Los expertos del MIT lograron crear un algoritmo que puede estudiar las vibraciones de, por ejemplo, un paquete de snacks que fue grabado con una cámara sin micrófono y a partir de esa información reconstruir un discurso.

Un sistema creado por los científicos del Instituto Tecnológico de Massachusetts (MIT), que trabajaron junto a Microsoft y Adobe, lograron crear un sistema que tranquilamente podría haber sido sacado de una película de James Bond. Los expertos desarrollaron un algoritmo que permite recuperar el sonido de un video mudo a través de la vibración de los objetos del lugar.
Suena un poco extraño, pero hay una lógica bastante simple detrás del algoritmo. Cuando nosotros hacemos un sonido o hablamos hacemos que los objetos que están cerca nuestro vibren de una manera determinada. No vibrarán de la misma manera si decimos la palabra “hola” que si decimos la palabra “chau”. Lo que hará el algoritmo es observar de qué manera vibran los objetos de un video para determinar qué sonido tuvo lugar.
“Cuando el sonido choca contra un objeto, hace que el objeto vibre. El movimiento de la vibración crea una señal visual muy sutil que es normalmente invisible para el ojo humano”, explicó Abe Davis, ingeniero eléctrico que se graduó en el MIT y está encargado del proyecto.
¿Cómo podría usarse? 

La potencial aplicación del desarrollo es verdaderamente sorprendente. Con este algoritmo ya es posible determinar el sonido de un objeto sin que la cámara que esté grabando tenga un micrófono.
A través de un comunicado desde el MIT explicaron que lograron recuperar el sonido inteligible de un discurso a partir de las vibraciones de un paquete de papas fritas que habían sido capturadas desde 15 metros a través de un cristal a prueba de sonido (que se puede ver perfectamente en el video).
Y si bien ya fue demostrado que funciona, por ahora solo se puede aplicar con cámaras especiales ya que las que usaron los científicos capturan entre 2 mil y 6 mil fotogramas por segundo. Después se aplica el algoritmo creado por el MIT y ahí es cuando aparecen los movimientos que son indetectables por el humano.

También trataron de llevar a cabo el experimento con la cámara de un smartphone (que graba a unos 60 fotogramas por segundo) y si bien el resultado no fue tan bueno como hubiesen deseado, sí se reveló que se podría determinar, por ejemplo, cuántas personas hubo en un cuarto o si el que hablaba era hombre o mujer.

Pero si las aplicaciones en lo forense o en materia de investigación y espionaje (con los problemas de privacidad que eso trae) son obvias, para Davis también se podría llevar a cabo algo que él nombra como “un nuevo tipo de formación de imágenes”.

“Lo que hicimos nos da mucha información sobre lo que sucede alrededor de un objeto, también nos da mucha información sobre el objeto en sí mismo, porque cada objeto va a responder de una manera diferente a los sonidos”, agregó.