Como o cérebro separa vozes em ambientes com várias falas

Pesquisadores do MIT mostraram, por meio de um modelo computacional, como o cérebro pode focar em uma voz entre várias em ambientes barulhentos, ajudando a explicar o “cocktail party problem”.
O modelo amplifica a atividade de unidades neurais que respondem a características da voz-alvo, como o tom, para elevá-la ao topo da atenção.
O treinamento usa um “gatilho” (cue) com a voz desejada, que define aumentos multiplicativos nas unidades correspondentes, simulando o foco atencional humano.
Em diversas condições, o modelo reproduziu padrões de comportamento humano, incluindo erros semelhantes aos cometidos por pessoas ao segmentar vozes com tons parecidos.
Além do timbre, o estudo mostrou que a localização espacial ajuda na seleção da voz; pesquisas com humanos confirmaram a mesma tendência, com aplicações potenciais para implantes cocleares.

Dois pesquisadores da MIT apresentaram um modelo computacional que explica como o cérebro foca a atenção em uma voz entre várias em um ambiente barulhento. O estudo busca esclarecer o conhecido problema da festa de cocktails, ou cocktail party.

A equipe usou uma rede neural com ganhos multiplicativos para amplificar unidades que respondem a características da voz-alvo, como o tom. O objetivo foi reproduzir parâmetros da atenção auditiva humana em cenários com ruído e várias falas concorrentes.

O trabalho, liderado por Josh McDermott da MIT, contou com Ian Griffith, da Harvard, como autor principal, e R. Preston Hess, da MIT. O estudo foi publicado hoje na Nature Human Behavior.

Modelagem da atenção

Ao treinar o modelo, os autores usam um “cue” auditivo com a voz desejada. As ativações de unidades associadas ao tom dessa voz são multiplicadas por ganhos, elevando a voz alvo no processamento.

Em seguida, o modelo recebe trechos com várias vozes, incluindo a alvo, e deve identificar a segunda palavra dita pela alvo. Os ganhos anteriores modulam as ativações na mistura sonora.

Os resultados mostram que o modelo reproduz padrões de comportamento humano em várias condições, incluindo erros comuns ao distinguir vozes com tons parecidos.

Efeitos da localização

Além do tom, a localização espacial ajuda na seleção da voz. O modelo aprendeu a usar a posição para melhorar a focalização, obtendo melhor desempenho quando alvo e distração estão em locais diferentes.

Experimentos simulados com o modelo indicaram que a diferença espacial horizontal facilita a identificação da voz-alvo; diferenças verticais apresentam maior dificuldade, observada também em testes com pessoas.

Essa linha de pesquisa já foi aplicada para entender a atenção auditiva humana e pode orientar avanços em implantes cocleares, com foco em melhorar a concentração em ambientes ruidosos.

Fontes do estudo destacam que o uso de modelos computacionais permite testar inúmeras combinações de localização e características sonoras antes de validações em humanos.

A pesquisa foi financiada pelas National Institutes of Health.