Introducción

¿Qué es mantra?

Mantra es una estrategia de investigación científica que pertenece a la Institución Universitaria Colegio Mayor del Cauca. Este es un proyecto que se encuentra vinculado a otro proyecto llamado Urbanphony, el cual se lleva a cabo en la Universidad UNIMAYOR de Popayán (Colombia). Este se encarga de estudiar e investigar la relación entre el paisaje sonoro y el ser humano.

Tiene como objetivo generar diferentes ideas, las cuales tendrán un papel fundamental al momento de generar nuevas tecnologías. Sin embargo, otro de los objetivos que este proyecto tiene presentes es el de que la sociedad tome conciencia sobre los efectos negativos que puede llegar a tener la degradación del paisaje sonoro en el bienestar social (Webmaster, 2023a).

¿Qué es Urbanphony?

Urbanphony trata de caracterizar el paisaje sonoro de las ciudades y la interacción del ruido con los seres humanos, ya que se pueden tener diferentes opiniones y perspectivas.

Con ayuda de la inteligencia artificial, se explora un mundo completamente diferente, investigando así cómo los diversos sonidos que pueden haber en una ciudad llegan a influir en cómo se pueden sentir las personas en su día a día y en el bienestar social.

Equipo de trabajo

¿Quienes conforman este proyecto?

Este proyecto está conformado por estudiantes de diferentes disciplinas, como fotógrafos, ingenieros informáticos, ingenieros físicos y diseñadores de la comunicación visual. La participación de estas disciplinas no solo enriquece el desarrollo del proyecto, sino que también es fundamental para poder abordarlo desde diferentes perspectivas, lo cual es clave para plantear y garantizar soluciones más innovadoras y efectivas, abordando así aspectos comunicativos, estéticos y creativos.

La colaboración interdisciplinaria presente en este proyecto fomenta el intercambio de ideas, fortaleciendo así la capacidad del equipo al momento de enfrentar los diferentes retos que se puedan llegar a presentar a lo largo de la investigación realizada.

Temas tratados en las exposiciones

1. Modelos de IA para clasificación de ruido

Durante la investigación, se utilizaron dos modelos de IA contrastados con datos de tres ciudades principales: Popayán, Venecia y Compostela, ya que tienen rasgos urbanos similares. Gracias a esto, se pudo integrar el modelo de inteligencia artificial mediante una red neuronal convolucional llamada Fisenet. En este modelo, las grabaciones que obtenían les permitían caracterizar cuántos sonidos había. Lo que pudieron encontrar es que, si dejaban las grabaciones de 4 segundos, se presentaba una cantidad impresionante de sonidos, opacándose así unos con otros. Por lo tanto, esto no les permitió clasificar de la mejor manera qué sonido se podía ver o escuchar. Por eso, su objetivo principal era caracterizar los sonidos, utilizando audios de 2 segundos para poder tener una buena aproximación de los sonidos.

Por otro lado, el segundo modelo les permitió clasificar los sonidos grabados, dando como resultado dos tipos de sonidos principales que se clasifican como biofonías y antropofonías. Las antropofonías estaban relacionadas con el transporte motorizado y otras clases de sonidos urbanos, mientras que las biofonías se relacionaban con todo tipo de sonidos naturales. Con esos modelos, ellos pudieron aplicar espectrogramas de Mel para tener una percepción ‘real’ del espacio de los datos que en su momento tomaron.

2. Data augmentation

Es una técnica en la que nos explicaron el uso de espectrogramas de Mel y transformadas de Fourier. En los espectrogramas de Mel, se utilizaron los registros sonoros obtenidos durante la investigación. Al rotar estos espectrogramas, se visualizaba la señal característica de cada tipo de sonido, generando una representación visual dinámica y permitiéndoles así identificar alguna similitud o diferencia entre los diferentes sonidos analizados a lo largo del proyecto. Es importante tener en cuenta que el data augmentation se basa en el aumento de datos que ya existen previamente, complementando así el conjunto de datos trabajado.

3. Animación

En el proceso de animación, se utilizan diferentes tipos de ilustración en ciertos planos, lo cual otorga un mayor realismo a lo que está sucediendo. En su proyecto, se pasó del sensorama a la realidad virtual, una transición similar a la que podemos encontrar en TeamLab Planet. Este es un proyecto de arte inmersivo abierto al público en general, especialmente a los niños.

4. Los Quart-tube

Lo principal de esta exposición fueron los Quart-Tube; estos son unos dispositivos que se ponen alrededor de todos los espacios de la casa con diferentes sonidos, tales como los de animales, ficción, urbanos, etc. Esto se hace para poder crear un ambiente que propicie la creatividad; este es el trabajo principal de su investigación en Urbanphony dentro de Mantra.

La finalidad principal de los Quart-Tube es crear una atmósfera que no solo estimule la creatividad, sino también la conexión sensorial de las personas con su entorno. Esto busca trascender la simple funcionalidad de los espacios, transformándolos así en escenarios inmersivos que potencian la concentración, la inspiración y el bienestar emocional. Por lo tanto, a través de los Quart-Tube, los investigadores buscan entender y aprovechar el poder transformador del sonido como herramienta para la construcción de ambientes más dinámicos y enriquecedores.

5. Mantra para estudiantes

Mantra para estudiantes es un semillero centrado principalmente en la exploración de diferentes sonidos relacionados con los seres humanos y el mundo de la naturaleza.

En esta exposición se habló de las dos líneas de investigación, las cuales son calidad y software de IA, y valorización económica del paisaje sonoro. Estas son las dos opciones que tienen los estudiantes para poder acoplarse de la mejor manera a este proyecto, con ayuda de su compromiso y dedicación; además, este semillero les brindará el apoyo necesario para poder comprender un poco más sobre los paisajes sonoros existentes a lo largo del mundo, desarrollando así habilidades para la tecnología, la investigación y la innovación (Webmaster, 2023b).

Conceptos clave

a. ¿Qué es un espectrograma de Mel?

Un espectrograma de Mel se refiere a una representación gráfica que muestra cómo varían las frecuencias de una señal de audio a lo largo del tiempo, ajustándose a la escala Mel. Dicha escala se fundamenta en la percepción humana de las frecuencias, lo que la hace perfecta para aplicaciones como el reconocimiento de voz y la clasificación de audio (De Ciencia De Datos, s.f.).

b. ¿Qué es una transformada de Fourier?

La transformada de Fourier es una herramienta matemática clave que se utiliza para descomponer señales en sus diferentes componentes de frecuencia. Con esta técnica, se puede convertir una señal del dominio del tiempo a su equivalente en el dominio de la frecuencia, lo cual es crucial a la hora de analizar señales periódicas y reconocer las frecuencias que forman parte de una señal compleja (Zapata, 2019).

Conclusiones

  • Proyectos científicos como Urbanphony abren la posibilidad de realizar otros estudios complementarios como por ejemplo, evaluar la calidad de la salud emocional de las personas y su relación con los paisajes sonoros entre distintas ciudades.

  • El uso de las nuevas tecnologías permite el diseño de algoritmos eficientes y la implementación de modelos computacionales robustos y compactos.

  • La interdisciplinariedad permite una aproximación más holística e integradora a los problemas del mundo real.

Referencias