Cada vez con más frecuencia, los investigadores utilizan los teléfonos móviles para lograr comprender los comportamientos e interacciones sociales de sus usuarios. Los datos recogidos del chip GPS de un móvil o del acelerómetro, por ejemplo, pueden revelar tendencias que tienen relevancia a la hora de establecer cómo se expande una enfermedad, de determinar las necesidades de salud personales, de mejorar la administración del tiempo, e incluso de actualizar las redes sociales. Este enfoque, conocido como reality mining (minería de realidad), también ha sido sugerido como posible método para mejorar la publicidad directa o para hacer que los teléfonos móviles sean más inteligentes: por ejemplo, si un dispositivo sabe que su dueño está en una reunión, podría apagar el sonido automáticamente.

Un grupo en el Dartmouth College, en Hanover, New Hampshire, acaba de crear un software que utiliza el micrófono de los teléfonos móviles para hacer un seguimiento e interpretar la actividad del usuario. El software, llamado SoundSense, recoge el sonido e intenta clasificarlo dentro de ciertas categorías. Al contrario que otros programas desarrollados con anterioridad, SoundSense es capaz de reconocer completamente sonidos no familiares, y también se ejecuta enteramente en el dispositivo. SoundSense clasifica automáticamente el sonido en “voz,” “música,” o “ruido de ambiente.” Si un sonido se repite con la suficiente frecuencia y durante el suficiente tiempo, SoundSense le otorga una “clasificación de sonido” elevada y le pide al usuario que confirme si realmente es un sonido significativo, además de darle la opción de etiquetarlo.

El equipo de Dartmouth enfocó sus esfuerzos en el seguimiento de sonidos puesto que todos los teléfonos tienen un micrófono y también debido a que los acelerómetros proveen información limitada. “Cuando pensamos en los sonidos, normalmente no pensamos que también pueden representar una localización que tiene unas características únicas,” afirma Andrew Campbell, profesor de ciencias informáticas en Dartmouth e investigador principal del proyecto. Los investigadores se aseguraron de que el programa fuera de dimensiones reducidas, para que no utilice mucha potencia eléctrica. Para solucionar los problemas de privacidad, diseñaron SoundSense para que el proceso de la información se lleve a cabo en el dispositivo mismamente. Además, el programa en sí no almacena los clips de audio en bruto. El usuario también puede hacer que el software ignore aquellos sonidos que se establezcan como prohibidos.

Durante las pruebas, el software de SoundSense fue capaz de determinar correctamente las veces que el usuario estaba en una cafetería, caminando por la calle, cepillándose los dientes, yendo en bicicleta, y conduciendo el coche. También recogió el sonido del cajero automático y de un ventilador en una habitación en concreto. Los resultados de los experimentos se presentarán esta semana en la conferencia MobiSys 2009, en Cracovia, Polonia.

“El sistema SoundSense en el primer paso hacia la construcción de un sistema que sea capaz de aprender [los comportamientos de los usuarios] sobre la marcha,” afirma Tanzeem Choudhury, profesora asistente en Dartmouth que también dirigió el proyecto y fue una de las ganadoras de TR35. Choudhury afirma que es esencial para las aplicaciones prácticas que el software aprenda a reconocer nuevos sonidos. “Un sistema capaz de reconocer los sonidos de la vida de una persona se puede utilizar para buscar a otros individuos con las mismas preferencias,” afirma. El uso de sonidos para clasificar eventos podría dar información a los usuarios acerca de sus actividades diarias, información que podría utilizarse en aplicaciones para el control y administración del tiempo y de las cuestiones de salud, afirma.

Kurt Partridge, investigador en el Centro de Investigación de Palo Alto, que también se ha dedicado a la creación de software para el seguimiento del comportamiento mediante el uso de móviles, cree que el proyecto SoundSense saca partido a un recurso poco utilizado. “No creo que el sector se haya dado cuenta de la poca energía que consume la detección de actividad a partir del sonido, y la gran cantidad de datos que puede aportar,” afirma Partridge. “El audio puede distinguir muchas más actividades [y] añade un aspecto social a la detección contextual que no es posible conseguir mediante el uso de cualquier otro método.”

Dan Ellis, profesor asociado en la Universidad de Columbia, y que ha investigado el uso de las grabaciones de audio continuadas, afirma que este tipo de “registro vital” se podría utilizar algún día de forma rutinaria como se usa la bandeja de salida en una aplicación de correo electrónico. “Quizá no le prestes demasiada atención a la bandeja de salida, pero si tienes a tu disposición una herramienta para poder encontrar rápidamente lo que buscas, resulta muy útil poder mantener un registro de todos los correos que has estado enviando,” afirma. “Un registro de audio casi continuo y captado por un dispositivo personal podría tener la misma utilidad.”