario construir una sonificación adecuada. Podría pensarse que con mapear los datos de partida al intervalo 0-127, convirtiéndolos así en un conjunto de notas MIDI y disparando después la secuencia resultante en algún sintetizador, ya tenemos un entorno sonoro de análisis adecuado. La realidad es que esta forma de actuar, denominada comúnmente audificación, resulta poco útil salvo para casos muy sencillos, como éste donde se sonifica la variación de la temperatura del agua en la bahía de San Francisco mediante la variación de la afinación:

En función del tipo de datos analizados (si representan una única variable o varias), el intervalo temporal donde se enmarcan o el análisis a efectuar (detección de tendencias, identificación de patrones que se repiten, comparación de la evolución de dos o más variables, etc.), existen otras metodologías más avanzadas para la creación de sonificaciones más eficaces.

Una de las más empleadas es la técnica denominada parameter mapping (mapeado de parámetros), que asigna a cada variable representada en los datos una propiedad sonora distinta (generalmente altura, duración o timbre, pero pueden ser otras), lo que facilita tanto su identificación como la detección de posibles variaciones. Weathermachine.info es un claro ejemplo del uso de esta técnica, un ejemplo de sonificación para representar el tiempo atmosférico en una determinada localización. Cada uno de los parámetros meteorológicos (presión, temperatura, grado de humedad, etc.) está caracterizado por un sonido o una textura distinta que varían en función de cómo lo hace cada parámetro. La sonificación resultante es la suma de todas las texturas sonoras, lo que permite informar de forma muy eficaz y sin utilizar la vista sobre la situación de un entorno multivariable en un momento dado.

Esto no sólo abre la puerta a que los discapacitados visuales puedan disponer de ayudas técnicas en su vida diaria. Cualquiera puede beneficiarse de una información sonora que supera las barreras idiomáticas, que ayuda a crear paisajes sonoros correctamente estructurados (tan necesarios para favorecer la sensación de confort) y que facilita la identificación y traducción de los datos, aunque estemos haciendo otras tareas. En referencia a esto último, pensemos en las aplicaciones de la sonificación en entornos donde se exige una alta concentración visual, como los pilotos de los aviones durante la maniobra de aterrizaje o los cirujanos en plena intervención quirúrgica. La sonificación de datos es una ayuda complementaria muy valiosa en el desempeño de actividades muy exigentes.

La técnica más avanzada de análisis sonoro de datos, capaz de ofrecer resultados sorprendentes, es la denominada model-based (sonificación basada en modelos). Frente al determinismo de los procedimientos anteriores, en esta técnica se construyen sistemas dinámicos capaces de ofrecer, ante la distinta naturaleza de los datos de partida, sonificaciones flexibles que se adaptan en el tiempo con la finalidad de afinar la búsqueda de tendencias o patrones ocultos o bien proporcionar una respuesta sonora adecuada al carácter fluctuante de esos datos. Por eso, esta técnica está siendo aplicada con éxito para dotar de un comportamiento sonoro a los coches eléctricos a partir de la respuesta dinámica de un gran número de variables:

La clave reside en la arquitectura de estos sistemas dinámicos: desde la simulación de procesos físicos de todo tipo a la generación de redes neuronales capaces de “aprender” a medida que el modelo analiza más y más datos, abriendo la puerta de par en par a las apasionantes relaciones entre la inteligencia artificial y el sonido, un campo de estudio con mucho futuro por delante.

La sonificación de datos abre un nuevo panorama profesional para aquellos que nos dedicamos al sonido. Encarar un proyecto de sonificación de datos exige conocimientos en materias como la acústica y la psicoacústica, la organización sonora, el análisis de datos o la evaluación de las experiencias de los usuarios, siempre dentro de un contexto cultural determinado. Además, es necesario conseguir una destreza en el manejo no sólo de las herramientas de organización musical convencionales (como los DAWs), sino de entornos de programación sonora (como SuperCollider o Pure Data, por citar algunos) capaces de procesar los datos algorítmicamente y de generar sonificaciones de acuerdo a las distintas técnicas existentes. Por último, se necesita una entrenada capacidad de escucha y una buena dosis de creatividad para encontrar la solución sonora que haga más evidentes las estructuras y patrones ocultos en los datos.

Todo ello exige una formación específica que comienza ya a impartirse en algunas instituciones como la Universidad de Oviedo. Quién nos iba a decir que nuestros oídos, esos veteranos compañeros de viaje, iban a jugar un papel protagonista en uno de los cambios tecnológicos más rupturistas que la humanidad ha visto en los últimos siglos ¡Oír para creer!