La voce rivela salute ed emozioni? La ricerca italiana con l’AI

L’Intelligenza Artificiale Predittiva Semantica (SPAI) rappresenta l’evoluzione tecnologica che unisce la capacità di comprendere il significato profondo dei dati (AI semantica) alla capacità di anticipare i bisogni futuri (AI predittiva).

Ciò che rende unica questa tecnologia è interamente italiana e sviluppata attraverso importanti programmi di collaborazione con le principali università e centri di ricerca del nostro paese, che contribuiranno allo sviluppo di specifiche componenti dell’algoritmo.

Proviamo allora a sintetizzare i filoni della ricerca focalizzata sulla componente Voce Umana Predittiva. Questo progetto si propone di analizzare registrazioni vocali e filmati per studiare il rapporto tra le caratteristiche della voce e gli aspetti di natura medica, psicosomatica, fisiologica, emotiva e attitudinale. L’obiettivo generale è sviluppare, attraverso strumenti di intelligenza artificiale, modelli descrittivi e predittivi riutilizzabili.

L’analisi della voce con l’intelligenza artificiale in quattro filoni

La ricerca si articola in quattro filoni principali:

• Revisione della letteratura e costruzione di una bibliografia consultabile.
• Classificazione delle caratteristiche vocali e delle associazioni descritte negli studi.
• Misurazione delle caratteristiche del segnale audio.
• Analisi dei tratti vocali minimi a livello fonetico e semiotico e della significazione, cioè la trasmissione non intenzionale di informazioni.

Lo studio valuterà le evidenze disponibili sulle associazioni tra caratteristiche vocali e aspetti di natura medica, psicosomatica, fisiologica ed emotiva, nonché la possibilità di esaminarle nei materiali del progetto.

Letteratura scientifica e bibliografia consultabile

Un filone di ricerca esaminerà la letteratura scientifica disponibile rispetto alla relazione fra caratteristiche della voce umana e condizioni di salute, stati emotivi, aspetti fisiologici e fatti psicosomatici. Si distingueranno gli studi sul parlato spontaneo da quelli basati su lettura o recitazione, le condizioni momentanee dalle caratteristiche più stabili, e le impressioni degli ascoltatori dalle informazioni raccolte con altri strumenti.

Lo spoglio produrrà una bibliografia ragionata, consultabile e aggiornabile per le successive fasi del progetto, organizzata con un software di gestione bibliografica. Ogni articolo sarà accompagnato da una scheda su partecipanti, lingua, registrazioni, caratteristiche vocali analizzate, metodi, risultati e limiti. La valutazione considererà l’adeguatezza dei campioni, la forza e l’incertezza delle associazioni, il ruolo di altri fattori e la conferma dei risultati su persone, registrazioni e varietà linguistiche diverse. La sintesi evidenzierà i risultati concordanti, le contraddizioni e le questioni ancora aperte.

Tassonomia delle caratteristiche vocali e delle associazioni

Sulla base della revisione della letteratura, verrà elaborata una tassonomia dei fenomeni vocali e delle loro associazioni con variabili di natura medica, psicosomatica, fisiologica ed emotiva. La tassonomia distinguerà i fenomeni segmentali (ad esempio, durata di vocali e consonanti, variazioni nella qualità delle vocali e nella sonorità delle consonanti) da quelli soprasegmentali (intonazione, ritmo, velocità del parlato, pause e variazioni di intensità). Per ciascun fenomeno saranno indicate le associazioni descritte negli studi e la solidità delle evidenze che le sostengono.

Una scheda indicherà, per ogni caratteristica, come riconoscerla e misurarla, quali condizioni mediche, psicosomatiche, fisiologiche o emotive vi siano associate e su quali studi si basi tale relazione. Saranno precisati la coerenza dei risultati, le circostanze in cui sono stati ottenuti e i fattori che potrebbero influenzarli, come lingua, età, compito e condizioni di registrazione. Questo filone di ricerca selezionerà le caratteristiche e le associazioni da coinvolgere nella messa a punto dei vari strumenti analitici.

Misure acustiche e tratti minimi nell’analisi della voce

Le tassonomie guideranno la definizione delle procedure di analisi audio, stabilendo i criteri per selezionare e annotare le porzioni da analizzare e per estrarne misure acustiche mediante strumenti informatici. Per ciascuna misura saranno specificati il parametro considerato, le impostazioni e i criteri di calcolo, in vista dell’implementazione nello strumento del progetto.

Vengono inoltre definiti i criteri per valutare l’affidabilità delle misure, considerando gli effetti del rumore, la qualità del segnale e le condizioni di registrazione. Saranno individuate le cautele metodologiche necessarie per rendere confrontabili i risultati e valutare l’applicabilità delle procedure a parlanti e registrazioni differenti. Su questa base saranno selezionate le misure utilizzabili nei materiali del progetto.

Tratti vocali minimi e significazione non intenzionale

Questo filone punta a definire una classificazione dettagliata dei tratti vocali minimi, cioè quegli elementi acustici della voce che – pur non essendo parte diretta del funzionamento del codice lingua – trasmettono significati sociali, affettivi, fisiologici, identitari o culturali. Questi tratti verranno analizzati a livello fonetico e semiotico (suoni, intonazione, timbro, variazioni individuali) e saranno confrontati tra diverse lingue e culture per valutarne l’interferenza nella comunicazione interculturale e nell’eventuale seconda lingua.

Si studierà così la significazione, cioè la trasmissione non intenzionale di informazioni attinenti all’ambito semiotico, fisiologico, emotivo e psicologico.

Si tratta di una ricerca innovativa, impegnata in un’indagine linguistica sperimentale volta a individuare, classificare e ordinare i tratti fonetici minimi della voce umana utili al piano complessivo, con particolare attenzione agli aspetti non verbali del linguaggio vocale. Non ci si occuperà solo della fonetica legata al significato linguistico o paralinguistico (cioè di ciò che serve a esprimere contenuti linguistici o emotivi), ma si punterà a esplorare quei segnali vocali che veicolano senso in modo più profondo e implicito, sul piano della significazione, ossia della trasmissione di informazioni a livello semiotico, fisiologico e psicologico.

SPAI e il futuro dell’analisi vocale predittiva

Queste informazioni, dettagliate in modo così raffinato e innovativo, combinate all’impiego di nuovi strumenti di elaborazione legati all’intelligenza artificiale, permetteranno di costruire il codice di riferimento dell’algoritmo SPAI. Questo codice collegherà le caratteristiche fonetiche a microsignificati legati alla sfera emotiva, fisiologica, espressiva, caratteriale o identitaria, rispondendo alle finalità predittive sopra accennate.

Visto il carattere multidisciplinare e interdisciplinare del progetto, e in considerazione della portata del lavoro, saranno coinvolti sempre più atenei e centri di ricerca. Le competenze necessarie per offrire prodotti e servizi predittivi semantici di qualità sono infatti molteplici: tecniche, informatiche, matematiche, psicologiche, linguistiche, mediche, etiche, biologiche ed economiche.

Il progetto, assicurando il pieno controllo nazionale dei dati e il pieno rispetto delle normative dei singoli paesi, prevede il coinvolgimento dei rispettivi centri di ricerca e università insieme a quelli italiani. In questo modo si promuove la sovranità e l’indipendenza digitale e culturale dei singoli paesi e ceppi linguistici.

Le applicazioni di questi risultati genereranno straordinarie opportunità di offerta e di valore da immettere sul mercato dell’era digitale avanzata.