Así logra la Inteligencia Artificial mejorar la cancelación de ruido

Hoy en día, la Inteligencia Artificial está siendo uno de los nichos en los que más se está investigando, puesto que el hecho de que podamos enseñar a una máquina a «pensar» está permitiendo llegar a cotas de desarrollo que, de otra manera, nos costaría siglos alcanzar. Pero la IA no se utiliza solo «a lo grande», sino también en aspectos más cotidianos como puede ser, por ejemplo, la cancelación de ruido en los micrófonos que utilizamos de manera habitual en nuestras casas. Te contamos cómo es posible y cómo funciona.

La cancelación activa de ruido en un micrófono funciona, a rasgos generales, introduciendo uno o más micrófonos adicionales que, al detectar ruido de fondo o sonidos lejanos, producen un sonido igual e inverso para anular el primero. Esta técnica es costosa en términos de materiales utilizados y la electrónica para llevarlo a cabo, así que introducir un simple algoritmo de Inteligencia Artificial que haga todo el trabajo es, sin lugar a dudas, algo muy rentable puesto que hablamos de software y no de hardware al fin y al cabo.

Así funciona la cancelación de ruido por software

auriculares cancelación ruido

Dejando de lado la cancelación de ruido activa por hardware, que a día de hoy sigue siendo la más efectiva, también podemos encontrarnos con diversos sistemas que utilizan algoritmos por software para producir el mismo efecto (aunque como ya hemos dicho, no son tan efectivos).

La eliminación de ruido tradicional se hace con filtros

La mayoría de los algoritmos de eliminación de ruido son sustractivos, es decir, identifican ciertas frecuencias que tienen los niveles más altos de ruido de fondo y eliminan esas frecuencias de la señal original. El problema de realizar este método es que se utilizan filtros estáticos (conocidos como de paso bajo, de paso alto y de paso de banda), diseñados con parámetros específicos que pueden llegar a eliminar sonidos que no deberían quitar, o pueden no llegar a quitar todo el ruido de fondo.

Para que os hagáis una idea, en la siguiente imagen podéis ver cómo funciona un algoritmo de reducción de ruido Wiener; en la primera gráfica tenemos solo la voz del interlocutor, completamente limpia, mientras que en la segunda lo que tenemos es lo mismo pero con ruido de fondo, donde se puede ver claramente que la onda está «sucia». En la tercera gráfica, tenemos el resultado después de aplicar el filtro, que ha eliminado las frecuencias para las que está programado.

Reducción de ruido

Sin embargo, podemos ver en las gráficas de la derecha que se han perdido muchos matices con respecto a la locución limpia original. Por lo tanto, este tipo de filtros solo son eficaces cuando el ruido de fondo es determinado y siempre el mismo, pero son tremendamente ineficaces en situaciones en las que el ruido de fondo varía y pueden llegar a crear efectos no deseados como los que hemos reseñado hace un momento.

Cómo la Inteligencia Artificial mejora la cancelación de ruido

IA

Como ya sabréis, la Inteligencia Artificial también necesita tener una especie de base de datos sobre la que basarse para, en este caso, saber identificar qué es ruido que debe suprimir y qué es sonido «bueno» que sí debe dejar pasar. Esto, como en todos los algoritmos de IA, se realiza mediante el aprendizaje (Machine Learning), o dicho de otra manera, la IA debe tener una base sobre la que poder basar sus decisiones.

Pero antes de establecer el conjunto de datos en el que se debe basar, es importante considerar el caso de uso del modelo, en este caso la supresión de ruido. Por ejemplo, al entrenar a un algoritmo de reducción de ruido que se aplicaría a las señales del micrófono del piloto de un helicóptero, tiene más sentido entrenar a la red neuronal con muestras de audio distorsionadas por las variaciones de los sonidos que produce el motor del helicóptero. Sin embargo, para un modelo de supresión de ruido más genérico tiene más sentido entrenar a la red con muestras de sonidos de fondo más cotidianos, como conversaciones de fondo, el ruido de un ventilador, ladridos de perros, ruido del tráfico, música, etc.

La mayor diferencia entre la reducción de ruido mediante Inteligencia Artificial y la reducción de ruido simplemente por software es que en este último, el «modelo» empleado son filtros completamente estáticos, fijos, mientras que utilizando la IA estos filtros son completamente modificables puesto que para eso está la IA, para interpretar qué es lo que tiene que suprimir y qué no en base a ese entrenamiento previo.

Por este motivo, la reducción de ruido mediante Inteligencia Artificial como por ejemplo RTX Voice o la tecnología que Microsoft está implementando en Teams es mucho más eficiente y eficaz para una utilización cotidiana, ya que no hace uso de filtros fijos y que, en realidad, solo sirven para mitigar un tipo de ruido de fondo.

¡Sé el primero en comentar!